ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI (STUDI KASUS PENYUSUNAN MODEL ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR)
|
|
- Utami Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI (STUDI KASUS PENYUSUNAN MODEL ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR)
2 ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI (Studi Kasus Penyusunan Model Angka Kematian Bayi di Provinsi Jawa Timur) Oleh: Eko Suharto [NRP ] Pembimbing: Dr. Sutikno, S.Si, M.Si Dr. Purhadi, M.Sc Januari 2011 Latar L t Belakang B l k Apa yang diukur Data Spasial?? Informasi Lokasi Informasi Lokasi Type Data Spasial: 1. Point Patern: Menggunakan longitude dan Latitude 2. Geostatistikal Data (Garis): Spasial Surface, Geologi 3. Lattice Data: Menggunakan Area, Wilayah Administrasi Latar Belakang L t B l k Model Regresi g OLS Asumsi-Asumsi Pelanggaran Asumsi Pengujian Efek Spasial Regresi Spasial Spasial Dependensi Hukum Tobler :Everything is related to everything else, but near thing are more related than distant things. Segala sesuatu saling berhubungan satu dengan y g yang lainnya, tetapi sesuatu yang dekat lebih mempunyai pengaruh daripada y p y g p y p g p sesuatu yang jauh. Latar Belakang L t B l k 3. Pengujian efek spasial menjadi penting, karena mengabaikannya menyebabkan estimasi tidak effisien dan kesimpulan menjadi tidak tepat. Terdapat beberapa uji yang digunakan untuk mendeteksi adanya dependensi spasial dalam model yaitu, uji Wald, uji j Moran s I, dan uji j Lagrange g g Multiplier (LM). 4. Salah satu statistik uji yang digunakan adalah Uji Lagrange Multiplier. Diawali oleh Silvey 1959, kemudian dikembangkan oleh Breusch, T.S. dan A.R. Pagan (1980) Burridge (1980), dan Anselin(1988). 5. Dengan menggunakan pendekatan yang dilakukan oleh Bera dan Yoon (1993), Anselin (1996) melakukan suatu modifikasi terhadap uji LM pada model dependensi spasial yang disebut uji Robust LM. Latar Belakang L t B l k 6. Kejadian kematian bayi dalam suatu wilayah mencerminkan bagaimana kondisi kesehatan masyarakat didalamnya. Peningkatan kesehatan ibu dan bayi di Indonesia adalah salah satu komitmen Departemen Kesehatan melalui penerapan Rencana Pengurangan g g Angka g Kematian dan Kesakitan Ibu dan Bayi. Faktor Pendidikan: 1. Lama Sekolah Faktor Ekonomi: 1. Penduduk Miskin 2. Pertumbuhan Ekonomi Angka Kematian Bayi Faktor Kesehatan: 1. Penolong Kelahiran 2. ASI Ekslusif 3. Imunisasi Dasar Faktor Lingkungan: 1. Air Bersih Kerangka hubungan variabel penelitian terhadap Angka Kematian Bayi Perumusan Masalah P M l h 1. Bagaimana menyusun algoritma dan program untuk statistik uji LM dan Robust LM pada model regresi spasial dependensi? 2. Faktor faktor apa saja yang mempengaruhi angka kematian bayi di Provinsi Jawa Timur?
3 Tujuan Penelitian Menyusun algoritma dan program untuk statistik uji LM dan Robust LM pada model regresi spasial dependensi. Mendapatkan p faktor faktor y yang mempengaruhi g p g angka g kematian bayi di Provinsi Jawa Timur. Manfaat Penelitian 1. Mengembangkan wawasan mengenai statistik uji LM dan Robust LM pada d model d l regresii spasial i l dependensi. d d i 2. Mengetahui faktor faktor apa saja yang mempengaruhi angka kematian bayi di Provinsi Jawa Timur. Batasan Penelitian Dalam Penelitian ini masalah dibatasi p pada mengkaji g j p pengujian g j model regresi spasial dengan keberadaan korelasi error spasial menggunakan statistik uji LM dan Robust LM untuk mengetahui adanya dependensi spatial. Dependensi spasial dalam hal ini meliputi spatial lag model dan spatial error model. Matrik penimbang spasial yang digunakan dalam penelitian ini menggunakan matrik penimbang spasial yang sama baik untuk spasial lag maupun spasial error. Model M d l Regresi R i OLS Model:, dimana, adalah vektor berukuran vektor k b berukuran k dan, matriks berukuran, dan d vektor k b berukuran k Matriks mempunyai rank kolom penuh, dimana. Model Umum Regresi Spasial Model: y = ρ W 1y + X β + u u = λ W 2u + ε ε N (0,σ 2 I) y : vektor berukuran p x 1, ρ : koefisien dari variabel dependen spasial lag. u : vektor error,, W: matrik terbobot dengan ukuran nxn. β : vektor kx1 parameter regresi. X : matrik berukuran nxk variabel prediktor λ : koefisien dalam struktur spasial autoregressive Regresi Spasial 1. Model regresi linier OLS, diperoleh apabila nilai ρ = 0 dan λ = 0 dimana model General spatial model berubah menjadi: y = Xβ + ε 2 Model Dependensi Spasial Lag atau Spasial Autoregresi (Spatial 2. Autoregressive Model), diperoleh apabila nilai ρ 0 dan λ = 0 sehingga modelnya menjadi:
4 y = ρ W 1y + X β + u 3. Model Korelasi Error Spasial atau Spasial Error (Spatial Error λ 0 Model d l), ) diperoleh d l h apabila b l nilai l ρ = 0 dan d sehingga modelnya menjadi: y = Xβ + u u = λ W 2u + ε Regresi Spasial Model Spasial Lag: y = ρ W 1y + X β + u Fungsi likelihood untuk model spasial lag: Ln likelihood untuk model spasial lag: Regresi Spasial Model Spasial Error: y = Xβ + u u = λ W 2u + ε Fungsi likelihood untuk model spasial error: Ln likelihood untuk model spasial error: Matriks Pembobot Matriks Penimbang pada Spasial Area ( LeSage, 1999),diantaranya: 1. Rook Contiguity (Persinggungan sisi); 2. Bhisop Contiguity (Persinggungan sudut); 3 Queen Contiguity (persinggungan sisi 3. sisi-sudut); sudut); Wilayah 1 Wilayah 3 Wilayah 2 Wilayah 4 Wilayah 5 Contoh Konfigurasi Persinggungan dalam Penyusunan Matrik Penimbang Spasial g g Multiplier p Lagrange Misalkan ada suatu fungsi likelihood merupakan fungsi dari dan fungsi ln likelihood yang parameter vektor. Dari fungsi ln likelihood akan diperoleh suatu maximum likelihood estimator untuk, yaitu. Maka akan ada suatu fungsi lagrangian sebagai berikut: Turunan pertama dari fungsi lagrangian tersebut terhadap parameter dan akan menghasilkan: dimana, merupakan merupakan vektor lagrange multiplier
5 , merupakan matriks g g Multiplier p Lagrange Breusch dan Pagan pada tahun 1980 mendefinisikan statistik uji LM sebagai berikut: merupakan elemen dari matriks informasi berukuran k x k yang elemen didalamnya merupakan turunan kedua terhadap masing masing parameter didalamnya merupakan turunan kedua terhadap masing masing parameter yang diestimasi: Jika benar maka statistik uji LM diatas akan mengikuti distribusi dan akan ditolak jika nilai statistik LM lebih besar dari dan akan ditolak jika nilai statistik LM lebih besar dari. g j g Pengujian Asumsi Regresi Pengujian kehomogenan varians menggunakan uji Glejser yaitu meregresikan antara harga mutlak residual dengan variabel independen, bentuk persamaannya (Gujarati,2004). Hipotesis yang digunakan dalam uji Glejser yaitu: adalah: minimal ada Jika pengujian individu terhadap koefisien parameter nilai dapat dikatakan residual masih bergantung pada variabel independen minimal ada nilai (terjadi heteroskedastisitas) maka sehingga Uji k kenormalan l d data t menggunakan k statistik t ti tik uji ji Kolmogorov K l Smirnov S i (KS) dengan hipotesis: residual berdistribusi normal residual tidak berdistribusi normal Nilai KS ditentukan oleh: i = 1,2,,n merupakan fungsi distribusi frekwensi kumulatif relatif dari Dimana di t ib i teoritis distribusi t iti dibawah dib h. Sedangkan S d k merupakan k di distribusi t ib i frekwensi f k i kumulatif pengamatan sebanyak sampel. Tolak jika p-value <α g j g Pengujian Asumsi Regresi Otokorelasi residual dapat terjadi jika ada hubungan antara residual yang tersusun secara runtutan waktu (pada data time series) atau dalam rangkaian ruang (pada data cross section). Hipotesis yang digunakan yaitu: Tidak terjadi otokorelasi residual Terjadi otokorelasi residual Statistik uji yang digunakan adalah Durbin Watson test yang dinotasikan sebagai: adalah nilai statistik uji Durbin Watson, adalah error pada pengamatan ke t dan adalah error pada pengamatan ke t-1. g Konseptual p Kerangka Hitung OLS Regresi Lakukan Uji Efek Spasial g j Dengan Statistik Uji LM Tidak Keduanya tidak Si Signifikan ifik Apakah Signifikan? Ya Ya, Keduanya Signifikan? Tidak Tidak
6 Ya Ya Model OLS LM Lag Signifikan? Lakukan Uji Efek Spasial dengan dengan Statistik uji Robust LM Robust LM Lag Lag Signifikan? Tidak Ya SLM SEM SLM SEM Metode Penelitian Sumber data : Indikator Makro dan Data Survei Sosial Ekonomi Nasional (Susenas) Propinsi Jawa Timur Tahun Variabel yang digunakan yaitu: A k Kematian Angka K ti Bayi B i per kabupaten k b t di Provinsi P i i Jawa J Ti Timur (Y) Persentase rumah tangga dengan sumber air bersih (X1), Rata-rata lama sekolah (X2), Persentase penolong kelahiran dari tenaga medis (X3), ) Persentase penduduk miskin (X4), Rata-rata lama pemberian ASI eksklusif (X5), Persentase imunisasi dasar (X6), ) dan Laju pertumbuhan ekonomi (X7) Metode Penelitian Metode analisis yang digunakan dalam mencapai tujuan penelitian ini yaitu : 1. Menyusun Menyusun algoritma algoritma dan dan matlab matlab code untuk untuk statistik statistik uji uji LM LM dan dan Robust LM serta untuk estimasi parameter model regresi spasial berdasarkan tahapan berikut ini: (i) Menurunkan statistik uji LM untuk model spasial lag: a Mendapatkan turunan pertama dari fungsi log likelihood a. Mendapatkan turunan pertama dari fungsi log likelihood b. Mendapatkan invers dari matriks informasi c. Mendapatkan statistik uji LM test untuk model spasial lag yaitu: (ii) Menurunkan statistik uji LM untuk model spasial error: a. Mendapatkan turunan pertama dari fungsi log likelihood b. Mendapatkan invers dari matriks informasi c. Mendapatkan statistik uji LM test untuk model spasial lag yaitu: M d tk t ti tik ji LM t t t k d l i ll it Metode Penelitian Tahapan inferensi dalam menurunkan statistik uji Robust LM: (i) Menurunkan M k statistik t ti tik uji ji LM LM untuk t k model d l spasial i l llag d dengan adanya d spasial error a. Mendapatkan faktor koreksi untuk model spasial lag b. Mendapatkan uji Robust LM untuk model spasial lag dengan adanya spasial error (ii) Menurunkan statistik uji LM untuk model spasial error dengan adanya spasial lag: a Mendapatkan faktor koreksi untuk model spasial error a. Mendapatkan faktor koreksi untuk model spasial error b. Mendapatkan uji Robust LM untuk Model spasial error dengan adanya spasial lag Metode Penelitian Tahapan dalam menyusun estimasi parameter model regresi spasial: (i) Model spasial lag (SLM) a. Menurunkan fungsi ln likelihood terhadap parameter yang akan Menurunkan fungsi ln likelihood terhadap parameter yang akan diestimasi yaitu:
7 dan menyamakan dengan nol. b. Membentuk suatu fungsi concentrated ln likelihood: c. Mencari nilai yang dapat memaksimumkan fungsi concentrated ln likelihood tersebut. d Mencari nilai estimasi parameter untuk : d. Mencari nilai estimasi parameter untuk, dan Metode Penelitian (i) Model spasial error (SEM) a. Menurunkan fungsi ln likelihood terhadap parameter yang akan diestimasi yaitu diestimasi yaitu:,dan dan dan menyamakan dengan dan menyamakan dengan nol b. Membentuk suatu fungsi concentrated ln likelihood: c. Menghitung nilai untuk,, dan estimasi likelihood untuk d. Hitung nilai vektor residual ML: e. Jika < maka kekonvergenan tercapai f Hitung nilai estimasi untuk f. Hitung nilai estimasi untuk : Metode Penelitian 2. Menentukan faktor faktor yang mempengaruhi angka kematian bayi di Provinsi Jawa Timur : a. Melakukan pemodelan Angka Kematian Bayi dengan metode regresi klasik (OLS). b Melakukan b. M l k k pengujian ji asumsi i model d l regresi i kl klasik, ik yaitu i uji ji linieritas, tidak terjadi otokorelasi, uji kesamaan varian, dan error yang berdistribusi normal. c Melakukan c. Melakukan identifikasi identifikasi awal awal model model regresi regresi spasial spasial dengan Statistik Uji dengan uji LM dan uji Robust LM dalam melihat efek dependensi spasial. d Melakukan pemodelan variabel respon dan variabel prediktor d. Melakukan pemodelan variabel respon dan variabel prediktor dengan regresi spasial lag atau regresi spasial error. e. Melakukan interprestasi hasil dari model regresi spasial. Hasil dan Pembahasan Uji LM Lag: Hipotesis yaitu. Statistik uji LM untuk spasial lag adalah: j p g Dimana Uji LM Error Hipotesis yaitu vs. St ti tik ji LM t k Statistik uji LM untuk spasial error adalah: i l d l h Dimana Dibawah, maka statistik uji mengikuti distribusi k d b dan didistribusikan asimptotis Hasil dan Pembahasan Uji Robust LM Lag Bera dan Yoon (1993) menyarankan penggunaan modifikasi pada statistik uji LM di LM, dimana pada d saat t melakukan l k k pengujian ji tterhadap h d d dan demikian pula sebaliknya. Modifikasi terhadap statistik uji LM Lag sebagai berikut: Apabila matrik penimbang spasial
8 , maka ini disebut sebagai statistik uji Robust LM Lag. ini disebut sebagai statistik uji Robust LM Lag akan menjadi: Hasil dan Pembahasan Uji Robust LM Error modifikasinya menjadi: difik i j di Untuk pengujian hipotesis dimana dan maka Apabila matrik penimbang spasial menjadi:, maka ini disebut sebagai statistik uji Robust LM Error ini disebut sebagai statistik uji Robust LM Error Kedua statistik uji Robust LM mengikuti distribusi. akan Hasil dan Pembahasan Algoritma adalah urutan langkah logis tertentu untuk memecahkan suatu masalah. Yang ditekankan adalah urutan langkah logis, yang berarti algoritma harus mengikuti suatu urutan tertentu, tidak boleh melompatlompat. **Algoritma Statistik Uji LM dan Robust LM** **Algoritma Estimasi Parameter Model Spasial** ** Graphical User Interface Model Regresi Spasial** Hasil dan Pembahasan Estimasi Parameter dengan Menggunakan Model Regresi OLS t_hitung p value Variabel Estimasi Parameter ( ) Konstan 97,878, 19,85, 0,000, Lama Sekolah (X2 ) 1,6101 1,82 0,078 Persalinan Medis (X3 ) 0,3681 2,92 0,006 Asi Ekslusif (X5 ) ) Asi Ekslusif (X 3,9240 3,9240 2,50 2,50 0,018 Imunisasi Dasar (X6 ) 0,1555 2,68 0,013 PPengujian Asumsi Regresi: ji A ir i 1. Uji gletser: Tidak terjadi Heteroskedastisitas pada errornya 2. Uji Normalitas: diperoleh errornya mengikuti distribusi normal 3. Uji Durbin Watson: Terjadi Otokorelasi Uji Durbin Watson: Terjadi Otokorelasi pada errornya pada errornya Hasil dan Pembahasan Hasil Diagnosis Efek Spasial Menggunakan Statistik Uji LM g p gg j No Jenis Statistik Uji 1 Statistik uji LM lag 2 Statistik uji LM error Nilai 4, ,2549 P Value 0,0389 0,0007 Kesimpulan Tolak H0 Tolak H0 Hasil Diagnosis Efek Spasial Menggunakan Statistik Uji Robust LM g p gg j No Jenis Statistik Uji
9 1 Statistik uji robus LM lag 2 statistik uji robust LM error Nilai P Value 0,1652 0,6844 7,1554 0,0075 Kesimpulan Gagal Tolak H0 Tolak H0 Hasil dan Pembahasan Estimasi Parameter dengan Menggunakan Model Spasial Error Variabel Estimasi Parameter ( ) t_hitung p value Konstan 95, ,4157 0,0000 Lama Sekolah (X2 ) 1,9961 2,9533 0,0031 P Persalinan Medis (X li M di (X3 ) 0, , , Asi Ekslusif (X5 ) 3,8249 2,9839 0,0028 Imunisasi Dasar (X6 ) 0,2074 4,1443 0,0000 Lambda Lambda , ,0001 3, Persamaan regresi yang dihasilkan adalah sebagai berikut: p Kesimpulan dan Saran Dari hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut: 1. Statistik uji Robust Lagrange Multiplier berguna apabila statistik uji Lagrange Multiplier mengalami ketidakjelasan dalam menyimpulkan model regresi spasial mana yang akan digunakan apakah spasial lag model (SLM) atau spasial error model (SEM). 2. Dalam pemodelan angka kematian bayi di Provinsi Jawa Timur, model yang digunakan yaitu spasial error model (SEM), dengan variabel-variabel yang mempengaruhi adalah rata-rata lama sekolah, persentase penolong kelahiran dari tenaga medis, rata-rata lama pemberian ASI ekslusif dan pemberian i imunisasi i id dasar. Dari penelitian ini saran yang dapat diberikan adalah dalam penelitian selanjutnya hendaknya lebih dikembangkan untuk small area statistic dalam hal pada level y yang g lebih rendah misalnya y kecamatan atau desa dengan g ini p mempertimbangkan ketersediaan data, sehingga akan mampu untuk mempertajam efek spasial dari data itu sendiri. Selain itu perlu dipertimbangkan juga penggunaan regresi spasial data panel sehingga dapat diperoleh informasi spasial baik secara cross section maupun time series. series Daftar Pustaka Anselin, L. (1988). Spatial Econometrics: Methods and Models, Kluwer. Academic Publishers Publishers, Dordrecht Dordrecht & Florak. (1994). Small Sample Properties of Test for Spatial Dependence in Regression Models: Some Futher Result. Research Paper , A.K. Bera, R. Florax, dan M.J. Yoon (1996), Simple diagnostic tests for f spatiall d dependence, d Regionall Science and d Urban b Economics 26, Bera, A. and M. Yoon.(1993). Specification testing with locally misspecified alternatives, Econometric Theory 9, Burridge P. (1980). On the Cliff-Ord Test for Spatial Correlation. Journal of The Royal Statistical Society Vol 42, No. 1 pp Cressie, N.A.C. (1991). Statistics For Spatial Data. John Wiley & Sons, Inc. United States of America America. Draper p N,, & Smith.(1992). ( ) Analisis Regresi g Terapan p. Gramedia Pustaka Utama,, Jakarta. Galton, F.(1886). Reggresion towards Mediocrity in Hereditary Stature. Didownload dari Gujarati D. Gujarati, D (2004). (2004) Basic Econometrics 4th Edition. The McGraw-Hill Companies Kosfeld, Reinhold.(2006). Spatial Econometric. Didownload dari LeSage, JP.(1999). The Theory and Practice of Spatial Econometrics. Dept of Economics University off Toledo. l d Ohio. h Miller, H. J. (2004). Tobler's First Law and Spatial Analysis. Annals of the Association of American Geographers, 94: Silvey, SD.(1959). The Lagrangian Multiplier Test. The Annals of Mathematical Statistics, Vol 30, No 2. Pp Institute of Mathematical Statistics. SEKIAN dan TERIMA KASIH!! ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI
10 (Studi Kasus Penyusunan Model Angka Kematian Bayi di Provinsi Jawa Timur) Eko Suharto [NRP ] Pembimbing: P bi bi Dr. Sutikno, S.Si, M.Si Dr. Purhadi, M.Sc Januari 2011
11
ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI (Studi Kasus Penyusunan Model Angka Kematian Bayi di Provinsi Jawa Timur)
ROBUST LAGRANGE MULTIPLIER PADA PEMODELAN REGRESI SPASIAL DEPENDENSI (Studi Kasus Penyusunan Model Angka Kematian Bayi di Provinsi Jawa Timur) Oleh: Eko Suharto [NRP. 1309201708] Pembimbing: Dr. Sutikno,
Lebih terperinciPemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 2015 Menggunakan Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol 6, No, (017) ISSN: 337-350 (301-98X Print) D-10 Pemodelan Faktor-faktor yang Mempengaruhi Tingkat Pengangguran Terbuka di Provinsi Jawa Timur Tahun 015 Menggunakan Regresi
Lebih terperinciSPATIAL AUTOREGRESSIVE MODEL DAN MATRIKS PEMBOBOT SPASIAL ROOK CONTIGUITY UNTUK PEMODELAN GINI RATIO DI INDONESIA TAHUN 2014.
Spatial Autoregressive Model... (Lailatul Syaadah) 1 SPATIAL AUTOREGRESSIVE MODEL DAN MATRIKS PEMBOBOT SPASIAL ROOK CONTIGUITY UNTUK PEMODELAN GINI RATIO DI INDONESIA TAHUN 214 Jurnal Diajukan kepada Fakultas
Lebih terperinciPemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Kriminalitas di Jawa Timur dengan Analisis Regresi Spasial
JURNAL SAINS DAN SENI ITS Vol. 4 No. (25) 2337-352 (23-928X Print) D-73 Pemodelan Faktor-Faktor Yang Mempengaruhi Tingkat Kriminalitas di Jawa Timur dengan Analisis Regresi Spasial Fitri Maria Dona dan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Analisis Regresi Berganda Analisis regresi merupakan analisis untuk mendapatkan hubungan dan model matematis antara variabel dependen (Y) dan satu atau lebih variabel independen
Lebih terperinciPENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH
PENERAPAN MODEL SPASIAL DURBIN PADA ANGKA PARTISIPASI MURNI JENJANG SMA SEDERAJAT DI PROVINSI JAWA TENGAH Erliyana Devitasari, Sri Sulistijowati Handayani, dan Respatiwulan Program Studi Matematika FMIPA
Lebih terperinciMODEL REGRESI SPASIAL UNTUK ANAK TIDAK BERSEKOLAH USIA KURANG 15 TAHUN DI KOTA MEDAN
Saintia Matematika Vol. 1, No. 1 (2013), pp. 87 99. MODEL REGRESI SPASIAL UNTUK ANAK TIDAK BERSEKOLAH USIA KURANG 15 TAHUN DI KOTA MEDAN Musfika Rati, Esther Nababan, Sutarman Abstrak. Penelitian ini dilakukan
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 781-790 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA
Lebih terperinciPemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (203) 2337-3520 (230-928X Print) D-7 Pemodelan Angka Putus Sekolah Usia Wajib Belajar Menggunakan Metode Regresi Spasial di Jawa Timur Bagus Naufal Fitroni, dan
Lebih terperinciBAB VI PENUTUP Kesimpulan
BAB VI PENUTUP 6.1. Kesimpulan 1. Berdasarkan pemodelan yang dilakukan dengan menggunakan Ordinary Least Square (OLS) dan regresi spasial diperoleh bahwa asumsi klasik telah terpenuhi. Berdasarkan uji
Lebih terperinciPEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL
PEMODELAN FAKTOR FAKTOR YANG MEMPENGARUHI BALITA GIZI BURUK DI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Inayati Nur Fatmah 1, Drs. Hery Tri Sutanto, M.Si 2, 1,2 Jurusan Matematika, Fakultas Matematika
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Kemiskinan merupakan masalah dalam pembangunan yang bersifat multidimensi. Kemiskinan merupakan persoalan kompleks yang terkait dengan berbagai dimensi yakni sosial,
Lebih terperinci2.11. Penduduk Yang Bekerja di Sektor Pertanian Pengangguran... 40
2.11. Penduduk Yang Bekerja di Sektor Pertanian... 38 2.12. Pengangguran... 40 BAB III DASAR TEORI... 42 3.1. Analisis Regresi Linier Berganda... 42 3.2. Penaksiran Koefisien Regresi Menggunakan Matriks...
Lebih terperinciTeknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 Teknik Ensemble dengan Additive Noise pada Estimasi Parameter Model Autoregressive Spasial Sulistiyaningsih 1, Dewi Retno Sari Saputro 2, Purnami Widyaningsih
Lebih terperinciPemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models
JURNAL SAINS DAN SENI ITS Vol. 6, No. 1, (2017) ISSN: 2337-3520 (2301-928X Print) D-89 Pemodelan Pneumonia pada Balita di Surabaya Menggunakan Spatial Autoregressive Models Ilhamna Aulia, Mutiah Salamah
Lebih terperinciPEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH
PEMODELAN SPATIAL ERROR MODEL (SEM) UNTUK INDEKS PEMBANGUNAN MANUSIA (IPM) DI PROVINSI JAWA TENGAH 1 Diana Wahyu Safitri, 2 Moh Yamin Darsyah, 3 Tiani Wahyu Utami 1,2,3 Program Studi Statistika FMIPA Universitas
Lebih terperinciPEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL FIXED EFFECT (Studi Kasus: Indeks Pembangunan Manusia Propinsi Jawa Tengah )
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 173-182 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMODELAN INDEKS PEMBANGUNAN MANUSIA MENGGUNAKAN SPATIAL PANEL
Lebih terperinciPEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB (Studi Kasus : Kemiskinan di Jawa Tengah)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 417-426 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN
Lebih terperinciAPLIKASI MODEL SPATIAL AUTOREGRESSIVE UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH TAHUN 2011
APLIKASI MODEL SPATIAL AUTOREGRESSIVE UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH TAHUN 2011 Restu Dewi Kusumo Astuti 1, Hasbi Yasin 2, Sugito 3 1 Mahasiswa
Lebih terperinciPEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL. Bertoto Eka Firmansyah 1 dan Sutikno 2
PEMODELAN DAN PEMETAAN ANGKA BUTA HURUF PROVINSI JAWA TIMUR DENGAN PENDEKATAN REGRESI SPASIAL Bertoto Eka Firmansyah dan Sutikno Mahasiswa Jurusan Statistika, ITS, Surabaya Dosen Pembimbing, Jurusan Statistika,
Lebih terperinciANALISIS FAKTOR-FAKTOR PRODUKSI PERIKANAN TANGKAP PERAIRAN UMUM DARATAN DI JAWA TENGAH MENGGUNAKAN REGRESI BERGANDA DAN MODEL DURBIN SPASIAL ABSTRACT
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 141-150 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR PRODUKSI PERIKANAN TANGKAP PERAIRAN UMUM
Lebih terperinciBAB III LANDASAN TEORI
BAB III LANDASAN TEORI 3.1. Analisis Regresi Linier Berganda Regresi linier adalah suatu metode yang digunakan untuk menyatakan pola hubungan antara variabel respo dengan variabel prediktor. Bila variabel
Lebih terperinciEstimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm
PRISMA 1 (2018) https://journal.unnes.ac.id/sju/index.php/prisma/ Estimasi Parameter pada Regresi Spatial Error Model (SEM) yang Memuat Outlier menggunakan Iterative Z Algorithm Yulia Sari, Nur Karomah
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB LANDASAN TEORI. Metode Kuadrat Terkecil Persamaan regresi linier yang biasa didefinisikan dengan menggunakan metode pendugaan parameter Ordinary Least Square (OLS), secara umum dapat dituliskan :
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 terperinciPEMBENTUKAN MODEL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB
PEMBENTUKAN MODEL SPASIAL DATA PANEL FIXED EFFECT MENGGUNAKAN GUI MATLAB (Studi Kasus : Kemiskinan di Jawa Tengah) SKRIPSI Disusun Oleh : IRAWATI TAMARA NIM. 24010212120002 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciDisusun: Maslim Rajab Syafrizal NRP Dosen Pembimbing: Dr. Ir. Setiawan, M.Si Dr. Sutikno, S.Si, M.Si. 1/24/2012 Seminar Hasil
1/24/2012 Seminar Hasil 1 PROSEDUR GENERALIZED SPATIAL TWO STAGE LEAST SQUARES UNTUK MENGESTIMASI MODEL SPATIAL AUTOREGRESSIVE WITH AUTOREGRESSIVE DISTURBANCES STUDI KASUS PEMODELAN PERTUMBUHAN EKONOMI
Lebih terperinciMODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH
MODEL SPASIAL DURBIN EROR UNTUK INDEKS PEMBANGUNAN MANUSIA DI PROVINSI JAWA TENGAH Albertus Revoliko Septiawan, Sri Sulistijowati Handajani, dan Titin Sri Martini Program Studi Matematika Fakultas Matematika
Lebih terperinciANALISIS REGRESI KUANTIL
Jurnal Matematika UNAND Vol. 5 No. 1 Hal. 103 107 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISIS REGRESI KUANTIL SAIDAH, FERRA YANUAR, DODI DEVIANTO Program Studi Magister Matematika, Fakultas
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEMISKINAN DI JAWA TENGAH MENGGUNAKAN MODEL GALAT SPASIAL SKRIPSI Oleh: OCTAFINNANDA UMMU FAIRUZDHIYA 24010210130057 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA DI PROVINSI JAWA TENGAH MENGGUNAKAN MODEL SPATIAL AUTOREGRESSIVE (SAR)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 525-534 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI UPAH MINIMUM KABUPATEN/KOTA
Lebih terperinciRegresi Spasial untuk Menentuan Faktorfaktor Kemiskinan di Provinsi Jawa Timur
Statistika, Vol. 12 No. 1, 1 8 Mei 2012 Regresi Spasial untuk Menentuan Faktorfaktor Kemiskinan di Provinsi Jawa Timur Anik Djuraidah dan Aji Hamim Wigena Departemen Statistika FMIPA-IPB, Kampus IPB Darmaga,
Lebih terperinciPERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT
Jurnal Ilmiah UMMI, Volume X1, No. 03 Desember 2017 37 PERAMALAN TINGKAT PARTISIPASI ANGKATAN KERJA PEREMPUAN DAN FAKTOR-FAKTOR YANG MEMPENGARUHI DI JAWA BARAT Agustina Fakultas Ekonomi Universitas Swadaya
Lebih terperinciARI RUSMASARI NRP
Oleh : ARI RUSMASARI NRP. 1310201710 Pembimbing : 1. Dr. SUTIKNO, S.Si, M.Si. 2. Dr. Ir. SETIAWAN, M.S. Program Magister Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Teknologi
Lebih terperinciPEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN REGRESI SPASIAL 1 Defi Mustika Sari, 2 Dwi Endah Kusrini dan 3 Suhartono
1 PEMODELAN KASUS TINDAK PIDANA DI KOTA SURABAYA DENGAN PENDEKATAN REGRESI SPASIAL 1 Defi Mustika Sari, 2 Dwi Endah Kusrini dan 3 Suhartono Jurusan Statistika, Fakultas MIPA, Institut Teknologi Sepuluh
Lebih terperinciBAB III PEMBAHASAN. Pada pembahasan kali ini akan diuraikan langkah-langkah dalam melakukan
BAB III PEMBAHASAN Pada pembahasan kali ini akan diuraikan langkah-langkah dalam melakukan pemodelan menggunakan Spatial Autoregressive Model dan Matriks pembobot spasial Rook Contiguity. Langkah-langkah
Lebih terperinciPENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT
Buletin Ilmiah Math. Stat. Dan Terapannya (Bimaster) Volume 07, No. (08), hal 8. PENDEKATAN EKONOMETRIKA PANEL SPASIAL UNTUK PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO DI KALIMANTAN BARAT Ridho Pratama,
Lebih terperinciREGRESI LINIER BERGANDA
REGRESI LINIER BERGANDA 1. PENDAHULUAN Analisis regresi merupakan salah satu teknik analisis data dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa variabel dan meramal
Lebih terperinciKata kunci : LISA, Moran I, Spatial Autocorrelation. Abstract
Jurnal Edukasi, Volume 1 No.2, Oktober 2015 ISSN. 2443-0455 ANALISIS SPASIAL AUTOKORELASI PADA DATA PERSENTASE WANITA PERNAH KAWIN DAN TIDAK PERNAH MENGGUNAKAN ALAT / CARA KB DI PROVINSI LAMPUNG Risdiana
Lebih terperinciDESAIN SAMPLING UNTUK PEMODELAN SPATIAL. Bertho Tantular Departemen Statistika FMIPA Universitas Padjadjaran
ISBN : 978.62.36.2. DESAIN SAMPLING UNTUK PEMODELAN SPATIAL Bertho Tantular Departemen Statistika FMIPA Universitas Padjadjaran berthotantular@gmail.com ABSTRAK. Desain sampling bergantung pada banyak
Lebih terperinciMODEL SPASIAL DURBIN DENGAN EFEK TETAP UNTUK TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KEPULAUAN BANGKA BELITUNG
MODEL SPASIAL DURBIN DENGAN EFEK TETAP UNTUK TINGKAT PENGANGGURAN TERBUKA DI PROVINSI KEPULAUAN BANGKA BELITUNG Ridho Ilahi 1, M. Syamsuddin 2, Yusep Suparman 3 1 Mahasiswa Magister Statistika Terapan
Lebih terperinciPEMODELAN KRIMINALITAS DENGAN PENDEKATAN REGRESI SPASIAL DI PROVINSI SULAWESI SELATAN
PEMODELAN KRIMINALITAS DENGAN PENDEKATAN REGRESI SPASIAL DI PROVINSI SULAWESI SELATAN Ansari Saleh Ahmar 1, Adiatma 2 1,2 Dosen Program Studi Statistika, Universitas Negeri Makassar Email : ansarisaleh@unm.ac.id
Lebih terperinciAPLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG PENDIDIKAN SMA SEDERAJAT DI PROVINSI JAWA TENGAH
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 375-384 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian APLIKASI MODEL REGRESI SPASIAL UNTUK PEMODELAN ANGKA PARTISIPASI MURNI JENJANG
Lebih terperinciABSTRAK. Mariana, Dosen Pendidikan Matematika Fakultas Tarbiyah dan Keguruan, IAIN Ambon ,
ABSTRAK PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA (Spatial Regression Approach in Modeling of Open Unemployment Rate) Mariana, Dosen Pendidikan Matematika Fakultas Tarbiyah
Lebih terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciMaslim Rajab Syafrizal 1, Setiawan 2, Sutikno 3
PROSEDUR GENERALIZED SPATIAL TWO STAGE LEAST SQUARES UNTUK MENGESTIMASI MODEL SPATIAL AUTOREGRESSIVE WITH AUTOREGRESSIVE DISTURBANCES Studi Kasus Pemodelan Pertumbuhan Ekonomi di Provinsi Jawa Timur Maslim
Lebih terperinciANALISIS SPASIAL PENGARUH TINGKAT PENGANGGURAN TERHADAP KEMISKINAN DI INDONESIA (Studi Kasus Provinsi Jawa Tengah) Abstract
Analisis Spasial (Rita R) ANALISIS SPASIAL PENGARUH TINGKAT PENGANGGURAN TERHADAP KEMISKINAN DI INDONESIA (Studi Kasus Provinsi Jawa Tengah) Rita Rahmawati 1, Diah Safitri 2, Octafinnanda Ummu Fairuzdhiya
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pemodelan Spasial Pemodelan spasial adalah pemodelan yang berhubungan dengan pendekatan titik dan area. Tahapan untuk melakukan pemodelan spasial adalah regresi linier berganda;
Lebih terperinciKata Kunci: Analisis Regresi Linier, Penduga OLS, Penduga GLS, Autokorelasi, Regresor Bersifat Stokastik
Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 168 176 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN PENDUGA ORDINARY LEAST SQUARES (OLS) DAN GENERALIZED LEAST SQUARES (GLS) PADA MODEL REGRESI
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
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 terperinciPEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL
PEMODELAN KEMISKINAN DI PROVINSI JAWA TIMUR DENGAN METODE SEEMINGLY UNRELATED REGRESSION (SUR) SPASIAL Dibyo Adi Wiboao 1), Setiawan 2), dan Vita Ratnasari 3) 1) Program Studi Magister Statistika, Institut
Lebih terperinciPEMANFAATAN DATA HASIL SUSENAS PADA PEMODELAN RASIO KELUARGA PRA SEJAHTERA DI PROVINSI JAWA TENGAH TAHUN 2011
PEMANFAATAN DATA HASIL SUSENAS PADA PEMODELAN RASIO KELUARGA PRA SEJAHTERA DI PROVINSI JAWA TENGAH TAHUN 011 Erie Sadewo 1 1 Badan Pusat Statistik erie@bps.go.id Abstrak Melalui program pemutakhiran data
Lebih terperinciPEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION)
PEMETAAN DAN MODEL REMAJA PUTUS SEKOLAH USIA SMA DI PROVINSI JAWA TIMUR PADA TAHUN 2009 DENGAN METODE GWR (GEOGRAPHICALLY WEIGHTED REGRESSION) Pembimbing : Ir. Sri Pingit Wulandari, MSi Liska Septiana
Lebih terperinciPROSIDING SEMINAR NASIONAL STATISTIKA UNIVERSITAS DIPONEGORO 2011 ISBN:
161 STRUCTURAL EQUATION MODELLING (SEM) DENGAN MODEL STRUKTURAL REGRESI SPASIAL Tisti Ilda Prihandini 1, Sony Sunaryo 2 1) Mahasiswa Magister Jurusan Statistika ITS 2) Dosen Jurusan Statistika ITS Abstrak
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN
BAB IV ANALISIS DAN PEMBAHASAN Pada bab ini akan dibahas mengenai gambaran persebaran IPM dan komponen-komponen penyususn IPM di Provinsi Jawa Tengah. Selanjutnya dilakukan pemodelan dengan menggunakan
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 terperinciSTRUCTURAL EQUATIO MODELLI G (SEM) DE GA MODEL STRUKTURAL REGRESI SPASIAL. Tisti Ilda Prihandini 1, Sony Sunaryo 2
STRUCTURAL EQUATIO MODELLI G (SEM) DE GA MODEL STRUKTURAL REGRESI SPASIAL Tisti Ilda Prihandini 1, Sony Sunaryo 2 1) Mahasiswa Magister Jurusan Statistika ITS, 2) Dosen Jurusan Statistika ITS Abstrak Suatu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009
Lebih terperinciPEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPASIAL AUTOREGRESSIVE MODEL PANEL DATA
PEMODELAN PRODUK DOMESTIK REGIONAL BRUTO (PDRB) PROVINSI JAWA TENGAH DENGAN PENDEKATAN SPASIAL AUTOREGRESSIVE MODEL PANEL DATA Ulfatun Khasanah 1, Abdul Karim 2,, Indah Manfaati Nur 3 1 Mahasiswa Statistika,,
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 terperinciPemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial
JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) 2337-3520 (2301-928X Print) D-135 Pemodelan Kasus Tindak Pidana di Kota Surabaya dengan Pendekatan Regresi Spasial Defi Mustika Sari, Dwi Endah Kusrini,
Lebih terperinciSKRIPSI PENGARUH ANGKATAN KERJA YANG BEKERJA DAN LEMBAGA PELATIHAN KERJA TERHADAP PDRB KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN REGRESI SPASIAL
SKRIPSI PENGARUH ANGKATAN KERJA YANG BEKERJA DAN LEMBAGA PELATIHAN KERJA TERHADAP PDRB KABUPATEN/KOTA DI JAWA TIMUR MENGGUNAKAN REGRESI SPASIAL Disusun Oleh : CLAYREN NATHANNIEL 5303012017 JURUSAN TEKNIK
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam perkembangan zaman yang semakin modern ini data adalah sesuatu yang sangat dibutuhkan baik individu, instansi, organisasi dan perusahaan. Sebuah perusahaan sangat
Lebih terperinciBAB 3 METODE PENELITIAN. Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi
BAB 3 METODE PENELITIAN 3.1 Wilayah dan Pengumpulan Data Wilayah dan pengumpulan data yang diambil adalah di Kabupaten Bekasi yang terdiri dari 23 Kecamatan. Lokasi masing-masing kecamatan dapat dilihat
Lebih terperinci(R.16) KAJIAN MODEL SPASIAL DURBIN (SDM) DALAM PEMODELAN KEADIAN DIARE DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA (Studi Kasus : Kabupaten Tuban)
(R.6) KAJIAN MODEL SPASIAL DURBIN (SDM) DALAM PEMODELAN KEADIAN DIARE DAN FAKTORFAKTOR YANG MEMPENGARUHINYA (Studi Kasus : Kabupaten Tuban) Rokhana Dwi Bekti Bina Nusantara Universit email : rokhana_db@binus.ac.id
Lebih terperinciOPTIMALISASI MATRIK BOBOT SPASIAL BERDASARKAN K-NEAREST NEIGHBOR DALAM SPASIAL LAG MODEL
M-9 OPTIMALISASI MATRIK BOBOT SPASIAL BERDASARKAN K-NEAREST NEIGHBOR DALAM SPASIAL LAG MODEL I Gede Nyoman Mindra Jaya 1), Bertho Tantular 2), Zulhanif 3) 1,2,3) Departemen Statistika FMIPA UNPAD jay.komang@gmail.com,
Lebih terperinciESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR
ESTIMASI MODEL SIMULTAN SPASIAL PERTUMBUHAN EKONOMI JAWA TIMUR Firda Fadri Manajemen Informatika, Sekolah Tinggi Teknologi Walisongo Gempol Email: firda.fadri@gmail.com ABSTRAK Model ekonometri spasial
Lebih terperinciBAB III METODE PENELITIAN. Statistik). Data yang diambil pada periode , yang dimana di dalamnya
BAB III METODE PENELITIAN 3.1. Metode Penelitian 3.1.1. Jenis dan Sumber Data Data yang digunakan dalam penelitian ini adalah data sekunder. Data sekunder sendiri artinya adalah data yang tidak dikumpulkan
Lebih terperinciPemodelan Kerugian Makroekonomi Akibat Bencana Alam Dengan Regresi Panel
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 Pemodelan Kerugian Makroekonomi Akibat Bencana Alam Dengan Regresi Panel Evi Kinasih Ikhwan dan Dwi Endah Kusrini Jurusan
Lebih terperinciPENDEKATAN BAYESIAN SPASIAL EKONOMETRIKA PADA PEMODELAN MIGASI PENDUDUK DI JAWA BARAT. Oleh : Priyono
PENDEKATAN BAYESIAN SPASIAL EKONOMETRIKA PADA PEMODELAN MIGASI PENDUDUK DI JAWA BARAT Oleh : Priyono Dosen Pembimbing : Dr. Ir. Setiawan, MS Dr. Sutikno, M.Si PROGRAM MAGISTER JURUSAN STATISTIKA FMIPA
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL ABSTRACT
JURNAL GAUSSIAN, Volume 2, Nomor 4, Tahun 2013, Halaman 333-342 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN
Lebih terperinciBAB II LANDASAN TEORI. metode kuadrat terkecil (MKT), outlier, regresi robust, koefisien determinasi,
BAB II LANDASAN TEORI Beberapa teori yang diperlukan untuk mendukung pembahasan diantaranya adalah regresi linear berganda, pengujian asumsi analisis regresi, metode kuadrat terkecil (MKT), outlier, regresi
Lebih terperinciBAB III METODE PENELITIAN. Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan
BAB III METODE PENELITIAN A. Obejek Penelitian Obyek kajian pada penelitian ini adalah realisasi PAD (Pendapatan Asli Daerah) di seluruh wilayah Kabupaten/Kota Eks-Karesidenan Pekalongan yang terdiri dari
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperinciKematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan
VIF Distribusi Poisson Regresi Poisson Kematian Bayi Kematian Ibu Kematian wanita saat melahirkan dan saat 42 hari setelah melahirkan bukan dikarenakan kecelakaan 1 Pendaharan terberat pada masa nifas
Lebih terperinciBAB III METODOLOGI PENELITIAN. 1. Apakah investasi mempengaruhi kesempatan kerja pada sektor Industri alat
43 BAB III METODOLOGI PENELITIAN A. Tujuan Penelitian Berdasarkan masalah-masalah yang telah peneliti rumuskan, maka tujuan penelitian ini adalah untuk mengetahui: 1. Apakah investasi mempengaruhi kesempatan
Lebih terperinciIII. METODE PENELITIAN. runtut waktu (time series) atau disebut juga data tahunan. Dan juga data sekunder
42 III. METODE PENELITIAN A. Jenis dan Sumber Data Data yang digunakan dalam penelitian adalah data sekunder yang mempunyai sifat runtut waktu (time series) atau disebut juga data tahunan. Dan juga data
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 terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI
ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI GIZI BURUK BALITA DI JAWA TENGAH DENGAN METODE SPATIAL DURBIN MODEL SKRIPSI Oleh: Ikha Rizky Ramadani J2E 009 020 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciBAB V HASIL PENELITIAN DAN PEMBAHASAN. sekunder deret waktu (time series) mulai dari Januari 2013 sampai
BAB V HASIL PENELITIAN DAN PEMBAHASAN A. Analisis dan Hasil Regresi Semua data yang digunakan dalam analisis ini merupakan data sekunder deret waktu (time series) mulai dari Januari 2013 sampai Desember
Lebih terperinci(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG)
(R.10) ESTIMASI TOTAL POPULASI DENGAN MENGGUNAKAN PENAKSIR GENERALIZED REGRESSION (GREG) 1Agus Muslim, 2 Sutawanir Darwis, 3 Achmad Zanbar Soleh 1Mahasiswa Magister Statistika Terapan, Universitas Padjadjaran,
Lebih terperinciAPLIKASI REGRESI SPASIAL UNTUK PEMODELAN ANGKA HARAPAN HIDUP (AHH) DI PROVINSI JAWA TENGAH SKRIPSI
APLIKASI REGRESI SPASIAL UNTUK PEMODELAN ANGKA HARAPAN HIDUP (AHH) DI PROVINSI JAWA TENGAH SKRIPSI Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta untuk memenuhi
Lebih terperinciIII. METODE PENELITIAN. bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
48 III. METODE PENELITIAN A. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder dalam bentuk runtut waktu (time series) yang bersifat kuantitatif yaitu data dalam
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilakukan di Dinas Pariwisata, Pemuda dan Olahraga
BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilakukan di Dinas Pariwisata, Pemuda dan Olahraga dan Badan Pusat Statistik Provinsi Banten. Penelitian ini dilakukan selama
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
28 BAB 3 METODOLOGI PENELITIAN 3.1 Objek Penelitian Dalam penelitian yang berkaitan dengan fenomena market overreaction di Bursa Efek Indonesia ini, yang menjadi objeknya adalah seluruh saham yang pernah
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan pada penelitian ini adalah data sekunder yang diperoleh dari
III. METODE PENELITIAN Metode penelitian merupakan langkah dan prosedur yang akan dilakukan dalam pengumpulan data atau informasi empiris guna memecahkan permasalahan dan menguji hipotesis penelitian.
Lebih terperinciPEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL
PEMODELAN PERSENTASE PENDUDUK MISKIN DI JAWA TIMUR DENGAN PENDEKATAN EKONOMETRIKA PANEL SPASIAL Alifta Kurnia Setiawati (1308100061) Pembimbing : Dr. Ir. Setiawan, MS 1 AGENDA 1 3 4 5 Pendahuluan Tinjauan
Lebih terperinciPENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA MARIANA
PENDEKATAN REGRESI SPASIAL DALAM PEMODELAN TINGKAT PENGANGGURAN TERBUKA MARIANA SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2012 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan ini saya menyatakan
Lebih terperinciBAB I PENDAHULUAN. Pembangunan nasional identik dengan pembangunan daerah karena
BAB I PENDAHULUAN A. Latar Belakang Pembangunan nasional identik dengan pembangunan daerah karena pembangunan nasional pada dasarnya dilaksanakan di daerah. Dalam beberapa tahun ini, di dalam melaksanakan
Lebih terperinciPENERAPAN REGRESI SPASIAL PADA PEMODELAN KASUS KETERGANTUNGAN SPASIAL (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2010)
PENERAPAN REGRESI SPASIAL PADA PEMODELAN KASUS KETERGANTUNGAN SPASIAL (Studi Kasus: Indeks Pembangunan Manusia di Indonesia Tahun 2010) WIDYA MARICELLA PANJAITAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciPERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO
Perbandingan Model ARIMA... (Alia Lestari) PERBANDINGAN MODEL ARIMA DAN MODEL REGRESI DENGAN RESIDUAL ARIMA DALAM MENERANGKAN PERILAKU PELANGGAN LISTRIK DI KOTA PALOPO Alia Lestari Fakultas Teknik Universitas
Lebih terperinciPENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Jurnal Matematika UNAND Vol. VI No. 1 Hal. 25 32 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENENTUAN RESIKO INVESTASI DENGAN MODEL GARCH PADA INDEKS HARGA SAHAM PT. INDOFOOD SUKSES MAKMUR TBK.
Lebih terperinciANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR
ANALISIS REGRESI MULTIVARIAT BERDASARKAN FAKTOR-FAKTOR YANG MEMPENGARUHI DERAJAT KESEHATAN DI PROVINSI JAWA TIMUR Rosy Riskiyanti 1308.100.508 Dosen Pembimbing Ir. Sri Pingit Wulandari, M.Si Latar Belakang
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini menggunakan data time series tahunan Data
40 III. METODE PENELITIAN A. Jenis dan Sumber Data Penelitian ini menggunakan data time series tahunan 2002-2012. Data sekunder tersebut bersumber dari Badan Pusat Statistik (BPS) Lampung. Adapun data
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS)
FAKTOR-FAKTOR YANG MEMPENGARUHI JUMLAH PENDUDUK DI JAWA TENGAH MENGGUNAKAN MODEL REGRESI ROBUST DENGAN ESTIMASI LEAST MEDIAN OF SQUARES (LMS) Yuditia Ari Prabowo, Yuliana Susanti, dan Santoso Budi Wiyono
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 terperinciBAB III METODE PENELITIAN. mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi
BAB III METODE PENELITIAN A. Objek Penelitian Untuk mendapatkan data yang diperlukan dalam penelitian ini, penulis mengambil objek di seluruh provinsi di Indonesia, yang berjumlah 33 provinsi di 5 pulau
Lebih terperinciIII. METODE PENELITIAN. model struktural adalah nilai PDRB, investasi Kota Tangerang, jumlah tenaga kerja,
III. METODE PENELITIAN 3.1. Jenis dan Sumber Data Data yang dibutuhkan dalam penelitian ini adalah data sekunder dalam bentuk time series dari tahun 1995 sampai tahun 2009. Data yang digunakan dalam model
Lebih terperinci