Selasa, 05 Januari 2016

Tugas Metode Peramalan ARIMA Saham Penutupan Google inc. Tahun 2011



1.      Identifikasi
a.      Plot Data
Hal pertama yang perlu dilakukan dalam melakukan identifikasi model adalah membuat plot data time series untuk data bursa saham penutupan Google inc. Januari - Desember 2011 sebanyak 48 data. Dari plot data, kita dapat menentukan model untuk peramalan yang sesuai dengan data, selain itu dapat juga digunakan untuk mengidentifikasi stasioneritas data. Data asli bursa saham penutupan Google inc. Januari - Desember 2011 terdapat pada Lampiran 1.

 Untuk file pdf nya bisa di download disini

LAPORAN PRAKTIKUM STATISTIKA MULTIVARIAT “Analisis Diskriminan”



LAPORAN PRAKTIKUM
STATISTIKA MULTIVARIAT
“Analisis Diskriminan”





Adhita Yuliawati
(201301340)


LABORATORIUM KOMPUTASI
AKADEMI STATISTIKA ( AIS ) MUHAMMADIYAH SEMARANG
2015

Untuk file pdf nya bisa di download disini

LAPORAN PRAKTIKUM STATISTIKA MULTIVARIAT “REGRESI LINIER BERGANDA”



LAPORAN PRAKTIKUM
STATISTIKA MULTIVARIAT
“REGRESI LINIER BERGANDA”



Nama / Nim
Tgl Pengumpulan
Adhita Yuliawati
201301340
17 Desember 2015

LABORATORIUM KOMPUTASI
AKADEMI STATISTIKA ( AIS ) MUHAMMADIYAH SEMARANG
2015




Untuk file pdf nya bisa di download disini

Sabtu, 19 September 2015

LAPORAN PRAKTIKUM ANALISIS DATA KATEGORIK “REGRESI LOGISTIK”

BAB I
PENDAHULUAN
1.1  Latar Belakang
Laporan ini dibuat untuk memenuhi tugas laporan praktikum dari Pak Deden Istiawan untuk mata kuliah analisis data kategorik yang dilaksanakan pada hari selasa tanggal 7 April 2015. Yaitu tentang pengujian partisipasi perempuan terhadap metode pemilihan alat kontrasepsi yang variabel dependennya berupa jumlah anak, umur, pendidikan dan tingkat kesejahteraan. Data yang saya peroleh merupakan data sekunder yang diberikan oleh pak Deden Istiawan. Metode yang digunakan adalah metode regresi logistik biner.
1.2  Landasan Teori
1.      Pengertian
Regresi Logistik Biner merupakan model regresi logistik dengan variabel respon (Y) berskala nominal dengan kategori biner yaitu mempunyai dua kategori nilai 0 dan 1 (Agresti, 1990). Dimana model regresi logistik adalah sebagai mana berikut (Hosmer, 2000) :
k adalah banyaknya variabel prediktor.
Sehingga bentruk transformasi logitnya:
2.      Pengujian Parameter
a.       Uji Serentak
Uji ini digunakan untuk memeriksa pengaruh koefisien β secara bersama-sama dalam model
 
H1 : minimal ada satu  
Statistik uji G atau Likelihood Ratio Test, yaitu (Hosmer, 2000)
 
Ho ditolak jika  atau  
b.      Uji Wald (Parsial)
Uji ini dilakukan untuk mengetahui apakah variable prediktor berpengaruh terhadap variabel respon secara individu atau tidak. Hipotesis yang digunakan:
H0 :  (tidak ada pengaruh X terhadap Y)
H1 :  ; j= 1, 2, ... p (ada pengaruh X terhadap Y)
Statistik Uji Wald
 
Ho ditolak jika  atau
3.      Uji Kesesuaian Model (Goodness of Fit)
Digunakan untuk mengetahui keefektifan model dalam menjelaskan variabel respon. Hipotesisnya:
H0 : Model sesuai (tidak ada perbedaan antara hasil observasi dan ekspektasi)
H1 : Model tidak sesuai (ada perbedaan antara hasil observasi dan ekspektasi)
Statistik Uji
Disini kita menggunakan uji Hosmer-Lemeshow uji ini didasarkan pada tabel 2xg dengan g adalah banyaknya grup, statistic ini akan berdistribusi dengan derajat bebas g-2.
 
nk= banyaknya faktor pada grup ke k
                      
Ho ditolak jika  atau



BAB II
LANGKAH KERJA
1.      Buka aplikasi minitabnya

2.      Masukkan data yang akan diuji
3.      Ujilah independensi antara variabel respon dan prediktor satu persatu hingga semuanya teruji dengan cara dari menu stat à tables à cross tabulation and Chi-square maka akan muncul
4.      Pada categorical variable: for row isikan variabel respon
Lalu for column isikan variabel prediktornya satu persatu secara bergantian klik ok maka akan muncul output
5.      Setelah semuanya diuji maka selanjutnya langsung masuk uji regresi logistik dengan mengklik menu stat à regression à binary logistic regression maka akan muncul
6.      Pada response isikan variabel y nya. Pada odel masukkan variabel x nya. Klik ok maka akan muncul output.
7.      Lakukan uji parsial pada output tersebut jika ada variabel x yang tidak signifikan keluarkan variabel tersebut lalu uji menggunakan minitab lagi ulangi dari langkah 5.



BAB IV
KESIMPULAN
Berdasarkan praktikum tersebut dapat disimpulkan bahwa variabel yang mempengaruhi partisipasi wanita dalam pemilihan metode kontrasepsi adalah jumlah anak dan tingkat kesejahteraan saja. Variabel lain seperti pendidikan dan umur tidak mempengaruhi partisipasi wanita dalam pemilihan metode kontrasepsi.
Dengan bentuk model  dan logit , model tersebut telah sesuai yang artinya hasil observasi dan ekspektasi yang diharapkan tidak ada perbedaannya.

Seorang wanita yang memilih metode kontasepsi suntik akan mempunyai peluang terbesar ketika wanita tersebut mempunyai jumlah anak kurang dari atau sama dengan 2 dan dengan tingkat kesejahteraan 2 kebawah.

untuk datanya dapat diunduh DISINI
laporan versi ms word DISINI