PEMBENTUKAN MODEL PROBIT BIVARIAT

dokumen-dokumen yang mirip
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

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

X a, TINJAUAN PUSTAKA

2.2.3 Ukuran Dispersi

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

BAB 2. Tinjauan Teoritis

S2 MP Oleh ; N. Setyaningsih

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

Bab II Teori Pendukung

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

BAB II TINJAUAN PUSTAKA

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

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

BAB III UKURAN PEMUSATAN DATA

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

BAB II LANDASAN TEORI

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 1 STATISTIKA RINGKASAN MATERI

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

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

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

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

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

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

8. MENGANALISIS HASIL EVALUASI

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

SOLUSI TUGAS I HIMPUNAN

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

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

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

UKURAN GEJALA PUSAT (UGP)

MATEMATIKA INTEGRAL RIEMANN

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

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

BAB III PERSAMAAN PANAS DIMENSI SATU

REGRESI LINIER SEDERHANA

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

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

Volume 1, Nomor 2, Desember 2007

Regresi Linier Sederhana Definisi Pengaruh

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

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

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

STATISTIKA DASAR. Oleh

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

NORM VEKTOR DAN NORM MATRIKS

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

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

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

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

TINJAUAN PUSTAKA Evaluasi Pengajaran

REGRESI SEDERHANA Regresi

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

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ISI. x 2. 2πσ

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

INTERPOLASI. FTI-Universitas Yarsi

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).

Analisis Korelasi dan Regresi

Puasa Pasien Diabetes Mellitus Tipe 2 di Poli Diabetes RSUD Dr. Soetomo Surabaya Menggunakan Regresi Probit Biner

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

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

Transkripsi:

PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

PEMBENTUKAN MODEL PROBIT BIVARIAT Dsusu Oleh : Yudh Cadra JE 003 66 Skrps Sebaga salah satu syarat utuk memperoleh gelar Sarjaa Sas pada Program Stud Statstka PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

BAB I PENDAHULUAN.. LATAR BELAKANG Model regres merupaka kompoe petg dalam beberapa aalss data dega meggambarka hubuga atara varabel respo da satu atau beberapa varabel bebas. Pada umumya aalss regres dguaka utuk megaalss data dega varabel respo berupa data kuattat. Aka tetap dalam kehdupa sehar-har serg dtemu kasus dega varabel respoya bersat kualtat, sepert keputusa memlh ya atau tdak. Utuk meyelesaka kasus dapat dguaka model probt. Model probt merupaka model o ler yag dguaka utuk megaalss hubuga atara satu varabel respo da beberapa varabel bebas, dega varabel respoya berupa data kualtat dkotom yatu berla utuk meyataka keberadaa sebuah karakterstk da berla 0 utuk meyataka ketdakberadaaa sebuah karakterstk. Model probt dega satu varabel respo dapat dkembagka mejad model probt dega megguaka dua varabel respo, model dsebut model probt bvarat. Model probt bvarat megguaka dua varabel dkotom sebaga varabel respoya, sedagka varabel bebasya dapat berupa varabel yag bersat dskrt maupu varabel yag bersat kotu da juga dapat berupa varabel kualtat yatu varabel omal atau ordal. Salah satu cotoh kasus probt bvarat adalah peelta yag dlakuka oleh Pdyck da Rubeld pada

4 tahu 973 d kota Troy, Mchga, Amerka Serkat tetag keputusa suatu keluarga apakah aka membelajaka uagya utuk membaya salah seorag aakya ke sekolah eger atau aka membelajaka uagya utuk membayar pajak propert. Varabel yag damat adalah pedapata, pajak kekayaa, da lama meetap dalam lgkuga tersebut. Aka dseldk apakah varabel pedapata, pajak kekayaa, da lama meetap dalam lgkuga tersebut mempegaruh keputusa seseorag lebh memlh membelajaka uagya utuk membaya salah seorag aakya ke sekolah eger atau memlh membelajaka uagya utuk membayar pajak propert (Greee,984). Karea dalam kasus tersebut data yag dsajka berupa data kualtat, da varabel respoya terdr dar dua varabel maka utuk megaalss hubuga atar varabelya megguaka pedekata model probt bvarat. Dalam peulsa tugas akhr aka dbahas megea betuk model probt bvarat da peaksra parameterya meguaka metode maksmum lkelhood. Selajutya aka dbahas megea model probt bvarat utuk peerapa pada cotoh kasus tetag aktor-aktor yag berpegaruh terhadap peroleha beasswa asoal (Natoal Scece Scholar) da peghargaa matematka tgkat uverstas (Moobery Math Award) pada 300 orag mahasswa UCLA, Amerka Serkat. Dalam pegolaha dataya aka dguaka alat batu sotware Stata 0.

5.. RUMUSAN MASALAH Berdasarka latar belakag tersebut aka dbahas megea pembetuka model probt bvarat da peerapaya dalam suatu cotoh kasus tetag aktoraktor yag berpegaruh terhadap peroleha beasswa asoal (Natoal Scece Scholar) da peghargaa matematka tgkat uverstas (Moobery Math Award) pada 300 orag mahasswa UCLA, Amerka Serkat. Dar cotoh kasus tu aka dperoleh suatu model yag meggambarka pola hubuga atara dua varabel respoya dega beberapa varabel bebasya..3. PEMBATASAN MASALAH Pembatasa masalah pada Tugas Akhr adalah pembetuka model probt bvarat da peetua estmas parameterya dega metode teras Newto-Raphso..4. TUJUAN PENULISAN Tujua dar peulsa Tugas Akhr adalah :. Meetuka estmas parameter da membetuk model probt bvarat.. Meguj korelas masg-masg varabel respo da meguj sgkas parameter model secara keseluruha maupu secara dvdu. 3. Megaplkaska model probt bvarat dalam suatu cotoh kasus tetag aktor-aktor yag berpegaruh terhadap peroleha beasswa asoal (Natoal Scece Scholar) da peghargaa matematka

6 tgkat uverstas (Moobery Math Award) pada 300 orag mahasswa UCLA, Amerka Serkat, sehgga dapat dketahu hubuga atar varabelya yag mampu meggambarka da mejelaska permasalaha tersebut..5. SISTEMATIKA PENULISAN Sstematka peulsa tugas akhr adalah Bab I merupaka Pedahulua yag bers latar belakag, rumusa masalah, pembatasa masalah, da sstematka peulsa. Bab II merupaka Teor Peujag yag bers kosep dasar peulsa, melput : probablta, ugs dstrbus kumulat, data kualtat, dstrbus ormal bvarat, varabel dummy, metode maksmum lkelhood, matrks Hessa, da metode Newto Raphso. Bab III bers pembahasa tetag Model Probt Bvarat yag berupa model umum, peaksra parameter, uj sgkas model, da cotoh peerapa. Bab IV merupaka kesmpula dar bab-bab sebelumya.

BAB II TEORI PENUNJANG.. Probablta Jka sebuah percobaa E mempuya ruag sampel S da sebuah kejada A ddeska pada S, maka P A adalah suatu agka rl yag dsebut probablta dar perstwa A atau probablta A da ugs P. mempuya syaratsyarat sebaga berkut :. 0 A. P(Ø) = 0 3. P S P utuk tap kejada A dar S Bla suatu percobaa yag dapat meghaslka macam hasl yag berkemugka sama da bla terdapat sebayak A dar hasl yag berkata dega kejada A, maka probablta A adalah : Teorema. A PA (..) Bla A da P A' PA A ' kejada yag salg berkompleme, maka : Bukt : S A A' A A' PS

6 sehgga P PA A' P A' PA A PA' (Walpole, 995).. Fugs Dstrbus Kumulat Des. Fugs dstrbus kumulat atau probabltas kumulat serg dsebut ugs dstrbus saja. Fugs dstrbus varabel radom kotu X yag dotaska PX dega : F F = t Sat-sat ugs dstrbus :. Lm F. Lm F 0 utuk semua blaga rl, ddeska dt (..) 3. Fugs tersebut tdak turu, yatu jka a b maka Fb Fa 4. Fugs tersebut kotu dar kaa, yatu utuk seluruh da 0 Lm 0 = F F 0 5. PX F atau PX PX (Hes da Motgomery, 990)

7.3. Data Kualtat Data kualtat adalah data yag buka merupaka agka yag skala pegukuraya terdr dar seperagkat kategor. Data kualtat terbag mejad dua yatu data omal da ordal. a. Data Nomal Data omal adalah data yag berasal dar pegelompokka perstwa berdasarka kategor tertetu yag perbedaaya hayalah meujukka perbedaa kualtat. Data tdak meggambarka keduduka objek atau kategor tersebut terhadap objek atau kategor laya tetap haya sekedar label atau kode saja. Data haya megelompokka objek atau kategor ke dalam kelompok tertetu. Data memlk dua cr yatu : Kategor data bersat salg lepas (satu objek haya masuk pada satu kelompok saja). Kategor data tdak dsusu secara logs. Cotoh dar data omal atara la jes kelam ( utuk pra, 0 utuk wata), agama ( utuk Islam, utuk Krste, 3 utuk Katolk, 4 utuk Budha, da 5 utuk Hdu). b. Data Ordal Data ordal adalah data yag berasal dar objek atau kategor yag dsusu meurut besarya, dar tgkat teredah ke tgkat tertgg atau sebalkya, dega jarak atau retag yag tdak harus sama.

8 Data memlk cr sepert pada data omal dtambah satu cr lag, yatu kategor data dapat dsusu berdasarka uruta logs da sesua dega besarya karakterstk yag dmlk. Cotoh dar data ordal atara la jejag kepagkata pada mlter (jedral, koloel, kapte, sersa), kelas sosal masyarakat (atas, meegah, kebawah). (Hasa, 004).4. Dstrbus Normal Bvarat Msalka sebuah ugs dtujukka oleh : q /, y e,, y (.4.) Dega σ > 0, σ > 0, da - < ρ <, y y q (.4.) Dalam ugs tersebut dtujukka : a. y, adalah ugs destas bersama ormal bvarat. b. X ~ N da Y ~, N,. c. ρ adalah koese korelas dar X da Y. d. Varabel radom X da Y dkataka memlk dstrbus ormal bvarat. Fugs (,y) yag merupaka ugs destas bersama dapat dlhat sebaga berkut.

9 Ddeska dy y, Dar (.4.) dperoleh : y q b y dmaa / b. Sehgga : dy b y / ep / ep (.4.3) Dar tegral yag terdapat pada () tegraya merupaka ugs dstrbus kumulat ormal dega rata-rata b da varas, sehgga tegral tersebut sama dega da () mejad : ep, (.4.4) Fugs (,y) merupaka ugs destas bersama dar dua varabel radom kotu X da Y. Maka ugs () adalah ugs dstrrbus margal utuk X, da X berdstrbus, N. Sehgga dapat daalogka Y berdstrbus, N. Dar hal tu, dapat dkembagka bahwa : ep, b y y (.4.5) dmaa / b.

0 Sehgga ugs destas utuk Y dberka oleh dega rata-rata / X adalah ormal b da varas. Maka dega dstrbus ormal bvarat, rata-rata dar Y yag dberka oleh X adalah lear d da : E (.4.6) Y Sehgga dapat dtujukka dar dstrbus oleh X, yag dberka oleh Y y adalah dstrbus ormal N y,. Cotoh. Dasumska bahwa populas dar pasaga perkaha yag memuat tgg bada suam (X ) da tgg bada str (X ) megkut dstrbus ormal bvarat dega parameter µ =5,8 kak, µ =5,3 kak, σ =σ =0, kak, da ρ=0,6. ugs dstrbus kumulat X dberka oleh =6,3 adalah ormal dega mea 5,3+(0,6)(6,3-5,8)=5,6 da stadar devas (0,) 0,36 =0,6. Berdasarka bahwa tgg bada suam adalah 6,3 kak, probabltas bahwa seorag str memlk tgg bada datara 5,8 da 5,9 kak adalah : P,8 X 5,9 6,3 N N 0, 954 5 Teorema. Msalka X da Y megkut dstrbus ormal bvarat dega rata-rata µ da µ, varas yag post da, da koese korelas ρ. Maka X da Y secara stokastk depede jka da haya jka 0. (Hogg da Crag, 995)

.5. Varabel Dummy Varabel dummy dsebut juga varabel boeka, varabel dkator, varabel ber ( agka), varabel bersat kategor, da varabel kualtat. Pada umumya varabel dummy utuk dua kategor dber kode 0 da. Cr model regres dega varabel dummy adalah sebaga berkut :. Jka suatu varabel kualtat mempuya J kategor, maka ada J varabel dummy.. Peetapa la 0 da utuk dua kategor, sepert pra da wata adalah tapa suatu dasar atau buka merupaka hal yag mutlak dalam varabel dummy megambl la 0 da sebaga kode dar kategor tersebut. 3. Kelompok, kategor, atau klaskas yag dber ol sergkal dsebut sebaga kategor dasar, kategor kotrol, atau kategor perbadga. Dega kata la marupaka perbadga yag dbuat dalam kategor tersebut. (Gujarat da Za, 99).6. Metode Maksmum Lkelhood Metode maksmum lkelhood merupaka salah satu cara utuk megestmas parameter yag tdak dketahu. Prosedur estmas maksmum lkelhood meguj apakah estmas maksmum yag tdak dketahu dar ugs lkelhood suatu sampel laya sudah memaksmumka ugs lkelhood.

Msalka X,, X, X N adalah varabel radom dar populas dega dstrbus ugs, ugs lkelhood sampel tersebut adalah : L, dega adalah parameter yag tdak dketahu. Maka,, ;,.,,, N N (.6.) Bla ugs lkelhood terdeeresalka ke-, maka estmas maksmum lkelhood dapat dperoleh melalu persamaa berkut : ˆ ˆ ˆ L,,, N ;,,, N 0 (.6.) =,,, N Dalam bayak kasus, pegguaa deeresas aka lebh mudah bekerja pada logartma atural dar,,, ; K L, yatu : N,, ; l L,,, ;, N N (.6.3) Lagkah-lagkah utuk meetuka estmas maksmum lkelhood dar adalah :. Meetuka ugs lkelhood L,, ;,.,,, N. Membetuk logartma atural lkelhood : K,, ; l L,,, ;, N 3. Membetuk persamaa lkelhood da meyelesaka : N N K,,..., ; ) ( N = 0 4. Ddapat estmas maksmum lkelhood dar, yatu ˆ.

3 5. Membuktka bahwa ˆ bear-bear memaksmumka N L ;,,, dega L ˆ ˆ < 0 dmaa =,,, N..7. Matrks Hessa Matrks Hessa adalah matrks bujur sagkar dar turua parsal orde kedua. Msal ddeska ugs real sebaga berkut :,,. Jka turua parsal orde kedua utuk semua terdes, maka matrks Hessa dar ugs adalah : H dega,,,. (Mtal, K.V., 987).8. Metode Newto-Raphso Metode Newto-Raphso adalah suatu metode utuk meyelesaka sstem persamaa yag tdak ler (Agrest, 990). Metode Newto-Raphso dapat dkembagka dar perluasa deret Taylor, yag dapat dyataka sebaga :

4 " ' (.8.) Utuk = 0,,,... Suku-suku orde kedua dar perluasa deret Taylor d sektar adalah : " ' (.8.) Jka terdr dar m,,, da m,,, dapat dtuls, m T ' serta " H m m m m m maka persamaa (.8.) dapat dtuls dega : T H (.8.3) Turua dar persamaa (.8.3) terhadap adalah : T T H (.8.4) Jka 0 T, maka aka dperoleh : T H 0 (.8.5) Aproksmas yag bak dar adalah, maka persamaa (.8.5) dapat dtuls : T H 0 (.8.6)

5 Dega meyelesaka persamaa (.8.6), dperoleh suatu teras berkut : T H = 0 H = T = H T = T H (.8.7) (Atkso, 989)