BAB I DISTRIBUSI-DISTRIBUSI SAMPLING
|
|
- Suharto Halim
- 5 tahun lalu
- Tontonan:
Transkripsi
1 BAB I DISTRIBUSI-DISTRIBUSI SAMPLING A. Deskripsi Pada bab ini kita akan belajar untuk mendeskripsikan distribusidistribusi mean dan proporsi sampel. Kita akan melihat bagaimana distribusi mean sampel ketika populasinya normal ataupun tidak normal. Selain itu, kita juga akan diajak untuk menentukan peluang dari proporsi sampel. B. Relevansi Ketika kita bekerja dengan statistik deskriptif, kita bisa merangkum dan menggambar grafik dari suatu data agar data tersebut jelas dan mudah untuk dipahami. Selain itu, dengan statistik ini kita juga bisa mendeskripsikan, mengekspolasi, dan membandingkan data. Akan tetapi kekuatan statistik tidak hanya berhenti di sini. Dengan statistik inferensial, kita bisa (1) menggunakan data sampel untuk mengestimasi parameter populasi, dan (2) menguji hipotesis atau klaim yang berkaitan dengan parameteri populasi. Dengan demikian, dalam bab ini akan dikenalkan konsep kunci dalam statistik inferensial, yaitu distribusi sampling. C. Capaian Pembelajaran Mendeskripsikan distribusi sampling mean: populasi normal. Mendeskripsikan distribusi sampling mean: populasi tidak normal. Mendeskripsikan distribusi sampling proporsi. Menghitung peluang proporsi sampel. 1.1 Distribusi Sampling Mean Karena kita akan mempelajari distribusi mean sampel, mari kita mulai pembahasan di sini dengan memahami definisi berikut. DEFINISI Distribusi sampling dari suatu statistik (misalnya mean dan proporsi sampel) adalah distribusi semua nilai dari statistik tersebut ketika semua kemungkinan sampel berukuran n diambil dari populasi yang sama. 1
2 2 Berdasarkan definisi distribusi sampel dari suatu statistik tersebut, maka distribusi sampling mean bisa didefinisikan sebagai berikut. DEFINISI Distribusi sampling mean adalah distribusi dari mean semua kemungkinan sampel dengan ukuran sama, yaitu n, yang diambil dari populasi yang sama. Untuk mengilustrasikan definisi distribusi sampling dari mean, perhatikan diagram Venn pada Gambar 1. Persegi panjang dalam diagram tersebut menggambarkan populasi, sedangkan sampel-sampel berukuran n digambarkan dengan lingkaran. Karena anggota-anggota dari masing-masing sampel bisa berbeda, maka nilai mean dari sampel-sampel tersebut juga bisa berbeda. Misalkan mean sampel 1 adalah 1, mean sampel 2 adalah 2, mean sampel 3 adalah 3, dan seterusnya. Dengan demikian, distribusi sampling mean sampelsampel dari populasi ini memuat 1, 2, 3, dan seterusnya. Gambar 1 Populasi dan sampel-sampel berukuran n Untuk lebih memahami mengenai distribusi mean sampel, perhatikan Contoh 1 berikut. CONTOH 1 Distribusi Sampel dari Mean Bayangkan Anda melempar undi sebuah dadu sebanyak 5 kali, dan ulangi proses tersebut secara terus menerus. Bagaimana perilaku mean sampel-sampel tersebut jika prosesnya diulang selamanya? PEMBAHASAN Anda dapat mensimulasikan proses lempar undi dadu tersebut dengan menggunakan Eel, tetapi dengan banyak percobaan yang terbatas. Misalkan kita batasi banyaknya percobaannya adalah , meskipun distribusi sampling yang sebenarnya harus memuat percobaan yang banyaknya tak hingga. Masing-masing sampel
3 3 tersebut kita tentukan meannya, kemudian dari kesemua mean sampel tersebut kita tentukan mean, simpangan baku, dan variansinya, serta kita gambar histogram distribusinya untuk memperoleh Gambar 2 berikut. Gambar 2 Distribusi Mean Sampel Dari Gambar 2, kita bisa melihat mean dan simpangan baku dari mean sampel adalah sebagai berikut. m = 3,508 s = 0,7617 Sekarang kita bandingkan statistik-statistik tersebut dengan parameter yang dimiliki oleh populasinya. Karena mata-mata dadu 1, 2, 3, 4, 5, dan 6 memiliki kemungkinan yang sama untuk muncul, maka parameter mata-mata dadu tersebut adalah m = = 3,5 6 6 ( i - 3,5) i= 1 35 s = = 6 12 Dengan demikian, s =» 0,7638 n 5
4 4 Dengan membandingkan mean dan simpangan baku dari distribusi mean sampel dan populasinya, maka kita bisa mengamati bahwa mean dari mean sampel tersebut mendekati mean populasinya, dan simpangan baku dari mean sampel tersebut mendekati nilai dari simpangan baku populasinya dibagi dengan akar kuadrat ukuran sampelnya. Selain itu, dari Gambar 2 kita juga bisa mengamati bahwa distribusi mean sampel tersebut mendekati distribusi normal. INTERPRETASI Meskipun percobaan yang telah kita simulasikan hanya terbatas, yaitu percobaan, tetapi kita dapat mengamati bahwa mean dari distribusi sampling mean sama dengan mean dari populasinya, sedangkan simpangan baku distribusi sampling tersebut sama dengan simpangan baku populasinya dibagi dengan akar kuadrat dari ukuran sampel n. Meskipun pembuktiannya di luar lingkup buku ini, dari Contoh 1 kita bisa mengamati bahwa distribusi sampling dari mean memiliki karakteristik sebagai berikut. KARAKTERISTIK DISTRIBUSI SAMPLING MEAN 1. Mean dari distribusi sampling mean, yaitu m, sama dengan mean dari populasinya μ. m = m 2. Simpangan baku dari mean sampel-sampel s sama dengan simpangan baku populasi σ dibagi dengan akar kuadrat dari ukuran sampel n. s s = n 1.2 Teorema Limit Pusat Teorema Limit Pusat merupakan teorema yang sangat penting untuk statistika inferensial. Teorema ini mendeskripsikan hubungan antara distribusi sampling mean dan populasinya. Untuk lebih memahami mengenai teorema ini, perhatikan Contoh 2. CONTOH 2 Distribusi Sampling Mean
5 5 Penulis ingin mengetahui banyaknya kata dalam nama-nama mahasiswa yang pernah diampu. Dengan menggunakan data namanama mahasiswa, persentase banyaknya kata dalam nama-nama mahasiswa tersebut disajikan dalam Tabel 1 berikut. Tabel 1 Banyak Kata dalam Nama Mahasiswa Banyak Kata Persentase (%) 1 0, , , ,72 5 5,14 7 0,57 Total 100,00 Perkirakan distribusi sampling mean dengan melakukan 1000 kali percobaan melalui simulasi dengan sampel-sampel yang berukuran (a) n = 4, (b) n = 10, dan (c) n = 40. PEMBAHASAN Gambar 3 menunjukkan sebagian area Ecel dari sampel acak yang berukuran n = 4. Dalam gambar tersebut terdapat dua tabel. Tabel pertama merupakan tabel distribusi peluang, sedangkan tabel kedua menunjukkan sampel-sampel acak yang memuat 4 nilai. Misalnya, pada sampel 1, setelah dipilih 4 mahasiswa secara acak, ternyata nama mereka memuat 4, 4, 4, dan 2 kata. Kolom terakhir menunjukkan mean dari banyaknya kata dalam nama keempat mahasiswa yang terpilih dalam sampel 1. Penjelasan ini berlaku untuk sampel 2 sampai sampel 1000.
6 6 Gambar 3 Sampel acak dengan n = 4 Gambar 4(a) memperlihatkan histogram distribusi mean dari 1000 sampel yang berukuran n = 4. Distribusi mean-mean sampel tersebut condong ke kiri. Mean dan simpangan baku 1000 sampel tersebut secara berturut-turut adalah 3,2 dan 0,42. Dengan demikian, mean 1000 sampel tersebut sama dengan mean populasinya, dan simpangan bakunya mendekati hasil bagi σ oleh akar kuadrat dari n, yaitu 0,41. Gambar 4(b) menunjukkan histogram distribusi mean dari 1000 sampel berukuran n = 10. Distribusi tersebut juga condong ke kiri, meskipun tidak secondong distribusi mean sampel-sampel yang berukuran n = 4. Mean dan simpangan baku dari 1000 sampel tersebut secara berturut-turut adalah 3,2 dan 0,25. Jadi, mean distribusi ini sama dengan mean populasi dan simpangan bakunya sangat dekat dengan hasil bagi σ oleh akar kuadrat dari n, yaitu 0,26. Gambar 4(c) menunjukkan histogram distribusi mean dari 1000 sampel berukuran n = 40. Jika kita lihat, distribusi tersebut mendekati distribusi normal. Dengan mean 3,2 dan simpangan baku 0,13, nilainilai ini sama dengan mean populasinya dan hasil bagi simpangan baku populasi dengan akar kuadrat dari n.
7 7 (a) (b) (c) Gambar 4 Distribusi 1000 sampel INTERPRETASI Gambar 4(a), (b), dan (c) memperlihatkan bahwa semakin besar sampel yang kita miliki, maka distribusi sampling dari mean sampel-sampel tersebut semakin mendekati distribusi normal. Hasil yang diperoleh pada Contoh 2 secara formal dinyatakan oleh Teorema Limit Pusat berikut. TEOREMA LIMIT PUSAT (TLP) Bagaimanapun distribusi populasinya, distribusi sampling dari mean-mean sampel akan mendekati distribusi normal ketika ukuran sampel n semakin besar. Setelah membaca TLP, mungkin kita bertanya-bertanya, seberapa besar ukuran sampel yang diperlukan agar distribusi sampling meannya mendekati normal? Praktisnya, jawaban pertanyaan ini tergantung dari distribusi populasi sampel tersebut. Jika populasinya tidak berdistribusi normal, maka kita memerlukan n 30 agar distribusi sampling meannya mendekati normal. Jika populasinya berdistribusi normal, maka untuk sembarang sampel berukuran n, distribusi sampling meannya berdistribusi normal. Berdasarkan apa yang telah kita peroleh sejauh ini, maka kita dapat menghubungkan distribusi sampling mean dan TLP sebagai berikut. TLP dan Distribusi Sampling Mean Diberikan 1. Peubah acak yang memiliki distribusi dengan mean μ dan simpangan baku σ. 2. Semua kemungkinan sampel acak sederhana berukuran n dipilih dari populasi tersebut. Kesimpulan 1. Distribusi sampling mean akan mendekati distribusi normal ketika ukuran sampel semakin besar. 2. Mean dari semua mean sampel-sampel tersebut sama dengan mean populasinya, yaitu μ.
8 8 3. Simpangan baku dari semua mean sampel-sampel tersebut sama dengan s n. Aturan Praktis yang Sering Digunakan 1. Jika populasi aslinya tidak berdistribusi normal, maka untuk n 30, distribusi sampling mean akan mendekati normal. Distribusi sampling mean akan semakin mendekati distribusi normal ketika ukuran sampelnya semakin besar. 2. Jika populasi aslinya berdistribusi normal, maka untuk sembarang ukuran sampel n, distribusi sampling meannya mendekati distribusi normal. Populasi Tidak Berdistribusi Normal Populasi Berdistribsui Normal Distribusi Sampling Mean, n 30 Distribusi Sampling Mean (Sembarang n) Untuk lebih memahami bagaimana menggunakan TLP dalam menyelesaikan permasalahan statistik, perhatikan Contoh 3 berikut. CONTOH 3 Menggunakan Teorema Limit Pusat Indeks prestasi (IP) dari mahasiswa di suatu universitas memiliki mean 2,9 dan simpangan baku 0,5, seperti yang ditunjukkan pada Gambar 5. Sampel-sampel acak sederhana dengan ukuran 100
9 9 kemudian dipilih dari populasi IP mahasiswa tersebut. Tentukan mean dan simpangan baku dari distribusi sampling mean populasi ini, kemudian sketsalah distribusi sampling mean tersebut. Gambar 5 Distribusi Semua IP Mahasiswa PEMBAHASAN Mean dari distribusi sampling mean sampel sama dengan mean populasinya, sedangkan simpangan baku dari distribusi sampling mean sama dengan simpangan baku populasinya dibagi dengan akar kuadrat dari n. Dengan demikian, dan m = m = 2,9 s 0,5 s = = = 0,05 n 100 INTERPRETASI Berdasarkan TLP, karena ukuran sampel lebih dari 30, maka distribusi sampling mean tersebut bisa didekati dengan distribusi normal dengan mean 2,93 dan simpangan baku 0,052, seperti yang ditunjukkan pada Gambar 6.
10 10 Gambar 6 Distribusi Sampling Mean n = 100 Setelah kita mengetahui bagaimana menentukan mean dan simpangan baku dari distribusi sampling, selanjutnya kita akan berlatih bagaimana menentukan peluang bahwa peubah acak berada pada interval tertentu dalam distribusi sampling mean. Untuk melakukannya, pertama kita transformasi nilai tersebut menjadi skor z dengan rumus berikut. - m z = s CONTOH 4 Menentukan Peluang dari Distribusi Sampling Baru-baru ini, Coffey (2015) melaporkan bahwa mean kenaikan berat badan selama masa kehamilan di India adalah 7 kg. Asumsikan bahwa populasi kenaikan berat badan tersebut berdistribusi normal dengan simpangan baku 2,9 kg. (a) Tentukan peluang bahwa jika seorang ibu hamil dipilih secara acak, kenaikan berat badannya lebih dari 8 kg. (b) Carilah peluang bahwa 20 ibu-ibu hamil yang dipilih secara acak memiliki mean kenaikan berat badan lebih dari 8 kg. PEMBAHASAN (a) Untuk menentukan peluang terpilihnya seorang ibu hamil dengan kenaikan berat badan lebih dari 8 kg, kita gunakan distribusi peluang normal. Untuk itu, pertama kita konversi skor kenaikan berat badan 8 kg menjadi skor z.
11 11 -m 8-7 z = = = 0,34 s 2,9 Dengan menggunakan tabel, kita bisa melihat bahwa luas daerah di sebelah kiri z = 0,34 adalah 0,6331. Dengan demikian, luas daerah di kanan z = 0,34 adalah 1 0,6331 = 0,3669, lihat Gambar 7(a). Jadi, peluang terpilihnya seorang ibu hamil dengan kenaikan berat badan lebih dari 7 kg adalah 0,3669. Gambar 7 Kenaikan Berat Badan Ibu Hamil (b) Di sini kita akan menggunakan distribusi sampling mean dan TLP karena kita berhadapan dengan mean sampel yang berukuran 20. Meskipun ukuran sampel tersebut kurang dari 30, kita tetap bisa menggunakan distribusi normal karena populasi aslinya berdistribusi normal. Selanjutnya, kita tentukan mean dan simpangan baku distribusi sampling sebagai berikut. m = m = 7 s 2,9 s = = = 0,65 n 20 Untuk menggunakan distribusi sampling yang baru saja kita tentukan, selanjutnya kita harus mengubah skor kenaikan berat badan 8 kg menjadi skor z sebagai berikut. - m 8-7 z = = = 1,54 s 2,9 20 Dari tabel, kita bisa melihat bahwa luas kumulatif di sebelah kiri z = 1,54 adalah 0,9382. Dengan demikian, luas daerah di sebelah kanan skor z ini adalah 1 0,9382 = 0,0618, perhatikan Gambar
12 12 7(b). Jadi, peluang terpilihnya sampel berukuran 20 dengan mean lebih dari 8 kg adalah 0,0618. INTERPRETASI Peluang terpilihnya seorang ibu hamil dengan kenaikan berat badan 8 kg adalah 0,3669. Peluang ini lebih besar daripada peluang kita mendapatkan sampel acak berukuran 20 dengan mean 8 kg, yaitu 0,0618. Hal ini masuk akal karena kita lebih mudah mendapatkan seorang ibu hamil dengan kenaikan berat badan lebih dari 8 kg daripada mendapatkan sekelompok 20 ibu hamil yang mean kenaikan berat badannya lebih dari 8 kg. Jika dilihat dari grafik kurva distribusinya, kita bisa melihat bahwa grafik distribusi sampling lebih mengerucut daripada distribusi populasinya karena perbedaan simpangan bakunya.
ANALISIS DATA DALAM STATISTIK
1. Pengertian Analisis Data ANALISIS DATA DALAM STATISTIK Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah
Lebih terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciDISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi
DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciPada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel
DISTRIBUSI SAMPLING Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung
Lebih terperinciBab 5 Distribusi Sampling
Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciBAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.
11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciESTIMASI. Arna Fariza PENDAHULUAN
ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik
Lebih terperinciCIRI-CIRI DISTRIBUSI NORMAL
DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan
Lebih terperinci5. Fungsi dari Peubah Acak
5. Fungsi dari Peubah Acak EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Sebaran cuplikan (n-1)s 2 / σ 2 TEOREMA 5.16 Jika S 2 adalah variansi dari cuplikan acak berukuran n yang diambil
Lebih terperinciKURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)
KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciPopulasi dan Sampel. Materi 1 Distribusi Sampling
Materi 1 Distribusi Sampling UNIVERSITAS GUNADARMA 2013 Populasi dan Sampel Populasi : keseluruhan objek yang menjadi pusat perhatian dalam statistika Parameter besaran yang menggambarkan karakteristik
Lebih terperinciRANCANGAN AKTIVITAS TUTORIAL (RAT)
RANCANGAN AKTIVITAS TUTORIAL (RAT) Nama Mata Kuliah/ sks/ Kode : Statistika Dasar/ 3/ PAMA 3226 Nama Tutor/ NPP : Adi Nur Cahyono, S.Pd., M.Pd./088201206 Deskripsi Singkat Mata Kuliah : Mata kuliah ini
Lebih terperinciPengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:
Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial
DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal
Lebih terperinciDISTRIBUSI TEORITIS DISTRIBUSI TEORITIS
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciBEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F
BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian deskriptif dengan
53 BAB III METODOLOGI PENELITIAN A. Metode dan Desain penelitian Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif komparatif. Alasan menggunakan pendekatan komparatif
Lebih terperinciSTATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 6 Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL Pengantar: Dalam pokok bahasan disini memuat beberapa distribusi kontinyu yang sangat penting di bidang statistika. diantaranya distribusi normal.
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciPENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB
PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekatan Penelitian Jenis yang digunakan dalam penelitian ini yaitu penelitian kuantitatif dengan teknik analisis komparatif. Penelitian komparatif diarahkan untuk
Lebih terperinciPertemuan 8 STATISTIKA DESKRIPTIF DAN SFATISTIKA INFERENSIAL I. STATISTIKA DESKRIPTIF
Pertemuan 8 STATISTIKA DESKRIPTIF DAN SFATISTIKA INFERENSIAL I. STATISTIKA DESKRIPTIF Setelah perkuliahan ini diharapkan dapat: Membedakan data kuantitatif dan kategorial dan memberikan contohnya Menjelaskan
Lebih terperinciAPLIKASI SIMULASI MONTE CARLO PADA PERHITUNGAN MOMEN MAKSIMUM STRUKTUR PORTAL
APLIKASI SIMULASI MONTE CARLO PADA PERHITUNGAN MOMEN MAKSIMUM STRUKTUR PORTAL REZA ASRUL SOLEH 0321012 Pembimbing: Olga Pattipawaej, Ph.D FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITASKRISTEN MARANATHA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciUmmu Kalsum UNIVERSITAS GUNADARMA
Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)
Lebih terperinciMA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciBAB III METODE PENELITIAN. Pendekatan yang digunakan dalam menyelesaikan masalah penelitian ini
50 BAB III METODE PENELITIAN A. Pendekatan dan Metode Penelitian Pendekatan yang digunakan dalam menyelesaikan masalah penelitian ini adalah pendekatan kuantitatif. Pendekatan kuantitatif dipilih penulis
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciPertemuan 9 II. STATISTIKA INFERENSIAL
Pertemuan 9 II. STATISTIKA INFERENSIAL Tujuan Setelah perkuliahan ini mhs. diharapkan mampu: Menjelaskan pengertian statistika inferensial Menjelaskan konsep sampling error Menghitung tingkat kepercayaan
Lebih terperinciPertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu
Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciTidur Malam. 2. Nyatakan hipotesis nol dan hipotesis alternatif untuk menginvestigasi pertanyaan ini. Hipotesis Nol :
Tidur Malam Langkah 1. Tanyakan Pertanyaan Pengamatan Seberapa banyak murid di sekolah Anda yang tidur malam seperti ini? Cobalah untuk membuat pertanyaan yang lebih spesifik dan tanyakan tentang malam
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciBAB III METODE PENELITIAN. suatu permasalahan (Azwar,2012:1). Desain penelitian dapat diartikan suatu
BAB III METODE PENELITIAN 1.1 Desain Penelitian Penelitian merupakan suatu rangkaian kegiatan ilmiah dalam memecahkan suatu permasalahan (Azwar,2012:1). Desain penelitian dapat diartikan suatu rancangan
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciPOKOK BAHASAN YANG DIAJARKAN: 1. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d.
POKOK BAHASAN YANG DIAJARKAN:. DISTRIBUSI PEUBAH ACAK a. Distribusi Peubah Acak Tunggal b. Distribusi Peubah Acak Ganda c. Distribusi Bersyarat d. Teorema Bayes. EKSPEKTASI MATEMATIK a. Ekspektasi b. Variansi
Lebih terperinciLAB MANAJEMEN DASAR MODUL STATISTIKA 1
LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik
Lebih terperinci6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono
6. Teori Estimasi EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Pendahuluan Inferensi statistik adalah metoda untuk menarik inferensi atau membuat generalisasi dari suatu populasi. Ada
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilakukan dengan menggunakan pendekatan Penelitian
BAB III METODE PENELITIAN 3.1. Metode Penelitian Penelitian ini dilakukan dengan menggunakan pendekatan Penelitian Pengembangan (Research and Development). Penelitian Pengembangan sebagai suatu proses
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciLingkaran. A. Persamaan Lingkaran B. Persamaan Garis Singgung Lingkaran
Bab Sumber: www.panebiancod.com Setelah mempelajari bab ini, Anda harus mampu merumuskan persamaan lingkaran dan menggunakannya dalam pemecahan masalah; menentukan persamaan garis singgung pada lingkaran
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinciStatistika Deskriptif & Distribusi Frekuensi
Statistika Deskriptif & Distribusi Frekuensi Oleh: Zulhan Widya Baskara FAKULTAS TEKNOLOGI PERTANIAN Mataram, September 2014 Statistika Statistika Deskriptif Statistika Inferensial Statistika Deskriptif
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian kuantitatif yang akan dilakukan merupakan metode eksperimen yang berdesain posttest-only control design, karena tujuan dalam penelitian ini
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciTUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA
TUGAS II STATISTIKA Oleh Butsiarah / 15B20020 Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2015 1. Penelitian terhadap nilai mahasiswa S1 Jurusan
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
14 BAB V HASIL DAN PEMBAHASAN.1. Hasil Penelitian.1.1 Pertumbuhan diameter S. leprosula Miq umur tanam 1 4 tahun Hasil pengamatan dan pengukuran pada 4 plot contoh yang memiliki luas 1 ha (0 m x 0 m) dapat
Lebih terperinci: Purnomo Satria NIM : PENDISKRIPSIAN DATA
Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk
Lebih terperinciPENGUJIAN HIPOTESIS DESKRIPTIF (Satu sampel) Wahyu Hidayat, M.Pd
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu sampel) Wahyu Hidayat, M.Pd Definisi Pengujian hipotesis deskriptif pada dasarnya merupakan proses pengujian generalisasi hasil penelitian yang didasarkan pada satu
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Tutorial ke : 1 Kode/ Nama Mata Kuliah : PAMA 3225 / Statistika Dasar
Tutorial ke : 1 : 3 Kompetensi Umum : Setelah mempelajari bahan ajar matakuliah ini diharapkan mahasiswa 1. Memahami pengetahuan dasar statistika. 2. Memahami tehnik penyajian data dalam bentuk tabel.
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENDUGAAN PARMETER IV. PENDUGAAN PARAMETER Populasi N Sampling Sampel n Rata-rata : μ Simp. Baku : σ Ragam
Lebih terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
Lebih terperinciSILABUS. Standar Kompetensi : 1. Menggunakan aturan statistika, kaidah pencacahan dan sifat sifat peluang dalam pemecahan masalah. dengan tentang data
SILABUS Nama Sekolah Mata Pelajaran Kelas / Semester : SMA Don Bosco Pag : Matematika : XI IPA / I Standar Kompetensi : 1. Menggunakan aturan statistika, kaidah pencacahan sifat sifat peluang dalam pemecahan
Lebih terperinciESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1
ESTIMASI Podojoyo, SKM, M.Kes Podojoyo 1 Definisi Estimasi Suatu metode dimana kita dapat memperkirakan nilai populasi (parameter) dengan memakai nilai sampel (statistik) Podojoyo 2 Didalam estimasi nilai
Lebih terperinciBAB III METODOLOGI PENELITIAN. 6 Bandung yang beralamat di Jl. Soekarno-Hatta (Riung Bandung), Jawa Barat.
BAB III METODOLOGI PENELITIAN A. Lokasi, Populasi, dan Sampel Penelitian 1. Lokasi Penelitian dilakukan di Program Keahlian Teknik Audio Video SMK Negeri 6 Bandung yang beralamat di Jl. Soekarno-Hatta
Lebih terperinciMuhammad Arif Rahman https://arifelzainblog.lecture.ub.ac.id/
Muhammad Arif Rahman arifelzain@ub.ac.id Populasi Keseluruhan objek penelitian atau keseluruhan elemen yang akan diteliti. Sampel Sebagian dari populasi Representatif dapat memberi gambaran yang tepat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciSTATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 7 By: Hanung N. Prasetyo Ada macam, sampel probabilitas dan non probabilitas. Sampel probabilitas ada empat teknik yang semuanya dapat dilakukan dengan pengembalian atau tanpa pengembalian,
Lebih terperinciB B S S B S S B S S B B S S S B B S B S S S S B B S B B
1. Ingkaran pertanyaan: Petani panen beras atau harga beras murah. A. Petani panen beras dan harga beras mahal. B. Petani panen beras dan harga beras murah. C. Petani tidak panen beras dan harga beras
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Lokasi Penelitian Penelitian ini dilaksanakan di SMK Negeri 9 Garut yang beralamatkan di Jalan Raya Bayongbong Km.07 Desa Panembong Tlp. (0262) 4772522 Garut. B. Metode Penelitian
Lebih terperinci4. Bentuk sederhada dari : 3 2 ... D. E. 5. Bentuk sederhana dari
. Pernyataan yang senilai dengan kalimat Jika Fatah dan Ichwan datang maka semua siswa senang adalah. A. Jika Fatah dan Ichwan tidak datang maka semua siswa tidak senang B. Jika Fatah atau Ichwan tidak
Lebih terperinci5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b
. STATISTIKA A. Membaca Sajian Data dalam Bentuk Diagram. UN 00 IPS PAKET A Diagram lingkaran berikut menunjukan persentase jenis pekerjaan penduduk di kota X. Jumlah penduduk seluruhnya adalah 3.600.000
Lebih terperinciBAB III METODE PENELITIAN. experimental research) yaitu metode eksperimen yang tidak memungkinkan peneliti
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah penelitian eksperimen semu (quasi experimental research) yaitu metode eksperimen yang tidak memungkinkan peneliti melakukan
Lebih terperinciUkuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.
UKURAN PENYEBARAN 1 Bab 4 PENGANTAR Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Ukuran penyebaran membantu
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Desain Penelitian Metode yang digunakan dalam penelitian ini adalah eksperimen. Metode penelitian eksperimen dapat diartikan sebagai metode penelitian yang digunakan untuk
Lebih terperinciALAT UJI STATISTIK. Endang Sri Utami, S.E., M.Si., Ak., CA
ALAT UJI STATISTIK Endang Sri Utami, S.E., M.Si., Ak., CA Penggunaan Statistik Statistik merupakan sekumpulan metode yang digunakan untuk menarik kesimpulan masuk akal dari suatu data. Statistik yang digunakan
Lebih terperinciMakalah Statistika Distribusi Normal
Makalah Statistika Distribusi Normal Disusun Oleh: Dwi Kartika Sari 23214297 2EB16 Fakultas Ekonomi Jurusan Akuntansi Universitas Gunadarma 2015 Kata Pengantar Puji syukur kehadirat Tuhan Yang Maha Esa
Lebih terperinciBAB III METODE PENELITIAN R X O 1 R O 2
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah metode penelitian kuantitatif yang merupakan metode eksperimen berdesain posttest-only control design, karena tujuan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan
Lebih terperinci(ESTIMASI/ PENAKSIRAN)
ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujuan Penelitian. Mengetahui penggunaan media charta dan strategi pembelajaran peta konsep (concept mapping) terhadap peningkatan hasil belajar siswa Kelas XI di MAN Kendal
Lebih terperinci1.0 Distribusi Frekuensi dan Tabel Silang
ANALISIS DESKRIPTIF 1.0 Distribusi Frekuensi dan Tabel Silang 1.1 Pengantar Statistik deskriptif Statistika deskriptif adalah bidang statistika yang mempelajari tatacara penyusunan dan penyajian data yang
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah
Lebih terperinciBAB III METODE PENELITIAN. eksperimen semu (quasi experiment). Menurut Suryabrata (2010 : 92) tujuan
41 BAB III METODE PENELITIAN 3.1. METODE PENELITIAN Metode yang digunakan dalam penelitian ini adalah metode penelitian eksperimen semu (quasi experiment). Menurut Suryabrata (2010 : 92) tujuan penelitian
Lebih terperinciBAB III LANDASAN TEORI. analisis kesintasan bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan,
17 BAB III LANDASAN TEORI 3.1 Data Analisis Survival (Survival Analysis) Analisis survival (survival analysis) atau analisis kelangsungan hidup atau analisis kesintasan bertujuan menaksir probabilitas
Lebih terperinciDistribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS
Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciDistribusi Frekuensi dan Statistik Deskriptif Lainnya
BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.
Lebih terperinciBAB III UKURAN TENGAH DAN DISPERSI
BAB III UKURAN TENGAH DAN DISPERSI Dalam pembicaraan yang lalu kita telah mempresentasikan data dalam bentuk tabel dan grafik yang bertujuan meringkaskan dan menggambarkan data kuantitatif, untuk mendapatkan
Lebih terperinciDISTRIBUSI NORMAL. RatuIlmaIndraPutri
DISTRIBUSI NORMAL RatuIlmaIndraPutri Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling penting dan
Lebih terperinciPengantar Statistik Inferensial
Pengantar Statistik Inferensial Pertemuan 2 STATISTIKA Statistika (Harun Al Rasyid) adalah seperangkat metode yang membahas: 1. Bagaimana cara mengumpulkan data yang dapat memberikan informasi optimal.
Lebih terperinciBAB III METODE PENELITIAN. Mardalis (2009: 24) mengartikan metode sebagai:
BAB III METODE PENELITIAN 3.1 Desain Penelitian Mardalis (2009: 24) mengartikan metode sebagai: Suatu cara atau teknis yang dilakukan dalam proses penelitian, sedangkan penelitian itu sendiri diartikan
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinci