Kismiantini Kismiantini
Jurusan Pendidikan Matematika, FMIPA Universitas Negeri Yogyakarta

Published : 4 Documents
Articles

Found 4 Documents
Search

ANALISIS PEUBAH RESPON BINER Kismiantini, Kismiantini
PYTHAGORAS: Jurnal Pendidikan Matematika Vol 3, No 1: Juni 2007
Publisher : Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, UNY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (375.741 KB)

Abstract

Pada regresi linier klasik, peubah respon diasumsikan merupakan peubah yang bersifat kontinu. Bila peubah respon tidak lagi kontinu melainkan berupa kategori (biner, cacahan) maka model regresi linier klasik tidak dapat digunakan. Permasalahan tersebut dapat diatasi dengan model linier terampat. Model linier terampat yang digunakan dalam menganalisis peubah berskala biner adalah model logit, model probit dan model complementary log-log. Pada tulisan ini akan dikaji penggunaan ketiga model tersebut dalam menganalisis peubah respon biner. Bila nilai galat baku Pearson semakin kecil maka semakin baik pula model yang digunakan.Kata kunci :  peubah respon biner, model logit, model probit, model complementary log-   log
Pendugaan Amatan Yang Hilang Pada Rancangan Acak Kelompok (RAK) Kismiantini, Kismiantini
JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI Vol 4
Publisher : JURNAL MATEMATIKA STATISTIKA DAN KOMPUTASI

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengumpulan data dengan metode percobaan seringkali ditemui adanya data hilang.Hal ini disebabkan diantaranya oleh kecerobohan peneliti atau kerusakan unitpercobaan yang tidak dapat dihindari. Masalah data hilang pada rancangan acaklengkap dengan ulangan sama dapat diatasi dengan ulangan tidak sama. Namundata hilang pada rancangan acak kelompok tidak dapat diatasi dengan cara tersebut,karena ulangan pada rancangan ini berperan sebagai kelompok. Salah satu metodeuntuk menduga data hilang pada rancangan acak kelompok adalah dengan metodeLeast Mean Square (LMS). Masalah data hilang pada rancangan acak kelompokakan berakibat pada hasil analisis ragamnya, yaitu derajat bebas galat akanberkurang sebanyak total data hilang, dan besarnya jumlah kuadrat galat akansemakin kecil seiring dengan semakin banyaknya data hilang.
Pendugaan Amatan Yang Hilang Pada Rancangan Acak Kelompok (RAK) Kismiantini, Kismiantini
Jurnal Matematika Statistika dan Komputasi Vol 12, No 2: January 2016
Publisher : Department of Mathematics, Hasanuddin University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30597/jmsk.v12i2.3472

Abstract

Pengumpulan data dengan metode percobaan seringkali ditemui adanya data hilang. Hal ini disebabkan diantaranya oleh kecerobohan peneliti atau kerusakan unit percobaan yang tidak dapat dihindari. Masalah data hilang pada rancangan acak lengkap dengan ulangan sama dapat diatasi dengan ulangan tidak sama. Namun data hilang pada rancangan acak kelompok tidak dapat diatasi dengan cara tersebut, karena ulangan pada rancangan ini berperan sebagai kelompok. Salah satu metode untuk menduga data hilang pada rancangan acak kelompok adalah dengan metode Least Mean Square (LMS). Masalah data hilang pada rancangan acak kelompok akan berakibat pada hasil analisis ragamnya, yaitu derajat bebas galat akan berkurang sebanyak total data hilang, dan besarnya jumlah kuadrat galat akan semakin kecil seiring dengan semakin banyaknya data hilang. 
Analisis Data Multivariat Dengan Program R Wustqa, Dhoriva Urwatul; Listyani, Endang; Subekti, Retno; Kusumawati, Rosita; Susanti, Mathilda; Kismiantini, Kismiantini
Jurnal Pengabdian Masyarakat MIPA dan Pendidikan MIPA Vol 2, No 2 (2018): Vol 2, No 2 (2018)
Publisher : Yogyakarta State University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jpmmp.v2i2.21913

Abstract

Analisis multivariat adalah salah satu teknik dalam statistika yang digunakan untuk menganalisis secara simultan variabel lebih dari satu. Perhitungan dalam analisis data multivariat lebih kompleks dibandingkan dengan analisis univariat, sehingga penggunaan program statistika akan mempermudah dalam analisis.  Salah satu program statistika yang dapat diperoleh secara gratis (tanpa lisensi) adalah program R. Workshop program R untuk analisis data multivariat bagi para lulusan S1 Pendidikan Matematika/Matematika dan mahasiswa program pasca sarjana Pendidikan Matematika secara umum bertujuan untuk memberikan pengetahuan dan ketrampilan dasar penggunaan program R pada analisis data multivariat. Metode yang digunakan dalam pelatihan meliputi tutorial dan praktek secara langsung. Sebagian peserta belum pernah menggunakan program R, dan terlihat bahwa mereka antusias dalam mengikuti pelatihan. Berdasarkan pengamatan dan tanya jawab dengan peserta pelatihan, tampak bahwa peserta bersemangat mengikuti kegiatan pelatihan. Dengan pelatihan ini para peserta mendapat pengetahuan secara teoritis tentang analisis komponen utama, analisis faktor dan secara praktek meliputi ketrampilan tentang bagaimana menganalisis data multivariat dengan program R, dan menginterpretasikan hasil analisis dengan kedua metode tersebut. Kata kunci: analisis multivariat, program statistika R. Multivariate Data Analysis Using R Program Abstract           Multivariate analysis is a technique in statistics that is used to simultaneously analyze more than one variable. Dealing with multivariate data analysis calculations are more complex than the univariate analysis, so the use of statistical program will make it easier. One of the free statistical programs (free license) is R program. Workshop R program on the multivariate data analysis for people who had mathematics or mathematics education degree or graduate students in general aims to provide multivariate data analysis skills using statistics R program. The training methods were tutorial and practices in class. Some participants had never used the R program prior to the training, and they were enthusiastic during training. According to the observations and questions and answers session, the participants appeared to have passions on learning the usage of  the statistical R program on analyzing multivariate data. From the training, the participants gained theoretical knowledge about the principal component analysis, factors analysis, and practices about the skills on how to analyze mulivariate data, and interpret the results of the analysis with both methods using the  R program. Keywords: multivariat analysis, R statistical program