BAB III ESTIMASI MODEL PROBIT TERURUT

dokumen-dokumen yang mirip
( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB III ISI. x 2. 2πσ

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

BAB II LANDASAN TEORI

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB 2. Tinjauan Teoritis

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

Regresi Linier Sederhana Definisi Pengaruh

BAB II TINJAUAN PUSTAKA

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

Bab II Teori Pendukung

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

BAB 2 LANDASAN TEORI

8. MENGANALISIS HASIL EVALUASI

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

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

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PEMILIHAN MODEL REGRESI TERBAIK MENGGUNAKAN R 2, Cp MALLOW, dan S PADA KASUS INDEKS HARGA SAHAM BURSA GLOBAL

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

PEMBENTUKAN MODEL PROBIT BIVARIAT

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB 5 HASIL DAN PEMBAHASAN

UKURAN GEJALA PUSAT DAN UKURAN LETAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

BAB 2 LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

S2 MP Oleh ; N. Setyaningsih

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

REGRESI LINIER SEDERHANA

Estimasi dan Pengujian Hipotesis pada Model Geographically Weighted Multinomial Logistic Regression

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

X, Y, yang diasumsikan mengikuti model :

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat

Analisis Regresi Logistik Ordinal pada Prestasi Belajar Lulusan Mahasiswa di ITS Berbasis SKEM

X a, TINJAUAN PUSTAKA

BAB V ANALISIS HIDROLOGI

3 Departemen Statistika FMIPA IPB

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Prosiding FMIPA Universitas Pattimura 2013 ISBN:

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 ERROR PERHITUNGAN NUMERIK

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

MAKALAH TUGAS AKHIR POLA HUBUNGAN ANTARA FAKTOR SOSIAL EKONOMI DENGAN PENGGUNAAN INTERNET PADA RUMAH TANGGA DI JAWA TIMUR

Estimasi dan Statistik Uji pada Model Probit Biner Bivariat. Estimation and Statistical Test in Bivariate Binary Probit Model

NORM VEKTOR DAN NORM MATRIKS

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

III. METODOLOGI PENELITIAN

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

XI. ANALISIS REGRESI KORELASI

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

POLIGON TERBUKA TERIKAT SEMPURNA

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

REGRESI NONPARAMETRIK SPLINE UNTUK DATA BERAT BADAN BALITA MENURUT UMUR DI KABUPATEN BOJONEGORO TAHUN 2010

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

MATEMATIKA INTEGRAL RIEMANN

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

2.2.3 Ukuran Dispersi

DISTRIBUSI NORMAL MULTIVARIAT

Transkripsi:

BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode maksmum lkelhood dega melbatka eluag. Setelah arameter dar model robt terurut ddaat dlakuka beberaa taha egua utuk medaatka model yag alg sesua da reresetatf. Pegua melut egua ormaltas error yag mead asums awal dalam model robt terurut. Sela tu egua sgfkas koefse uga dlakuka utuk medaatka model dega koefse yag memuya egaruh yag sgfka. Pada Sub bab.8 sebelumya telah dbahas megea model robt terurut sebaga model eurua kods embata. Selautya ada bab aka dbahas megea estmas model robt terurut eurua kods embata. Estmas melut estmas koefse koefse da threshold yag melbatka eluag dega metode maksmum lkelhood. Sela tu uga dbahas megea u sgfkas koefse secara smulta da dvdual utuk meghaslka model yag alg sesua. 3. Estmas Koefse Model Probt Terurut Betuk ersamaa model robt terurut seert yag sudah dyataka ada ersamaa. da. yatu: logu + ε da Z ka U < + utuk.. m <... < < < 5

dmaa U late eurua kods utuk fasltas dalam state koefse ersamaa yag aka destmas varabel alg beregaruh dar fasltas ε error ε : N Z erubaha kods ada fasltas threshold la kods m la kods teredah Dar ersamaa-ersamaa d atas terdaat koefse yag belum dketahu yatu threshold...m da...m-. Koefse aka destmas bersamaa dega estmas koefse yag uga belum dketahu. Dega melakuka substtus ersamaa. ada ersamaa. d baga threshold aka ddaat ersamaa sebaga berkut: Z ; ka log + ε < log +... m 3. Selautya dega meguragka ersamaa 3. d baga threshold dega aka ddaat ersamaa 3. d bawah yatu Z ; ka log ε < log +... 3. Dasumska bahwa error ε berdstrbus Normal baku dlambagka ε ~N. Hal megakbatka ε memuya fugs dstrbus kumulatf Normal yag dber lambag Φε. Peluag trass dar la kods ke la kods + utuk sebuah fasltas selama erode seks adalah eluag dmaa erubaha dalam state kods Z sama dega. Peluag sama dega luas daerah d bawah kurva dstrbus kumulatf Φε yag dbatas oleh threshold log da threshold log + Madaat 995. Hal dyataka dalam ersamaa 3.3 sebaga berkut: Z log ε < log ; 3.3 + utuk... m Persamaa 3.3 ekvale dega ersamaa Aalss Probt Pada Model Peurua Kods Jembata 6

Z Φlog + Φlog ; 3.4 utuk... m Msalka log δ maka ddaat ersamaa eluag yatu: Φ δ + Φ δ ; utuk... m 3.5 Z Ilustrasya adalah sebaga berkut : m-- m- δ - δ - δ m-- - δ m- - Gambar 3. Peluag robt dbatas dega threshold Setelah medaatka ersamaa 3.6 d atas aka dlakuka estmas terhada la koefse koefse da threshold... m. Dega lagkah-lagkah metode estmas maksmum lkelhood MLE aka dcar la estmas dar koefse da threshold... secara smulta. Metode estmas dlh karea sfatya yag kosste berdstrbus ormal asmtotk da efse. Sela tu uga daat memberka varas asmtotk terkecl d bawah semua estmator asmtotk ormal. ugs lkelhood dar model robt terurut utuk la kods adalah sebaga berkut : L N m d Z 3.6 dmaa L Z N fugs lkelhood dar model robt terurut utuk state kods erubaha kods ada fasltas total embata yag berada ada la kods d varabel dummy d ka Z da d ka Z. Aalss Probt Pada Model Peurua Kods Jembata 7

Persamaa log lkelhood dar ersamaa 3.6 d atas adalah : N m L* log{ Z } I Z 3.7 dmaa I Z ka Z da I Z ka Z. Persamaa 3.7 ekvale dega ersamaa 3.8 d bawah : N m * δ + δ L log { Φ Φ } I Z 3.8 Utuk memeroleh la estmas dar seta koefse da la threshold dlakuka metode maksmum lkelhood dega memaksmumka fugs 3.8 d atas dega membuat turuaya terhada da δ sama dega ol yatu * L da L δ * 3.9 Secara matemats emaksmuma fugs log lkelhood adalah sebaga berkut: L * φ δ + φ δ φ δ φ δ N m + I Z + 3. L* φδ δ φ δ φ δ φδ N + IZ + + IZ + φδ + φδ 3. dmaa φ ε adalah fugs dstrbus Normal meruaka turua dar fugs dstrbus kumulatf Normal Φ ε. Utuk model robt terurut metode Newto yag dmodfkas adalah metode yag alg teat utuk megestmas koefse koefse da threshold. Dega metode tersebut koefse yag destmas dcar dega megkut grade. Beberaa teras dlakuka sehgga ddaat koefse yag alg sesua. Utuk memudahka erhtuga erlu dlakuka eetua costra awal utuk threshold. Costra awal yag basa dguaka adalah δ seert yag dguaka dalam rogram LIMDEP Garso 998. Aalss Probt Pada Model Peurua Kods Jembata 8

3.3 Pegua Normaltas Error Utuk model robt terurut yag ddaat melalu hasl estmas erlu dlakuka suatu egua utuk melhat kesesuaaya dega asums awal dguaka. Asums awal yag du yatu bahwa error berdstrbus ormal dega rata-rata da varas tertetu dotaska ε ~ Nµσ. Nla error ddaat dar ersamaa 3.3 da 3.4 sebaga berkut: Z log ε < log + Z Φlog Φlog. + Sehgga utuk masg masg embata error dhtug dega lagkah lagkah sebaga berkut: a. Megalka estmas koefse dega varabelya masg masg. b. Kuragka threshold dega kemuda htug la cdf ormal-ya. c. Htug eluag utuk masg masg selsh erubaha kodsya. d. Error ddaat dar ttk yag dhaslka oleh eluag d atas. U ormaltas dlakuka dega edekata grafs yatu ormal robablty lot. Dasar egambla keutusa dlakuka dega melhat eyebara data ttk ada sumbu dagoal dar grafk yatu: a. Jka data meyebar acak d sektar gars dagoal da megkut arah gars dagoal maka model secara deskrtf memeuh asums ormaltas. b. Jka data meyebar auh dar gars dagoal atau tdak megkut arah gars dagoal maka model secara desksrtf tdak memeuh asums ormaltas. 3.4 Pegua Sgfkas Koefse Model Probt Terurut Setelah ddaat hasl estmas taha egua selautya adalah megu sgfkas koefse model. Hal dlakuka utuk megaalsa besarya egaruh dar seta varabel deede terhada varabel deede ddalam model yag dhaslka. Pegua dlakuka terhada seta koefse yag dhaslka bak secara smulta bersama-sama mauu secara dvdual sedr-sedr. Aalss Probt Pada Model Peurua Kods Jembata 9

Dalam egua secara smulta bersama-sama aka dtuukka aakah semua varabel deede yag dmasukka dalam model memuya egaruh secara bersama-sama terhada varabel deede. Dar hasl egua dharaka ddaat model yag alg sgfka. Jka egua sgfkas koefse secara smulta meghaslka kesmula bahwa model sgfka maka semua varabel deede yag dmasukka dalam model memuya egaruh secara bersama-sama terhada varabel deede. Model daat dguaka sebaga model eurua kods embata. Namu ka dar egua sgfkas koefse secara smulta dhaslka kesmula bahwa model tdak sgfka maka erlu dlakuka egkaa ulag terhada varabel deede yag dmasukka dalam model. Dalam egua sgfkas koefse secara dvdual aka dtuukka sgfkas masg-masg varabel deede secara dvdual terhada varabel deede. Jka egua sgfkas koefse secara dvdual meghaslka kesmula bahwa koefse sgfka maka varabel deede memberka egaruh yag sgfka dalam model. Namu ka egua sgfkas koefse secara dvdual meghaslka kesmula bahwa koefse tdak sgfka maka varabel deede tdak memberka egaruh yag sgfka dalam model. Varabel tersebut daat dkeluarka dar model. Dalam eetua arameter model dguaka estmas dega metode maksmum lkelhood. Sehgga dalam egua sgfkas koefse dguaka rosedur egua yag serg dguaka dalam estmas maksmum lkelhood. Pegua secara smulta dlakuka dega lkelhood rato test sedagka egua secara dvdual dlakuka dega Wald test Greee 993. Prosedur egua sgfkas koefse model robt terurut yag dlakuka adalah sebaga berkut: a. Pegua secara smulta dega lkelhood rato test Hotess utuk egua secara smulta adalah sebaga berkut: H k :... 3. H : L k 3.3 Aalss Probt Pada Model Peurua Kods Jembata 3

dmaa k bayakya koefse. Hotess ol H d atas memlk art bahwa semua varabel deede buka meruaka eelas yag sgfka terhada varabel deede. Sedagka hotess alteratfya H memlk art bahwa semua varabel deede secara smulta meruaka eelas yag sgfka terhada varabel deede. Statstk u yag dguaka dalam lkelhood rato test meurut Agrest 996 adalah sebaga berkut: dmaa G G log L log L 3.4 statstk u lkelhood rato test L L. maksmum lkelhood utuk model ol maksmum lkelhood utuk model euh. U megkut dstrbus Ch-square χ dega deraat kebebasa df k. Nla χ tabel sebaga ttk krts ddaat dega tgkat sgfkas α da deraat kebebasa k dega k adalah umlah varabel. Pegambla keutusa utuk lkelhood rato test ddasarka ada hal berkut yatu : Tolak H ka G > χ tabel atau ka -value [G model> χ tabel] >α. Terma H ka G < χ tabel atau ka -value [G model> χ tabel]< α. b. Pegua secara dvdual dega u Wald Hotess utuk egua secara dvdual adalah sebaga berkut: H : 3.5 H : 3.6 dmaa... k da k bayakya koefse/ arameter. Hotess ol H d atas memlk art bahwa suatu varabel deede tdak memlk egaruh yag sgfka terhada varabel deede. Jka la koefse suatu varabel deede sama dega ol maka varabel deede tersebut dagga tdak memlk egaruh yag sgfka. Hotess alteratfya H meyataka bahwa suatu Aalss Probt Pada Model Peurua Kods Jembata 3

varabel deede memlk egaruh yag sgfka terhada varabel deede. Jka la koefse suatu varabel deede tdak sama dega ol maka varabel deede tersebut dagga tdak memlk egaruh yag sgfka. Statstk u yag dguaka dalam u Wald meurut Greee 993 adalah sebaga berkut : W z s Var dmaa W statstk Wald z statstk ormal stadar koefse model 3.7 3.8 s asmtotk stadar error Var varas. U megkut dstrbus Ch kuadrat χ dega deraat kebebasa df yag meruaka dstrbus dar z. Nla χ tabel sebaga ttk krts ddaat dega tgkat sgfkas α da deraat kebebasa k. Pegambla keutusa utuk Wald test ddasarka ada hal berkut yatu : Tolak H ka W> χ tabel atau ka -value varabel model > α Terma H ka W < χ tabel atau ka -value varabel model> α Tgkat sgfkas α meyataka eluag meolak H adahal H bear. Tgkat sgfkas α daat uga berart rsko maksmal yag daat dtolerr utuk meolak sesuatu yag telah dberka. Tgkat sgfkas α5% berart dalam kal egambla keutusa 5 kal salah karea meolak sesuatu yag bear. Dharaka tgkat sgfkas kecl agar tgkat kesalaha semak kecl. Aalss Probt Pada Model Peurua Kods Jembata 3

Aalss Probt Pada Model Peurua Kods Jembata 33 Dalam melakuka u sgfkas koefse tgkat sgfkas dtetuka tergatug masalah. Dalam kasus berkata dega eurua kods embata. 3.5 Perhtuga Peluag Trass Nla Kods Setelah ddaat model dega la estmas dar arameter da threshold maka eluag trass utuk seta la kods daat dcar. Peluag trass meyataka besarya eluag teradya eurua kods embata dar satu kods ke kods la ada waktu tertetu. Peluag trass utuk semua erubaha la kods ada embata dhtug sebaga berkut :... m m 3.9 dmaa eluag trass erubaha la kods dar la kods ke la kods +. Utuk tuua egambla keutusa emelharaa da rehabltas dmaa metode otmas dguaka rata-rata eluag trass dbutuhka. Peghtuga rata-rata eluag trass dlakuka dega megguaka ersamaa sebaga berkut: x x N x N N ; m... 3. dmaa N x + rata-rata eluag trass eluag trass erubaha la kods dar la kods ke la kods + ada suatu kelomok la kods

N x G vektor varabel bebas embata umlah fasltas ada suatu kelomok la kods umlah kelomok. Dar hasl erhtuga dega ersamaa d atas maka aka deroleh matrks eluag trass utuk semua erubaha la kods sebaga berkut: 3 4 5 3 4 5 3 4 5 P 3. 33 34 35 44 45 dmaa x eluag trass erubaha la kods dar la kods ke la kods +. 3.6 Peetua Model Peurua Kods Jembata Lagkah lagkah dalam meetuka model eurua kods embata dega model robt terurut adalah sebaga berkut: Aalss Probt Pada Model Peurua Kods Jembata 34

DATA JEMBATAN Data Nla Kods Jembata Data Perubaha Nla Kods Jembata Data Paag Betag Jembata Data Lebar Jembata Data Umur Jembata Data AADT PENGOLAHAN LIMDEP Estmas arameter dega MLE Estmas koefse Estmas threshold δ atau Pembaga kelomok berdasarka data la kods awal embata Ordered robt MODEL PROBIT TERURUT UJI NORMALITAS ERROR UJI SIGNIIKANSI Lkelhood rato test Wald test belum sgfka sgfka MODEL PENURUNAN KONDISI JEMBATAN Gambar 3. Baga alra lagkah eetua model eurua kods embata dega model robt terurut Aalss Probt Pada Model Peurua Kods Jembata 35