Status Daerah SMA 5, 4, 4, 2, 3 2, 2, 3, 2, 1 PT 4, 3, 3, 2, 2 2, 1, 2, 0, 1

dokumen-dokumen yang mirip
RANCANGAN BUJUR SANGKAR LATIN DAN RANCANGAN BUJUR SANGKAR GRAECO - LATIN

STK511 Analisis Statistika. Pertemuan 9 ANOVA (3)

TIN309 - Desain Eksperimen Materi #6 Genap 2015/2016 TIN309 DESAIN EKSPERIMEN

Rancangan Faktorial Factorial Design. By : Ika Damayanti, SSi, MSi

Didonwload dari ririez.blog.uns.ac.id BAB I PENDAHULUAN

II. TINJAUAN PUSTAKA. Dalam bab ini akan dibahas beberapa konsep dasar, definisi-definisi serta teorema

Analisis Regresi: Regresi Linear Berganda

PENENTUAN KOMBINASI KOMPOSISI PAVING DENGAN MENGGUNAKAN METODE FULL FAKTORIAL DESIGN

Basic Design of Experiment. Dimas Yuwono W., ST., MT.

Analisis Varians Satu Arah (One Way Anova)

FIXED, RANDOM & MIXED MODELS. Senin, 12 November 2012

ANALISIS PENGARUH TERAPI GELOMBANG ELEKTROMAGNETIK FREKUENSI RENDAH TERHADAP KADAR GULA DARAH PADA TIKUS PUTIH (Rattus norvegicus)

PENGUJIAN PENGARUH FAKTOR MUSIK DAN INTENSITAS SUARA TERHADAP DAYA TAHAN PERFORMANSI MAHASISWA DALAM MENGERJAKAN SOAL HITUNGAN SEDERHANA

Desain Tersarang dan Split Plot

STK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi

Two-Factors Factorial Design

BAB 2 LANDASAN TEORI

Analisis Regresi 2. Pokok Bahasan : Review Regresi Linier Sederhana dan Berganda

Rancangan Acak Lengkap. Created by : Ika Damayanti, S.Si, M.Si

BAB III METODE PENELITIAN. Objek dari penelitian ini adalah kemiskinan di Jawa Barat tahun ,

BAB II LANDASAN TEORI. Analisis regresi (regressison analysis) merupakan suatu teknik untuk membangun persamaan

ANCOVA (Analysis Of Covariance)

Analysis of Variance (ANOVA) Debrina Puspita Andriani /

Analisis Korelasi & Regresi

PENGUJIAN HIPOTESIS BEDA TIGA RATA-RATA ATAU LEBIH. Statistik Industri II Teknik Industri Universitas Brawijaya

Perencanaan dan Analisis Eksperimen dengan Minitab

TUGAS STATISTIK MULTIVARIATE. Disusun oleh: Lina Dianati Fathimahhayati 10/306097/PTK/6867

Econometric Modeling: Model Specification

PERCOBAAN BERFAKTOR DENGAN ARAS NOL ATAU PERLAKUAN KONTROL TERPISAH 1

STK511 Analisis Statistika. Pertemuan 10 Analisis Korelasi & Regresi (1)

Perancangan Percobaan

ANALYSIS OF VARIANCE (ANOVA)

1. Lakukan uji kualitas garis lurus dan hipotesa slope dan intersep (gunakan rumus-rumus yang sudah di berikan dan kerjakan di laboratorium komputer).

PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.

Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi

RANCANGAN ACAK LENGKAP

Analisa Regresi Dua Variabel: Estimasi

Percobaan Satu Faktor: Rancangan Acak Lengkap (RAL) Oleh: Arum Handini Primandari, M.Sc.

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.

BAB 08 ANALISIS VARIAN 8.1 ANALISIS VARIAN SATU JALAN

Rancangan Blok Terpisah (Split Blok)

BAB III METODE PENELITIAN. Objek dari penelitian ini adalah indeks pembangunan manusia di Indonesia

Rancangan Bujur Sangkar Latin (Latin Square Design) Week 5. By : Ika Damayanti, S. Si, M. Si

SPLIT PLOT DESIGN: DESAIN EKSPERIMEN UNTUK MENGATASI KETERBATASAN RANDOMISASI (STUDI KASUS DI SEBUAH PERUSAHAAN LOGAM) Debora Anne Yang Aysia Program

Analisa Regresi Berganda

PERCOBAAN MENGGUNAKAN SPLIT PLOT DENGAN RANCANGAN DASAR RAK RANCANGAN PERCOBAAN

ANALISA RAGAM DATA (UJI ANOVA)

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS

Bab 2 LANDASAN TEORI

BAB IV ANALISIS DATA. telah ada pada pokok bahsan bab awal. Hipotesa penulis adalah : Komunikasi IAIN Sunan Ampel Surabaya.

Pengantar Statistika Matematika II

A. SOAL 1: UJI NORMALITAS DATA DG CHIR KUADRAT. Pengukuran terhadap tinggi mahasiswa tingkat pertama dilakukan dan

Pembahasan Soal. Tjipto Juwono, Ph.D. May 14, TJ (SU) Pembahasan Soal May / 43

BAB IV HASIL DAN PEMBAHASAN

BAB 7: UJI HIPOTESIS (1)

TWO-STAGE NESTED DESIGN. Dimas Yuwono Wicaksono, ST., MT.

LAPORAN STATISTIK ELEMENTER UJI ANALISIS VARIAN SATU ARAH (ANOVA) Dosen pengampu Dr. Sri Harini, M.Si. Oleh Nurul Anggraeni Hidayati NIM.

Analisis Regresi Linier ( Lanjutan )

BAB IV ANALISIS DATA A. PENGUJIAN HIPOTESIS

Regresi Linier Berganda

Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19

Analisis Korelasi dan Regresi. Dr. Kusman Sadik, M.Si Dept. Statistika IPB

BAB IV HASIL ANALISA DAN PEMBAHASAN

TINJAUAN PUSTAKA. Rancangan petak teralur (strip plot design) merupakan susunan petak-petak (plotplot)

Rancangan Petak Berjalur

Analisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda

BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama

TIN309 - Desain Eksperimen Materi #10 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

BAB IV PEMBAHASAN. variabel independen dengan dependen, apakah masing-masing variabel

Perbedaan Hasil Belajar Matematika Ditinjau Dari Kombinasi Model Pembelajaran Kooperatif dan Motivasi Berprestasi

BAB III METODE PENELITIAN. menggunakan objek 9 kabupaten/kota yang meliputi Kota Surabaya, Kabupaten

HASIL ANALISA DATA ROE LDA DA SDA SG SIZE

PEMILIHAN PARAMETER PENGHALUS DALAM REGRESI SPLINE LINIER. Agustini Tripena Br.Sb.

BAB IV ANALISA DAN PEMBAHASAN. statistik Kolmogorov- Smirnov (uji K-S). Dasar untuk pengambilan

PENINGKATAN EFISIENSI BIAYA PERCOBAAN DENGAN MENGGUNAKAN RANCANGAN FAKTORIAL PECAHAN 2 k-1 MARTA SUNDARI

KONSEP NILAI HARAPAN KUADRAT TENGAH

III. METODE PENELITIAN. Ruang lingkup penelitian ini bertujuan untuk menganalisis pengaruh pertumbuhan

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI

4 SIFAT-SIFAT STATISTIK DARI REGRESI KONTINUM

BAB IV PEMBAHASAN DAN HASIL PENELITIAN

BAB II TINJAUAN PUSTAKA. level, model regresi tiga level, penduga koefisien korelasi intraclass, pendugaan

III. METODE PENELITIAN

BAB 3 APLIKASI RANCANGAN ACAK KELOMPOK 1 FAKTOR

Interval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24

BAB III METODE PENELITIAN

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17

BAB IV ANALISIS HASIL DAN PEMBAHASAN. Dari data-data sekunder berupa laporan keuangan yang telah diperoleh, maka

I. PENDAHULUAN II. TINJAUAN PUSTAKA

Lampiran 1: Data Mentah Pengamatan Sebelum Dianalisis. Berdasarkan hasil pengamatan yang dilakukan, diperoleh data sebagai berikut:

PENGARUH MOTIVASI KERJA DAN LINGKUNGAN KERJA TERHADAP KINERJA KARYAWAN PADA PUSAT ADMINISTRASI FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

REVIEW REGRESI LINIER BERGANDA. 24/09/2012 MK. Ekonometrika Darmanto, S.Si.

BAB IV HASIL PENELITIAN

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011

BAB IV ANALISIS HASIL PEMBAHASAN

Tabel Perhitungan Waktu Standar

Transkripsi:

UGAS MODEL LINEAR Dosen: Dr. Purhadi, M.Sc Kasus: Menurut hasil penelitian, terdapat perbedaan ukuran (size) rumah tangga antara pedesaan dan perkotaan. Selain itu, pendidikan ibu turut andil dalam menentukan jumlah anggota rumah tangga. Untuk menguji kebenaran pernyataan tersebut akan diteliti pengaruh perbedaan status tempat tinggal (kota dan desa), dan tingkat pendidikan ibu (<SMP, SMA, dan P) terhadap ukuran rumah tangga. Untuk maksud tersebut, rancangan surveinya sebagai berikut:. Unit penelitian: Rumah angga. Lokasi Penelitian: Kota Surabaya dan Kabupaten Sampang. Faktor-: Status empat inggal Level Faktor-: Desa Kota. Faktor-: Status Pendidikan Ibu: Level Faktor-: Maksimum SMP, SMA, Perguruan inggi.. Jumlah Replikasi: I. Model Dengan Interaksi A. Asumsi Kedua Faktor Dianggap Fixed abel. Jumlah anak yang dilahirkan ibu menurut status pendidikan dan tempat tinggal Status Daerah Desa Kota Pendidikan Ibu SMP ke bawah,, 7, 0,,,,, SMA,,,,,,,, P,,,,,,, 0,

Boxplot of Y vs F-, F-, k 0 8 6 Y 0 k F- F- Ket: F-ingkat Pendidikan Ibu F-Status tempat tinggalkreplikasi Kasus I: Kedua faktor F- dan F- diasumsikan tetap. Model: y μ τ γ ( τγ) ε i,, j, k,,...,. Asumsi (.): + + + + (.) ijk i j ij ijk ( ) a. IIDN y N + + + ( ) ε (0, σ ) μ τ γ τγ, σ ijk ijk i j ij b. E( ε ) 0 E( y ) μ τ γ ( τγ) + + + ijk ijk i j ij c. var ( ijk ) var ( yijk ) ε σ σ d. τ γ ( τγ ) ( τγ ) ( τγ ) 0 0. i j ij ij ij i j i j i j Model (.) dapat dinyatakan sebagai, y Xβ+ ε (.) Dengan ( y, y, y, y, y, y,..., y, y, y, y, y, y ) y

( ) ( ) β ( μτ,, τ, γ, τγ, τγ ) di mana ( τγ ) ( τγ ) + ( τγ ) ( ) ( ) ( ) ( ) ( ) τ τ τ γ γ τγ τγ τγ τγ τγ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 X 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

A. Estimasi Parameter Dengan MLE, estimasi parameter β dapat dihitung dengan formula, ( ) ˆ β XX Xy. (.) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 XX 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 XX 0 0 0 0 0 0 0 0 0 0 0 0 0 ( ) 89 8 9 0 Xy ( ).96667. ˆ 0.6667 β XX Xy.0000 0.60000 0.000 Hasil-hasil estimasi seluruh parameter sebagai berikut: ˆ μ.96667 ˆ τ. ˆ τ 0.6667 ˆ τ.+ 0.6667 0.96666 ˆ γ ˆ. γ. ( τγ ) 0.6 ( τγ ) 0. τγ 0.6 τγ 0. ( ) ( ) ( τγ ) ( τγ ) 0.6 + 0. 0. 0.6 0. 0.

A. Uji Hipotesis abel Anova Sumber Derajat Sum of Squares Mean F Variasi Bebas Squares Faktor- I- A.6667..76 Faktor- J- B 6. 6. 8.6 Interaksi (I-)(J-) AB..7.8 Error IJ(K-) E 6.8.9 otal IJK 9 0.96667 I J K y... yijk IJK i j k I J K I K yijk i j k i j E yij. K AB I K y I J ij. y y i... j. y... + K JK IK IJK i j i j B J y. j. y... IK IJK j A I yi.. y.... JK IJK i F- otal F- Y. 9 Y. Y.. Y. 8 Y. 0 Y.. 8 Y. Y. 6 Y.. 0 otal Y.. 6 Y.. 8 Y... 89 A I yi.. y... 89 + 8 + 0.6667 JK IJK i ( )( ) ( )( )( ) B J y. j. y... 89 6 + 8 6. IK IJK j ( )( ) ( )( )( )

I J K y... yijk IJK i j k 7 0... 0 + + + + + + + + + + 89 7 0.96667 ( )( )( ) 89 ( )( )( ) y E + + + + + I J K I K ij. yijk 7 9 8 0 6 i j k i j K 7 8. 6.8 AB ( A + B +E) 0.96667 (.6667 + 6. + 6.8). A.. Menguji Hipotesis Ho : τ τ τ 0 lawan Ha : ada minimal satu τ i,,tidak sama dengan nol. i Berdasarkan abel ANOVA di atas, diperoleh statistik uji F hit.76. Nilai ini lebih besar daripada nilai F 0.0,.0. Artinya, telah cukup bukti untuk dapat menolak Ho. Dengan kata lain, terdapat perbedaan jumlah anak yang dilahirkan dari perbedaan pendidikan ibu. A.. Menguji Hipotesis Ho : γ γ 0 lawan Ha : ada minimal satu γ j,tidak sama dengan nol. j Berdasarkan abel ANOVA di atas, diperoleh statistik uji F hit 8.6. Nilai ini lebih besar daripada nilai F 0.0,.6. Artinya, telah cukup bukti untuk dapat menolak Ho. Dengan kata lain, terdapat perbedaan jumlah anak yang dilahirkan dari perbedaan status tempat tinggal ibu. 6

A.. Menguji Hipotesis Ho : ( τγ ) ( τγ ) ( τγ ) ( τγ ) ( τγ ) ( τγ ) lawan 0 Ha : ada minimal satu ( ) i,, j, τγ tidak sama dengan nol. ij Nilai F hit seperti tampak pada tabel ANOVA sama dengan.8. Nilai ini lebih kecil dibanding Nilai F 0.0,.0. Hipotesis nol tidak ditolak. Artinya, tidak terdapat perbedaan jumlah anak yang dilahirkan di antara ibu berpendidikan sama di desa dan di kota begitu juga sebaliknya. A.. Uju Parsial a. Ho: τ 0 i,, i Ha: τ 0 i,, i b. Ho: γ 0 j, j Ha: γ 0 j, i ( ˆ β) XX ˆ σ XX var ( ) ( ) MSE 0 0 0 0 0 0 0 0 0.9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7

var ( ˆ τ).9 0. SE ( ˆ τ) 0. 0.606 var ( ˆ τ).9 0. SE ( ˆ τ) 0. 0.606 var ( ˆ γ).9 0.06 SE ( ˆ γ) 0.06 0.0 var (( τγ ) ).9 0. SE (( τγ ) ) 0. 0.606 var (( τγ ) ).9 0. SE (( τγ ) ) 0. 0.606 Selanjutnya, hasil perhitungan dapat diringkas sebagai berikut: Estimator Estimasi SE t t 0.0,n- Keputusan ˆ τ. 0.606..0 olak Ho ˆ τ -0.6667 0.606-0.6.0 dk olak Ho ˆ τ -0.96666 0.00 -.90.0 dk olak Ho ˆ γ. 0.0..0 olak Ho ˆ γ -. 0.0 -..0 olak Ho ( τγ ) 0.6 0.606.66.0 dk olak Ho ( τγ ) -0. 0.606-0.8.0 dk olak Ho Kesimpulan: a. Rata-rata jumlah anak yang dimiliki ibu berpendidikan SMP ke bawah berbeda secara signifikan dari ibu dengan pendidikan SMA dan P. b. Ada perbedaan jumlah anak yang dilahirkan dari ibu yang tinggal di pedesaan dan di pekotaan. 8

Kasus. Sama seperti kasus tetapi dengan menganggap Faktor- sebagai efek random dengan model sebagai berikut: y μ + a + γ + c + ε i,, j, k,,,, ijk i j ij ijk. Estimasi Parameter Estimasi Parameter Model Efek Campuran sesungguhnya sama seperti model Efek tetap. Yang berbeda hanya Uji hipotesisnya. Pada model efek campuran, Statistik Uji F untuk faktor-a diperoleh dari perbandingan MS Faktor- dengan MS interkasi F-*F-. Demikian juga untuk Faktor-. Untuk kajian teoritisnya silakan merujuk pada tulisan penulis yang berhubungan dengan masalah ini. Berdasarkan output berikut, tampak bahwa, Faktor- dan Faktor interaksi tidak signifikan. General Linear Model: Y versus F-, F- Factor ype Levels Values F- random,, F- fixed, Analysis of Variance for Y, using Adjusted for ests Source DF Seq Adj Adj MS F P F-.67.67..6 0.9 F- 6.0 6.0 6.0. 0.067 F-*F-.00.00.700.8 0.70 Error 6.800 6.800.90 otal 9 0.967 Kasus. Sama seperti kasus tetapi dengan menganggap Faktor- dan Faktor- sebagai efek random dengan model sebagai berikut: General Linear Model: Y versus F-, F- Factor ype Levels Values F- random,, F- random, Analysis of Variance for Y, using Adjusted for ests Source DF Seq Adj Adj MS F P F-.67.67..6 0.9 F- 6.0 6.0 6.0. 0.067 F-*F-.00.00.700.8 0.70 Error 6.800 6.800.90 otal 9 0.967 9