BAB 2 TINJAUAN TEORITIS. mempengaruhi sering disebut variabel bebas, variabel independen atau variabel

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Bab 4 ANALISIS REGRESI dan INTERPOLASI

BAB VI ANALISIS REGRESI

( X ) 2 ANALISIS REGRESI

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Analisis Variansi satu faktor Single Factor Analysis Of Variance (ANOVA)

BAB 1 PENDAHULUAN. perkebunan karet. Karet merupakan Polimer hidrokarbon yang terkandung pada

Bab IV Faktorisasi QR

I PENDAHULUAN II LANDASAN TEORI

HUKUM SYLVESTER INERSIA

Analisis Variansi satu faktor (Analysis Of Variance / ANOVA)

Model Tak Penuh. Definisi dapat di-uji (testable): nxp

CNH2B4 / KOMPUTASI NUMERIK

HUKUM SYLVESTER INERSIA

Bab 1. Anava satu. Analisis Variansi (Analysis Of Variance / ANOVA) satu faktor

REGRESI. Curve Fitting Regresi Linier Regresi Eksponensial Regresi Polynomial. Regresi 1

REGRESI. Curve Fitting. Regresi Eksponensial. Regresi 1

BAB V ANALISIS REGRESI

Dr.Eng. Agus S. Muntohar Department of Civil Engineering

Bab 4 ANAKOVA (ANALISIS KOVARIANSI)

BAB 2 ANAVA 2 JALAN. Merupakan pengembangan dari ANAVA 1 Jalan Jika pada ANAVA 1 jalan 1 Faktor Jika pada ANAVA 2 jalan 2 Faktor

METODE REGRESI RIDGE UNTUK MENGATASI MODEL REGRESI LINIER BERGANDA YANG MENGANDUNG MULTIKOLINIERITAS SKRIPSI NANANG PRADIPTA

SOLUSI DERET PANGKAT TETAP DENGAN FUNGSI PEMBANGKIT

PRAKTIKUM 22 Interpolasi Linier, Kuadratik, Polinomial, dan Lagrange

PENCOCOKAN KURVA (CURVE FITTING) INTERPOLASI

( ) ( p) ( ) ( ) ( ) ( ) ( ) Lemma 2.15 Jika a memiliki order h( mod ) memiliki order ( mod m) m, maka. [Niven, 1991] III.

BAB 2. Tinjauan Teoritis

INTEGRASI NUMERIK. n ax. ax e. n 1. x x. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

BAB III METODOLOGI PENELITIAN

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

BAB 2 LANDASAN TEORI. Untuk mengetahui pola perubahan nilai suatu variabel yang disebabkan oleh

PRAKTIKUM 12 Regresi Linier, Regresi Eksponensial dan Regresi Polinomial

a home base to excellence Mata Kuliah : Kalkulus Kode : TSP 102 Integral Pertemuan - 6

CATATAN KULIAH Pertemuan XIII: Analisis Dinamik dan Integral (1)

bila nilai parameter sesungguhnya adalah. Jadi, K( ) P( SU jatuh ke dalam WP bila nilai parameter sama dengan )

TEORI DASAR. simbol yang menyatakan bahwa dua hal adalah persis sama. Dimana. persamaanya ditulis dengan tanda sama dengan.

BAB IV METODA ANALISIS RANGKAIAN

INTEGRASI NUMERIK. n ax. ax e. a 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

KAJIAN BATAS KESALAHAN MINIMUM METODE RUNGE-KUTTA ORDE KEDUA, KETIGA, DAN KEEMPAT

PRAKTIKUM 10 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Seidel

1 yang akan menghasilkan

HASIL DAN PEMBAHASAN

INTEGRASI NUMERIK C 1. n ax. ax e. cos( 1 1. n 1. x x. 0 Fungsi yang dapat dihitung integralnya : 0 Fungsi yang rumit misal :

BAB 5 PENDEKATAN FUNGSI

VARIASI PEMBAYARAN ANUITAS DENGAN POLA DERET ARITMATIKA

INVERS MATRIKS. Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

III PEMBAHASAN. x x. 3.1 Analisis Metode Perhatikan persamaan integral Volterra berikut. x. atau (11)

SIFAT-SIFAT DASAR INTEGRAL HENSTOCK (Basic Properties of Henstock Integral)

DIGRAF EKSENTRIS PADA DIGRAF SIKEL, DIGRAF KOMPLIT DAN DIGRAF KOMPLIT MULTIPARTIT. Jl. Prof. H. Soedarto SH Semarang 50275

x = Tegangan yang diterapkan, kg/mm 2 y = waktu patah, jam

x 1 M = x 1 m 1 + x 2 m x n m n = x i

Makalah Seminar Tugas Akhir. MASTER PLAN PENGEMBANGAN KELISTRIKAN DAERAH Study Kasus Kelistrikan Daerah Kabupaten Temanggung

DASAR MATEMATIKA. Untuk mempelajari teori sistem kontrol diperlukan latar belakang matematika. bidang s. s 1. σ 1. Gambar 2-1 Bidang kompleks

JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 1

Interpolasi dan Turunan Numerik (Rabu, 2 Maret 2016) Hidayatul Mayyani G

Metode Numerik. Regresi. Umi Sa adah Politeknik Elektronika Negeri Surabaya 2008 PENS-ITS

ANOVA ANALISIS VARIANSI/ ANALYSIS OF VARIANCE ( ANOVA ) 8/29/2012

PRAKTIKUM 8 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss

Bentuk Umum Perluasan Teorema Pythagoras

PENYELESAIAN MASALAH PL DENGAN METODE SIMPLEKS

BASIS ORTOGONAL. Bila V ruang Euclides, S V disebut Himpunan Ortogonal bila tiap dua unsur S ortogonal.

III PEMBAHASAN. peubah. Sistem persamaan (6) dapat diringkas menjadi Bentuk Umum dari Magic Square, Bilangan Magic, dan Matriks SPL

PENERAPAN PERSAMAAN SCHRODINGER PADA PERMASALAHAN PARTIKEL DALAM KEADAAN TERIKAT (BOUND STATES) UNTUK TIGA DIMENSI

Bab 4 Penyelesaian Persamaan Linier Simultan

BAB 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI

MENENTUKAN KOEFISIEN REGRESI EKSPONENSIAL DENGAN METODE KUADRAT TERKECIL SEDERHANA DAN METODE KUADRAT TERKECIL BERBOBOT

Bunga Majemuk,Angsuran, Anuitas

BAB 2 LANDASAN TEORI

A. Pusat Massa Suatu Batang

BAB I PENDAHULUAN. Populasi merupakan kumpulan dari individu organisme yang memiliki

RANCANGAN STRIP PLOT MODEL TETAP. Staf Jurusan Matematika FMIPA UNDIP

BAB III VEKTOR DALAM R 2 DAN R 3. Bab III Vektor dalam R 2 dan R 3

TAKSIRAN PARAMETER BENTUK, LOKASI DAN SKALA DARI DISTRIBUSI WEIBULL Siti Rukiyah 1*, Bustami 2, Sigit Sugiarto 2

PENAKSIRAN PARAMETER MODEL REGRESI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI WIDYA WAHYUNI

Anuitas. Anuitas Akhir

Penyelesaian Persamaan Linier Simultan

ANALISIS NUMERIK. Inter polasi. SPL simultan. Akar Persama. linear

MODIFIKASI METODE RUNGE-KUTTA ORDE-4 KLASIK BERDASARKAN RATA-RATA HERONIAN TUGAS AKHIR. Oleh : RIYAN ABDULLAH

BAB 2 LANDASAN TEORI

METODE NUMERIK PERTEMUAN : 5 & 6 M O H A M A D S I D I Q 3 S K S - T E K N I K I N F O R M A T I K A - S1

1. Kepekatan bakteria pencemar p(t), di dalam secawan teh tarik yang dibiarkan selama beberapa jam diberikan oleh: p(t) = 50e -1.5t + 15e -0.

mengambil semua titik sample berupa titik ujung, yakni jumlah Riemann merupakan hampiran luas dari daerah dibawah kurva y = f (x) x i b x

3SKS-TEKNIK INFORMATIKA-S1

MATRIKS. Create by Luke

PEMECAHAN SISTEM PERSAMAAN LINIER NON HOMOGEN DENGAN METODE SAPUAN GANDA CHOLESKY. Oleh : Yusup Fakultas Ilmu Komputer, Universitas AKI Semarang

PENENTUAN MODEL REGRESI TERPOTONG ATAS DENGAN METODE MAKSIMUM LIKEHOOD. Dydaestury Jalarno 1,Dwi Ispriyanti 2. Alumni Jurusan Matematika FMIPA UNDIP

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA DENGAN MENGGUNAKAN KUARTIL

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN REGRESI ROBUST PADA SAMPING ACAK SEDERHANA.

PENAKSIRAN PARAMETER DISTRIBUSI BINOMIAL NEGATIF PADA KASUS OVERDISPERSI SKRIPSI SHAFIRA

Pertemuan : 3 Materi : Sistem Persamaan Linear : - Teorema Eksistensi - Reduksi ke Bentuk Echelon

SISTEM PERSAMAAN LINEAR

Matematika Dasar INTEGRAL TENTU . 2. Partisi yang terbentuk merupakan segiempat dengan ukuran x dan f ( x k ) sebagai

BARISAN DAN DERET A. POLA BILANGAN B. BARISAN BILANGAN. Contoh Soal

INTEGRASI NUMERIK. n ax. ax e. n 1. Fungsi yang dapat dihitung integralnya : Fungsi yang rumit misal :

GEOMETRI EUCLID EG(2, p n ) UNTUK MEMBENTUK RANCANGAN BLOK TIDAK LENGKAP SEIMBANG

HUBUNGAN DERET BERTINGKAT BERDASAR BILANGAN EULERIAN DENGAN OPERATOR BEDA

Nuryanto,ST.,MT. Integral merupakan operasi invers dari turunan. Jika turunan dari F(x) adalah F (x) = f(x), maka F(x) = f(x) dx.

FUNGSI KARAKTERISTIK. penelitian ini akan ditentukan fungsi karakteristik dari distribusi four-parameter

PRAKTIKUM 6 Penyelesaian Persamaan Linier Simultan Metode Eliminasi Gauss Jordan

Transkripsi:

BAB TINJAUAN TEORITIS.. Regres Ler Sederh Regres ler dlh lt sttst yg dpergu utu megethu pegruh tr stu tu beberp vrbel terhdp stu buh vrbel. Vrbel yg mempegruh serg dsebut vrbel bebs, vrbel depede tu vrbel pejels. Vrbel yg dpegruh serg dsebut deg vrbel tert tu vrbel depede. Algfr, 000. Als Regres Ter, Ksus d Slus, Eds. gyrt : BPFE. Hl. 4. Meyt perubh l vrbel tu dpt pul dsebb leh berubhy vrbel l yg berhubug deg vrbel tersebut. Utu megethu pl perubh l sutu vrbel yg dsebb leh vrbel l dperlu lt lss yg memug t utu membut perr l vrbel tersebut pd l vrbel yg mempegruhy. Secr umum regres ler terdr dr du, ytu regres ler sederh dmregres terdr dr stu buh vrbel bebs d stu buh vrbel tert; d regres ler bergd yg terdr dr beberp vrbel bebs d stu buh Uversts Sumter Utr

vrbel tert. Alss regres ler merup metde sttst yg plg jm dpergu dlm peelt-peelt ssl, terutm peelt em. Prgrm mputer yg plg by dgu dlh SPSS. Alss regres ler sederh dpergu utu megethu pegruh tr stu buh vrbel bebs terhdp stu buh vrbel tert. Persm umumy dlh : b. Deg dlh vrbel tert d dlh vrbel bebs. Kefse dlh stt tercept yg merup tt ptg tr grs regres deg sumbu pd rdt rtesus d b dlh efse regres. Nl d b dpt dperleh deg rumus sebg berut: b.. Alss Regres Ler Bergd Rumus pd regres bergd jug meggu rumus persm sepert regres tuggl, hy sj pd regres gd dtmbh vrble-vrbel l yg jug dutsert dlm peelt. Utu ls regres dbed du jes vrbel ytu vrbel bebs vrble predctr d vrbel td bebs vrble resp. Vrbel yg mudh Uversts Sumter Utr

ddpt tu tersed serg dglg dlm vrble bebs, sedg vrble yg terjd re vrbel bebs tu merup vrbel td bebs Suj, 00. Metde Sttst. Bdug : Trst. Hl. 30-3. Utu eperlu lss, vrbel bebs dyt deg,..., sedg vrbel td bebs dyt deg. Λ... deg : Λ vrbel td bebs depede,..., efse regres,..., vrbel bebs dpede Kefse-efse,..., dpt dhtug deg meggu persm :............ Regres gd dgu utu meghtug tu meguj tgt sgfs, tr l:. Meghtug persm regresy.. Meguj ph persm grs regres sgf. 3. Bgmh esmpuly? Utu medpt l b, b, b 3 dr persm dts dsusu meurut dty d emud dseles deg metde elms d substus. Uversts Sumter Utr

.3. Uj Keberrt Regres Uj eberrt regres dgu utu megethu ph seelmp bebs secr bersm mempuy pegruh terhdp vrbel td bebs.lgh-lgh utu peguj eberrt regres dlh sebg berut:. Kumpul dt dlm betu tbel. Sttst uj dlh. F JJJJ rrrrrr JJKK rrrrrr F sttst F yg meyebr megut dstrbus derjt ebebs V d V -- b. JK reg Jumlh udrt regres b y b y b y b y JK reg 3 3 4 4 c. JK res Jumlh udrt resdu ss JK res y Uversts Sumter Utr

3. Krter peguj Lgh-lgh yg dbutuh dlm peguj hptes dlh sebg berut :. H 0 : ββ ββ ββ 0 H : Mml stu prmeter efse yg td sm deg l b. Plh trf yt αα yg dg c. Htug sttst F ht deg meggu slh stu dr frmul dts d. Keputus : Tl H 0 j F ht >F tb ; : -- Term H 0 j F ht <F tb ; : --.4. Uj Kefse Regres Ler Bergd Utu megethu bgm eberrt dy setp vrbel bebs dlm persm regres, perlu dd peguj tersedr mege efse-efse regresy. Msl ppuls mempuy mdel regres gd : Ŷ β 0 β β β 3 3 β yg berdsr smpel c beruur dtsr leh regres berbetu : Ŷ 0 3 3 A dlu peguj hptess dlm betu : H 0 β 0,,,, H 0 β 0,,,, Uversts Sumter Utr

Utu meguj hptess dgu eelru bu tsr sy., jumlh udrt j deg j j - j d efse rels gd tr vrbel yg dggp sebg vrbel t bebs deg vrbel-vrbel bebs ssy yg d dlm regres. Deg besr-besr dbetu eelru bu efse b, y : S b S y... j R Dm S y... j j j JK reg R y Seljuty htug sttst : t b s b Deg rter peguj : j t > t tbel m tl H 0, d j t < t tbel m term H 0 yg berdstrbus studet t deg derjt ebebs d --; t tbel t --, αα..5. Alss Krels Alss rels dlh lt sttst yg dpt dgu utu megethu derjt hubug ler tr stu vrbel deg vrbel l. Uj rels td membed jes vrbel td d vrbel depede mupu vrbel Uversts Sumter Utr

depede. Kefse rels merup l yg dgu utu meguur eut sutu hubug trvrbel. Kefse rels dpt drumus sebg berut : Utu meghtug efse rels tr vrbel t bebs deg tg vrbel bebs,, 3 ytu :. Kefse rels tr deg r y { }{ }. Kefse rels tr deg r y { }{ } 3. Kefse rels tr deg 3 r 3 y { }{ } 3 3 3 3 r { }{ } Uversts Sumter Utr

Kefse rels meml l tr - hgg. Sft l efse rels dlh plus tu mus-. Hl meuju rh rels. M sft rels:. Krels pstf berrt j vrbel meglm e m vrbel jug meglm e, tu j vrbel meglm e m vrbel jug meglm e.. Krels egtve - berrt j vrbel meglm e m vrbel meglm peuru, tu j vrbel meglm e m vrbel meglm peuru Sft rels meetu rh dr rels. Keert rels dpt delmp sebg berut: Tbel. Keert Krels R 0 0,0 0,0 0, 0,40 0,4 0,60 0,6 0,80 0,8 0,99 Iterprets Td berrels Sgt redh Redh Ag redh Cuup Tgg Sgt tgg.6. Uj Kefse Determs Lgh beruty dlh meghtug efse determs deg meggu rumus: R JJJJJJJJJJ yy Uversts Sumter Utr

Kefse determs mecerm seberp besr emmpu vrbel bebs dlm mejels vrs vrbel terty. Mempuy l tr 0 d m l yg medet berrt sem tgg emmpu vrbel bebs dlm mejels vrs vrbel terty.jd egu efse determs dlh:. Sebg uur etept tu ecc grs regres yg dbetu dr hsl bservs. M m besr l R sem bgus grs regres yg terbetu, sebly m ecl l R m td tept grs regres tersebut dlm mewl dt hsl bservs. b. Meguur besr prprs persetse dr jumlh rgm yg dterg leh mdel regres tu utu meguur besr sumbg vrbel pejels terhdp rgm vrbel resp dr hsl perhtug, m dperleh R yg merup efse rels utu ppuls. Peguj hptess tersebut mellu uj F deg rumus : RR F RR Uversts Sumter Utr