| NIM | H1B011024 |
|---|
| Namamhs | DIAN KARTIKA SARI |
|---|
| Judul Artikel | MODEL REGRESI LINIER FUZZY POSIBILISTIK |
|---|
| Abstrak (Bhs. Indonesia) | Analisis regresi adalah metode untuk mengetahui hubungan antara dua variabel atau lebih, yaitu variabel respon dengan beberapa variabel prediktor. Ada beberapa masalah yang mungkin muncul dalam analisis regresi antara lain jumlah observasi tidak memadai, pelanggaran asumsi model, dan ketidakjelasan (vagueness) hubungan antara variabel input (variabel prediktor) dan variabel output (variabel respon). Untuk mengatasi permasalahan tersebut, pada penelitian ini dibahas kajian tentang regresi linier fuzzy posibilistik, yang diilustrasikan pada data prefabricated houses dan data inflasi di Kabupaten Banyumas tahun 2013. Regresi linier fuzzy posibilistik dibagi dua yaitu regresi interval dan regresi fuzzy. Pada regresi interval, koefisien regresi merupakan suatu interval, sedangkan pada regresi fuzzy, berupa bilangan fuzzy. Koefisien pada regresi interval dan regresi fuzzy diperoleh dengan menyelesaikan permasalahan program linier. Hasil analisis untuk data prefabricated houses menunjukkan faktor-faktor yang mempengaruhi harga rumah pada regresi interval, regresi fuzzy, dan regresi berganda adalah sama, sedangkan pada data inflasi di Kabupaten Banyumas tahun 2013 faktor-faktor yang mempengaruhi inflasi umum pada regresi interval, regresi fuzzy, dan regresi berganda berbeda. |
|---|
| Abtrak (Bhs. Inggris) | Regression analysis is a method to find a relationship between response variable and predictor variables. Problems can occur in regression analysis for example problem of small data set, difficulties in verifying assumption model, vagueness in the relationship between input variables (predictor variables) and output variable (response variable). To fix the problems, this research studied regression linear fuzzy posibilistic model and its application in prefabricated houses data and inflation data in Banyumas district 2013. There are two kinds of fuzzy linear posibilistic regression, interval regression and fuzzy regression. The coefficient in interval regression is an interval, while in fuzzy regression is a fuzzy number. The coefficient in interval regression and fuzzy regression is obtained by solving the linear programming problem. The result for prefabricated houses data show that factors affecting house price in interval regression, fuzzy regression, and multiple regression are the same. On the other hand, result on inflation in Banyumas district 2013show that factors affecting inflation in interval regression, fuzzy regression, and multiple regression are different. |
|---|
| Kata kunci | regresi berganda, regresi interval, regresi fuzzy |
|---|
| Pembimbing 1 | Dr. Nunung Nurhayati, M.Si. |
|---|
| Pembimbing 2 | Dra. Mutia Nur Estri, M.Kom. |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2015 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2015-11-18 11:58:04.95195 |
|---|