ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

dokumen-dokumen yang mirip
BAB 2 LANDASAN TEORI

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

titik tengah kelas ke i k = banyaknya kelas

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

Created by Simpo PDF Creator Pro (unregistered version)

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

III. METODOLOGI PENELITIAN

LOGO ANALISIS REGRESI LINIER

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB 2 LANDASAN TEORI

BAB I PANDAHULUAN. 1.1 Latar Belakang

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB 2 LANDASAN TEORI

BAB III TEORI PERRON-FROBENIUS

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

PEMODELAN JUMLAH KEMATIAN BAYI DI PROVINSI MALUKU TAHUN 2010 DENGAN MENGGUNAKAN REGRESI POISSON

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

H dinotasikan dengan B H

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB 3 Interpolasi. 1. Beda Hingga

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

UKURAN DASAR DATA STATISTIK

BAB 2 LANDASAN TEORI

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

Materi Bahasan. Pemrograman Bilangan Bulat (Integer Programming) Pemrograman Bilangan Bulat. 1 Pengantar Pemrograman Bilangan Bulat

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:

STATISTIKA ELEMENTER

Analisis Korelasi dan Regresi

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

Lam piran 1 K uesioner

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

3 Departemen Statistika FMIPA IPB

Ir. Tito Adi Dewanto

Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

BAB II TEORI DASAR. Analisis Kelompok

Pengelompokkan Zona Musim (ZOM) dengan Fuzzy K-Means Clustering (Studi Kasus :Pengelompokkan ZOM di Kabupaten Ngawi)

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Gambar 3.1Single Channel Multiple Phase

BAB 2 LANDASAN TEORI

Uji Median Pengaruh Utama dan Interaksi dalam Percobaan Berfaktor

BAB III ANALISIS DISKRIMINAN. Analisis diskriminan (discriminant analysis) merupakan salah satu metode

BAB III METODE PENELITIAN

dan µ : rata-rata hitung populasi x : rata-rata hitung sampel

BAB II TINJAUAN PUSTAKA. analisis regresi logistik, dan analisis regresi logistik rare event.

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

METODE NUMERIK ROSENBERG DENGAN ARAH PENCARIAN TERMODIFIKASI PENAMBAHAN KONSTANTA l k

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Pemodelan Resiko Penyakit Pneumonia pada Balita di Jawa Timur Menggunakan Regresi Logistik Biner Stratifikasi

Penelitian Operasional II Program Bilangan Bulat PROGRAM BILANGAN BULAT (INTEGER PROGRAMMING)

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

OPTIMASI PENYUSUNAN PEGAS DENGAN METODE SISTEM PERBEDAAN BATASAN DAN ALGORITMA JALUR TERPENDEK

BAB II KAJIAN PUSTAKA

BAB II LANDASAN TEORI

BAB 5. ANALISIS REGRESI DAN KORELASI

III. METODE PENELITIAN. Teknik Elektro Universitas Lampung dan dusun Margosari, desa Pesawaran Indah

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

BAB 10. Menginterpretasikan Populasi Variabel Kanonik. Variabel kanonik secara umumnya artifisal. Jika variabel awal X (1) dan X (2)

SOLUSI TUGAS I HIMPUNAN

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

METODE PRIMAL AFFINE-SKALING UNTUK MASALAH PROGRAM LINEAR

Koefisien Korelasi Spearman

BAB II TINJAUAN PUSTAKA. Menurut Daniel L. Schodek (1999), gempa bumi dapat terjadi karena fenomena

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

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

Laporan Penelitian. Analisis Ketunggalan Polinomial Interpolasi untuk Aproksimasi Fungsi

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB 2 TINJAUAN PUSTKA. Jaringan transmisi dan jaringan distribusi pada sistem tenaga listrik berfungsi

BAB III METODOLOGI PENELITIAN. Penelitian ini mengenal dua macam variabel yaitu : 2. Variabel terikat (Y) yaitu : Hasil belajar Sejarah

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

Karakteristik Siswa Putus Sekolah Tingkat SD dan SMP di Kawasan Surabaya Utara

Mengkaji Perbedaan Diagonalisasi Matriks Atas Field dan Matriks Atas Ring Komutatif

Prosiding Seminar Nasional Matematika dan Pembelajarannya. Jurusan Matematika, FMIPA UM. 13 Agustus 2016

8.4 GENERATING FUNCTIONS

Pemilihan Model Regresi Terbaik Menggunakan Akaike s Information Criterion (The Best Regression ModelSelection UsingAkaike s Information Criterion)

Taksiran Distribusi Aggregate Loss Asuransi Mobil Menggunakan Fast Fourier Transform (FFT) dalam Menentukan Premi Murni

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

Karakterisasi Matrik Leslie Ordo Tiga

HUBUNGAN MATRIKS AB DAN BA PADA STRUKTUR JORDAN NILPOTEN

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

III FUZZY GOAL LINEAR PROGRAMMING

KOLINEARITAS GANDA (MULTICOLLINEARITY) Oleh Bambang Juanda

Transkripsi:

ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO

POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP 3 Sampel/Cotoh Hazmra Yozza - Jur. atemata FPA Uad

Data p p p L L L L elompo p )p ( ) ( ) ( )p ( ) ( ) ( L L L X } elompo elompo Hazmra Yozza - Jur. atemata FPA Uad

ovaras peubah X dega X ( )( ) ( )( ) ( )( )... ( )( ) t Compay Logo ( )( ) { }...,,, { }...,,,,...,, ( )( ) ( )( ) ( )( )... Hazmra Yozza - Jur. atemata FPA Uad

www.themegallery.com ( )( ) t ( ) ( ) ( ) ( )( ) ( ) ( ) ( )( ) ( ) ( ) Compay Logo ( )( ) ( )( ) ( )( ) ( )( ) ( )( ) ( ) ( ) ( ) ( ) ( )( ) ( ) 0 0 ( )( ) ( )( ) ( )( ) ( ) Hazmra Yozza - Jur. atemata FPA Uad

www.themegallery.com ( )( ) ( )( ) ( )( ) ( ) ( )( ) t Compay Logo ( )( ) ( )( ) ( ) ( )( ) ( )( ) ( ) w b b w t Hazmra Yozza - Jur. atemata FPA Uad

Sehgga.. t t : t p t t t : p... t p b b... b p w w... t p b b... b p w w O : : : O : : :... t pp bp bp... bpp wp wp...... O... w w p p : w pp T B W T : matrs ragam peragam total B : matrs ragam peragam atar elompo W : matrs ragam peragam dalam elompo Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

Tuua aalss dsrma : embetu fugs dsrma yag mampu membedaa elompo atau embetu fugs dsrma sehgga eragama dalam elompo seecl mug da eragama atar ebesar mug Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

Fugs dsrma Y a X Ragam dar fugs srma Var(Y) Var (a X) a T a a (B W) a a Ba a Wa eragama fs dsrma atar elompo eragama fs dsrma dalam elompo Dga : a Wa seecl mug a Ba sebesar mug Dga : a Ba masmum a Wa Atau a Wa mmum a Ba Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

a Ba sal : λ a Wa Rumusa asalah a Ba asmum λ a Wa λ a T T ( Ba)( a Wa) ( a Ba)( Wa) T ( a Wa) ( Ba) T ( a Wa) λ ( Wa) T ( a Wa) Agar λ masmum λ a 0 ( Ba) λ ( Wa) T T ( a Wa ) ( a Wa ) Ba λ Wa 0 ala d r dega W - W ( W B Ba λ ) a λ a 0 0 0 Jad : λ adalah aar araterst dar matrs W - B da a adalah vetor araterst padaaya Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

Jad : λ adalah aar araterst dar matrs W - B da a adalah vetor araterst padaaya Agar λ masmum, maa harus dplh a yag merupaa vetor araterst yag berpadaa dega aara araterst terbesar dar W - B Fugs dsrma berutya dperoleh dega cara yag sama, yatu dega meambaha edala bahwa fugs-fugs dsrma tersebut tda salg berorelas Compay Logo

Peraa dar fugs dsrma-q Y q λ s q λ 00% Dega s m{-,p} Compay Logo

Pegua dalam Aalss Dsrma U perbedaa la Tegah Respos atar elompo Dlaua sebelum fugs dsrma dbetu Hpotess : H0 : µ µ µ H : Ada µ µ Statst U : (Statst V-Bartlett) V Tt rts : { ( p ) / } l( λ χ α, p( ) s ) esmpula : V>χ α,p( ) Tola H0 Fs dsrma laya dbetu Compay Logo

Pegua dalam Aalss Dsrma Tda semua fugs dsrma berart dalam meelasa perbedaa atar elompo Fugs dsrma yag berotrbus ecl dalam meelasa perbedaa atar elompo, tda dguaa Oleh area tu, harus du apaah dsrmas ssa setelah dteraga oleh fugs dsrma sebelumya masg bersfat yata secara statst Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

Dsrmas ssa setelah dteraga oleh Perraa statst χ Fs dsrma pertama V V (p-)(-) Fs dsrma edua V V - V (p-)(-3) Fs dsrma etga V V V V3 (p-3)(-4) V : : : { ( p ) / } l( λ ),,,s s m {-,p} db Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

Prosedur dalam Aalss Dsrma. U esamaa vetor la tegah atar elompo Vetor la tegah sama STOP (aalss dsrma tda perlu dlaua) Vetor la tegah tda sama laua aalss dsrma. Betu aalss dsrma Tetua a yatu vetor araterst dar matrs W - B yag berpadaa dega λ; λ λ λ s 0 Betu fugs dsrma e- (,,,s) Y a X 3. U hpotess eberarta fugs-fugs dsrma yag terbetu dalam membedaa elompo Hazmra Yozza - Jur. atemata FPA Uad Compay Logo

www.themegallery.com LOGO