Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

Ukuran: px
Mulai penontonan dengan halaman:

Download "Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS"

Transkripsi

1 Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS

2 Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal

3 DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting untuk diterapkan di berbagai bidang seperti industri dan penelitian Distribusi Normal Kurva normal.. Grafik dari distribusi normal yang berbentuk seperti genta (lonceng) setangkup yang simetris disebut kurva normal.. Suatu peubah acak kontinu X yang memiliki sebaran berbentuk genta disebut peubah acak normal

4 Jika X merupakan suatu peubah acak normal dengan nilai tengah µ dan ragam σ2, maka persamaan kurva normalnya : Persamaan Matematika kurva normal yang ditemukan oleh Gauss

5 Bentuk distribusi normal ditentukan oleh μ dan σ μ 1 = μ 2 σ 1 > σ 2 μ 1 < μ 2 σ 1 = σ μ 1 < μ 2 σ 1 < σ 2

6 Sifat Penting Distribusi Normal Grafiknya selalu ada di atas sumbu datar x Bentuknya simetrik terhadap x=µ Mempunyai satu modus Grafiknya mendekati sumbu mendatar x dimulai dari x = µ + 3σ ke kanan dan x = µ - 3σ ke kiri Luas daerah grafik selalu sama dengan satu unit persegi σ makin besar maka kurva makin rendah (B) σ makin kecil maka kurva makin tinggi (A)

7 Luas Daerah Di Bawah Kurva Normal Bila x menyatakan peubah acak distribusi maka P(x1 < x < x2) diberikan oleh daerah yang berwarna abu-abu. x 1 μ x 2 P(x 1 <x<x 2 ) = probabilitas variabel random x memiliki nilai antara x 1 dan x 2 P(x 1 <x<x 2 ) = luas di bawah kurva normal antara x=x 1 dan x=x 2

8 Untuk peubah acak X pada sebaran I, P(x1<X<x2) ditunjukkan pada daerah yang diaksir, sedangkan untuk sebaran II, peluang dinyatakan oleh daerah yang berwarna abu-abu Sebaran peluang untuk masing-masing sebaran juga berbeda Harus membuat tabel terpisah untuk setiap kurva normal bagi setiap pasangan µ dan σ Perrhitungan fungsi probabilitas (peluang) dengan rumus matematik integral yang sangat rumit KESULITAN

9 DISTRIBUSI NORMAL UMUM VS DISTRIBUSI NORMAL BAKU Sebaran peubah acak normal dengan nilai tengah (µ) = nol dan simpangan baku (σ) = 1 Distribusi Normal Baku Agar data dapat digunakan, distribusi normal umum harus diubah ke dalam distribusi normal baku dengan transformasi nilai z. nilai-nilai z dari variabel-variabel yang berdistribusi normal yang akan dengan sendirinya terdistribusi normal sehingga tidak mengubah bentuk awal distribusi

10 Kurva Distribusi Normal Baku Transformasi ini juga mempertahankan luas dibawah kurvanya, artinya: Luas dibawah kurva distribusi normal antara x 1 dan x 2 = Luas dibawah kurva distribusi normal standard antara z 1 dan z 2 Dengan z 1 = (x 1 -μ)/σ dan z 2 = (x 2 -μ)/σ. Sehingga cukup dibuat tabel distribusi normal standard kumulatif saja!

11 f(z) Menghitung Probabilitas dengan 1-11 Kurva Normal: P(0 < Z < 1.56) StandardNormal Distribution Standard Normal Probabilities { Z Lihat baris 1.5 dan kolom.06 untuk mencari P(0 <Z<1.56) =

12 f(z) Contoh Soal CONTOH!! Untuk sebaran normal dengan µ=50; σ=10 hitunglah bahwa X mengambil sebuah nilai antara 45 dan 62! Jawab : Z1=(45-50)/10 = -0.5 Z2=(62-50)/10=1.2 Maka P(45<X<62) = P(-0.5<Z<1.2) StandardNormal Distribution P(45<X<62)= P(-0.5<Z<1.2) =P(Z<1.2) P(Z<-0.5) = = Z

13 Kerjakan Untuk sebaran normal dengan µ=40; σ=6 hitunglah bahwa X mengambil sebuah nilai antara 42 dan 51

14 Contoh: Hitung Luas Pergunakanlah tabel distribusi normal standard untuk menghitung luas daerah : a) Di sebelah kanan z=1.84 b) Antara z=-1.97 s/d z=0.86 Jawab. Ingat bahwa luas yg diberikan dalam tabel distribusi normal kumulatif adalah luas dari z=- s/d z 0 tertentu: P(z<z 0 ). a) P(z>1.84) = 1 P(z 1.84) = = a) P(-1.97 <z<0.86) = P(z<0.86) P(z<-1.97) = =

15 Memakai Distribusi Normal Dalam Arah Kebalikan Diketahui luas dibawah distribusi normal yg diinginkan yang terkait dengan besar probabilitas, ingin dicari nilai variabel random X yg terkait. Contoh. Misalkan distribusi normal memiliki μ=40 σ=6, carilah nilai x 0 sehingga: a) P(x<x 0 ) = 45% b) P(x>x 0 )=14% Jawab. a) Kita mulai dengan mencari nilai Z yg sama luasnya. P(z<z 0 ) = 45% = 0.45 dari tabel z 0 = z 0 = (x 0 -μ)/σ x 0 = μ + σz 0 = 40 +6*(-0.13) = 39.22

16 Memakai Distribusi Normal Dalam Arah Kebalikan Jawab. b) Kita mulai dengan mencari nilai Z yg sama luasnya. P(z>z 0 ) = 14% P(z<z 0 ) = 1- P(z>z 0 ) = = 0.86 P(z<z 0 ) = 0.86 dari tabel z 0 = 1.08 z 0 = (x 0 -μ)/σ x 0 = μ + σz 0 = 40 +6*(1.08) = 46.48

17 Kerjakan Sebuah sebaran normal dengan µ = 200 dan σ 2 = 100, hitunglah nilai x 0 sehingga P(x<x 0 ) = 45%

18 Contoh Penerapan Distribusi Normal Sebuah perusahaan lampu celup bawah air mengetahui bahwa umur lampunya (sebelum putus) terdistribusi secara normal dengan rata-rata umurnya 800 jam dan standard deviasinya 40 jam. Carilah probabilitas bahwa sebuah bolam produksinya akan: a. Berumur antara 778 jam dan 834 jam b. Berumur kurang dari 750 jam atau lebih dari 900 jam Jawab. μ= 800 σ=40. P(778<x<834) x 1 =778 z 1 = (x 1 -μ)/σ = ( )/40 = x 2 =834 z 2 = (x 2 -μ)/σ = ( )/40 = 0.85 P(778<x<834) = P(-0.55<z<0.85) = P(z<0.85)-P(z<-0.55) = =

19 Contoh Penerapan Distribusi Normal b) Berumur kurang dari 750 jam atau lebih dari 900 jam μ= 800 σ=40. P(x< 750 atau x>900) x 1 =750 z 1 = (x 1 -μ)/σ = ( )/40 = x 2 =900 z 2 = (x 2 -μ)/σ = ( )/40 = 2.5 P(x< 750 atau x>900) = P(z<-1.25) + P(z>2.5) = P(z<-1.25) + 1- P(z<2.5) = 1 + P(z<-1.25) - P(z<2.5) = =

20 Kerjakan! Rata-rata nilai kuliah statistik diketahui 60 dengan standard deviasi 15. a) Jikalau diinginkan 20% murid mendapat nilai A dan diketahui distribusi nilai normal, berapakah batas bawah nilai agar mendapat A? b) Selanjutnya diinginkan yg mendapat B adalah sebanyak 35%. Berapakah batas bawah B?

21 Terima Kasih

SEBARAN PENARIKAN CONTOH

SEBARAN PENARIKAN CONTOH STATISTIK (MAM 4137) SEBARAN PENARIKAN CONTOH Ledhyane Ika Harlyan 2 Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean Parameter

Lebih terperinci

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS

oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS Dasar Statistik untuk Pemodelan dan Simulasi oleh: Tri Budi Santoso Signal Processing Group Electronic Engineering Polytechnic Institute of Surabaya-ITS . Probabilitas Probabilitas=Peluang, bisa diartikan

Lebih terperinci

Pendahuluan. Angka penting dan Pengolahan data

Pendahuluan. Angka penting dan Pengolahan data Angka penting dan Pengolahan data Pendahuluan Pengamatan merupakan hal yang penting dan biasa dilakukan dalam proses pembelajaran. Seperti ilmu pengetahuan lain, fisika berdasar pada pengamatan eksperimen

Lebih terperinci

BAB II VEKTOR DAN GERAK DALAM RUANG

BAB II VEKTOR DAN GERAK DALAM RUANG BAB II VEKTOR DAN GERAK DALAM RUANG 1. KOORDINAT CARTESIUS DALAM RUANG DIMENSI TIGA SISTEM TANGAN KANAN SISTEM TANGAN KIRI RUMUS JARAK,,,, 16 Contoh : Carilah jarak antara titik,, dan,,. Solusi :, Persamaan

Lebih terperinci

KONSEP DASAR SAMPLING

KONSEP DASAR SAMPLING TEKNIK SAMPLING KONSEP DASAR SAMPLING LOGO HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND TEKNIK SAMPLING Metode pengambilan sebagian anggota populasi sedemikian rupa sehingga contoh yang

Lebih terperinci

APLIKASI STATISTIKA DAN HITUNG PELUANG

APLIKASI STATISTIKA DAN HITUNG PELUANG Kata Pengantar i i i Aplikasi Statistika dan Hitung Peluang Kata Pengantar iii APLIKASI STATISTIKA DAN HITUNG PELUANG Oleh : Richard Lungan Edisi Pertama Cetakan Pertama, 2006 Hak Cipta Ó 2006 pada penulis,

Lebih terperinci

PENGUMPULAN DATA PENGOLAHAN DATA

PENGUMPULAN DATA PENGOLAHAN DATA PENGUMPULAN DATA Sensus adalah cara pengumpulan data seluruh elemen populasi diselidiki satu per satu. Sensus merupakan cara pengumpulan data yang menyeluruh. Data yang diperoleh sebagai hasil pengolahan

Lebih terperinci

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment)

Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Hitung Perataan Kuadrat Terkecil (Least Squares Adjustment) Metoda Kuadrat Terkecil adalah salah satu metoda yang paling populer dalam menyelesaikan masalah hitung perataan. Aplikasi pertama perataan kuadrat

Lebih terperinci

METODE PENELITIAN. bulan, sejak bulan Oktober 2007 sampai dengan bulan April 2008. Tabel 1 Jadwal Penelitian Tahapan

METODE PENELITIAN. bulan, sejak bulan Oktober 2007 sampai dengan bulan April 2008. Tabel 1 Jadwal Penelitian Tahapan 14 BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian 1. Tempat Penelitian Tempat pelaksanaan penelitian ini adalah di SMK Negeri 1 Ngawen Kabupaten Gunungkidul.. Waktu Penelitian Aktivitas penelitian

Lebih terperinci

STATISTIK NON PARAMTERIK

STATISTIK NON PARAMTERIK STATISTIK NON PARAMTERIK PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameterparameter

Lebih terperinci

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor

Suku Banyak. A. Pengertian Suku Banyak B. Menentukan Nilai Suku Banyak C. Pembagian Suku Banyak D. Teorema Sisa E. Teorema Faktor Bab 5 Sumber: www.in.gr Setelah mempelajari bab ini, Anda harus mampu menggunakan konsep, sifat, dan aturan fungsi komposisi dalam pemecahan masalah; menggunakan konsep, sifat, dan aturan fungsi invers

Lebih terperinci

9. K omunikasi Bukti Bukti Secara Visual

9. K omunikasi Bukti Bukti Secara Visual 9. Komunikasi Bukti Bukti Secara 9. Komunikasi Bukti Bukti Secara Visual Pembaca akan menilai kualitas dari penelitian anda berdasarkan pentingnya klaim anda dan kekuatan dari argumen anda Sebelumnya,

Lebih terperinci

REGRESI LINIER OLEH: JONATHAN SARWONO

REGRESI LINIER OLEH: JONATHAN SARWONO REGRESI LINIER OLEH: JONATHAN SARWONO 1.1 Pengertian Apa yang dimaksud dengan regresi linier? Istilah regresi pertama kali dalam konsep statistik digunakan oleh Sir Francis Galton dimana yang bersangkutan

Lebih terperinci

KEGIATAN BELAJAR 3 PENYAJIAN DATA DALAM BENTUK DIAGRAM

KEGIATAN BELAJAR 3 PENYAJIAN DATA DALAM BENTUK DIAGRAM KEGIATAN BELAJAR 3 PENYAJIAN DATA DALAM BENTUK DIAGRAM A. Penyajian Data dalam Bentuk Diagram 1. Pengertian grafik atau diagram Diagram atau grafik menurut Somantri (2006:107) adalah gambar-gambar yang

Lebih terperinci

BAB 5 PENGGUNAAN TURUNAN

BAB 5 PENGGUNAAN TURUNAN Diktat Kuliah TK Matematika BAB 5 PENGGUNAAN TURUNAN 5. Nilai Ekstrim Fungsi Nilai ekstrim fungsi adalah nilai yang berkaitan dengan maksimum atau minimum fungsi tersebut. Ada dua jenis nilai ekstrim,

Lebih terperinci

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma

UJI ASUMSI KLASIK DENGAN SPSS 16.0. Disusun oleh: Andryan Setyadharma UJI ASUMSI KLASIK DENGAN SPSS 16.0 Disusun oleh: Andryan Setyadharma FAKULTAS EKONOMI UNIVERSITAS NEGERI SEMARANG 2010 1. MENGAPA UJI ASUMSI KLASIK PENTING? Model regresi linier berganda (multiple regression)

Lebih terperinci

F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI

F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI F U N G S I A. PENGERTIAN DAN UNSUR-UNSUR FUNGSI Fungsi Fungsi ialah suatu bentuk hubungan matematis yang menyatakan hubungan ketergantungan (hubungan fungsional) antara satu variabel dengan variabel lain.

Lebih terperinci

Melukis Grafik Fungsi yang Rumit dengan Mudah

Melukis Grafik Fungsi yang Rumit dengan Mudah Kaunia, Vol. IX, No. 2, Oktober 2013 Melukis Grafik Fungsi yang Rumit dengan Mudah Faiz Ahyaningsih Dosen FMIPA Matematika UNIMED Abstract This paper aim how to sketch the complicated curve y = f(x) easily.

Lebih terperinci

HUKUM KENAIKAN HASIL BERKURANG

HUKUM KENAIKAN HASIL BERKURANG HUKUM KENAIKAN HASIL BERKURANG 1. Pengertian Kenaikan Hasil Berkurang Dalam proses produksi dikenal hukum kenaikan hasil berkurang (Law of Diminishing Returns) disingkat dengan LDR. LDR berlaku di sektor

Lebih terperinci

Statistika untuk Pustakawan

Statistika untuk Pustakawan Statistika untuk Pustakawan Pertemuan 1 Helmy Prasetyo Y BERBAGAI PENGERTIAN DATA DATA --- JAMAK DARI DATUM DATA KUANTITATIF DATA YANG BERUPA ANGKA DATA KUALITATIF DATA YANG TIDAK BERUPA ANGKA, DAN BIASANYA

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN

RENCANA PELAKSANAAN PEMBELAJARAN RENCANA PELAKSANAAN PEMBELAJARAN Mata Pelajaran : Matematika Kelas/ Semester: XI Program IPA/ Alokasi Waktu: jam Pelajaran (3 Pertemuan) A. Standar Kompetensi Menggunakan konsep limit ungsi dan turunan

Lebih terperinci

PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni

PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni PENGENDALIAN VARIABEL PENGGANGGU / CONFOUNDING DENGAN ANALISIS KOVARIANS Oleh : Atik Mawarni Pendahuluan Dalam seluruh langkah penelitian, seorang peneliti perlu menjaga sebaik-baiknya agar hubungan yang

Lebih terperinci

BAGAN PROSEDUR PENGAJUAN SKRIPSI

BAGAN PROSEDUR PENGAJUAN SKRIPSI BAGAN PROSEDUR PENGAJUAN SKRIPSI Langkah 8 : Mahasiswa mendaftar Ujian Skripsi ke Panitia di Jurusan setelah skripsi disetujui oleh TPS W I S U D A Langkah 10 A : Mahasiswa mendapatkan YUDISIUM (nilai

Lebih terperinci

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI

BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI LAMPIRAN 5 BABAK PENYISIHAN SELEKSI TINGKAT PROVINSI BIDANG KOMPETISI Laporan 2 Pelaksanaan OSN-PERTAMINA 2012 69 Olimpiade Sains Nasional Pertamina 2012 Petunjuk : 1. Tuliskan secara lengkap Nama, Nomor

Lebih terperinci

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN)

PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN) PENERAPAN PROGRAM LINIER DALAM OPTIMASI BIAYA PAKAN IKAN DENGAN METODE SIMPLEKS (STUDI KASUS PT. INDOJAYA AGRINUSA MEDAN) Beby Sundary (1011297) Mahasiswa Program Studi Teknik Informatika STMIK Budi Darma

Lebih terperinci

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015 Uji Hipotesis Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 015 Definisi Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya

Lebih terperinci

Written by Winarno Monday, 17 December 2012 00:00 - Last Updated Monday, 24 December 2012 03:07

Written by Winarno Monday, 17 December 2012 00:00 - Last Updated Monday, 24 December 2012 03:07 Skripsi... Oh... Skripsi... Skripsi merupakan tugas akhir perkuliahan yang terkadang menjadi momok bagi sebagian mahasiswa. karena skripsi inilah yang membuat seseorang terkadang menjadi mahasiswa abadi

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL

POPULASI DAN SAMPEL. Gambar 1 POPULASI dan SAMPEL Pengertian Populasi dan Sampel POPULASI DAN SAMPEL Kata populasi (population/universe) dalam statistika merujuk pada sekumpulan individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian

Lebih terperinci

BAB 2 FUNGSI MEAN RESIDUAL LIFE

BAB 2 FUNGSI MEAN RESIDUAL LIFE BB 2 FUNGSI MEN RESIDUL LIFE 2. Sifat-Sifat Peluang 2.. Identitas dasar Pertama akan ditunjukkan sebuah hubungan dasar di antara fungsi survival dan momen dari distribusi. Untuk sebuah random variabel

Lebih terperinci

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) }

4. Himpunan penyelesaian dari sistem persamaan linear x + y = 5 dan x - 2y = -4 adalah... A.{ (1, 4) } 1. Diketahui himpunan P = ( bilangan prima kurang dari 13 ) Banyak himpunan bagian dari P adalah... 5 25 10 32 P = {Bilangan prima kurang dari 13} = {2, 3, 5, 7, 11} n(p) = 5 2. Dari diagram Venn di bawah,

Lebih terperinci

SOAL UJIAN NASIONAL. PROGRAM STUDI IPA ( kode P 45 ) TAHUN PELAJARAN 2008/2009

SOAL UJIAN NASIONAL. PROGRAM STUDI IPA ( kode P 45 ) TAHUN PELAJARAN 2008/2009 SOAL UJIAN NASIONAL PROGRAM STUDI IPA ( kode P 4 ) TAHUN PELAJARAN 8/9. Perhatikan premis premis berikut! - Jika saya giat belajar maka saya bisa meraih juara - Jika saya bisa meraih juara maka saya boleh

Lebih terperinci

BAB VI. PENGGUNAAN INTEGRAL. Departemen Teknik Kimia Universitas Indonesia

BAB VI. PENGGUNAAN INTEGRAL. Departemen Teknik Kimia Universitas Indonesia BAB VI. PENGGUNAAN INTEGRAL Departemen Teknik Kimia Universitas Indonesia BAB VI. PENGGUNAAN INTEGRAL Luas Daerah di Bidang Volume Benda Pejal di Ruang: Metode Cincin Metode Cakram Metode Kulit Tabung

Lebih terperinci

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN

BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN BAB 9 PENGGUNAAN STATISTIK NON-PARAMETRIK DALAM PENELITIAN Istilah nonparametrik pertama kali digunakan oleh Wolfowitz, pada tahun 94. Metode statistik nonparametrik merupakan metode statistik yang dapat

Lebih terperinci

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc

ANOVA SATU ARAH Nucke Widowati Kusumo Projo, S.Si, M.Sc ANOVA SATU ARAH Nucke Widowati Kusumo Proo, S.Si, M.Sc It s about: Ui rata-rata untuk lebih dari dua populasi Ui perbandingan ganda (ui Duncan & Tukey) Output SPSS PENDAHULUAN Ui hipotesis yang sudah kita

Lebih terperinci

K L P Q 1 2 10 2 2 4 13 4 3 8 18 8. Gambar 4.10 Gambar 4.11

K L P Q 1 2 10 2 2 4 13 4 3 8 18 8. Gambar 4.10 Gambar 4.11 B. Relasi Sebelum mendefinisikan produk Cartesius, terlebih dahulu Anda perlu mengenal pengertian pasangan terurut. Dalam sistem koordinat Cartesius dengan sumbu x dan sumbu y, kita mengetahui bahwa titik

Lebih terperinci

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI

PATH ANALYSIS & STRUCTURAL EQUATION MODEL. Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS & STRUCTURAL EQUATION MODEL Liche Seniati Sem. Ganjil 2009/2010 Program Magister Profesi F.Psi.UI PATH ANALYSIS (Path Analysis) : merupakan suatu metode analisis untuk melihat hubungan antara

Lebih terperinci

RANCANGAN ACAK LENGKAP (RAL)

RANCANGAN ACAK LENGKAP (RAL) RANCANGAN ACAK LENGKAP (RAL) Oleh: Ir. Sri Nurhatika M.P Jurusan Biologi Fakultas MAtematika dan Ilmu Pengetahuan Alam Institut Teknologi Sepuluh Nopember Surabaya 2010 RANCANGAN ACAK LENGKAP (RAL) Penggunaan

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2013) 1-6 1 JUNAL SAINS DAN SENI POMITS Vol., No., (0) - Distribusi Waktu Tunggu Pada Antrian Dengan Menggunakan Disiplin Pelayanan Prioritas (Studi Kasus: Instalasi awat Darurat Di SUD Dr. Soetomo Surabaya) Tommy

Lebih terperinci

DAFTAR ISI. 1.1. Latar Belakang Masalah...1. 1.2. Identifikasi Masalah... 11. 1.3. Maksud dan Tujuan Penelitian... 11. 1.3.1. Maksud Penelitian...

DAFTAR ISI. 1.1. Latar Belakang Masalah...1. 1.2. Identifikasi Masalah... 11. 1.3. Maksud dan Tujuan Penelitian... 11. 1.3.1. Maksud Penelitian... ABSTRAK Penelitian ini dilakukan untuk mengetahui gambaran mengenai derajat tingkah laku prososial pada remaja usia 13-15 tahun dalam masyarakat Kasepuhan kawasan Gunung Halimun Jawa Barat. Sesuai dengan

Lebih terperinci

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono

MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono MENGUBAH DATA ORDINAL KE DATA INTERVAL DENGAN METODE SUKSESIF INTERVAL (MSI) Oleh: Jonathan Sarwono Cara Penghitungan MSI Apa yang dimaksud dengan metode suksesif interval (Method of Successive Interval

Lebih terperinci

PUSAT TEKNOLOGI INFORMASI DAN KOMUNIKASI PENDIDIKAN KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

PUSAT TEKNOLOGI INFORMASI DAN KOMUNIKASI PENDIDIKAN KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT TEKNOLOGI INFORMASI DAN KOMUNIKASI PENDIDIKAN KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN 2011 PETUNJUK PENGISIAN RPP Berikut ini panduan langkah-langkah pengisian template RPP. Jika pengguna sebagai guru

Lebih terperinci

SILABUS INDIKATOR MATERI PEMBELAJARAN KEGIATAN PEMBELAJARAN PENILAIAN KHARAKTER

SILABUS INDIKATOR MATERI PEMBELAJARAN KEGIATAN PEMBELAJARAN PENILAIAN KHARAKTER SILABUS NAMA SEKOLAH : SMK Negeri 1 Surabaya MATA PELAJARAN : MATEMATIKA (Kelompok Teknologi Informasi) KELAS / SEMESTER : X / 1 STANDAR : Memecahkan masalah berkaitan dengan konsep operasi bilangan riil

Lebih terperinci

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI

MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI MODEL REGRESI DATA TAHAN HIDUP TERSENSOR TIPE III BERDISTRIBUSI EKSPONENSIAL SKRIPSI Oleh : WINDA FAATI KARTIKA J2E 006 039 PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

DISTRIBUSI FREKUENSI (DF)

DISTRIBUSI FREKUENSI (DF) DISTRIBUSI FREKUENSI (DF) Definisi : Adalah salah satu bentuk tabel yang merupakan suatu penyusunan data ke dalam kelas-kelas tertentu dimana individu hanya termasuk ke dalam kelas tertentu. Adalah penggolongan

Lebih terperinci

Evaluasi Dari Awal hingga Akhir

Evaluasi Dari Awal hingga Akhir Evaluasi Dari Awal hingga Akhir Kemangkiran Guru di daerah pedalaman India Masalah Tingkat kemangkiran guru tinggi di India: 24% secara nasional (Kremer et al.) Apabila sekolah-sekolah berada di daerah

Lebih terperinci

4. Bentuk sederhada dari : 3 2 ... D. E. 5. Bentuk sederhana dari

4. 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 terperinci

OLIMPIADE SAINS TERAPAN NASIONAL SEKOLAH MENENGAH KEJURUAN 2008 MATEMATIKA NON-TEKNOLOGI SESI 1 (PILIHAN GANDA DAN ISIAN SINGKAT) WAKTU : 120 MENIT

OLIMPIADE SAINS TERAPAN NASIONAL SEKOLAH MENENGAH KEJURUAN 2008 MATEMATIKA NON-TEKNOLOGI SESI 1 (PILIHAN GANDA DAN ISIAN SINGKAT) WAKTU : 120 MENIT OLIMPIADE SAINS TERAPAN NASIONAL SEKOLAH MENENGAH KEJURUAN 2008 MATEMATIKA NON-TEKNOLOGI SESI (PILIHAN GANDA DAN ISIAN SINGKAT) WAKTU : 20 MENIT I. Soal Pilihan Ganda, ada 0 soal dalam test ini. Petunjuk

Lebih terperinci

MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA. Karnawan Joko Setyono. Jurusan Teknik Sipil Politeknik Negeri Semarang

MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA. Karnawan Joko Setyono. Jurusan Teknik Sipil Politeknik Negeri Semarang MODEL PEMILIHAN MODA ANTARA ANGKUTAN UMUM DAN SEPEDA MOTOR UNTUK MAKSUD KERJA Abstract Karnawan Joko Setyono Jurusan Teknik Sipil Politeknik Negeri Semarang The objectives of this research are to calibrate

Lebih terperinci

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK

SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK SIFAT-SIFAT DASAR FUNGSI KARAKTERISTIK MEDI PRASETIA Program Studi Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Andalas Padang, Kampus Unand Limau Manis, Padang 25163 mediprasetia@gmail.com

Lebih terperinci

SPSS 10: Transformasi Data. Transformasi Data

SPSS 10: Transformasi Data. Transformasi Data SPSS 0: Transformasi Data Transformasi Data Transformasi data adalah suatu proses dalam merubah bentuk data. Misalnya merubah data numerik menjadi data kategorik atau merubah dari beberapa variabel yang

Lebih terperinci

-eq/(ha.tahun). Keluaran matriks emisi untuk tab unit perencanaan dapat dilihat pada gambar di bawah ini.

-eq/(ha.tahun). Keluaran matriks emisi untuk tab unit perencanaan dapat dilihat pada gambar di bawah ini. Keluaran Matriks Emisi Keluaran dari matriks emisi adalah total hasil perhitungan matriks yang terbagi atas tab unit perencanaan, emisi bersih, emisi total, dan sekuestrasi total dengan satuan unit ton

Lebih terperinci

Agar Xn berperilaku acak yang dapat dipertanggungjawabkan :

Agar Xn berperilaku acak yang dapat dipertanggungjawabkan : ara memperoleh data Zaman dahulu, dgn cara : 1. Melempar dadu 2. Mengoco artu Zaman modern (>1940), dgn cara membentu bilangan aca secara numeri/ aritmati(menggunaan omputer), disebut Pseudo Random Number

Lebih terperinci

DISTRIBUSI BINOMIAL berhasil gagal berhasil gagal berhasil gagal ya tidak success failed sukses atau berhasil gagal. sukses atau berhasil.

DISTRIBUSI BINOMIAL berhasil gagal berhasil gagal berhasil gagal ya tidak success failed sukses atau berhasil gagal. sukses atau berhasil. DISTRIBUSI BINOMIAL Pendahuluan Distribusi binomial merupakan suatu proses distribusi probabilitas yang dapat digunakan apabila suatu proses sampling dapat diasumsikan sesuai dengan proses Bernoulli. Proses

Lebih terperinci

Gejala Pusat - Statistika

Gejala Pusat - Statistika Gejala Pusat - Statistika Desma Eka Rindiani desmarindi@yahoo.co.id http://ladies-kopites.blogspot.com Lisensi Dokumen: Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan

Lebih terperinci

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan

PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA. Oleh: Nugraha Setiawan PENENTUAN UKURAN SAMPEL MEMAKAI RUMUS SLOVIN DAN TABEL KREJCIE-MORGAN: TELAAH KONSEP DAN APLIKASINYA Oleh: Nugraha Setiawan FAKULTAS PETERNAKAN UNIVERSITAS PADJADJARAN November 007 Penentuan Ukuran Sampel

Lebih terperinci

MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA

MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA MENGHITUNG NILAI RATA-RATA SUATU DISTRIBUSI DATA AMIYELLA ENDISTA SKG.MKM Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Perhitungan Nilai Gejala Pusat Mean Median Modus Range

Lebih terperinci

B. Persoalan Batasan Campuran

B. Persoalan Batasan Campuran B. Persoalan Batasan Campuran Tempat kerajinan membuat tas kantor dan tas kulit. Laba tas kantor $ 400 dan laba tas koper $ 200. Tempat kerajinan tersebut harus menyediakan untuk pelanggan 30 tas setiap

Lebih terperinci

BAB 1 PENDAHULUAN. Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan

BAB 1 PENDAHULUAN. Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan BAB 1 PENDAHULUAN 1.1 Latar Belakang Energi sangat berperan penting bagi masyarakat dalam menjalani kehidupan sehari-hari dan sangat berperan dalam proses pembangunan. Oleh sebab itu peningkatan serta

Lebih terperinci

UJI COBA MODEL (VALIDASI)

UJI COBA MODEL (VALIDASI) UJI COBA MODEL (VALIDASI) Yaya Jakaria PUSAT PENELITIAN KEBIJAKAN DAN INOVASI PENDIDIKAN BADAN PENELITIAN DAN PENGEMBANGAN DEPARTEMEN PENDIDIKAN NASIONAL JAKARTA 2009 Uji Coba Model atau Produk Uji coba

Lebih terperinci

KORELASI DAN REGRESI LINIER SEDERHANA

KORELASI DAN REGRESI LINIER SEDERHANA KORELASI DAN REGRESI LINIER SEDERHANA 1. Pendahuluan Istilah "regresi" pertama kali diperkenalkan oleh Sir Francis Galton pada tahun 1886. Galton menemukan adanya tendensi bahwa orang tua yang memiliki

Lebih terperinci

MANUAL PROCEDURE PETUNJUK PENGOPERASIAN SISTEM INFORMASI AKADEMIK. Pengguna: Mahasiswa

MANUAL PROCEDURE PETUNJUK PENGOPERASIAN SISTEM INFORMASI AKADEMIK. Pengguna: Mahasiswa MANUAL PROCEDURE PETUNJUK PENGOPERASIAN SISTEM INFORMASI AKADEMIK Pengguna: Mahasiswa UNIVERSITAS SRIWIJAYA 2008 PENDAHULUAN Sistem Informasi Akademik dibangun untuk memudahkan struktur pengelolaan data

Lebih terperinci

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com

APLIKASI REGRESI SEDERHANA DENGAN SPSS. HENDRY admin teorionline.net Phone : 021-834 14694 / email : klik.statistik@gmail.com APLIKASI REGRESI SEDERHANA DENGAN SPSS HENDRY admin teorionline.net Phone : 02-834 4694 / email : klik.statistik@gmail.com Tentang Regresi Sederhana Analisis regresi merupakan salah satu teknik analisis

Lebih terperinci

STATISTIKA DASAR. Oleh : Y. BAGUS WISMANTO

STATISTIKA DASAR. Oleh : Y. BAGUS WISMANTO STATISTIKA DASAR Oleh : Y. BAGUS WISMANTO FAKULTAS PSIKOLOGI UNIVERSITAS KATOLIK SOEGIJAPRANATA SEMARANG 007 DAFTAR ISI Halaman I. PENDAHULUAN A. Apa Statistika Itu? B. Pentingnya Penguasaan terhadap Statistika

Lebih terperinci

Model Matematika dari Sistem Dinamis

Model Matematika dari Sistem Dinamis Model Matematika dari Sistem Dinamis September 2012 () Model Matematika dari Sistem Dinamis September 2012 1 / 60 Pendahuluan Untuk analisis dan desain sistem kontrol, sistem sis harus dibuat model sisnya.

Lebih terperinci

Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini.

Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini. . INVERS MTRIKS Sebelum pembahasan tentang invers matriks lebih lanjut, kita bahas dahulu beberapa pengertian-pengertian berikut ini. a. RNK MTRIKS Matriks tak nol dikatakan mempunyai rank r jika paling

Lebih terperinci

MODUL APLIKATIF MATA KULIAH STATISTIK SOSIAL JURUSAN ILMU PEMERINTAHAN FISIPOL UMY PENDAHULUAN

MODUL APLIKATIF MATA KULIAH STATISTIK SOSIAL JURUSAN ILMU PEMERINTAHAN FISIPOL UMY PENDAHULUAN MODUL APLIKATIF MATA KULIAH STATISTIK SOSIAL JURUSAN ILMU PEMERINTAHAN FISIPOL UMY PENDAHULUAN Dalam epistemologi berkembang dua aliran besar yang saling bertentangan yaitu positivistik-naturalistik dan

Lebih terperinci

PERTAMA KALI YANG HARUS KAMU PAHAMI.

PERTAMA KALI YANG HARUS KAMU PAHAMI. PERTM KLI YNG HRUS KMU PHMI. 1. TURN DSR. Robot akan mengikuti garis dan berjalan lurus ketika sensor tengah masih mendeteksi garis. Ketika sensor tengah tidak mendeteksi garis robot akan berusaha bergerak

Lebih terperinci

Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta. Ali Rokhman

Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta. Ali Rokhman Sumber: Husein Umar (2004), Metode Riset Ilmu Administrasi, Pt Gramedia Pustaka Utama, Jakarta Ali Rokhman Konsep analisa data Prinsip umum analisa data Langkah umum analisa data Pedoman pemakaian metode

Lebih terperinci

BAB I PENGANTAR MATEMATIKA EKONOMI

BAB I PENGANTAR MATEMATIKA EKONOMI BAB I PENGANTAR MATEMATIKA EKONOMI 1.1 Matematika Ekonomi Aktivitas ekonomi merupakan bagian dari kehidupan manusia ribuan tahun yang lalu. Kata economics berasal dari kata Yunani klasik yang artinya household

Lebih terperinci

Lalu masukkan user name anda yang telah diberitahukan oleh administrator anda, misalnya seperti contoh dibawah ini.

Lalu masukkan user name anda yang telah diberitahukan oleh administrator anda, misalnya seperti contoh dibawah ini. 1. Penggunaan Aplikasi Untuk menjalankan aplikasi ini, anda dapat mengetik http://dosen.bundamulia.ac.id/ pada browser Internet Explorer. Setelah itu, maka akan tampil Menu Login seperti dibawah ini :

Lebih terperinci

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel

BAB III METODOLOGI PENELITIAN. A. Definisi konseptual, Operasional dan Pengukuran Variabel BAB III METODOLOGI PENELITIAN A. Definisi konseptual, Operasional dan Pengukuran Variabel 1. Definisi Konseptual Menurut teori teori yang di uraikan tersebut diatas dapat disimpulkan bahwa yang dimaksud

Lebih terperinci

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI

PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI PENDUGAAN ANGKA PUTUS SEKOLAH DI KABUPATEN SEMARANG DENGAN METODE PREDIKSI TAK BIAS LINIER TERBAIK EMPIRIK PADA MODEL PENDUGAAN AREA KECIL SKRIPSI Disusun Oleh: NANDANG FAHMI JALALUDIN MALIK NIM. J2E 009

Lebih terperinci

9 Menghitung Besar Sudut di Titik Sudut

9 Menghitung Besar Sudut di Titik Sudut 9 Menghitung Besar Sudut di Titik Sudut Besar sudut di setiap titik sudut pada segi-banyak relatif mudah dihitung. Pada segi-n beraturan, besar sudut di setiap titik sudutnya sama dengan 180 o 360 o /n.

Lebih terperinci

1. Nilai Tempat Bilangan 10.000 s.d. 100.000 Lambang bilangan Hindu-Arab yang setiap kali kita gunakan menggunakan sistem desimal dengan nilai

1. Nilai Tempat Bilangan 10.000 s.d. 100.000 Lambang bilangan Hindu-Arab yang setiap kali kita gunakan menggunakan sistem desimal dengan nilai 1. Nilai Tempat Bilangan 10.000 s.d. 100.000 Lambang bilangan Hindu-Arab yang setiap kali kita gunakan menggunakan sistem desimal dengan nilai tempat. Menggunakan sistem desimal (dari kata decem, bahasa

Lebih terperinci

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR

CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR CONTOH DATA YANG DIANALISIS DENGAN ANAVA SATU JALUR Data Sampel I Data Sampel II Data Sampel III 5 4 7 9 8 5 9 4 6 CONTOH DATA YANG DIANALISIS DENGAN ANAVA DUA JALUR Kategori Data Sampel I Data Sampel

Lebih terperinci

Membuat Grafik dengan Dua Sumbu (Axis) Vertikal yang Berbeda

Membuat Grafik dengan Dua Sumbu (Axis) Vertikal yang Berbeda Membuat Grafik dengan Dua Sumbu (Axis) Vertikal yang Berbeda Junaidi, Junaidi (Staf Pengajar Fakultas Ekonomi dan Bisnis Universitas Jambi) Dalam penyajian data, sering dibutuhkan grafik dengan dua sumbu

Lebih terperinci

Penilaian Kualitas Udara, dan Indeks Kualitas Udara Perkotaan

Penilaian Kualitas Udara, dan Indeks Kualitas Udara Perkotaan Penilaian Kualitas Udara, dan Indeks Kualitas Udara Perkotaan Kuliah Minggu V Laboratorium Pencemaran Udara dan Perubahan Iklim (LPUPI) Jurusan Teknik Lingkungan FTSP ITS Host of Urban Problems Problem

Lebih terperinci

Catatan Kuliah KALKULUS II BAB V. INTEGRAL

Catatan Kuliah KALKULUS II BAB V. INTEGRAL BAB V. INTEGRAL Anti-turunan dan Integral TakTentu Persamaan Diferensial Sederhana Notasi Sigma dan Luas Daerah di Bawah Kurva Integral Tentu Teorema Dasar Kalkulus Sifat-sifat Integral Tentu Lebih Lanjut

Lebih terperinci

TKS 4209 PENDAHULUAN 4/1/2015

TKS 4209 PENDAHULUAN 4/1/2015 TKS 4209 Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya PENDAHULUAN Salah satu jenis varians sistematik dalam kumpulan data hasil penelitian adalah varians antar kelompok atau disebut

Lebih terperinci

ABSTRAK. Pengujian hipotesis tentang perbedaan dua parameter rata-rata, dilakukan

ABSTRAK. Pengujian hipotesis tentang perbedaan dua parameter rata-rata, dilakukan PENGUJIAN PERBEDAAN DUA RATA-RATA Lisensi Dokumen: Seluruh dokumen di StatistikaPendidikan.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas untuk tujuan bukan komersial (nonprofit), dengan

Lebih terperinci

BAB I PENDAHULUAN. Keuntungan dari menggunakan metode non parametrik adalah :

BAB I PENDAHULUAN. Keuntungan dari menggunakan metode non parametrik adalah : BAB I PENDAHULUAN Metode statistik yang banyak dilakukan adalah dengan menggunakan metode parametrik (seperti t-test, z test, Anova, regresi, dan lainnya) dengan menggunakan parameter-parameter seperti

Lebih terperinci

MATERI VI DIAGRAM SEBAB AKIBAT DIAGRAM PARETO. By : Moch. Zen S. Hadi, ST Communication Digital Lab.

MATERI VI DIAGRAM SEBAB AKIBAT DIAGRAM PARETO. By : Moch. Zen S. Hadi, ST Communication Digital Lab. MATERI VI DIAGRAM SEBAB AKIBAT DIAGRAM PARETO By : Moch. Zen S. Hadi, ST Communication Digital Lab. DIAGRAM SEBAB AKIBAT DIAGRAM SEBAB AKIBAT/TULANG IKAN / FISHBONE / ISHIKAWA Adalah satu alat dalam menganalisa

Lebih terperinci

Sainstech. Dalam. Membuat. Tahap 2: Total Siswa. Jul. Mei. Mar. Feb. Apr. Jun PLC. Rata rata

Sainstech. Dalam. Membuat. Tahap 2: Total Siswa. Jul. Mei. Mar. Feb. Apr. Jun PLC. Rata rata Sainstech Unisma Bekasi Pertemuan 8 (Grafik 2 y axis dan link antar sheet) Bagian 1 : Membuat Grafik dengan 2 y axis Penjelasan singkat : Dalam latihan ini akan dilakukan pembuatan grafik yang menampilkan

Lebih terperinci

E-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik

E-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik Penyajian Data Statistik Pada penulisan kedua tentang Statistika Elementer ini, penulis akan memberikan bahasan mengenai Penyajian Data Statistik kepada para pembaca untuk mengetahui bentuk penyajian data

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BB 3 METODE PENELITIN 3.1 Desain/Kerangka Penelitian Berdasarkan dari uraian latar belakang, perumusan masalah, dan teori-teori yang telah dijelaskan sebelumnya, maka kerangka pemikiran dari penelitian

Lebih terperinci

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA

PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 26 34 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERMASALAHAN AUTOKORELASI PADA ANALISIS REGRESI LINIER SEDERHANA NADIA UTIKA PUTRI, MAIYASTRI, HAZMIRA

Lebih terperinci

KATA PENGANTAR. Medan, April 2010. Nana Kartika, ST

KATA PENGANTAR. Medan, April 2010. Nana Kartika, ST KATA PENGANTAR Puji syukur kehadirat Allah SWT, karena berkat rahmat, karunia dan hidayahnya, bahan ajar modul mata kuliah Statistik Probabilitas ini dapat terselesaikan. Modul yang di susun ini diharapkan

Lebih terperinci

UJI TANDA (SIGN TEST) By YANUAR,SE., MM.

UJI TANDA (SIGN TEST) By YANUAR,SE., MM. 12 UJI TANDA (SIGN TEST) By YANUAR,SE., MM. Tujuan Instruksional khusus: Mahasiswa diharapkan dapat menerapkan ujia tanda dalam statistika nonparametric. PENDAHULUAN Di dalam bab ini anda akan lebih membicarakan

Lebih terperinci

POPULASI, SAMPLING DAN BESAR SAMPEL

POPULASI, SAMPLING DAN BESAR SAMPEL POPULASI, SAMPLING DAN BESAR SAMPEL Didik Budijanto Pusdatin Kemkes RI Alur Berpikir dalam Metodologi Research: Masalah Identifikasi Mslh [ Batasan ] Rumusan Masalah - Tujuan Penelitian/ Manfaat Tinjauan

Lebih terperinci

Nama Peserta : No Peserta : Asal Sekolah : Asal Daerah :

Nama Peserta : No Peserta : Asal Sekolah : Asal Daerah : 1. Terdapat sebuah fungsi H yang memetakan dari himpunan bilangan asli ke bilangan asli lainnya dengan ketentuan sebagai berikut. Misalkan akan dicari nilai fungsi H jika x=38. 38 terdiri dari 3 puluhan

Lebih terperinci

POLINOM (SUKU BANYAK) Menggunakan aturan suku banyak dalam penyelesaian masalah.

POLINOM (SUKU BANYAK) Menggunakan aturan suku banyak dalam penyelesaian masalah. POLINOM (SUKU BANYAK) Standar Kompetensi: Menggunakan aturan suku banyak dalam penyelesaian masalah. Kompetensi Dasar: 1. Menggunakan algoritma pembagian suku banyak untuk menentukan hasil bagi dan sisa

Lebih terperinci

PD Orde 2 Lecture 3. Rudy Dikairono

PD Orde 2 Lecture 3. Rudy Dikairono PD Orde Lecture 3 Rudy Dikairono Today s Outline PD Orde Linear Homogen PD Orde Linear Tak Homogen Metode koefisien tak tentu Metode variasi parameter Beberapa Pengelompokan Persamaan Diferensial Order

Lebih terperinci

Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137)

Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137) 10th Meeting Analisis Ragam & Rancangan Acak Lengkap Statistik (MAM 4137) by Ledhyane I.H Tujuan Instruksional Khusus Mahasiswa akan dapat menggunakan rangkaian prosedur percobaan dengan menggunakan analisis

Lebih terperinci

KATA PENGANTAR. Semoga bermanfaat. Disusun : Memed Wachianto ( Guru Matematika SMK Negeri 10 Semarang ) Geogebra - 1

KATA PENGANTAR. Semoga bermanfaat. Disusun : Memed Wachianto ( Guru Matematika SMK Negeri 10 Semarang ) Geogebra - 1 KATA PENGANTAR Saat ini adalah era ICT (Information and Communication Technology). Seiring dengan itu saat ini SPSS dan MINITAB, yaitu software untuk statistika yang merupakan cabang dari matematika. Geogebra

Lebih terperinci

BAB 3 PENYELESAIAN PERSAMAAN NON LINIER

BAB 3 PENYELESAIAN PERSAMAAN NON LINIER BAB 3 PENYELESAIAN PERSAMAAN NON LINIER 3.. Permasalahan Persamaan Non Linier Penyelesaian persamaan non linier adalah penentuan akar-akar persamaan non linier.dimana akar sebuah persamaan f(x =0 adalah

Lebih terperinci

DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004

DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004 DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004 Komite Akreditasi Nasional National Accreditation Body of Indonesia Gedung Manggala Wanabakti, Blok IV, Lt. 4 Jl. Jend. Gatot Subroto,

Lebih terperinci

MAT. 05. Relasi dan Fungsi

MAT. 05. Relasi dan Fungsi MAT. 05. Relasi dan Fungsi i Kode MAT. 05 Relasi dan fungsi BAGIAN PROYEK PENGEMBANGAN KURIKULUM DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DEPARTEMEN PENDIDIKAN

Lebih terperinci

PERANCANGAN APLIKASI SISTEM PURI TERIMA BARANG MENERAPKAN NORTH WEST CORNER METHOD (NWC) PADA PT. POS INDONESIA MEDAN

PERANCANGAN APLIKASI SISTEM PURI TERIMA BARANG MENERAPKAN NORTH WEST CORNER METHOD (NWC) PADA PT. POS INDONESIA MEDAN Volume : V, Nomor : 2, Januari 215 ISSN : 2339-21X PERANCANGAN APLIKASI SISTEM PURI TERIMA BARANG MENERAPKAN NORTH WEST CORNER METHOD (NWC) PADA PT. POS INDONESIA MEDAN Irwan Syahputra (911155) Mahasiswa

Lebih terperinci