<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="96998">
 <titleInfo>
  <title>PENGELOMPOKAN OBJEK  BERDISTRIBUSI DAN BINOMIAL DENGAN SKOR  PROPEORMALITAS</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rizal Kamal</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Matematika dan Ilmu Pengetahuan Alam</publisher>
   <dateIssued>2009</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Objek   penelitian    umumnya    rnempunyai    sebaran   kovariat    yang   berbeda. Tujuan  penelitian   ini adalah  mengevaluasi   metode  skor  propensitas   untuk pengelompokan    objek  yang  berdistribusi   Normal   dan  Binomial,   Evaluasi   metode sker   propensitas    dilakukan    dengan   menetapkan    4  kasus   utama,   yaitu   kovariat Binomial   yang   berparameter    p  yang   sama   dan   yang   berbeda   dengan   masing- masing   untuk   pengelompokan     dua  dan   tiga  kelas.   Metode   pengelompokan     ini diterapkan   terhadap   3 jenis  jumlah   data.  yaitu  30,  150. dan   1000 untuk  tiap-tiap kasus.&#13;
            Hasil    simulasi    menunjukkan     bahwa   jika    parameter    p  dari   objek   yang berkovariat    Binomial   adalah   sama  maka pengelompokan    dua  kelas  dengan   skor propensitas    lebih  baik  digunakan   pada  saat jumlah   objeknya   banyak.   Ketepatan pengelompokan     untuk   kasus   ini  mencapai    70%.   Sedangkan   jika   parameter   p tersebut  berbeda  rnaka metode  ini lebih cecek  digunakan   untuk jumlah   objek  yang sedikit.    dengan     ketepatan     pengelompokan       mencapai     76%.    Adapun     untuk pengelompokan     3  kelas.   metode    ini   kurang   cocok   dipakai karena   persentase kesalahan  melebihi  67%  dari  10 kaJi  perulangan.&#13;
&#13;
Kata kunci  :  skor  propensitas.   kovariat.  ketepatan   pengkelasan&#13;
&#13;
&#13;
&#13;
&#13;
&#13;
</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>DISTRIBUTION (MATHEMATICS)</topic>
 </subject>
 <classification>512.925</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>96998</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2022-01-05 16:06:40</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-01-17 09:48:26</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>