Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKRadon merupakan unsur radioaktif yang digunakan untuk identifikasi sesar aktif penyebab utama gempa bumi , monitoring kegunungapian, mendeteksi kandungan migas dan geothermal, interpretasi keluaran airtanah di laut submarine groundwater discharge , serta pemanfaatan lainnya.Untuk mendeteksi kandungan Radon di daerah yang tidak tersampel dapat menggunakan metode Ordinary Cokriging.Metode Ordinary Cokriging merupakan perluasan dari metode ordinary kriging yaitu dengan menggunakan peubah teregional utama dan peubah teregional tambahan.Metode ini menghasilkan taksiran yang bersifat BLUE Best Linear Unbiased Estimator . Nilai taksirannya dinyatakan sebagai kombinasi linier dari data sampel. Data yang digunakan dalam tugas akhir ini merupakan isotopy data dimana kedua data yang digunakan berada pada titik lokasi yang sama. Dengan bantuan software R diperoleh plot yang menunjukkan bahwa data yang diperoleh memenuhi asumsi stasioner orde dua yaitu data yang dimiliki tidak membentuk pola tertentu terhadap lokasi data, sehingga dapat dibentuk model auto dan cross variogram. Terdapat dua model yang dihasilkan dari data ini, yaitu model Spherical dan model Eksponensial. Dari kedua model tersebut dipilih model terbaik yang cocok dengan keadaan data yaitu dengan melihat variansi minimum yang diperoleh menggunakan metode validasi silang yaitu model Spherical adalah model terbaik, dengan nilai R ?_e =0.0311 dan S_ R_e ^2=1.00095. Berdasarkan model tersebut diperoleh estimasi kandungan Radon minimum sebesar 6.3471 Bq/m3 pada koordinat 712757, 9271286, 401 dengan variansi error sebesar 0.5180 dan estimasi kandungan maksimum sebesar 6130.3063 Bq/m3 pada koordinat 712969, 9271446, 382 dengan variansi error sebesar 0.6288.

---

ABSTRACTRadon is a radioactive element which used for identifying the earthquakes trigger, vulcanism monitoring, oil and geothermal contents detecting, interpreting ground water output in the sea submarine groundwater discharge , and many others. For detecting the content of Radon on unsampled area, the ordinary cokriging can be used. The ordinary cokriging is an extension of ordinary kriging with one covariable. This method is used to estimate the BLUE Best Linear Unbiased Estimator . The value of estimation of a point is a linear combination of observations around it. The data in this study is isotopy data. Open source software R was used to obtain the plots of the data. They showed that the assumptions of second order stationary are fulfilled. So, that auto and cross variogram models can be used. There are two models that can be applied on the data, spherical model and eksponensial model. By using the cross validation method, the spherical model is the best model to fit the data with the result R e 0.0311 and S R e 2 1.00095 . Based on this model we obtained a minimum estimates of Radon content is 6.3471Bq m3 at coordinates 712757,9271286,401 with the number of error variance is 0.5180 and maximum estimates of Radon content is 6130.3063 Bq m3 at coordinates 712969, 9271446, 382 with the number of error variance is 0.6288."

"Daerah Aliran Sungai DAS Citarum merupakan DAS terbesar di Jawa Barat dan merupakan DAS yang menjadi sumber air minum bagi kawasan urban Bandung, Cimahi, Cianjur, Purwakarta, Bekasi, Karawang dan DKI Jakarta. DAS Citarum bagian hulu berfungsi sebagai daerah konservasi, oleh karena itu indeks kekritisan air di daerah ini perlu diperhatikan agar kebutuhan masyarakat di sepanjang sungai Citarum dapat terpenuhi. Namun, nilai pengamatan seperti indeks kekritisan air dan faktor-faktor yang mempengaruhinya, memuat informasi spasial, oleh karena itu seringkali terdapat keterkaitan spasial antar pengamatannya nilai dari suatu pengamatan di suatu lokasi memiliki keterkaitan dengan nilai dari pengamatan di lokasi sekitarnya sehingga jika dimodelkan dengan model regresi linier maka asumsi keacakan residual seringkali tidak terpenuhi. Salah satu solusinya yaitu dengan memodelkannya menggunakan model regresi spasial. Model regresi spasial merupakan model regresi yang memperhatikan unsur spasial lokasi koordinat data. Tujuan dari studi ini yaitu untuk memodelkan indeks kekritisan air di DAS Citarum hulu menggunakan Spatial Durbin Model SDM dan Spatial Durbin Error Model SDEM . Pengujian autokorelasi residual menggunakan uji Moran's I memberikan hasil bahwa terdapat autokorelasi spasial pada residual model regresi linier, variabel terikat indeks kekritisan air, dan juga pada variabel-variabel penjelas persentase luas hutan, luas kebun, luas perkebunan, dan kepadatan penduduk. Uji likelihood ratio menunjukkan bahwa model SDM dan SDEM lebih baik dari model regresi linier berganda dalam memprediksi indeks kekritisan air di DAS Citarum hulu. Berdasarkan nilai AIC dan R squared pada model SDM dan SDEM diperoleh kesimpulan bahwa model SDM lebih baik dibandingkan dengan model SDEM.

---

Citarum Watershed is the largest watershed in West Java and serves as the water supply for urban communities in Bandung, Cimahi, Cianjur, Purwakarta, Bekasi, Karawang and Jakarta. Upper Citarum watershed serves as a conservation area, therefore, water criticality index in this area should be noted so that the needs of the communities along the Citarum river can be met. However, the observed values such as the index criticality of water and the factors influencing it, contain spatial information, where an observation at a locations correlates to the observations around it so that the assumption of randomness of the linear regression rsquo s residuals are often not fulfilled. One of the alternative solution is using spatial regression models. Spatial regression model is a regression model that takes into account the element of spatial location coordinate of the data .

The purpose of this study is to model the critical index of water in the upper Citarum watershed using Spatial Durbin Model SDM and Spatial Durbin Error Model SDEM . Residual autocorrelation testing using Moran 39 s I test showed there is significant spatial autocorrelation in the residual of linear regression model, the dependent variable water criticality index, and also the explanatory variables population density, the percentage of forest area, gardens, and plantations. Likelihood ratio test showed that the SDM and SDEM are better than multiple linear regression model in predicting the water criticality index in the upper Citarum watershed. Based on the value of AIC and R2 of the SDM and SDEM models, the SDM model is better than SDEM."

"ABSTRAKAnalisis korespondensi adalah analisis untuk melihat hubungan antara dua variabel nominal dalam bentuk grafik pada jarak multidimensi, analisis ini menghitung nilai-nilai pada baris dan kolom dan menghasilkan grafik berdasarkan nilai tersebut sehingga kategori-kategori yang agak serupa akan saling berdekatan jaraknya. Hotspot adalah suatu area yang memiliki kondisi yang berbeda, tidak biasa, menyimpang, daerah yang intensitasnya tinggi dibandingkan dengan daerah disekitarnya. Kota Depok sebagai kota penyangga ibukota yang perkembangannya semakin pesat, diharapkan mampu menyiapkan sumber daya manusia yang lebih baik. Untuk melihat kualitas sumber daya manusia dapat bergantung pada kualitas tingkat kesehatan suatu daerah tersebut, sehingga perlu dilakukan pendeteksian hotspot tingkat kesehatan pada area puskesmas. Variabel tingkat kesehatan yang dipilih antara lain: jumlah bayi dengan berat lahir rendah, balita penderita gizi buruk, kematian balita, kematian ibu bersalin, kelahiran tanpa pertolongan tenaga kesehatan, bayi tanpa penanganan kesehatan, dan bayi tanpa imunisasi dasar. Sebelum melakukan pendeteksian hotspot,dilakukan terlebih dahulu analisis korespondensi untuk melihat hubungan antara area puskesmas dengan tingkat kesehatan. Metode analisis korepondensi memberikan hasil bahwa terdapat hubungan antara area puskesmas dan variabel tingkat kesehatan. Selanjutnya dilakukan pendeteksian hotspot, hasil pendeteksian hotspot menggunakan software SatScan ditampilkan dalam peta menggunakan software R menunjukkan bahwa hotspot area puskesmas secara keseluruhan cenderung berada di bagian tengah dan timur Kota Depok. Hasil pendeteksian hotspot dapat dijadikan bahan masukan untuk instansi pemerintahan untuk melakukan tindakan penanggulangan dan pencegahan sehingga tingkat kesehatan yang rendah dapat diminimalisir dan tercipta masyarakat Kota Depok dengan tingkat kesehatan meningkat yang akan berimbas pada peningkatan kualitas sumber daya manusia.

---

ABSTRACTCorrespondence analysis is used to analyze the relationship between two nominal variables through graphs on multidimensional distance. This method calculates the value of the rows and columns and generate charts based on those values so that each category each variable will related each other based on the distance. Hotspot is an area which has different conditions, unusual, deviant, an elevated area compared with the surrounding area. Depok city as a capital buffer cities whose development is rapidly increasing, is expected to prepare a human resources better. The quality of human resources may depend on the quality of the soundness of the area, so that are hotspot detection was applied on the data of health centers. Variables in this study the number of babies with low birth weight, infant malnutrition, infant mortality, maternal mortality, birth without the help of health professionals, health care baby without the baby, and the baby without basic immunization. Before apply hotspot detection, correspondence analysis were done first to see the relationship between the area health centers and health level. The result of correspondence analysis showed the relationship between the area health centers and health level variables, mostly they have similar characteristics. Furthermore, the result of hotspot detection using SaTScan software, displayed in a map by resource software R. Based on the map the overall hotspot area tend located in the central and eastern parts of Depok. Hotspot detection results can be used as the support to the government agencies in making the decision to reduce and prevention low levels of health areas create Depok City with rise health level community an finally impact on improving the quality of human resources."

"Menganalisis hubungan antara jumlah tindak kejahatan dan faktor-faktor yang mempengaruhinya menjadi topik penelitian yang menarik karena jumlah tindak kejahatan di Indonesia dalam sepuluh tahun terakhir cenderung meningkat. Untuk meningkatkan kualitas keamanan masyarakat maka pemerintah perlu memahami faktor-faktor apa saja yang dapat memicu tindakan kejahatan. Dibandingkan dengan metode analisis regresi klasik, metode Geographically Weighted Regression GWR lebih diunggulkan karena dapat menangani masalah ketidak stasioneran spasial yang biasanya terjadi pada data fenomena-fenomena sosial. Ketidakstasioneran spasial adalah situasi dimana hubungan antar peubah berbeda-beda secara signifikan disetiap lokasi observasi. Hal tersebut mengakibatkan hasil analisis regresi klasik menjadi tidak akurat di beberapa lokasi. GWR menangani masalah tersebut dengan membangun model regresi di setiap titik observasi sehingga memungkinkan parameter regresi menjadi berbeda di setiap lokasi observasi. Penelitian ini menggunakan jumlah tindak kejahatan y sebagai peubah terikat dan peubah bebasnya adalah jumlah penduduk buta huruf x1, jumlah pengangguran x2, jumlah penduduk miskin x3, kepadatan penduduk x4, dan jumlah korban NAPZA x5. Penelitian ini menggunakan data sekunder yang dihimpun oleh POLRI, BPS, dan Dinsos di Jawa Tengah pada tahun 2015. Terdapat dua fungsi pembobot spasial GWR yang akan dibandingkan yaitu Kernel Gaussian dan Kernel Bisquare. Hasil penelitian menunjukkan fungsi Kernel Gaussian lebih baik dibanding Kernel Bisquare berdasarkan skor AIC dan R2. Hasil analisis menggunakan GWR menghasilkan model untuk 35 kabupaten/kota di Jawa Tengah.

---

Analyzing the relationship between number of crime cases and factors defined became an interesting research topic over the last ten years. The total number of crime in Indonesia didn rsquo t show a consistent decrease. In order to upgrade people safeness quality, the government need to know the factors influence people committing crime acts. Rather than using classical regression analysis, Geographically Weighted Regression GWR was preferable since it gave a better representative model by effectively resolve spatial non stationary problem which is generally exist in spatial data of social phenomenon. Spatial non stationary is a situation when the relationship between variables are significantly different in each location of observation point, so that classic regression analysis will result a misleading interpretation in some location. GWR handled the spatial non stationary problem by generating a single model in each observation point which allow different relationship to exist at different point in space. This study used number of crime cases y as the dependent variable and the factors which affect the number of crime cases as independent variables that consist of the number of illiterates x1 , the number of unemployed x2, the number of poor population x3, population density x4, the number of victims of drug x5. This study used secondary data collected by POLRI, BPS, and Social ministry of Indonesia in Central Java during 2015. Two spatial weighting functions were compared i.e. Kernel Gaussian and Kernel Bisquare and the study result indicated that Kernel Gaussian was batter according to score of R2 and AIC. GWR generated model for 35 city regency in Central Java. "

"Distribusi posterior adalah distribusi dari parameter dengan informasi lainnya telah diketahui. Distribusi posterior dari seluruh parameter pada model dibutuhkan untuk menaksir parameter dengan pendekatan Bayesian melalui Gibbs sampling. Gabungan dari model small area tingkat unit dan model kesalahan pengukuran dapat diselesaikan menggunakan pendekatan Bayesian. Terdapat delapan parameter pada model tersebut yang akan diperoleh distribusi posteriornya. Dalam memperoleh distribusi posterior, kesalahan dapat terjadi pada penentuan fungsi likelihood dan prior jika semua parameter lain digunakan dalam perhitungan. Sifat d-separation pada Bayesian network digunakan untuk mereduksi parameter-parameter yang tidak dibutuhkan untuk memperoleh suatu distribusi posterior. Langkah selanjutnya adalah menggunakan teorema Bayes dengan parameter yang telah tereduksi. Berdasarkan hasil teorema Bayes, dilakukan manipulasi aljabar sedemikian sehingga p.d.f. dari distribusi posterior parameter tersebut sama atau sebanding dengan p.d.f. dari suatu distribusi.

---

Posterior distribution is a distribution of a parameter with other informations are knowns. Posterior distribution of all parameter in model are required to parameter estimation by Bayesian approach with Gibbs sampling. The conjugation of small area unit level model and measurement error model could be solved by Bayesian approach. There are eight parameters in the model that each posterior distribution will be obtained. In approach of obtaining posterior distribution, fallacy of likelihood function and prior selection might occur if all parameter are included. D separation property in Bayesian network is used to reduce unnecessary parameters in obtaining the posterior distribution. In the next step, Bayes rsquo theorem is used on reduced parameters. Based on Bayes rsquo theorem result, aljabar manipulation is used such that posterior probability density function p.d.f. is same or proportional to a well known p.d.f."

"ABSTRAKAnalisis regresi linier memodelkan hubungan linier antara variabel respon dengan variabel regresor. Analisis regresi linier menghasilkan suatu model yang disebut model regresi linier. Metode yang sering digunakan untuk menaksir parameter pada model regresi linier adalah metode ordinary least square OLS . Metode OLS akan menghasilkan taksiran terbaik ketika semua asumsinya terpenuhi. Namun pada kenyataannya, asumsi-asumsi tersebut seringkali tidak terpenuhi. Asumsi yang seringkali tidak terpenuhi adalah adanya multikolinieritas dan outlier. Multikolinieritas akan menyebabkan variansi dari taksiran parameter regresi membesar, sedangkan outlier akan membuat taksiran parameter menjadi bias. Jika terdapat multikolinieritas dan outlier pada data, digunakan jackknife ridge M-estimator. Jackknife ridge M-estimator adalah taksiran koefisien regresi yang memiliki sifat robust sehingga tidak terpengaruh oleh outlier dan menggunakan metode ridge untuk mengatasi masalah multikolinieritas serta menggunakan metode jackknife untuk mereduksi bias yang dihasilkan metode ridge. Pada regresi linier berganda, model regresi dapat terdiri dari banyak kandidat variabel regresor. Metode subset selection digunakan untuk memilih sebagian kecil saja dari kandidat variabel regresor pada model regresi linier berganda yang paling baik dalam memprediksi nilai dari variabel respon. Kriteria seleksi yang dapat digunakan pada metode subset selection apabila terdapat outlier dan multikolinieritas pada data yaitu kriteria GSp yang merupakan generalized version dari kriteria Sp. Hal tersebut dikarenakan, kriteria GSp didasarkan oleh jackknife ridge M-estimator yang dapat mengatasi masalah outlier dan multikolinieritas. Selanjutnya, kriteria GSp diimplementasikan untuk mendapatkan model terbaik pada data IQ yang memiliki masalah outlier dan multikolinieritas. Berdasarkan analisis data, diperoleh bahwa untuk mengetahui IQ seseorang orang tersebut tidak harus melakukan 5 tes kepribadian berbeda, karena dengan hanya melakukan 3 tes kepribadian saja yaitu tes 1, tes 3 dan tes 5, sudah dapat diketahui besar IQ dari orang tersebut, dimana hal tersebut dapat mengurangi waktu, biaya dan tenaga yang diperlukan.

---

ABSTRACTLinear regression analysis model the linear relation between response variable with regressor variables. Linear regression analysis produce a linear regression model. Ordinary least squares OLS method is often utilized to estimate parameters of linear regression model. OLS method will produce the best estimates when all the assumptions are met. However, in real data, those assumptions are often not violated. Such as the multicollinearity and outliers. Multicollinearity will produce a large variance of the regression parameters, while outliers will cause a biased estimates. Jackknife ridge M estimator is recommended to be implemented in the model when these problems are present. Jackknife ridge M estimator is the regression with robust property, which makes it able not to be influenced by the presence of outlier, and ridge method is utilized to overcome multicollinearity, where the jackknife method is utilized to reduce the bias from the result of the ridge method. In multiple linear regression, regression model could possibly contain many regressor variable candidates. Subset selection method is utilized to select some of those regressor variable candidates on the multiple linear regression model that best predicts the value of the response variable. The selection criterion that can be utilized on the subset selection method when outlier and multicollinearity are present is the GSp criterion which is the generalized version of the Sp criterion. The reason for this is because the GSp criterion is based on jackknife ridge M estimator, which is able to solve the problem of outlier and multicollinearity. Furthermore, GSp criterion is implemented to obtain the best model on IQ data that has outlier and multicollinearity issues. Based on the data analysis, it was found that to know the IQ of a person the person does not need to do 5 different personality tests, because by only doing 3 personality test which is test 1, test 3 and test 5, it can be known the IQ of that person, where it can reduce the time, cost and energy required."

"Analisis regresi merupakan salah satu teknik dalam statistika yang digunakan untuk mengetahui hubungan antar variabel respon dan satuatau lebih variabel regressor. Metode penaksiran parameter regresi yang umum digunakan adalah metode least square. Dalam penaksiran parameter regresi, banyak permasalahan yang muncul salah satunya adalah multikolinearitas. Multikolinearitas menghasilkan taksiran yang tidak stabil, sehingga diperlukan metode lain untuk mengatasi multikolinearitas yang diperkenalkan oleh Hoerl dan Kennard 1970 yaitu metode ridge regression dengan cara kerjanya adalah menambahkan konstanta bias ridge pada matriks X 39;X. Sarkar 1992 dan Grob 2003 mengembangkan metode tersebut dengan memanfaatkan informasi prior dari parameter - dan memperkenalkan metode restricted ridge regression. Berger 1980 mendefinisikan informasi prior untuk parameter - adalah suatu informasi non sampel yang muncul dari pengalaman masa lalu dan keputusan dari ahli dengan situasi yang hampir sama dan memuat parameter ? yang sama. Dalam skripsi ini penggunaan metode restricted ridge regression diaplikasikan untuk mengatasi multikolinearitas pada data Portland Cement dan menghasilkan MSE yang lebih kecil dibandingkan metode least square dan ridge regression.

---

Regression analysis is a technique in stastisticsto analyse the relationship between a response variable and one or more regressor variable's. Ordinary Least Square method is commonly used to estimate parameter's. Most frequently occurring problem in multiple linier regression analysis is the presence of multicolinearity. Multicollinearityin least square estimation produces estimation with large variance, so another method is needed to overcome the multicollinearity. Hoerl and Kennard 1970 introduced a new method called ridge regression by addingaconstant bias ridge to matrix X 39 X. Sarkar 1992 and Gro 2003 developed a method usingthe prior information of the parameter and introduced the restricted ridge regression method. Berger 1980 defined prior information of the parameter as a non sample information arising from past experiences and based on the opinions of an expertice with similar situations and containing the same parameters. This thesis will explain the use of restricted ridge regression method to overcome the presence of multicolinearity in regression model for Portland Cement dataset and produce smaller MSE than least square and ridge regression estimator."

"Estimasi parameter pada model regresi logistik pada umumnya menggunakan metode maximum likelihood dengan iterasi Newton Raphson. Pada model regresi logistik, estimasi parameter menggunakan metode maximum likelihood tidak dapat digunakan apabila ukuran sampel kecil dan proporsi kejadian sukses kecil. Permasalahan yang muncul saat ukuran sampel kecil dan proporsi sukses kecil, jika menggunakan metode maximum likelihood adalah proses iterasi yang tidak konvergen. Oleh sebab itu dalam kondisi tersebut, metode maximum likelihood tidak dapat digunakan untuk estimasi parameter. Salah satu cara untuk mengatasi ketidakkonvergenan pada iterasi tersebut adalah menggunakan modifikasi score function. Modifikasi score function dapat digunakan untuk mendapatkan estimasi parameter model regresi logistik dengan melakukan modifikasi pada fungsi likelihood. Contoh aplikasi diberikan untuk menunjukkan bahwa kemungkinan estimasi parameter model regresi logistik dengan ukuran sampel kecil dan proporsi sukses kecil menggunakan metode maximum likelihood dengan iterasi Newton Raphson memberikan hasil yang tidak konvergen dan hal ini dapat diselesaikan dengan menggunakan modifikasi score function.

---

The maximum likelihood method with Newton Raphson iteration is used in general to estimate the parameter on logistic regression model. This parameter estimation using the maximum likelihood method cannot be used if the size of the sample and proportion of successful events are small. It is because the iteration process will not convergent to some point. Therefore, the maximum likelihood method cannot be used to estimate the parameter.

One of the ways to resolve this convergent problem is using the score function modification. This modification is used to obtain the parameter estimation on logistic regression model by doing some modification on the likelihood function. The example of parameter estimation, using maximum likelihood method with small size of sample and proportion of successful events, is given to show may be the iteration process is not convergent and this can be solved with modification score function."

"ABSTRAKPenentuan harga opsi sering dimodelkan menggunakan persamaan Black-Scholes dimana harga aset pada persamaan Black-Scholes dirumuskan dengan gerak Geometrik-Brownian. Namun gerak Geometrik-Brownian sering tidak konsisten terhadap harga pasar aktual karena tidak ada pengelompokan rezim dalam modelnya constant return rate . Model threshold autoregressive diadaptasi pada gerak Geometrik-Brownian sehingga parameter dari gerak Geometrik-Brownian berganti-ganti setiap terjadi regime-switching. Regime-switching ditandai dengan pergerakan force of interest dari harga aset yang mengikuti gerak Brownian. Asumsi pasar tidak lengkap menyebabkan ada tak hingga satuan ukur risk-neutral. Satuan ukur risk-neutral yang diinginkan, didapatkan menggunakan metode transformasi Esscher dan minimal entropy martingale measure MEMM . Pada akhirnya harga opsi dapat dihitung menggunakan satuan ukur risk-neutral yang telah didapatkan.

---

ABSTRACTOption pricing is often modeled using the Black Scholes equation where the asset price of the Black Scholes equation is formulated by Geometric Brownian motion. But Geometric Brownian motion is often inconsistent with market prices because there is no regime grouping in the model constant return rate . The threshold autoregressive model is adapted to Geometric Brownian motion so that the parameters of Geometric Brownian motion will alternate between regimes. Regime switching are detected by the movement of force of interest from the price of the underlying assets. The market assumption is incomplete causing there are infinite existences of risk neutral measure. The desired risk neutral measure, obtained using the Esscher transformation method and a minimum entropy martingale measure MEMM . In the end, the option price can be calculated using the risk neutral measure that already obtained."

"ABSTRAKPenyebaran lemak pada manusia terbagi dua, yaitu lemak di area subkutan dan lemak di area viseral VFA . Deposit lemak terbesar terletak di area subkutan, disebut sebagai lemak tubuh. Sementara sisanya di viseral yang terdapat dalam rongga abdomen dan rongga dada. VFA adalah lemak yang berbahaya, sehingga pada penelitian ini akan dibentuk model regresi linier berganda untuk mengetahui cara mengendalikan kadar VFA dengan lebih tepat berdasarkan variabel-variabel body mass index BMI , basal metabolic rate BMR , usia kronologis, usia biologis lemak tubuh, dan skeletal muscle. Terdapat dugaan bahwa kadar VFA dan variabel-variabel lain yang diperhatikan dalam weight management berbeda antara pria dan wanita, sehingga dibentuk model regresi secara terpisah untuk kelompok pria dan kelompok wanita. Uji Chow dilakukan untuk menguji kesamaan kedua model regresi untuk kelompok pria dan kelompok wanita. Apabila model regresi untuk kelompok pria dan kelompok wanita sama, maka akan dibentuk model regresi gabungan dari kelompok pria dan kelompok wanita yang dapat menjelaskan pengendalian kadar VFA terhadap variabel-variabel terkait pada pria dan wanita.

---

ABSTRACTThe spread of fat in human rsquo s body divided by two. First is subcutaneous fat area and second is visceral fat area VFA . The largest fat deposit in human body is in the subcutaneous area. This fat is called body fat. While the remain of fat in human rsquo s body is located in visceral area inside abdominal cavity and chest cavity. VFA is a dangerous fat, so this study will form multiple linear regressions model to know how to control VFA level more precisely based on body mass index BMI , basal metabolic rate BMR , chronological age, biological age, body fat, and skeletal muscle variables. There is presumption that VFA level and other variables that are considered in weight management are different between male and female, so the regression models for male and female groups are built separately. The Chow test is performed to test the similarity of both regression models for male and female groups. If both regression models for male and female groups are same, the combined regression model will be built for male and female groups which can explain the control of VFA level to related variables in both male and female."