OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL
|
|
- Ratna Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OVERDISPERSI PADA REGRESI LOGISTIK BINER MENGGUNAKAN METODE BETA BINOMIAL Heru Wbowo, Suyono, Wdyant Rahayu Program Stud Matematka, Fakultas Matematka dan Ilmu Pengetahuan Alam, Unverstas Neger Jakarta Jl. Rawamangun Muka, Jakarta Tmur 13220, Indonesa Abstrak Analss regres logstk merupakan metode yang dgunakan untuk mengetahu hubungan antara peubah predktor (X) dan dengan peubah respon (Y) yang bersfat kategork. Pada pemodelan data bner, masalah overdspers serng terjad yang dsebabkan oleh keragaman antar peluang respon serta korelas antar respon bner. Overdspers merupakan suatu keadaan dmana ragam amatan lebh besar dbandngkan ragam dugaan sedangkan pada regres logstk peubah respon (Y) dasumskan berdstrbus bnomal dengan ragam amatan sama dengan ragam dugaan. Metode Beta Bnomal yang merupakan gabungan antara dstrbus beta dan dstrbus bnomal cukup bak mengkoreks keragaman pada data yang terndkas terdapat overdspers. Kata kunc: Overdspers, Regres Logstk Bner, Beta Bnomal.. 1 Pendahuluan Persoalan yang melbatkan dua varabel atau lebh yang dduga memlk hubungan tertentu dsebut regres dar satu varabel atas varabel lan. Analss Regres merupakan suatu metode untuk menentukan suatu hubungan sebab akbat antara satu varabel dengan varabel lannya. Varabel dalam analss regres dbedakan menjad dua, yatu varabel respon (dependent varable), dan predktor (ndependent varable). Varabel respon basanya dsmbolkan dengan Y dan varabel bebas basanya dsmbolkan dengan X. Hubungan n dapat dnyatakan dalam persamaan matemats yang dnamakan persamaan regres. Persamaan regres dapat berbentuk lnear maupun non-lner. Analss regres logstk dapat dgunakan mengetahu pengaruh beberapa varabel bebas yang dapat bersfat kategork maupun numerk terhadap varabel respon yang mempunya sfat kategork. Varabel respon pada regres logstk berdata bner berdstrbus bnomal (Hosmer dan Lemeshow, 2000:7). Menurut Agrest (2002:123) regres logstk adalah Generalzed Lnear Models (GLM) atau model lnear umum dengan komponen acak bnomal dan fungs penghubung logt (nvers dar fungs logstk). Pendugaan parameter regres logstk dlakukan dengan pendekatan kemungknan maksmum dengan menggunakan metode teras Newton- Raphson. Menurut Hosmer dan Lemeshow (2000: ) regres logstk senstf terhadap kolnertas (hubungan lnerantar varabel) d antara peubah bebas yang terdapat d dalam model. Multkolnertas yang terdapat ddalam model dapat dperksa dengan melhat nla Varance Inaton Factors (VIF). Asums dalam regres logstk adalah ragam amatan sama dengan ragam dugaan. Apabla asums n tdak terpenuh akan menyebabkan overdspers yatu ragam amatan lebh besar darpada ragam dugaan (ragam dstrbus bnomal). Hal-hal penyebab overdspers antara lan, kesalahan dalam penentuan fungs penghubung, terjadnya korelas antar pengamatan, terdapat pengelompokan serta menghlangkan kovarat yang pentng (Hnde & Demetro, 2007:5). Adanya overdspers menyebabkan galat baku menjad underestmate, sehngga dperoleh model regres yang kurang tepat dan berpengaruh terhadap penarkan kesmpulan yang juga tdak tepat. Overdspers pada regres logstk dapat dselesakan dengan beberapa cara yatu memasukkan efek acak pada model lalu menggunakan metode Wllam, serta menggunakan metode beta bnomal. Berdasarkan latar belakang dalam penulsan kal n akan dgunakan metode beta bnomal yang berupa gabungan antara sebaran beta dengan bnomal untuk menyelesakan masalah overdspers pada regres logstk. 45
2 2 Landasan Teor 2.1 Dstrbus Bnomal Jka peubah acak bernoull damat pada n percobaan dmana antara setap percobaan bersfat salng bebas dan peluang munculnya kejadan sukses pada setap percobaan bersfat konstan yatu p, maka banyaknya kejadan sukses X dantara n percobaan akan berdstrbus bnomal dengan parameter n dan p serta dapat dnotaskan dengan X ~ Bnomal (n,p). Fungs kepadatan peluang untuk X adalah : n p x q nx ; x 0,1,..., n f x x 0 ; selannya Dengan mean-nya : E(X) = np dan varans-nya : Var(X) = np(1-p) 2.2 Analss Regres Lner Berganda Analss regres lner berganda dpergunakan untuk mengetahu pengaruh antara satu peubah respon dengan banyak atau lebh dar satu peubah penjelas. Menurut Suyono (2015:26) untuk pengujan hpotess dan untuk membuat nterval konfdens parameter galat-galat acak dasumskan sebaga berkut : 1. Nla rata-rata dar galat adalah nol 2. Varans dar galat adalah konstan (homoskedastk) 3. Tdak terjad autokorelas pada galat 4. Galat berdstrbus normal Persamaan umum dar analss regres lner berganda sebaga berkut : Y X X X k k dmana Y=Varabel respon ; X 1,X 2,X k =Varabel penjelas ; β 0 =konstanta atau Intersep ; β 1,β 2,β k = Koefsen dengan ε = ssa(error) untuk pengamatan ke- yang dasumskan berdstrbus normal yang salng bebas dan dentk dengan rata-rata 0 (nol) dan varans σ 2. Model regres lner berganda dapat dperoleh dengan melakukan estmas terhadap parameter-parameternya menggunakan metode kuadrat terkecl (MKT) (ordnary least square/ols) dan metode kemungknan maksmum (MKM) (maxmum lkelhood estmaton/mle) dengan 1 penduga β yatu ( T T X X ) X Y 2.3 Model Lner Umum Model lnear umum alah pengembangan dar model lnear klask yang varabel responnya salng bebas. Model lner umum dasumskan mengkut dstrbus keluarga eksponensal yang merupakan dstrbus dengan sfat yang lebh umum dan adapat dtulskan sebaga berkut : ( g)( ) ( ) Dengan 0 1X 1 k Xk Menurut (Gll J, 2001:31) Model Lnear umum memlk tga komponen, yatu : 1. Komponen acak, yatu komponen X, =1,2,...n merupakan varabel acak yang yang dstrbusnya masuk ke dalam dstrbus keluarga eksponensal dangan rata-rata µ, msal µ =E(Y ), =1,2,..., N 2. Komponen sstematk yang menunjukkan fungs lner dar varabel penjelas. Msal X j menyatakan nla penduga j dmana (j=1,2,...,p) untuk subjek. X X p p 3. Fungs penghubung, yatu suatu fungs g yang menghubungkan komponen acak dan komponen sstematk sehngga E(Y ) = µ =g -1 ( ). 46
3 2.4 Analss Regres Logstk Bner Analss regres logstk adalah analss yang dgunakan untuk menganalss hubungan antara peubah respon (Y ) yang bersfat kategork atau numerk. Apabla untuk setap objek amatan ke-, = 1, 2,..., n kategor dar peubah respon hanya memlk dua kemungknan nla (msalnya Y =1 untuk kejadan sukses dan Y =0 untuk kejadan gagal) dan Y dasumskan berdstrbus bnomal dengan paramtere n dan p maka analss regres logstk tersebut dnamakan juga sebaga analss regres logstk bner. Model regres logstk bner yang menunjukkan hubungan lner antara nlanla dar transformas logt dengan peubah penjelasnya dberkan oleh p log X X... X 1 p k k Pendugaan Parameter Model Regres Logstk Bner Metode kuadrat terkecl (MKT) tdak dapat dgunakan untuk menduga parameter pada regres logstk bner karena dapat mengakbatkan dperolehnya taksran yang terlalu rendah (underestmate) atau taksran yang terlalu tngg (overestmate) yang akan mempengaruh perhtungan nterval kepercayaan. Maka dgunakan metode kemungknan maksmum (MKM) dengan persamaannya n ln L( ) X1 Y n p 1 1 Dalam mencar nla dugaan β menggunakan metode newton raphson dperlukan beebrapa langkah yatu 1. Memlh taksran awal β 2. Menentukan vektor graden (U ) yang beranggotakan turunan pertama dar fungs lkelhood terhadap β 3. membentuk matrks Hessan yang beranggotakan turunan kedua fungs lkelhood terhadap β 4. Pada setap teras ke-(t+1), dengan t=0,1,.. dhtung dengan nla dugaan baru yatu β (t+1) secara teratf dengan rumus Dengan Iteras berlanjut hngga ( t1) ( t) ( t1) ( t) ( t) 1 ( t) H U,atau teras dhentkan jka selsh Antara ( t 1) () t sangatlah kecl Uj Sgnfkans Parameter a. Uj Serempak Uj Serempak dlakukan untuk melhat pengaruh varabel penjelas secara bersama-sama terhadap varabel respon. Uj serempak melalu perbandngan raso kemungknan atau uj G memlk hpotess dan H 1 : Tdak Semua 0 H0 : k 0 dmana = 1,2,...,k dengan k = banyaknya varabel bebas X dan β = Parameter ke - model regres lner dengan statstk uj G dmana L p G 2ln ~ L p p : Fungs lkelhood model dugaan p : Fungs lkelhood model penuh 2 Jka G k maka H 0 dtolak yang berart peubah penjelas X berpengaruh nyata terhadap peubah respon Y. b. Uj Parsal Uj Parsal (Uj Wald) dlakukan untuk melhat peranan masng-masng varabel 2 k 47
4 penjelas terhadap varabel respon. Hpotess yang akan duj H 0 : β = 0 (koefsen β tdak sgnkan secara statstk) H 1 : β 0 (koefsen β sgnkan secara statstk) dmana = 1,2,...,k dengan k = banyaknya varabel bebas X dan β = Parameter ke - model regres lner Statstk Uj Wald : W se dengan : se : Galat baku penduga β, : koefsen dugaan peubah predktor : 0,1,2,...,n statstk uj Wald mengkut sebaran normal dengan krtera keputusan menerma H 0 jka W Z berart β tdak sgnfkan dan dapat dsmpulkan bahwa peubah penjelas β tdak berpengaruh terhadap peubah respon. 2.5 Kesesuaan Model Logstk Bner Pada analss regres logstk bner, pengujan kesesuaan model dugaan ddasarkan pada statstk uj ch kuadrat Pearson. Statstk uj Pearson merupakan fungs dar ssaan yatu selsh dar nla aktual dengan nla dugaan dan ddefnskan sebaga berkut : Nla harapan dar sebaran χ 2 sama dengan derajat bebasnya jka nla ch kuadrat Pearson jauh lebh besar dar derajat bebasnya, maka asums dar keragaman bnom tdak terpenuh. Akake's Informaton Crteron (AIC) atau Krtera Informas Akake alah ukuran relatf kebakan untuk mengepas dar model statstk dengan membahas antara akuras dan komplekstas model. AIC ddefnskan dengan : AIC( k) 2ln( ) 2k dmana k = Jumlah parameter dalam model statstk dan = nla maksmal dar fungs kemungknan maksmum untuk model dugaan. 2.6 Raso Odds Hosmer dan Lemeshow (2000:53) menyatakan bahwa log odds untuk model regres logstk dengan nla peubah bebas lebh dar satu ddefnskan sebaga selsh antara penduga logt untuk suatu peubah bebas X j bernla a dengan penduga logt untuk peubah bebas X j bernla b dmana peubah bebas lannya dasumskan konstan, yatu 3 Pembahasan 3.1 Overdspers pada Regres Logstk Bner Saat model logstk lner danggap sudah cukup sesua tetap nla mean Pearson lebh dar satu maka asums keragaman berdasarkan dstrbus bnomal menjad tdak vald. Masalah tersebut dkatakan sebaga Overdspers. Overdspers mengakbatkan nla penduga ragam lebh besar darpada ragam d bawah asums bnomal. Apabla nla penduga ragam tersebut dgunakan untuk menark kesmpulan (pengujan hpotess) maka cenderung akan menolak H 0. Menurut (Hnde dan Demetro,2007:5) terdapat sejumlah keadaan yang mengndkaskan overdspers, yatu komponen sstemats dar model yang tdak tepat (pengelompokan, penghlangan kovarat pentng), terjadnya korelas antar amatan, adanya penclan serta penggunaan fungs penghubung (lnk functon) yang tdak tepat. Apabla hal-hal yang dapat menyebabkan overdspers tersebut dapat datas maka overdspers dapat djelaskan oleh keragaman antara peluang respon serta adanya korelas antara peubah respon. 48
5 3.1.1 Keragaman Antar Peluang Respon Pada kelompok objek percobaan yang kondsnya homogen, peluang respon atau peluang terjad-nya kejadan sukses (p ) dapat berbeda antara satu kelompok dengan lannya. Hal n dsebabkan oleh suatu pengaruh yang tdak terobservas. Dberkan var( Y ) n p (1 p ){1 ( n 1) }, Jka tdak terdapat keragaman acak dalam peluang np), artnya var( Y ) n p (1 p ) sama respon, (Y ) akan menyebar Bnomal ( dengan ragam dbawah asums bnomal. Namun jka terdapat keragaman maka ragam dar Y akan berubaha sebesar {1 ( n 1) } Korelas Antar Respon Bner Jka tdak ada korelas antar amatan maka var( Y ) n p (1 p ) sama dengan ragam d bawah asums bnomal. Jka terdapat korelas postf antar amatan, maka var( Y ) n p (1 p ) sehngga dapat dsmpulkan bahwa adanya korelas antar amatan dalam kelompok yang sama dapat mengakbatkan keragaman yang lebh besar dbandngkan dengan keragamaan yang dhaslkan jka antar amatan dasumskan salng bebas. 3.2 Metode Beta Bnomal Dstrbus bnomal mengasumskan bahwa nla parameternya telah dtetapkan, dstrbus marjnal mengznkan terjadnya varas dbandngkan hanya dstrbus bnomal saja. Metode beta bnomal alah salah satu cara untuk mengatas overdspers yang terjad pada model bnomal basa. Metode beta bnomal alah hasl gabungan dar dstrbus beta dengan dstrbus bnomal dengan fungs kepadatan peluangnya n Ba y, n b y P( Y y n, a, b) ; y 0,1,..., n y Ba, b Dengan Mean-nya na E( Y n, a, b) a b dan varans-nya nab a b n Var( Y n, a, b) 2 a b a b Aplkas Pemodelan Overdspers Pemodelan Overdspers pada peneltan n menggunakan data prmer yang terndkas terdapat overdspers ddalamnya dan permasalahan overdspers akan dselesakan menggunakan metode beta bnomal. Data prmer dengan judul "Data nla bahasa Indonesa mahasswa matematka angkatan " dperoleh dar Pusat Teknolog Informas dan Komputer Unverstas Neger Jakarta (PUSTIKOM UNJ) serta mash menerapkan kategor nla A,B,C,D, dan E tanpa tanda (+) ataupun (-). Penggunaan varabel bebas dalam data mengacu pada jurnal acuan "Overdspers dalam Regres Logstk" karya Anang Kurna yang telah dpublkaskan dalam Forum statstka dan komputas tahun Deskrps Data Data prmer n menjelaskan mengena data dr atau faktor-faktor yang mungkn mempengaruh mata kulah Bahasa Indonesa yang bernla A atau B. Peubah respon yang damat dalam data n adalah mata kulah Bahasa Indonesa yang bernla A atau B d semester pertama setap angkatan dan bukan merupakan hasl pebakan d semester selanjutnya. Pemlhan peubah respon n ddasarkan bahwa tdak ada mahasswa yang telah memperoleh nla A atau B pada mata kulah bahasa ndonesa untuk mengulang mata kulah tersebut d semester selanjutnya. Hpotess selanjutnya yatu peluang mahasswa untuk mendapatkan nla A atau B pada mata kulah bahasa ndonesa dapat berbeda antar satu mahasswa dengan mahasswa yang lannya, hal tersebut terjad karena dsebabkan oleh adanya suatu pengaruh yang tdak terobservas sehngga dharapkan data n akan menunjukkan overdspers. Data yang dperolah dalam peneltan n sejumlah 206 data yang terbag ke dalam 4 angkatan yatu angkatan 2012 (45 orang), angkatan 2013 (51 orang), angkatan 2014 (34 orang), dan angkatan 2015 (76 orang). Populas dar peneltan n alah mahasswa matematka angkatan Tahapan pengolahan data sebaga berkut 1. Deskrps Data Nla Bahasa Indonesa Profl dan Latar Belakang Mahasswa Prod Matematka Djelaskan mengena nformas umum dar data yang akan dolah beserta dengan hpotessnya. 49
6 2. Penentuan dan Pengklasfkasan Varabel dependen dan Independen Data yang djelaskan secara umum kemudan djabarkan lebh lanjut tentang pengkategoran (beserta alasan), jumlah persentase, dan nfo lannya. 3. Uj Multkolneartas Uj multkolneartas dengan melhat nla VIF, jka kurang dar 10 maka tdak terdapat multkolneartas ddalamnya 4. Pendugaan Parameter Regres Logstk 5. Pengecekan Overdspers Model regres logstk yang telah dduga kemudan d cek menggunakan statstk uj pearson 6. Uj Sgnfkans Parameter 1. Serempak Dperoleh nla G=70,119 dan χ 2 = 24,99579 kareana G> χ 2 maka terma H 0 2. Parsal Parameter yang tdak sgnfkan (nla parameter datas= 0,05) pada model penuh regres beta bnomal dkeluarkan satu persatu dar model mula dar nla yang terbesar hngga ke yang terkecl secara berurutan. Parameter yang palng tdak sgnfkan dkeluarkan terlebh dahulu, kemudan dlakukan pendugaan parameter regres beta bnomal. 50
7 7. Pendugaan Parameter Regres Beta Bnomal 8. Uj Kesesuan Model Uj Kesesuaan model dlakukan dengan melhat nla statstk Uj Pearson dan membandngkannya dengan χ 2. Apabla nla statstk uj Pearson lebh kecl dar nla ch-square tabelnya maka model yang terbentuk telah sesua. 9. Pemlhan Model Terbak Model terbak dengan melhat nla AIC terkecl dar model model yang tdak lag mengalam overdspers 51
8 10. Interpretas dengan Raso Odds 1. Parameter X 1, Angkatan, memlk nla odds Rato terkecl dbandng parameter lannya. Na odds rato varabel X 1 sebesar 0,51 dalam melhat pengaruh terhadap Nla Mata Kulah Bahasa Indonesa dengan batas bawah selang sebesar 0,37 dan batas atasnya sebesar 0,7. 2. Parameter Lama Sekolah, X 7 memlk nla odds Rato terbesar dbandng parameter lannya. Nla odds rato varabel X 7 sebesar 4,77 dalam melhat pengaruh terhadap nla Mata Kulah Bahasa Indonesa dengan batas bawah selang sebesar 0,4 dan batas atasnya sebesar 6, Parameter X 5 yatu parameter nla jazah dan parameter X 9 yatu parameter ndeks prestas semester merupakan kedua parameter yang tdak memuat angka nol pada batas nla lower dan upper. Hal n berart bahwa parameter X 5 dan X 9 bersfat sgnfkan atau bermakna apabla dbandngkan oleh parameter lan d dalam model terbak yang menyatakan pengaruh terhadap nla Mata Kulah Bahasa Indonesa 4 Kesmpulan 1. Model regres yang varabel responnya berdstrbus bnomal dsebut model regres Logstk Bner. Model regres Logstk Bner yang menunjukkan hubungan lner antara nla-nla dar transformas logt dengan peubah penjelas dberkan oleh 52
9 2. Overdspers pada regres Logstk Bner terjad ketka nla (δ> 0) sehngga mengakbatkan nla ragam yang dhaslkan lebh besar darpada nla ragam d bawah asums bnomal yatu var( Y ) n p (1 p ) Model regres Beta Bnomal merupakan gabungan dar dstrbus beta dengan dstrbus bnomal. Regres Beta Bnomal dgunakan untuk menduga data bnom dengan memodelkan keragaman peluang respon melalu sebaran beta, dmana fungs kepadatan peluang beta bnomal yatu n Ba y, n b y P( Y y n, a, b) ; y 0,1,..., n y Ba, b 3. Model Beta Bnomal mampu mengats masalah overdspers, hal n terbukt dar statstk uj pearson dar semula 1,016 menjad 0,968. Daftar Pustaka Collet, D "Modellng Bnary Data 2 nd edton". Chapman Hall : London. Ennes, D.M, B, Jan,1997, "The Beta-Bnomal Model: Accountng for Intertral Varaton n Replcated Dference and Preference Tests", Journal of Sensory Studes vol.13, pp Gll,Jeff.2001."Generalzed Lner Models : A Unfed Approach.". Sage Publcatons Inc: London. Gujarat, D.N dan Porter, C.D "Basc Econometrcs 5 th edton.". McGraw-Hll: New York. Hajarsman, Nusar,1998, "Kajan Perbandngan Model Regres Beta Bnomal dengan Model Regres Logstk dan Penerepannya untuk Menduga Pola Kelulusan Mahasswa TPB- IPB", Thess pada Program Pascasarjana, Program stud Statstka, IPB Bogor, Thess tdak dpublkaskan. Halm, Izzudn,2012, "Penyelesaan Masalah Overdspers pada Regres Posson Menggunakan Regres Bnomal Negatf", Skrps pada FMIPA Unverstas Neger Jakarta, Tdak Dterbtkan Hosmer, D.W dan Lemeshow, S "Appled Logstc Regresson 2 edton."wley: New York. Kurna, Anang,2002, "Overdspers dalam Regres Logstk", Forum Statstka dan Komputas,pp Kutner, M.H dkk "Appled Lnear Statstcal Models 5 edton.". McGraw-Hll: New York. Lee, Peter M "Bayesan Statstcs: An Introducton, 4 th edton.". Wley:New York. Nngsh, Retno,2011, "Overdspers pada Regres Logstk Bner", Skrps padafmipa Unverstas Neger jakarta, Tdak Dterbtkan Senja, D.R.V, dkk,2013, "Penanganan Overdspers Menggunakan Regres Beta Bnomal pada Regres Logstk",Jurnal FMIPA Unverstas Brawjaya Malang, Tdak Dterbtkan Yunana, D.R,2014 "Pemlhan Metode Beta-Bnomal dan Logstc-Normal ", Jurnal FMIPA Unverstas Brawjaya, Tdak Dterbtkan Wllam, D.A,1982, "Extra-Bnomal Varaton n Logstc Lnear Models", Journal Royal Statstcal Socety, pp.31,
BAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang
Lebih terperinciBAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.
BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan
Lebih terperinciBAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I. Kesulitan ekonomi yang tengah terjadi akhir-akhir ini, memaksa
BAB IV CONTOH PENGGUNAAN MODEL REGRESI GENERALIZED POISSON I 4. LATAR BELAKANG Kesultan ekonom yang tengah terjad akhr-akhr n, memaksa masyarakat memutar otak untuk mencar uang guna memenuh kebutuhan hdup
Lebih terperinciBAB III HIPOTESIS DAN METODOLOGI PENELITIAN
BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan
Lebih terperinciBAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat
BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya
Lebih terperinciBAB 2 LANDASAN TEORI. Universitas Sumatera Utara
BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang
Lebih terperinciBAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel
BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menghadap era globalsas yang penuh tantangan, aparatur negara dtuntut untuk dapat memberkan pelayanan yang berorentas pada kebutuhan masyarakat dalam pemberan pelayanan
Lebih terperinciANALISIS PEUBAH RESPON BINER
Analss Peubah Respon Bner... (Ksmantn) ANALISIS PEUBAH RESPON BINER Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Pada regres lner klask, peubah respon dasumskan merupakan
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,
BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu
Lebih terperinciSELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK
SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums
Lebih terperinciANALISIS DATA KATEGORIK (STK351)
Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat
Lebih terperinciBAB I PENDAHULUAN. Analisis regresi merupakan metode statistika yang digunakan untuk
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan metode statstka ang dgunakan untuk meramalkan sebuah varabel respon Y dar satu atau lebh varabel bebas X, selan tu juga dgunakan untuk
Lebih terperinciBAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas
9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran
Lebih terperinciRegresi Linear Sederhana dan Korelasi
Regres Lnear Sederhana dan Korelas 1. Model Regres Lnear. Penaksr Kuadrat Terkecl 3. Predks Nla Respons 4. Inferens Untuk Parameter-parameter Regres 5. Kecocokan Model Regres 6. Korelas Utrwen Mukhayar
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.
Lebih terperinciPEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR
PEMODELAN KARAKTERISTIK TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN LOG LINEAR Resa Septan Pontoh 1), Neneng Sunengsh 2) 1),2) Departemen Statstka Unverstas Padjadjaran 1) resa.septan@unpad.ac.d,
Lebih terperinciBAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN. Pada prinsipnya model ini merupakan hasil transformasi dari suatu model
BAB III PERBANDINGAN ANALISIS REGRESI MODEL LOG - LOG DAN MODEL LOG - LIN A. Regres Model Log-Log Pada prnspnya model n merupakan hasl transformas dar suatu model tdak lner dengan membuat model dalam bentuk
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 3, , Desember 2002, ISSN :
JURNAL MATEMATIKA AN KOMPUTER Vol. 5. No. 3, 161-167, esember 00, ISSN : 1410-8518 PENGARUH SUATU ATA OBSERVASI ALAM MENGESTIMASI PARAMETER MOEL REGRESI Hern Utam, Rur I, dan Abdurakhman Jurusan Matematka
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.
44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon
Lebih terperinciConfigural Frequency Analysis untuk Melihat Penyimpangan pada Model Log Linear
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2016 Confgural Frequency Analyss untuk Melhat Penympangan pada Model Log Lnear Resa Septan Pontoh 1, Def Y. Fadah 2 1,2 Departemen Statstka FMIPA
Lebih terperinciBAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor
Lebih terperinciEVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS
EVALUASI TINGKAT PENDIDIKAN ANAK DI PROVINSI JAWA BARAT MENGGUNAKAN FIRST ORDER CONFIGURAL FREQUENCY ANALYSIS Resa Septan Pontoh Departemen Statstka Unverstas Padjadjaran resa.septan@unpad.ac.d ABSTRAK.
Lebih terperinciESTIMASI PARAMETER PADA REGRESI SEMIPARAMETRIK UNTUK DATA LONGITUDINAL
Abstrak ESIMASI PARAMEER PADA REGRESI SEMIPARAMERIK UNUK DAA LONGIUDINAL Msal y merupakan varabel respon, Lls Laome Jurusan Matematka FMIPA Unverstas Haluoleo Kendar 933 e-mal : lhs@yahoo.com X adalah
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN PENGARUH PENGGUNAAN METODE GALLERY WALK
BAB IV PEMBAASAN ASIL PENELITIAN PENGARU PENGGUNAAN METODE GALLERY WALK TERADAP ASIL BELAJAR MATA PELAJARAN IPS MATERI POKOK KERAGAMAN SUKU BANGSA DAN BUDAYA DI INDONESIA A. Deskrps Data asl Peneltan.
Lebih terperinciBAB III METODE PENELITIAN. Sebelum dilakukan penelitian, langkah pertama yang harus dilakukan oleh
BAB III METODE PENELITIAN 3.1 Desan Peneltan Sebelum dlakukan peneltan, langkah pertama yang harus dlakukan oleh penelt adalah menentukan terlebh dahulu metode apa yang akan dgunakan dalam peneltan. Desan
Lebih terperinciUJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD
UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj
Lebih terperinciBAB 1 PENDAHULUAN. dependen (y) untuk n pengamatan berpasangan i i i. x : variabel prediktor; f x ) ). Bentuk kurva regresi f( x i
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan analss statstk yang dgunakan untuk memodelkan hubungan antara varabel ndependen (x) dengan varabel ( x, y ) n dependen (y) untuk n pengamatan
Lebih terperinciBAB III METODOLOGI PENELITIAN
41 BAB III METODOLOGI PENELITIAN A. Metode Peneltan Berdasarkan masalah yang akan dtelt dengan melhat tujuan dan ruang lngkup dserta dengan pengolahan data, penafsran serta pengamblan kesmpulan, maka metode
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.
Lebih terperinciREGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear
REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang dipakai adalah penelitian kuantitatif, dengan
BAB III METODE PENELITIAN 3.1 Pendekatan dan Jens Peneltan Jens peneltan yang dpaka adalah peneltan kuanttatf, dengan menggunakan metode analss deskrptf dengan analss statstka nferensal artnya penuls dapat
Lebih terperinciε adalah error random yang diasumsikan independen, m X ) adalah fungsi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu
Lebih terperinciPEMODELAN REGRESI POISSON MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN Yayuk Listiani NRP Dr. Purhadi, M. Sc.
PEMODELAN REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI JAWA TIMUR TAHUN 007 Yayuk Lstan NRP 06 00 068 DOSEN PEMBIMBING Dr. Purhad, M. Sc. JURUSAN STATISTIKA FAKULTAS MATEMATIKA
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan
Lebih terperinciRahmadeni 1, Zulya Desmita 2 ABSTRAK. Kata Kunci: Overdispersi, Regresi Binomial Negatif, Regresi Generalized Poisson, Regresi Poisson.
Jurnal Sans Matematka dan Statstka, Vol. No. Jul 16 ISSN 46-454 Perbandngan Model Regres Generalzed Posson Dan Bnomal Negatf Untuk Mengatas Overdspers Pada Regres Posson (Stud Kasus: Penderta Flarass d
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 193-204 Onlne d: http://ejournal-s1.undp.ac.d/ndex.php/gaussan PEMODELAN GEOGRAPHICALLY WEIGHTED LOGISTIC REGRESSION (GWLR) DENGAN
Lebih terperinciBAB III METODE PENELITIAN. bersumber dari Badan Pusat Statistik (BPS) dan Bank Indonesia (BI). Data yang
BAB III METODE PENELITIAN 3.1. Jens dan Sumber Data Sumber data yang dgunakan dalam peneltan n adalah data sekunder bersumber dar Badan Pusat Statstk (BPS) dan Bank Indonesa (BI). Data yang dgunakan dalam
Lebih terperinciANALISIS BENTUK HUBUNGAN
ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel
Lebih terperinciIII. METODE PENELITIAN. Data yang digunakan dalam penelitian adalah data primer dan data
9 III. METODE PENELITIAN 3.1. Jens dan Sumber Data Data yang dgunakan dalam peneltan adalah data prmer dan data sekunder. Data prmer berupa data prmer (cross secton) Surve Khusus Tabungan dan Investas
Lebih terperinciIII. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.
3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap
5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap
Lebih terperinciPERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL BAKU, LOGNORMAL, DAN GAMMA
Prosdng Semnar Nasonal Sans dan Penddkan Sans IX, Fakultas Sans dan Matematka, UKSW Salatga, 21 Jun 2014, Vol 5, No.1, ISSN :2087-0922 PERBANDINGAN MODEL DATA RESPON BERGANDA BERULANG DARI SEBARAN NORMAL
Lebih terperinciMETODE PENELITIAN. pelajaran 2011/ Populasi penelitian ini adalah seluruh siswa kelas X yang
III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n telah dlaksanakan d SMA Neger 1 Bandar Lampung pada tahun pelajaran 011/ 01. Populas peneltan n adalah seluruh sswa kelas X yang terdr dar
Lebih terperinciSEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA 2010 ANALISIS DISKRIMINAN DISKRIT UNTUK MENGELOMPOKKAN KOMPONEN
AALISIS DISKRIMIA DISKRIT UTUK MEGELOMPOKKA KOMPOE Bernk Maskun Jurusan Statstka FMIPA UPAD jay_komang@yahoo.com Abstrak Untuk mengelompokkan hasl pengukuran yang dukur dengan p buah varabel dmana penlaan
Lebih terperinciKORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /
KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah
Lebih terperinciMETODE PENELITIAN. digunakan untuk mengetahui bagaimana pengaruh variabel X (celebrity
37 III. METODE PENELITIAN 3.1 Jens dan Sumber Data Jens peneltan yang dgunakan adalah peneltan deskrptf, yang mana dgunakan untuk mengetahu bagamana pengaruh varabel X (celebrty endorser) terhadap varabel
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian yang digunakan dalam penelitian ini adalah metode
BAB III METODE PENELITIAN Desan Peneltan Metode peneltan yang dgunakan dalam peneltan n adalah metode deskrptf analts dengan jens pendekatan stud kasus yatu dengan melhat fenomena permasalahan yang ada
Lebih terperinciMULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuhi Tugas Matakuliah Multivariat yang dibimbing oleh Ibu Trianingsih Eni Lestari
MULTIVARIATE ANALYSIS OF VARIANCE (MANOVA) MAKALAH Untuk Memenuh Tugas Matakulah Multvarat yang dbmbng oleh Ibu Tranngsh En Lestar oleh Sherly Dw Kharsma 34839 Slva Indrayan 34844 Vvn Octana 34633 UNIVERSITAS
Lebih terperinciBAB III METODE PENELITIAN. mencari jawaban atau menggambarkan permasalahan yang akan dibahas. Metode
34 BAB III METODE PENELITIAN A Metode yang Dgunakan Metode peneltan merupakan suatu pendekatan yang dgunakan untuk mencar jawaban atau menggambarkan permasalahan yang akan dbahas Metode peneltan juga dapat
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran
BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER
UNIVERSITAS DIPONEGORO 013 ISBN: 978-60-14387-0-1 FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI MAHASISWA FSM UNIVERSITAS DIPONEGORO SEMASTER PERTAMA DENGAN MOTODE REGRESI LOGISTIK BINER Saftr Daruyan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan
Lebih terperinciBAB I PENDAHULUAN. dan. 0. Uji fungsi distribusi empiris yang populer, yaitu uji. distribusi nol
BAB I PENDAHULUAN 1.1. Latar Belakang Sebagan besar peneltan-peneltan bdang statstka berhubungan dengan pengujan asums dstrbus, bak secara teor maupun praktk d lapangan. Salah satu uj yang serng dgunakan
Lebih terperinciANALISIS REGRESI. Catatan Freddy
ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :
Lebih terperinciBAB III METODE PENELITIAN. berjumlah empat kelas terdiri dari 131 siswa. Sampel penelitian ini terdiri dari satu kelas yang diambil dengan
7 BAB III METODE PENELITIAN A. Populas dan Sampel 1. Populas Populas dalam peneltan n adalah seluruh sswa kelas XI SMA Yadka Bandar Lampung semester genap tahun pelajaran 014/ 015 yang berjumlah empat
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN Dalam peneltan n penuls bermaksud untuk menelt bagamana pengaruh perubahan kebjakan moneter terhadap jumlah kredt yang dberkan oleh bank pada beberapa kelompok bank berdasarkan
Lebih terperinciBAB III METODE PENELITIAN. SMK Negeri I Gorontalo. Penetapan lokasi tersebut berdasarkan pada
3 BAB III METODE PENELITIAN 3.1 Tempat Dan Waktu Peneltan 3.1.1 Tempat Peneltan Peneltan yang dlakukan oleh penelt berlokas d Kelas Ak 6, SMK Neger I Gorontalo. Penetapan lokas tersebut berdasarkan pada
Lebih terperinciKecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi
Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK
Lebih terperinciBAB III METODE PENELITIAN. Objek penelitian ini adalah nilai tambah sektor pertanian untuk PDRB
73 BAB III METODE PENELITIAN 3.1 Objek Peneltan Objek peneltan n adalah nla tambah sektor pertanan untuk PDRB Jawa Barat berupa data tme seres perode 1985-005. selan tu penuls memlh varabel yang mempengaruhnya
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PEDAHULUA. Latar Belakang Rsko ddentfkaskan dengan ketdakpastan. Dalam mengambl keputusan nvestas para nvestor mengharapkan hasl yang maksmal dengan rsko tertentu atau hasl tertentu dengan rsko yang
Lebih terperinciBAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen dengan populasi penelitian yaitu
4 III. METODE PENELITIAN A. Populas Peneltan Peneltan n merupakan stud ekspermen dengan populas peneltan yatu seluruh sswa kelas VIII C SMP Neger Bukt Kemunng pada semester genap tahun pelajaran 01/013
Lebih terperinciANALISIS REGRESI REGRESI NONLINEAR REGRESI LINEAR REGRESI KUADRATIK REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUBIK
REGRESI NON LINIER ANALISIS REGRESI REGRESI LINEAR REGRESI NONLINEAR REGRESI LINEAR SEDERHANA REGRESI LINEAR BERGANDA REGRESI KUADRATIK REGRESI KUBIK Membentuk gars lurus Membentuk Gars Lengkung Regres
Lebih terperinciBAB III OBJEK DAN DESAIN PENELITIAN. Bab ini dibagi menjadi dua bagian, yaitu objek penelitian dan desain penelitian.
BAB III OBJEK DAN DESAIN PENELITIAN Bab n dbag menjad dua bagan, yatu objek peneltan dan desan peneltan. III.1 Objek Peneltan Objek peneltan dalam skrps n adalah nla perusahaan LQ 45 perode 2009-2011.
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam
1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi
3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: X D-324
JURNAL SAINS DAN SENI IS Vol. 1, No. 1, (Sept. ) ISSN: 3-98X D-3 Analss Statstk entang Faktor-Faktor yang Mempengaruh Waktu unggu Kerja Fresh Graduate d Jurusan Statstka Insttut eknolog Sepuluh Nopemper
Lebih terperinciBAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah
BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu
Lebih terperinciApabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y.
ANALISIS KORELASI (ANALISIS HUBUNGAN) Korelas Hubungan antar kejadan (varabel) yang satu dengan kejadan (varabel) lannya (dua varabel atau lebh), yang dtemukan oleh Karl Pearson pada awal 1900 Apabla dua
Lebih terperinciPENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN
PENERAPAN MODEL REGRESI LINEAR ROBUST DENGAN ESTIMASI M PADA DATA NILAI KALKULUS II MAHASISWA UNIVERSITAS WIDYA DHARMA KLATEN Yulana Abstrak:Model persamaan regres lnear dapat dnyatakan dalam bentuk matrks
Lebih terperinciBAB 2 TINJAUAN KEPUSTAKAAN
BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud
Lebih terperinciBAB III MODEL LINEAR TERGENERALISASI. Perkembangan pemodelan stokastik, terutama model linier, dapat dikatakan
BAB III MODEL LINEAR TERGENERALISASI 3.1 Moel Lnear Perkembangan pemoelan stokastk, terutama moel lner, apat katakan mula paa aba ke 19 yang asar oleh teor matematka yang elaskan antaranya oleh Gauss,
Lebih terperinciAnalisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :
Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan
Lebih terperinciOleh : Deri Akhmad (9738) Johan Arifin (9834) Muhammad Alawido (10830) esi Hapsari (10832) Windu Pramana Putra (10835) Tya Hermoza (10849) Gempur
Oleh : Der Akhmad (9738) Johan Arfn (9834) Muhammad Alawdo (83) es Hapsar (83) Wndu Pramana Putra (835) Tya Hermoza (849) Gempur Safar (877) Febra Aryan (97) Asr Wdyasar (978) Nur Inayah (4) Adharsa Rakhman
Lebih terperinciUji Park Dan Uji Breusch Pagan Godfrey Dalam Pendeteksian Heteroskedastisitas Pada Analisis Regresi
Al-Jabar: Jurnal Penddkan Matematka Vol. 8, No., 07, Hal 63-7 Uj Park Dan Uj Breusch Pagan Godfrey Dalam Pendeteksan Heteroskedaststas Pada Analss Regres Sska Andran UIN Raden Intan Lampung: sskaandran@radenntan.ac.d
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan lapangan kuanttatf yang bersfat korelasonal. Peneltan lapangan merupakan suatu peneltan untuk memperoleh data-data yang sebenarnya
Lebih terperinciBab II LANDASAN TEORI
Bab II LANDASAN TEORI 2 Regres 2 Pengertan Komponen-Komponen Persamaan Regres Persamaan regres adalah persamaan matematk yang memungknkan untuk meramalkan nla-nla suatu peubah tak bebas dar nla-nla satu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan
Lebih terperinciSTATISTICAL STUDENT OF IST AKPRIND
E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan
Lebih terperinciBAB IV PEMBAHASAN HASIL PENELITIAN
BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon
Lebih terperinciPendeteksian Data Pencilan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Diagnostik
Pendeteksan Data Penclan dan Pengamatan Berpengaruh pada Beberapa Kasus Data Menggunakan Metode Dagnostk Sally Indra 1, Dod Vonanda, Rry Srnngsh 3 1 Student of Mathematcs Department State Unversty of Padang,
Lebih terperinciBAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat
BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam
III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang
Lebih terperinciDISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA
DISTRIBUSI HASIL PENGUKURAN DAN NILAI RATA-RATA Dstrbus Bnomal Msalkan dalam melakukan percobaan Bernoull (Bernoull trals) berulang-ulang sebanyak n kal, dengan kebolehjadan sukses p pada tap percobaan,
Lebih terperinciPrediksi Kelainan Refraksi Berdasarkan Panjang Sumbu Bola Mata Pada Pasien Myopia Axial Melalui Regresi Bootstrap
Predks Kelanan Refraks Berdasarkan Panjang Sumbu Bola Mata Pada Pasen Myopa Axal Melalu Regres Bootstrap Oleh: Karyam dan Qorlna Statstka UII ABSTRAKSI Peneltan n dlakukan d Rumah Sakt Mata Dr. YAP Yogyakarta
Lebih terperinciIV. UKURAN SIMPANGAN, DISPERSI & VARIASI
IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan
Lebih terperinciPERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1. Kismiantini Jurusan Pendidikan Matematika FMIPA Universitas Negeri Yogyakarta
PERBANDINGAN MODEL REGRESI POISSON DAN MODEL REGRESI BINOMIAL NEGATIF 1 Ksmantn Jurusan Penddkan Matematka FMIPA Unverstas Neger Yogyakarta Abstrak Dalam menganalss hubungan antara beberapa peubah, terdapat
Lebih terperinciPEMODELAN GENERALIZED REGRESI POISSON PADA FAKTOR-FAKTOR YANG MEMPENGARUHI ANGKA KEMATIAN BAYI DI PROVINSI JAWA TIMUR TAHUN 2007
PEMODELAN GENERALIZED REGRESI POISSON PADA FAKOR-FAKOR YANG MEMPENGARUHI ANGKA KEMAIAN BAYI DI PROVINSI JAWA IMUR AHUN 007 Yayuk Lstan 1 dan Purhad 1 Mahasswa S1 Statstka IS, Dosen statstka IS 1 yayuk.yangce@gmal.com,
Lebih terperinciPendugaan Parameter Regresi. Itasia & Y Angraini, Dep Statistika FMIPA - IPB
Pendugaan Parameter Regres Menduga gars regres Menduga gars regres lner sederhana = menduga parameter-parameter regres β 0 dan β 1 : Penduga parameter yang dhaslkan harus merupakan penduga yang bak Software
Lebih terperinciBAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus
BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan
Lebih terperinciPELUANG ALUMNI PENDIDIKAN MATEMATIKA FKIP UMB DALAM MENDAPATKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS REGRESI LOGISTIK
p-issn 979 3693 e-issn 477 0647 MEDIA SAISIKA 0( 7: 85-94 http://ejournal.undp.ac.d/ndex.php/meda_statstka PELUANG ALUMNI PENDIDIKAN MAEMAIKA FKIP UMB DALAM MENDAPAKAN PEKERJAAN DENGAN MENGGUNAKAN ANALISIS
Lebih terperinciBAB III METODE PENELITIAN. menggunakan strategi pembelajaran mind mapping dalam pendekatan
35 BAB III METODE PENELITIAN A. Jens dan Desan Peneltan Jens peneltan n adalah kuas ekspermen. Pada peneltan n terdapat dua kelompok subjek peneltan yatu kelompok ekspermen yang dberkan suatu perlakuan
Lebih terperinciPemodelan Regresi Variabel Moderasi Dengan Metode Sub-Group. Regression Modeling of Moderating Variable with a Method of Sub Group
Jurnal EKSPONENSIAL Volume 6, Nomor, Nopember 05 ISSN 085-789 Pemodelan Regres Varabel Moderas Dengan Metode Sub-Group Regresson Modelng of Moderatng Varable wth a Method of Sub Group Rsna Septawat, Des
Lebih terperinciBINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON
Semnar Nasonal Statstka IX Insttut Teknolog Sepuluh Nopember, 7 November 009 BINOMIAL NEGATIF SEBAGAI SALAH SATU ALTERNATIF MENGATASI OVERDISPERSION PADA REGRESI POISSON Oleh : A yunn Sofro Jurusan Matematka
Lebih terperinci