SKRIPSI
oleh:
FARIDA KARUNIAWATI
NIM. 06510028
JURUSAN MATEMATIKA
FAKULTAS SAIN DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
MALANG
2011
ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT
SKRIPSI
Diajukan Kepada:
Fakultas Sains dan Teknologi
Universitas Islam Negeri (UIN) Maulana Malik Ibrahim Malang
Untuk Memenuhi Salah Satu Persyaratan Dalam
Memperoleh Gelar Sarjana Sains (S.Si)
oleh:
FARIDA KARUNIAWATI
NIM: 06510028
JURUSAN MATEMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM
MALANG
201
ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT
SKRIPSI
Oleh :
FARIDA KARUNIAWATI
NIM.06510028
Pembimbing I Pembimbing II
Mengetahui,
Ketua Jurusan Matematika
Abdussakir, M.Pd
NIP. 1975006 200312 1 001
ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT
SKRIPSI
Oleh:
FARIDA KARUNIAWATI
NIM. 06510028
Abdussakir, M. Pd
NIP. 1975006 200312 1 001
”....... Allah akan meninggikan orang-orang
yang beriman di antaramu dan orang-orang yang
diberi ilmu pengetahuan beberapa derajat.....”
(Al-Mujadilah : 11)
! " #
$ % &
' $
( )
* & +,
'
PERNYATAAN KEASLIAN TULISAN
NIM : 06510028
Jurusan : Matematika
menyatakan dengan sebenarnya bahwa skripsi yang saya tulis ini benar-benar
merupakan hasil karya saya sendiri, bukan merupakan pengambil alihan data,
tulisan atau pikiran orang lain yang saya akui sebagai hasil tulisan atau pikiran
saya sendiri, kecuali dengan mencantumkan sumber cuplikan pada daftar pustaka.
Apabila dikemudian hari terbukti atau dapat dibuktikan skripsi ini hasil
Farida Karuniawati
NIM. 06510028
KATA PENGANTAR
Assalamu’alaikum Wr.Wb.
Puji syukur kepada Allah SWT, berkat rahmat dan izin-Nya penulis dapat
dan pikiran, namun penulis menyadari bahwa tanpa partisipasi dari banyak pihak
skripsi ini tidak dapat terselesaikan. Dengan iringan do’a dan kerendahan hati
2. Prof. Drs. Sutiman B. Sumitro, SU, D.Sc, selaku Dekan Fakultas Sains dan
4. Abdul Aziz, M.Si selaku dosen pembimbing yang dengan sabar telah
6. Sri Harini, M.Si selaku wali dosen yang telah memberikan motivasi dan
7. Bapak dan Ibu dosen, Jurusan Matematika dan staf fakultas yang selalu
8. Kedua orang tua penulis Bapak Kasim dan Ibu Suharti yang tidak pernah
sekeluarga, Fatmawati, S.H sekeluarga, Sri Rahayu sekeluarga, dan Siti Nur
Janah sekeluarga, terima kasih atas dukungan, dan semangat dalam setiap
10. Teman-teman di Panti Asuhan Anak Yatim Sunan Ampel, Mbak Arina, Adik
Irma, Adek Fitri, Nisa’, Aodi, Hilmy, terima kasih atas do’anya dan semua
selama di Malang.
teman PKLI, Anjani, Enbie, Irma, Evi, Fita, Ulfa, Binti, Wiwik, Dewi, Fitri,
Imam, dan semuanya. Terima kasih atas semua pengalaman dan motivasinya
12. Semua teman-teman IKAMARO UIN Maulana Malik Ibrahim Malang, terima
bantuan moril dan sprituil, penulis ucapkan terima kasih sehingga dapat
menyelesaikan skripsi.
ini dapat memberikan manfaat bagi semua pihak dan dapat menjadi literatur
Wassalamu’alaikum Wr.Wb
Penulis
DAFTAR ISI
BAB I: PENDAHULUAN
1.1 Latar Belakang .................................................................................. 1
1.2 Rumusan Masalah .............................................................................. 4
1.3 Batasan Masalah ................................................................................ 4
1.4 Tujuan Penelitian ................................................................................ 5
1.5 Manfaat Penelitian ............................................................................. 5
1.6 Metode Penelitian .............................................................................. 6
1.7 Sistematika Penulisan ........................................................................ 8
Gambar 3.5 Grafik Probabilitas Curah Hujan untuk Tahun 2010-2012 ............ 45
DAFTAR TABEL
Lambang Matematika
~ : Berdistribusi
∞ : Tak berhingga
Abjad Yunani
α : Alpha
β : Bheta
∂ : Dho
ε : Epsilon
Lambang Khusus
∅ : Himpunan kosong
Yˆ : Estimasi dari Y
T : Transpose
PENDAHULUAN
Islam tidak melarang untuk bersikap hati-hati atas apa yang telah
dikerjakan hari ini untuk masa depan. Sehingga dengan demikian manusia
bisa memprediksi apa yang akan terjadi di masa yang akan datang dengan
salah satu usaha manusia selain berdoa, karena segala sesuatunya hanya
mengetahuinya kecuali Allah dan manusia hanya dapat berusaha dan berdoa.
akhiratnya. Jika manusia banyak berbuat baik maka tentu akan didapatkan
balasan yang baik pula dan begitu pula sebaliknya. Misalnya, jika manusia
berhati-hati dalam mengelola keuangannya hari ini maka manusia tidak akan
maka manusia bisa dengan mudah memprediksi apa yang akan terjadi
sekarang dan dengan menggunakan ilmu yang manusia miliki, maka dengan
mudah manusia dapat memprediksi apa yang akan terjadi masa yang akan
datang. Salah satu ilmu yang digunakan untuk memprediksi masa yang akan
tentang apa yang terjadi, melainkan berusaha mencari pendekatan apa yang
akan terjadi dimasa yang akan datang. Jadi, regresi mengemukakan tentang
metode yang sangat banyak. Dalam penelitian tidak hanya menjumpai data
yang bersifat kuantitatif saja, namun ada kalanya data yang diperoleh adalah
digunakan dalam variabel terikat, maka metode OLS tidak dapat digunakan
dengan data kualitatif salah satunya adalah dengan model Logit. Pada
penggunaannya model Logit dan model Probit memberikan hasil yang sama,
namun dalam praktiknya banyak peneliti lebih memilih model Logit dengan
Karena metode OLS tidak lagi bisa digunakan, maka pada penelitian
Metode Maximum Likelihood adalah salah satu estimasi titik yang cukup
permasalahannya yaitu:
Agar tidak terjadi kerancuan terhadap maksud dan isi dari penelitian
pengganggu.
ini adalah:
Logit,
1. Bagi Penulis
berkaitan.
2. Bagi Pembaca
3. Bagi Instansi
pengembangan penelitian.
regresi.
model Logit:
Logit.
berikut:
hujan, yaitu:
1. statistik deskriptif data (melihat tebaran data) dengan histogram
BAB II. KAJIAN PUSTAKA. Berisi hal-hal yang mendasar dalam teori
likelihood, regresi logistik dan uji hipotesis (uji Wald dan uji
BAB IV. PENUTUP. Berisi kesimpulan akhir penelitian dan saran untuk
KAJIAN PUSTAKA
yang disebut variabel tidak bebas (dependent variabel), pada satu atau lebih
memperkirakan dan atau meramalkan nilai rata-rata dari variabel tidak bebas
35-36).
Variabel X bisa lebih dari satu (multi variable). Baik X maupun Y bisa
terhadap data kualitatif. Data kualitatif adalah data yang tidak bersifat
numerik, tetapi agar dapat diolah dan dihitung, harus diubah dulu ke dalam
dinyatakan 0.
Y = β 0 + β1 X + ε . (2.1)
Model Persamaan (2.1) terlihat seperti regresi linear pada umumnya, tapi
sering dijumpai suatu kejadian kadang terjadi atau tidak terjadi. Terjadinya
berikut:
2. P ( O ) = 0
3. P ( S ) = 1
probabilitas A adalah:
n ( A)
P ( A) = (2.2)
n
dimana:
P ( AB)
P ( B A) = ; P ( A ) > 0. (2.3)
P( B)
P ( AB ) = P ( A) P ( B ) (2.4)
Bukti :
n ( AB )
P( AB) =
n
n ( A ) .n ( B )
=
n
n ( A) n ( B )
= .
n n
= P( A) P( B)
n ( A) n ( B )
P( A) P( B) = .
n n
n ( A ) .n ( B )
=
n
n ( AB )
=
n
= P( AB )
P ( A ) > 0 , maka P ( B A) = P( B ) .
Bukti :
(Persamsaan (2.3))
P ( AB )
P( B | A) = . Maka,
P ( A)
P( AB)
P( B A) =
P( A)
P( A) P( B)
=
P( A)
= P( B).
91).
berikut:
n n
1 1
εt = (Yt − β 0 − β1 X t ) (2.5)
n t =1 n t =1
maka diperoleh:
n
1 ^
Yt − β 0 = 0. (2.6)
n t =1
ditulis:
n
1 ^
Yt − β 0 = 0
n t =1
n
(2.7)
^ 1
β0 = Yt
n t =1
^
dimana β 0 adalah estimasi dari β 0 . Estimasi ini hanya rata-rata dari
112).
dapat dihitung:
n
f ( y1 , , yn | β ) = ∏ f ( yi | β ) = L( β | y ). (2.8)
i =1
n
L ( β | y ) = ln l ( β | y ) = ln f ( yi | β ). (2.9)
i =1
∂l ( x1 , x2 ,..., xn )
( β1 , β 2 ,..., β n ) → (2.10)
∂β i
untuk i = 1, 2,..., n.
Dalam banyak kasus, penggunaan deferensiasi akan lebih
untuk i = 1, 2, …, n dan j = 0, 1, 2, …, k
(2.12) disebut juga Linear Probability Model (LPM). Nilai y yang diharapkan
E ( yi X i ) = 1.P ( yi = 1 X i ) + 0.P ( yi = 0 X i )
= P ( yi = 1 X i ) + 0
(2.13)
= P ( yi = 1 X i )
= pi .
sebagai berikut:
1
pi = E ( yi = 1 X i ) = −X β
. (2.14)
1 + e ji j
1
pi =
1 + e − zi
1
=
1
1 + zi
e
1
= zi
e 1
+
e zi e zi (2.15)
1
= zi
e +1
e zi
e zi
= zi
e +1
e zi
= .
1 + e zi
H1 : β j ≠ 0
2
βˆ j
Wj = ; j = 0,1,2,….p.
SE ( βˆ j )
1 n 2 2k
ln AIC = ln ei + .
n i =1 n
banyaknya observasi.
RSS k n
SC = n
n
logaritmanya,
1 n 2 k
log SC = log ei + log n (2.16)
n i =1 n
Semakin kecil nilai AIC dan SC, semakin baik pula model tersebut
Curah hujan adalah jumlah air hujan yang turun pada suatu
curah hujan disebut Rain Gauge. Curah hujan diukur dalam harian,
dalam skala Celcius (C), Reamur (R), dan Fahrenheit (F). Udara
lautan.
terkandung dalam massa udara pada saat dan tempat tertentu. Alat
yaitu:
2. Kelembaban spesifik ialah berat uap air tiap kesatuan berat udara.
3. Tekanan uap ialah besarnya tekanan yang diberikan oleh uap air
sebagai bagian dari udara. Seperti tekanan udara, tekanan uap air
air maksimum yang dapt dikandung oleh udara pada suhu dan
Variable
kuantitatif saja, namun ada kalanya data yang diperoleh adalah data kualitatif
keluarga yang memiliki rumah dan angka 0 untuk keluarga yang tidak
memiliki rumah.
" !
* () ' & % #$
$ / # ./ ! #" "- , ! +
berakal (ulul albab) yaitu orang-orang yang selalu mengingat Allah dalam
langit dan bumi. Secara terminologis, ulul albab adalah orang-orang yang
2008: 98).
Karena variabel Y-nya berupa data kategorik maka dapat disimbolkan dengan
angka 1 untuk orang yang termasuk ulul albab dan angka 0 untuk orang yang
analisis regresi dummy variable yang telah diterangkan dalam Al-Qur’ an.
Dalam hadits juga diterangkan contoh lain dari analisis regresi dummy
231. "/
0 &' - . ( &' *+,#() &'#$% !"
Artinya: Abu Hurairah r.a. mengatakan bahwa Nabi saw bersabda, 'Tanda-
tanda orang munafik itu ada tiga, yaitu apabila berbicara dia
berdusta, apabila berjanji dia ingkar, dan apabila dipercaya dia
berkhianat."
1 " (
!9:, ;6 8. !9:, 6 8 . 7!61, ! , 645
( &' *+,#() &' 1. "/
0 &' ; ( > ) <= 6 8.
23 @! . &' 5(?
Artinya: Abdullah bin Amr mengatakan bahwa Nabi saw bersabda, "Empat
(sikap 4/69) yang barangsiapa terdapat pada dirinya keempat sikap
itu, maka dia adalah seorang munafik yang tulen. Barangsiapa yang
pada dirinya terdapat salah satu dari sifat-sifat itu, maka pada
dirinya terdapat salah satu sikap munafik itu, sehingga dia
meninggalkannya. Yaitu, apabila dipercaya dia berkhianat (dan
dalam satu riwayat: apabila berjanji dia ingkar), apabila berbicara
dia berdusta, apabila berjanji dia menipu, dan apabila bertengkar
dia curang."
apabila terdapat pada diri seseorang maka orang tersebut disebut rang
munafik sejati. Ciri-ciri tersebut yaitu bila dipercaya dia berkhianat, bila
berbicara dia berdusta, bila berjanji dia menipu, dan bila bertengkar dia
yang menentukan apakah seseorang itu tergolong orang munafik sejati atau
tidak (variabel Y). Jika orang tersebut tergolong munafik sejati maka
disimbolkan dengan angka 1 dan angka 0 jika tidak termasuk munafik sejati.
BAB III
PEMBAHASAN
untuk i = 1, 2, … , n dan j = 0, 1, 2, … , k
T
1 β0
x1 β1
yi = + εi
xk i
βk
Karena y merupakan bilangan biner (berisi 0 dan 1), Persamaan (3.1) disebut
E ( yi X i ) = 1.P ( yi = 1 X i ) + 0.P ( yi = 0 X i )
= P ( yi = 1 X i ) + 0
(3.3)
= P ( yi = 1 X i )
= pi .
Diasumsikan E (ε i ) = 0 , untuk mendapatkan estimator tak bias,
E ( yi X i ) = E (xiT + ε i X i )
= E (xiT X i ) + E (ε i X i )
(3.4)
= xi T + 0
= xi T .
probabilitas pi harus berada antara angka 0 dan 1 dan yi harus bernilai 0 atau
0 ≤ E ( yi X i ) ≤ 1. (3.5)
sebagai berikut:
1
pi = E ( yi = 1 X i ) = T . (3.6)
1 + e − xi
e zi lim e zi
zi →−∞
lim =
zi →−∞ 1 + e zi lim 1 + lim e zi
zi →−∞ zi →−∞
sehingga diperoleh nilai limitnya mendekati nol. Dengan cara yang sama
e zi Dz e zi
lim = lim
zi →∞ 1 + e zi
(
zi →∞ D 1 + e zi
z )
e zi
= lim (3.9)
zi →∞ e zi
= lim 1.
zi →∞
e zi
Bila probabilitas bahwa yi = 1 adalah pi = maka probabilitas
e zi + 1
bahwa yi = 0 adalah
e zi
1 − pi = 1 −
1 + eZ
1 + e zi e zi
= −
1 + e zi 1 + e zi (3.10)
1 + e zi − e zi
=
1 + e zi
1
= .
1 + e zi
adalah
e zi
pi
= 1+ e
zi
1 − pi 1
1 + e zi
e zi 1 + e zi
= × (3.11)
1+ e zi
1
=e .
zi
suatu peristiwa. Makin besar odds ini, makin besar kecenderungan terjadinya
pi
Li = ln
1 − pi
( )
= ln e zi (3.12)
= zi .
Artinya , log rasio peluang, tidak hanya linear dalam tapi juga
P ( yi | X ) = P ( yi = 1| X ) i P ( yi = 0 | X )
y 1− yi
= pi yi (1 − pi )
1− yi
yi 1− yi
e zi e zi
= 1−
1 + e zi 1 + e zi
yi 1− yi
e zi 1
=
1 + e zi 1 + e zi
e zi yi 1
=
(1 + e ) (1 + e )
zi 1− yi
zi yi
e zi yi 1
=
(1 + e ) (1 + e ) (1 + e )
zi yi zi 1 zi − yi
(1 + e )
zi yi
e zi yi
=
(1 + e ) 1 + e zi
zi yi
(3.13)
e zi yi
=
1 + e zi
Sehingga fungsi probabilitas bersyarat gabungan untuk Y yaitu
sebagai berikut:
P (Y | X ) = P ( y1 , y2 ,..., yn | X )
= P ( y1 | X ) P ( y2 | X ) ...P ( yn | X )
n
= ∏ P ( yi | X )
i =1
n
= ∏ pi yi (1 − pi )
1− yi
i =1
n
1 − pi
= ∏ pi yi
(1 − pi )
yi
i =1
n
pi yi
=∏ (1 − pi )
(1 − pi )
yi
i =1
yi
n
pi
=∏ (1 − pi )
i =1 1 − pi
y1 y2 yn
p1 p2 pn
= ..... (1 − pi )
1 − p1 1 − p2 1 − pn
n
yi
pi
(1 − pi )
i=1 n
=
1 − pi
n
yi
pi
(1 − pi )
i=1 n
=
1 − pi
n n
1
( )
yi
= e zi
i=1
1 + e zi
n
zi yi
1
=e i =1
(1 + e ) zi n
n
zi yi (3.14)
e i =1
=
(1 + e ) zi n
= ln
(1 + e ) zi n
(( )
zi yi
)
n
= ln e i=1
− ln 1 + e zi (3.15)
n
= zi yi − n ln 1 + e zi ( )
i =1
( )
n
T
= xi T yi − n ln 1 + exi
i =1
dL (Y ) d
( )
n
T
= xiT yi − n ln 1 + exi
dβ dβ i =1
T ˆ
n
nX i e xi
0 = xi T yi − T ˆ
i =1 1 + e xi (3.16)
T ˆ
nX i e xi n
T ˆ
= Xi yi
1 + e xi i =1
T ˆ
e xi 1 n
T ˆ
= yi
1 + e xi n i =1
ln e xi ( ) = ln T ˆ y
1− y
y
xi T ˆ= ln
1− y
y
xi xi T ˆ= xi ln
1− y (3.17)
y
(x x ) xi xi T ˆ= ( xi xiT ) xi ln
T −1 −1
i i
1− y
ˆ= ( x x T )−1 x ln y
i i i
1− y
dimana
1
βˆ0
1 n
x1i
y= yi , x i = , dan ˆ=
n i =1
βˆk
xki
3.3 Aplikasi Data
Data yang dipakai adalah data bulanan pada tahun 2007 sampai 2009
disimbolkan dengan angka 1 untuk bulan yang sering terjadi hujan, dengan
kriteria curah hujan lebih dari 150 milimeter dan disimbolkan dengan angka 0
untuk bulan yang jarang terjadi hujan, dengan kriteria curah hujan kurang dari
150 milimeter.
Curah
No Bulan dan Tahun Temperatur Kelembaban
Hujan
1 Januari 0 20.4 48
2 Februari 1 20.9 52
3 Maret 1 21.2 42
4 April 1 20.8 53
5 Mei 0 20.1 43
6 Juni 0 19.7 60
2007
7 Juli 0 18.8 48
8 Agustus 0 17.8 44
9 September 0 17.7 27
10 Oktober 0 19.7 40
11 November 1 20.3 47
12 Desember 1 20.6 55
13 Januari 1 20.4 55
14 Februari 1 21.1 58
15 Maret 1 20.2 61
26 April 0 20.1 53
17 Mei 0 19.7 41
18 Juni 0 18.4 43
2008
19 Juli 0 17.2 40
20 Agustus 0 18.1 39
21 September 0 18.1 28
22 Oktober 0 21 33
23 November 1 21.1 59
24 Desember 1 20.7 56
25 Januari 1 20.8 54
26 Februari 1 21.1 56
27 Maret 0 20.2 46
28 April 0 20.8 46
29 Mei 0 19.7 41
30 Juni 0 18.9 41
2009
31 Juli 0 17.8 41
32 Agustus 0 17.6 38
33 September 0 19.4 33
34 Oktober 0 20.1 29
35 November 1 20.7 35
36 Desember 1 20.6 37
3.3.1 Uji Normalitas Data
6
Series: X1
Sample 2007:01 2009:12
5
Observations 36
4 Mean 19.77222
Median 20.15000
Maximum 21.20000
3
Minimum 17.20000
Std. Dev. 1.205609
2 Skewness -0.743621
Kurtosis 2.212362
1
Jarque-Bera 4.248397
Probability 0.119529
0
17 18 19 20 21
8
Series: X2
Sample 2007:01 2009:12
Observations 36
6
Mean 45.05556
Median 43.50000
Maximum 61.00000
4
Minimum 27.00000
Std. Dev. 9.423207
Skewness -0.076255
2 Kurtosis 2.109063
Jarque-Bera 1.225542
Probability 0.541847
0
25 30 35 40 45 50 55 60
Hipotesis :
H 0 = berdistribusi normal
1.225542. Yang artinya jika nilai Jarque-Bera lebih kecil dari 2 maka
data berdistribusi normal. Maka jika dilihat dari nilai Jarque-Bera dan
sebagai berikut:
5
Series: A5
Sample 2007:01 2009:12
4 Observations 36
Mean -0.001602
3 Median -0.017355
Maximum 2.114380
Minimum -2.114380
2 Std. Dev. 0.970500
Skewness -0.018544
Kurtosis 2.569462
1
Jarque-Bera 0.280108
Probability 0.869311
0
-2 -1 0 1 2
normal. Jadi dilihat dari nilai Jarque-Bera dan nilai probability maka
Yi = β 0 + β1 X 1i + β 2 X 2i (3.18)
dimana :
X 1i = temperatur minimum ( )
β 0 β1β 2 = parameter
DYi = β 0 + β1 X 1i + β 2 X 2i (3.19)
sebagai berikut:
Dependent Variable: Y
Method: ML - Binary Logit
Date: 01/12/11 Time: 10:53
Sample: 2007:01 2009:12
Included observations: 36
Convergence achieved after 6 iterations
Covariance matrix computed using second derivatives
Variable Coefficient Std. Error z-Statistic Prob.
C -7.569908 3.596352 -2.104885 0.0353
X1 3.397390 1.352078 2.512717 0.0120
X2 0.135905 0.070612 1.924661 0.0543
Mean dependent var 0.388889 S.D. dependent var 0.494413
S.E. of regression 0.318759 Akaike info criterion 0.708930
Sum squared resid 3.353040 Schwarz criterion 0.840890
Log likelihood -9.760743 Hannan-Quinn criter. 0.754988
Restr. log likelihood -24.05695 Avg. log likelihood -0.271132
LR statistic (2 df) 28.59240 McFadden R-squared 0.594265
Probability(LR stat) 6.18E-07
Obs with Dep=0 22 Total obs 36
Obs with Dep=1 14
Gambar 3.3. Hasil Analisis Logit
Interpretasi Output:
^
Dari hasil di atas dapat dilihat bahwa nilai β0 adalah -
^ ^
7.569908, β1 adalah 3.397390 dan β 2 adalah 0.135905. Sehingga
pi
Karena = e Z maka
1 − pi
pi
= eZ
1 − pi
= e -0.0944513742
= 0.909871977.
Sehingga diperoleh
eZ
pi =
eZ + 1
0.909871977
=
0.909871977 + 1
0.909871977
=
1.909871977
= 0.4764046952.
yaitu tahun 2010 sampai 2012. Estimasi hujan untuk tahun 2010
bulan kering atau intensitas turunnya hujan sedikit dimulai pada bulan
Mei sampai dengan bulan November. Hal ini menunjukkan pada tahun
dimulai pada bulan April sampai dengan bulan September. Pada tahun
2012, bulan yang termasuk musim kemarau terjadi pada bulan Mei
berikut :
βˆ0
Wj =
( )
SE βˆ0
2
−7.569908
=
3.596352
= -2.10488517252
= 4.4305415895.
signifikansi α .
Untuk parameter β1
βˆ
Wj = 1
( )
SE βˆ1
2
3.397390
=
1.352078
= 2.5127174616 2
= 6.3137490417.
Pada parameter β1 nilai W j > χα2 ,1 , yaitu 6.3137490417 > 3.841 ;
Untuk β 2
βˆ
Wj = 2
( )
SE βˆ2
2
0.135905
=
0.070612
= 1.92467286012
= 3.7043656185.
Untuk uji model dilihat nilai dari AIC dan SC, semakin kecil
AIC dan SC maka model akan semakin bagus. Pada hasil analisis
Logit ternyata cukup besar, hampir mendekati satu. Akan tetapi bisa
jadi nilai AIC dan SC ini cukup kecil jika dibandingkan dengan model
lain. Jika memang demikian, maka model Logit cukup bagus untuk
Peramalan Hujan
sederhana dan universal dan (b) mempunyai makna yang luas. Sama halnya
kita mau berfikir. Salah satu contohnya adalah Surat Ali Imron ayat 190-191
sebagai berikut:
" !
() ' & % #$
"- , ! + *
# $ / # ./ ! #"
kali di dalam tempat dan topik yang berbeda, diantaranya dalam Surat Al
Baqarah ayat 197, Al Imran ayat 190, Surat Al Ra’ ad ayat 19-22, Surat al
Zumar ayat 18, dan Surat al Thalaq ayat 10. Berdasarkan ayat-ayat
ayat 3;
sholeh, yang dalam Al-Qur’ an disebut Ulul Albab. Ulul Albab tidak hanya
sesuatu yang mungkin terjadi dimasa yang akan datang. Ilmuwan bisa
memprediksi sesuatu yang akan terjadi dimasa yang akan datang dengan
ini bisa memberikan sumbangsih yang cukup berarti untuk manusia, salah
8 94 . %1 # 8 <# -: % 8 + 8 :,0; 9 % 8 #. /6
vertikal, mereka mulai lepas dari awan dan jatuh ke bawah sebagai
udara di sekitar. Dengan semakin meningkatnya suhu udara maka akan terjadi
penguapan air di permukaan bumi. Uap air ini kemudian terbawa ke atas oleh
angin dan berkumpul menjadi satu di udara. Jumlah uap air maksimum yang
dapat ditampung oleh udara pada suatu waktu (kapasitas udara) tergantung
kepada suhu udara pada waktu tersebut. Makin tinggi suhu udara, kapasitas
Apabila kapasitas udara telah tercapai maka dikatakan udara itu telah
jenuh. Faktor utama yang menyebabakan udara tidak jenuh dapat menjadi
suhunya. Sedangkan penurunan suhu udara dapat terjadi karena adanya angin
udara mengalami pendinginan sampai suhu dibawah titik embun, maka uap
air yang ada di udara lebih banyak daripada kapasitasnya. Kelebihan uap air
itu harus diubah menjadi titik-titik air es. Perubahan uap air menjadi titik-titik
disebut sublimasi. Yang dimaksud dengan presipitasi atau curah hujan adalah
jumlah air hujan yang turun pada suatu daerah dalam waktu tertentu dan
PENUTUP
4.1 Kesimpulan
ˆ= ( x x T )−1 x ln y
i i i
1− y
dimana
1
βˆ0
1 n
x1i
y= yi , x i = , dan ˆ=
n i =1
βˆk
xki
pada tahun 2010-2012 adalah : pada tahun 2010, 2011 , 2012 musim hujan
terjadi hanya pada kitaran bulan Desember sampai dengan bulan April
saja. Bahkan pada tahun 2012 intensitas hujan lebih sedikit dibandingkan
tahun-tahun sebelumnya.
4.2 Saran
hujan. Penulis menyarankan agar dilakukan penelitian lebih lanjut pada kasus
Lampiran 1:
Tabel 1: Data Klimatologi Tahun 2007-2009, Kecamatan Karangploso
No. Bulan dan Tahun Curah Hujan Temperatur Kelembaban
Minimum ( ) Minimum (%)
1 Januari 129 20.4 48
2 Februari 182 20.9 52
3 Maret 173 21.2 42
4 April 235 20.8 53
5 Mei 2 6 20.1 43
6 Juni 0 15 19.7 60
7 Juli 0 7 18.8 48
8 Agustus 7 1 17.8 44
9 September 10 17.7 27
10 Oktober 61 19.7 40
11 November 272 20.3 47
12 Desember 423 20.6 55
13 Januari 206 20.4 55
14 Februari 315 21.1 58
15 Maret 460 20.2 61
16 April 66 20.1 53
17 Mei 61 19.7 41
2
18 Juni 0 2 18.4 43
19 Juli 0 0 17.2 40
20 Agustus 8 47 18.1 39
21 September 8 18.1 28
22 Oktober 92 21 33
23 November 174 21.1 59
24 Desember 241 20.7 56
25 Januari 258 20.8 54
26 Februari 435 21.1 56
27 Maret 81 20.2 46
28 April 67 20.8 46
29 Mei 2 62 19.7 41
30 Juni 0 70 18.9 41
31 Juli 0 39 17.8 41
32 Agustus 9 0 17.6 38
33 September 4 19.4 33
34 Oktober 35 20.1 29
35 November 200 20.7 35
36 Desember 224 20.6 37
Lampiran 2:
menutup.
Lampiran 3:
Open data >> View >> Descriptive Statistics >> Histogram and Stats
Lampiran 4:
Mengetahui,
Ketua Jurusan Matematika
Abdussakir M.Pd
NIP. 1975006 200312 1 001
DAFTAR RIWAYAT HIDUP
PENDIDIKAN FORMAL:
1. SD Negeri Kadipaten IV Bojonegoro, Tamat Tahun 2000.
2. SMP Negeri 2 Bojonegoro, Tamat Tahun 2003.
3. SMA Negeri 1 Bojonegoro, Tamat Tahun 2006.
4. S1 Fakultas Sains dan Teknologi (Jurusan Matematika), Universitas Islam
Negeri Maulana Malik Ibrahim Malang.
PENGALAMAN ORGANISASI
Farida Karuniawati
NIM.06510028