ESTIMATION AND CONFIDENCE INTERVALS
|
|
- Hadian Iskandar
- 7 tahun lalu
- Tontonan:
Transkripsi
1 ESTIMATION AND CONFIDENCE INTERVALS
2 GOALS 1. Menjelaskan estimasi titik. 2. Menjelaskan tingkat kepercayaan. 3. Menghitung interval kepercayaan pada rata-rata populasi ketika standar deviasi populasi diketahui. 4. Menghitung interval kepercayaan pada rata-rata populasi ketika standar deviasi populasi tidak diketahui. 5. Menghitung interval kepercayaan pada proporsi populasi. 6. Menghitung ukuran sampel yang diperlukan untuk memperkirakan proporsi populasi atau rata-rata populasi.
3 Sampling and Estimates Alasan pengambilan sampel: 1. Menghubungi keseluruhan populasi memakan waktu. 2. Meneliti seluruh item di dalam populasi seringkali terlalu mahal. 3. Hasil-hasil sampel umumnya memadai. 4. Tes tertentu bersifat merusak. 5. Memeriksa seluruh item seluruh item secara fisik tidak memungkinkan. Estimasi Titik vs. Interval Kepercayaan Estimasi titik merupakan angka tunggal yang digunakan untuk memperkirakan parameter populasi. Interval kepercayaan merupakan jangkauan nilai yang dibentuk dari data sampel, sehungga parameter populasi kemungkinan muncul dalam jangkauan tersebut pada probabilitas tertentu. Faktor-faktor yang menentukan luasnya Interval Kepercayaan 1.Besar sampel, n. 2.Keragaman populasi, biasanya σ dilperkirakan oleh s. 3.Tingkat kepercayaan yang diinginkan.
4 Interval Estimates - Interpretation Untuk interval kepercayaan sebesar 95% sekitar 95% kesamaan Also 95% of the sample means for a specified sample size will lie within 1.96 standard deviations of the hypothesized population
5 How to Obtain z value for a Given Confidence Level The 95 percent confidence refers to the middle 95 percent of the observations. Therefore, the remaining 5 percent are equally divided between the two tails. Following is a portion of Appendix B.1.
6 Point Estimates and Confidence Intervals for a Mean σ Known x sample mean z z - value for a particular confidence level σ the population standard deviation n the number of observations in the sample 1. The width of the interval is determined by the level of confidence and the size of the standard error of the mean. 2. The standard error is affected by two values: - Standard deviation - Number of observations in the sample Contoh American Management Association ingin memiliki informasi rata-rata pendapatan manajer toko di industri eceran. Sampel acak 256 manajer menyataka ratarata sampelnya $ Standar deviasi populasi ini adalah $ Berapa rata-rata populasinya? Pada kasus ini, kita tidak tahu. Kita hanya tahu ratarata sampel $ Dengan demikian, estimasi terbaik kita dari nilai populasi yang tidak dikeahui adalah angka sampel yang sesuai. Jadi, rata-rata sampel $ merupakan estimasi titik dari ratarata populasi yang tidak diketahui. 2. Berapa jangkauan nilai yang tepat untuk rata-rata populasinya? Cara biasanya adalah membulatkan titik ujung menjadi $ dan $45.671, ini disebut batas kepercayaan. Tingkat kepercayaan adalah 95% yaitu $ $ $251 disebut sebagi batas kesalahan 3. Apakah maksud hasil tersebut? Jika dipilih sampel 256 manajer, untuk masingmasing sampel dihitung rata-ratanya dan membentuk interval kepercayaan 95%, kita dapat memperkirakan 95% interval kepercayaan ini memuat rata-rata populasi.
7 Population Standard Deviation (σ) Unknown The t- Distribution Pada kebanyakan situasi sampling standar deviasi (σ) tidak diketahui. Berikut beberapa contoh dimana kami ingin memperkirakan rata-rata populasi dan tidak memungkinkan dapat mengetahui standar deviasi populasi. 1. Dekan Kampus Bisnis ingin memperkirakan rata-rata jumlah jam bekerja mahasiswa paruh waktu yang bekerja tiap minggu. Ia memilih sampel 30 mahasiswa, menghubungi setiap mahasiswa dan menanyai berapa jam mereka bekerja minggu lalu. 2. Dekan Mahasiswa ingin memperkirakan jarak tempuh mahasiswa ke kampus. Ia mamilih sampel 40 mahasiswa, menghubungi setiap mahasiswa, dan menentukan jarak satu arah dari rumah setiap mahasiswa ke kampus. Karakteristik ddistribusi t 1. Distribusinya, seperti distribusi z, merupakan distribusi kontinu. 2. Distribusinya, seperti distribusi z, berbentuk lonceng dan simetris. 3. Tidak hanya ada satu distribusi t, tetapi serumpun distribusi t. Seluruh distribusi t memiliki rata-rata 0, tetapi standar deviasinya berbeda-beda sesuai ukuran sampel, n. 4. Distribusi t lebih tersebar dan lebih landai di tengah daripada distribusi normal baku. Namun, semakin ukuran sampel bertambah distribusi t mendekati distribusi normal baku karena kesalahan dalam penggunaan s untuk memperkirakan σ menurud n dengan sampel yang lebih banyak.
8 Confidence Interval Estimates for the Mean Use Z-distribution If the population standard deviation is known or the sample is greater than 30. Use t-distribution If the population standard deviation is unknown and the sample is less than 30.
9 Confidence Interval for the Mean Example using the t- distribution EXAMPLE Pabrik ban ingin menyelidiki tebal jejak ban-ban produksinya. Sampel 10 ban yang menempuh mil menyatakan rata-rata sampel jejak yang membekas adalah 0,32 inci dengan standar deviasi 0,09 inci. Gunakan interval kepercayaan 95% untuk rata-rata populasi. Apakah tepat bagi pabrik untuk menyimpulkan bahwa setelah mil rata-rata populasi jumlah jejak yang membekas adalah 0,03 inci?
10 A Confidence Interval for a Proportion (π) Ilustrasi skala pengukuran rasio. 1. Direktur pelayanan karier di Southern Technical Institute melaporkan bahwa 80% lulusannya masuk ke bursa kerja pada jabatan yang berhubungan dengan bidang studinya. 2. Perwakilan perusahaan menyatakan bahwa 45% penjualan Burger King dilakukan melalui drive-through. 3. Survei rumah-rumah di Chicago menunjukkan bahwa 85% bangunan memiliki ventilasi udara terpusat. 4. Survei terkini mengenai pria yang menikah di antara usia 35 dan 50 tahun menemukan bahwa 63% merasa bahwa kedua pasangan seharusnya mencari nafkah. Using the Normal Distribution to Approximate the Binomial Distribution Untuk membuat tingkat kepercayaan terhadap proporsi, kita perlu memenuhi asumsi berikut. 1. Kondisi binomial telah terpenuhi. Kondisi tersebut antara lain: a. Data sampel merupakan hasil penghitungan. b. Hanya terdapat 2 kemungkinan hasil. c. Probabilitas keberhasilan tetap sama dari satu percobaan ke percobaan berikutnya. d. Percobaan-percobaannya saling beba. Ini berarti hasil pada suatu percobaan tidak mempengaruhi hasil percobaan lainnya. 2. Nilai n π dan n(1-π) seharusnya lebih besar atau sama dengan 5. kondisi ini memungkinkan kita untuk menggunakan teorema limit tengah dan menerapkan distribusi normal baku, yakni, z, untuk mencapai suatu interval kemungkinan.
11 Confidence Interval for a Population Proportion- Example EXAMPLE Serikat perwakilan Bottle Blowers of America (BBA) sedang mempertimbangkan proposal untuk bergabung dengan Serikat Teamsters. Menurut anggaran rumah tangga serikat BBA, sedikitnya ¾ anggota serikat harus menyetujui merger apapun. Sampel acak anggota BBA saat ini menunjukkan bahwa diantaranya akan menyetujui proposal merger tersebut. Berapa estimasi proporsi dan populasinya? Gunakan interval kepercayaan 95%. Dengan mendasarkan keputusan anda pada informasi sampel ini, dapatkah anda mengambil kesimpulan bahwa terdapat cukup proporsi dari populasi yang mendukung merger? Mengapa? First, compute p x 1, n 2000 Compute the 95% C.I. C.I. p z / p( 1 p ) n ( , ) the sample proportion:. 80( ) ,000 Conclude : The merger proposal willlikely pass because the interval estimate includes than 75percent of the union membership. values greater
12 Finite-Population Correction Factor A population that has a fixed upper bound is said to be finite. For a finite population, where the total number of objects is N and the size of the sample is n, the following adjustment is made to the standard errors of the sample means and the proportion: Standard Error of the Mean Standard Error of the Proportion x n N n N 1 p p(1 n p) N n N 1 However, if n/n <.05, the finite-population correction factor may be ignored. Why? See what happens to the value of the correction factor in the table below when the fraction n/n becomes smaller The FPC approaches 1 when n/n becomes smaller!
13 CI for Mean with FPC - Example EXAMPLE There are 250 families in Scandia, Pennsylvania. A random sample of 40 of these families revealed the mean annual church contribution was $450 and the standard deviation of this was $75. Could the population mean be $445 or $425? What is the population mean? What is the best estimate of the population mean? Given in Problem: N 250 n 40 s - $75 Since n/n = 40/250 = 0.16, the finite population correction factor must be used. The population standard deviation is not known therefore use the t-distribution (may use the z-dist since n>30) X t s n ($ , N n N 1 $ t. 10/ $, $ 75 $ $ 450 $ $ 450 $ $ ) It is likely that the population mean ismore than $ but less than $ To put it another way, could the population mean be$445? Yes, but it is not likely that it is$425 because the value $445 is within the confidence interval and $425 is not within the confidence interval.
14 Selecting an Appropriate Sample Size There are 3 factors that determine the size of a sample, none of which has any direct relationship to the size of the population. The level of confidence desired. The margin of error the researcher will tolerate. The variation in the population being Studied. n z 2 E EXAMPLE A student in public administration wants to determine the mean amount members of city councils in large cities earn per month as remuneration for being a council member. The error in estimating the mean is to be less than $100 with a 95 percent level of confidence. The student found a report by the Department of Labor that estimated the standard deviation to be $1,000. What is the required sample size? Given in the problem: E, the maximum allowable error, is $100 The value of z for a 95 percent level of confidence is 1.96, The estimate of the standard deviation is $1,000. n ( )($ 1, 000 ) $ 100 ( ) z E 2
15 Sample Size for Estimating a Population Proportion Z n p( 1 p) E where: n is the size of the sample z is the standard normal value corresponding to the desired level of confidence E is the maximum allowable error NOTE: use p = 0.5 if no initial information on the probability of success is available 2 EXAMPLE 1 The American Kennel Club wanted to estimate the proportion of children that have a dog as a pet. If the club wanted the estimate to be within 3% of the population proportion, how many children would they need to contact? Assume a 95% level of confidence and that the club estimated that 30% of the children have a dog as a pet n (.30)(.70) EXAMPLE 2 A study needs to estimate the proportion of cities that have private refuse collectors. The investigator wants the margin of error to be within.10 of the population proportion, the desired level of confidence is 90 percent, and no estimate is available for the population proportion. What is the required sample size? n (.5)(1.5).10 n 69 cities
Statistik Bisnis. Week 9 Confidence Interval Estimation
Statistik Bisnis Week 9 Confidence Interval Estimation Agenda Time Activity 20 minutes Point and Interval Estimate 40 minutes Confidence Interval Estimate for the Mean ( Known) 40 minutes Confidence Interval
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciDistribusi probabilitas dan normal. Statisitik Farmasi 2015
Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi
Lebih terperinciApa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
Lebih terperinciStatistik Bisnis 2. Week 4 Fundamental of Hypothesis Testing Methodology
Statistik Bisnis 2 Week 4 Fundamental of Hypothesis Testing Methodology ONE-TAIL TESTS One-Tail Tests In many cases, the alternative hypothesis focuses on a particular direction H 0 : μ 3 H 1 : μ < 3 H
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability
Statistik Bisnis 1 Week 9 Discrete Probability Random Variables Random Variables Discrete Random Variable Continuous Random Variable Wk. 9 Wk. 10 Probability Distributions Probability Distributions Wk.
Lebih terperinciUJI HIPOTESIS SATU SAMPEL. Chapter 10
UJI HIPOTESIS SATU SAMPEL Chapter 10 Tujuan 1. Mendefinisikan hypothesis and hypothesis testing. 2. Menjelaskan lima tahapan prosedur uji hipotesis. 3. Membedakan antara uji hipotesis satu sisi dan dua
Lebih terperinciSTATISTIK PERTEMUAN VII
STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik
Lebih terperinciESTIMASI. Widya Setiafindari
ESTIMASI Widya Setiafindari Tujuan Pembelajaran Menjelaskan konsep-konsep dasar yang mendukung pendugaan rata-rata populasi, persentase dan varians Menghitung dugaan-dugaan (estimates) rata-rata populasi
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/
Lebih terperinciSampling, Estimasi dan Uji Hipotesis
Sampling, Estimasi dan Uji Hipotesis Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling
Lebih terperinciKUMPULAN TABEL MIL-STD-414
KUMPULAN TABEL MIL-STD-414 Ir. Budi Nurtama, M.Agr. 2005 Program Studi Supervisor Jaminan Mutu Pangan Departemen Ilmu dan Teknologi Pangan Fakultas Teknologi Pertanian Institut Pertanian Bogor TABLES FOR
Lebih terperinciUJI HIPOTESIS DUA SAMPEL. Chapter 11
UJI HIPOTESIS DUA SAMPEL Chapter Tujuan. Melakukan uji hipotesis tentang perbedaan antara dua mean populasi independen.. Melakukan uji hipotesis tentang perbedaan antara dua proporsi populasi. 3. Melakukan
Lebih terperinciStatistik Bisnis 2. Week 6 Two-Sample Test Population Proportions and Variances
Statistik Bisnis Week 6 Two-Samle Test Poulation Proortions and Variances Learning Objectives The means of two indeendent oulations The means of two related oulations In this chater, you learn how to use
Lebih terperinciMedan, Juli Penulis
9. Seluruh teman-teman seperjuangan di Ekstensi Matematika Statistika, dan semua pihak yang turut membantu menyelesaikan skripsi ini. Sepenuhnya penulis menyadari bahwa dalam penulisan skripsi ini masih
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciFOR IMMEDIATE RELEASE
FOR IMMEDIATE RELEASE International www.roymorgan.com Finding No. 2009 Available on Website: www.roymorgan.com On March 19, 2013 KADIN-Roy Morgan Keyakinan Konsumen menurun di bulan Februari 155.5 poin
Lebih terperinciSebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Lebih terperinciSIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING
SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING PENGANTAR Simulasi Monte Carlo didefinisikan sebagai semua teknik sampling statistik yang digunakan untuk memperkirakan solusi
Lebih terperinciSebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor
Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,
Lebih terperinciStatistik Bisnis 1. Week 9 Discrete Probability Binomial and Poisson Distribution
Statistik Bisnis 1 Week 9 Discrete Probability Binomial and Poisson Distribution Agenda 15 minutes 45 minutes 30 minutes Attendance check Discussion Exercise Learning Objectives In this chapter, you learn:
Lebih terperinciPENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA
PENAKSIRAN PARAMETER µ DAN σ PADA DISTRIBUSI NORMAL MENGGUNAKAN METODE BAYES DAN MAKSIMUM LIKELIHOOD SKRIPSI SUNARTO URJOYO PURBA 09083005 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciInferensia Statistik parametrik VALID?? darimana sampel diambil
Inferensia Statistik parametrik VALID?? Tergantung dari bentuk populasi Tergantung dari bentuk populasi darimana sampel diambil Uji kesesuaian (goodness of fit) ) untuk tabel frekuensi Goodness-of-fit
Lebih terperinciSTUDI KRITIS ATAS UJI KECUKUPAN DATA
STUDI KRITIS ATAS UJI KECUKUPA DATA Budi Aribowo 1 ABSTRACT Data proficiency test that often used in research, especially in ergonomic and working system design to determine whether the number of the sample
Lebih terperinciDistribusi dari Sampling
Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi
Lebih terperinciAnalisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) SKRIPSI
Analisis Data Panel Tidak Lengkap Model Komponen Error Dua Arah dengan Metode Minimum Variance Quadratic Unbiased Estimation (MIVQUE) (Studi Kasus Model Return Saham Di BEJ) SKRIPSI Oleh: RATIH DWI ASTUTI
Lebih terperinciNon Linear Estimation and Maximum Likelihood Estimation
Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation and Maximum Likelihood Estimation Non Linear Estimation We have studied linear models in the sense that the parameters are
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling)
Rencana Penerimaan Sampel (Acceptance Sampling) 12 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciDADANG JUANDI Hery Sutarto Hepi Maizon Yanti Mulyanti M. Sholeh Tenang Sembiring
DADANG JUANDI Hery Sutarto Hepi Maizon Yanti Mulyanti M. Sholeh Tenang Sembiring Pengantar Dalam suatu majalah olah raga, dilaporkan bahwa dari penyelidikan terhadap 300 orang olahragawan diperoleh M dan
Lebih terperinciPenaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Bayes
Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Baes Sisca Agnessia Departemen Matematika, FMIPA UI, Kampus UI Depok 6 sisca.agnessia@ahoo.com Abstrak Dalam
Lebih terperinciPENGAWASAN PROSES WAKTU JENIS. SAMPLING PENERIMAAN *single *double *sequential. X-Chart R- Chart. By Variable. *single *double *sequential
I. PENGERTIAN Kualitas adalah sesuatu yang cocok/sesuai dengan selera seseorang (fitness for use) Kualitas adalah barang atau jasa yang dapat menaikkan status pemakai Kualitas adalah barang atau jasa yang
Lebih terperinciMANAJEMEN OPERASIONAL
MANAJEMEN OPERASIONAL MANAJEMEN PERSEDIAAN MUHAMMAD WADUD, SE., M.Si PERTEMUAN KEDUA BELAS 2008 Prentice Hall, Inc. 12 1 POKOK BAHASAN PENTINGNYA PERSEDIAAN MANAJEMEN PERSEDIAAN MODEL-MODEL PERSEDIAAN
Lebih terperinciReview QUIZ ( 10 menit )
Lecture 4 Control Chart for Variables - 1 1 Review QUIZ ( 10 menit ) Sebutkan pembagian penyebab variasi pada proses manufaktur? Berikan contoh? Kapan proses disebut in control dan kapan out of control?
Lebih terperinciPENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 8. Estimasi Parameter Prima Kristalina Juni 2015 1 2 Outline 1. Terminologi Estimasi Parameter
Lebih terperinciB. ACCEPTANCE SAMPLING. Analysis
Analysis Control A. PENDAHULUAN B. ACCEPTANCE SAMPLING Control Analysis Pengendalian dan pengawasan mutu untuk mengetahui kesesuaian dengan standar tidak dapat diterapkan pada semua produk karena jumlah
Lebih terperinciStatistik Bisnis 1. Week 10 Continuous Probability Normal Distribution
Statistik Bisnis 1 Week 10 Continuous Probability Normal Distribution Learning Objectives In this chapter, you learn: To compute probabilities from the normal distribution To use the normal probability
Lebih terperinciDependent VS independent variable
Kuswanto-2012 !" #!! $!! %! & '% Dependent VS independent variable Indep. Var. (X) Dep. Var (Y) Regression Equation Fertilizer doses Yield y = b0 + b1x Evaporation Rain fall y = b0+b1x+b2x 2 Sum of Leave
Lebih terperinciGambaran Duplikasi Penomoran Rekam Medis. Gambaran Kualifikasi Pendidikan. Gambaran Pengetahuan. Statistics pemberian nomor. N Valid 60.
Gambaran Duplikasi Penomoran Rekam Medis Statistics N Valid 60 Missing 0 Frequency Percent Valid Percent Cumulative Percent Valid duplikasi 24 40.0 40.0 40.0 tidak duplikat 36 60.0 60.0 100.0 Total 60
Lebih terperinciMetode Sampling dan Teorema Central Limit
Metode Sampling dan Teorema Central Limit Tjipto Juwono, Ph.D. Oct 28, 2016 TJ (SU) Metode Sampling dan Teorema Central Limit Oct 2016 1 / 52 Mengapa Perlu Sampling? Contoh Kita ingin mengetahui elektabilitas
Lebih terperinciFOR IMMEDIATE RELEASE
FOR IMMEDIATE RELEASE Article No. 5384 Measuring Public Opinion for over 70 Years Available on www.roymorgan.com Roy Morgan Online Store Monday, 20 January 2014 Roy Morgan Keyakinan Konsumen Indonesia
Lebih terperinciDAFTAR LAMPIRAN. Wawancara Terhadap Bidang Standarisasi pada. LSP LSK TKI Sektor Tata Laksana Rumah Tangga : Ibu Etty. Meindrati
DAFTAR LAMPIRAN Wawancara Terhadap Bidang Standarisasi pada LSP LSK TKI Sektor Tata Laksana Rumah Tangga : Ibu Etty Meindrati 1. Apakah bisa BLKLN tidak mempunyai berkas pendaftaran ujian? Bisa saja, karena
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Uji Hipotesis (Hypothesis Tes/ng) 1 Uji Hipotesis Model Matema/ka vs Pengukuran
Lebih terperinciStatistik Bisnis. Week 2 Numerical Descriptive Measures
Statistik Bisnis Week 2 Numerical Descriptive Measures Agenda Time Activity First Session 90 minutes Central Tendency Second Session 60 minutes Variation and Shape 30 minutes Exploring Numerical Data Objectives
Lebih terperincistatistika untuk penelitian
statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,
Lebih terperinciABSTRAK. Kata kunci : Kompetensi Pedagogik, Kompetensi Profesional, dan Hasil Belajar
ABSTRAK Skripsi dengan judul Pengaruh Kompetensi Pedagogik dan Kompetensi Profesional Guru PAI terhadap Hasil Belajar PAI Siswa Kelas XII di SMAN 1 Campurdarat Tulungagung ini ditulis oleh Abdul Rohman
Lebih terperinciStatistik Bisnis. Week 2 Numerical Descriptive Measures
Statistik Bisnis Week 2 Numerical Descriptive Measures Agenda Time Activity First Session 90 minutes Central Tendency Second Session 60 minutes Variation and Shape 30 minutes Exploring Numerical Data Objectives
Lebih terperinciPemrograman Lanjut. Interface
Pemrograman Lanjut Interface PTIIK - 2014 2 Objectives Interfaces Defining an Interface How a class implements an interface Public interfaces Implementing multiple interfaces Extending an interface 3 Introduction
Lebih terperinciStatistik Bisnis 1. Week 4 Central Tendency Measures
Statistik Bisnis 1 Week 4 Central Tendency Measures Agenda 15 Minutes: 75 Minutes: Attendance Check Discussion and Exercise Objectives By the end of this class, student should be able to understand: How
Lebih terperinciMetode Statistika (STK211) Statistika Deskriptif (1) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015
Metode Statistika (STK211) Statistika Deskriptif (1) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 1 2 3 4 5 Statistika Deskripsi dan Eksplorasi Merupakan teknik penyajian dan peringkasan data sehingga
Lebih terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
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 terperinciAnalisis Chi-Square (x 2 )
Analisis Chi-Square (x 2 ) Chi square ("χ 2 " dari huruf Yunani "Chi "Kai") to determine if data good or not. Expl... to determine possible outcomes for genetic crosses. How will we know if our fruit fly
Lebih terperinciRandy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT
PERKIRAAN SELANG KEPERCAYAAN UNTUK NILAI RATA-RATA PADA DISTRIBUSI POISSON Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *email:
Lebih terperinci1-x. dimana dan dihubungkan oleh teorema Pythagoras.
`2. Menyelesaikan persamaan dengan satu variabel Contoh: Berdasarkan Hukum Archimedes, suatu benda padat yang lebih ringan daripada air dimasukkan ke dalam air, maka benda tersebut akan mengapung. Berat
Lebih terperinciLAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl. 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1
LAMPIRAN A Percobaan Validasi Metode Analisa Propranolol HCl 1. Penentuan Kurva Baku Berikut ini adalah data dari kurva baku selama tiga hari C 1 A 1 C 2 A 2 C 3 (µg/ml) (µg/ml) (µg/ml) 2,04 0,03 2 0,03
Lebih terperinciPERSEMBAHAN. Karya ini kupersembahkan untuk. kedua orang tuaku ibu Menik, bapak Slamet Suseno, ketiga kakakku Ani, Oky dan Pe i
ABSTRAK Ary Yunita. 2016. PERBANDINGAN KEAKURATAN PENDUGA RASIO VARIANSI POPULASI MENGGUNAKAN MEDIAN DAN KOEFISIEN VARIASI-MEDIAN VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA. Fakultas Matematika
Lebih terperinciABSTRACT. Keywords: Budget Production, Production Costs, and Effectiveness of Production. vii. Universitas Kristen Maranatha
ABSTRACT PT. Timbul Jaya is a rice milling company that produces rice, which in the production process required costs endured by the company. Production budgets are made to control these costs, which originated
Lebih terperinciMETODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES
METODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES SKRIPSI Disusun oleh : MUTIARA ARDIN RIFKIANI 24010211140102 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
Lebih terperinciKONTRIBUSI RETRIBUSI PASAR TERHADAP PENDAPATAN ASLI DAERAH KOTA SAMARINDA ABSTRACT
KONTRIBUSI RETRIBUSI PASAR TERHADAP PENDAPATAN ASLI DAERAH KOTA SAMARINDA Oleh : Hardis Muhammad, Ec. Elfreda A. Lau, Heriyanto 3. Universitas 7 Agustus 945 Samarinda ABSTRACT The problem in this study
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)
STK511 Analisis Statistika Pertemuan 5 Statistika Inferensia (1) Pendugaan Parameter mengacu pada suatu proses yang menggunakan data contoh untuk menduga nilai suatu parameter (populasi). 5. Statistika
Lebih terperinciIMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS
IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC COUNTS S U M M A R Y IMPACT OF SEVERAL ROUTE CHOICE MODELS ON THE ACCURACY OF ESTIMATED O-D MATRICES FROM TRAFFIC
Lebih terperinciStatistik Bisnis. Week 10 Fundamentals of Hypothesis Testing: One-Sample Test
Statistik Bisnis Week 10 Fundamentals of Hypothesis Testing: One-Sample Test Agenda Time Activity 20 minutes Fundamentals of Hypothesis-Testing Methodology 40 minutes z Test of Hypothesis for The Mean
Lebih terperinciBAB 6 PENAKSIRAN PARAMETER
BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang
Lebih terperinciBy SRI SISWANTI NIM
READING COMPREHENSION IN NARRATIVE TEXT OF THE TENTH GRADE STUDENTS OF MA NAHDLATUL MUSLIMIN UNDAAN KUDUS TAUGHT BY USING IMAGINATIVE READING MATERIALS IN THE ACADEMIC YEAR 2015/2016 By SRI SISWANTI NIM.
Lebih terperinciSTUDI PENENTUAN LOKASI TRAFFIC COUNT TERBAIK DAN JUMLAH DATA ARUS LALULINTAS OPTIMUM DALAM ESTIMASI MATRIKS ASAL TUJUAN (MAT) TESIS MAGISTER
STUDI PENENTUAN LOKASI TRAFFIC COUNT TERBAIK DAN JUMLAH DATA ARUS LALULINTAS OPTIMUM DALAM ESTIMASI MATRIKS ASAL TUJUAN (MAT) TESIS MAGISTER Disusun Oleh : RUDI SUGIONO SUYONO NIM. 25098083 BIDANG KHUSUS
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciUKURAN ASOSIASI DALAM EPIDEMIOLOGI. Putri Handayani, M. KKK
UKURAN ASOSIASI DALAM EPIDEMIOLOGI Putri Handayani, M. KKK Tipe ukuran yang digunakan dalam epidemiologi Ukuran asosiasi Merefleksikan kekuatan atau besar asosiasi antara suatu eksposur/faktor risiko dan
Lebih terperinciTEORI PENDUGAAN. diketahui berdasarkan informasi sampel.
TEORI PENDUGAAN Estimasi / Pendugaan Suatu pernyataan mengenai parameter populasi yang diketahui berdasarkan informasi sampel. Penduga atau Estimator Suatu statistik ti tik (harga sampel) yang digunakan
Lebih terperinciDistribusi Sampling 6.2. Debrina Puspita Andriani /
6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling
Lebih terperinciADJECTIVES & COMPARING
ADJECTIVES & COMPARING EQUATIVE DEGREE: To compare two objects with similar characteristics, the pattern for the complete sentence is: Object A se~ + adjective Object B For example: Kota Jakarta sebesar
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Pada tahun 1945 sejak Indonesia merdeka dari penjajahan, Indonesia telah mengalami krisis ekonomi seperti krisis moneter yang mengakibatkan perekonomian di Indonesia menjadi tidak stabil. Krisis
Lebih terperinciCA RA M ENGHITUNG JUM LA H SA M PEL. Saptawati Bardosono
CA RA M ENGHITUNG JUM LA H SA M PEL Saptawati Bardosono POPULA SI DA N SA M PEL POPULASI STATISTIK SAMPEL (n =?) Statistik mempunyai peran untuk dapat menggunakan semua informasi (data) dari sampel untuk
Lebih terperinciLampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y
1 Lampiran Hasil Output SPSS A. Analisis Univariat 1. Kepuasan Pasien Statistics Skor Kepuasan Pasien Rawat Jalan 200 Missing 0 Mean 46.73 Skor Kepuasan Pasien Rawat Jalan Frequenc y Cumulative 39 4 2.0
Lebih terperinciKLASIFIKASI CALON PENDONOR DARAH MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER
KLASIFIKASI CALON PENDONOR DARAH MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (STUDI KASUS : Calon Pendonor Darah di Kota Semarang) SKRIPSI Disusun Oleh : DHIMAS BAYUSUSETYO NIM. 24010212130081 DEPARTEMEN
Lebih terperinciMetode Statistika (STK211)
Metode Statistika (STK211) Peubah Acak dan Sebaran Peluang (Random Variable and Probability Distribution) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Konsep Peubah Acak (Random Variable) Peubah
Lebih terperinciJARINGAN KOMPUTER. 2. What is the IP address and port number used by gaia.cs.umass.edu to receive the file. gaia.cs.umass.edu :
JARINGAN KOMPUTER Buka wireshark tcp-ethereal-trace-1 TCP Basics Answer the following questions for the TCP segments: 1. What is the IP address and TCP port number used by your client computer source)
Lebih terperinciHypothesis Testing SUNU WIBIRAMA
Hypothesis Testing SUNU WIBIRAMA Basic Probability and Statistics Department of Electrical Engineering and Information Technology Faculty of Engineering, Universitas Gadjah Mada CONTENTS 8.1 Introduc-on
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Ilmu Psikologi mendefinisikan memori sebagai sebuah proses pengkodean, penyimpanan, dan pemanggilan kembali informasi. Rehearsal adalah proses mengulang informasi secara sadar untuk meningkatkan
Lebih terperincimatematis siswa SMPN 1 Karangrejo Tulungagung Tahun Pelajaran 2016/2017 yang menggunakan model discovery learning lebih baik daripada menggunakan mode
ABSTRAK Skripsi dengan judul Perbandingan Kemampuan Pemecahan Masalah Matematis Antara Menggunakan Model Discovery Learning dan Model Problem Based Learning Materi Perbandingan pada Siswa SMPN 1 Karangrejo
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari
Lebih terperinciESTIMASI MODEL KOMBINASI SEBARAN PERGERAKAN DAN PEMILIHAN MODA BERDASARKAN INFORMASI ARUS LALU LINTAS TESIS MAGISTER
ESTIMASI MODEL KOMBINASI SEBARAN PERGERAKAN DAN PEMILIHAN MODA BERDASARKAN INFORMASI ARUS LALU LINTAS TESIS MAGISTER oteh: OKA PURWANTI NIM : 250 99 087 BIDANG KHUSUS REKAYASA TRANSPORTASI PROGRAM STUDI
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Nama peneliti Utari Indra Putri dengan NRP 0430034. Judul penelitian ini adalah Studi Deskriktif mengenai Explanatory Style pada Waria di Bandung. Penelitian ini dilakukan untuk mengetahui gambaran
Lebih terperinciLAPORAN PRAKTIKUM ANALISIS REGRESI TERAPAN
LAPORAN PRAKTIKUM ANALISIS REGRESI TERAPAN OLEH: Gempur Safar 06/193137/PA/10877 Asisten: Jim Oklahoma (10419) Indri Rivani Purwanti (10990) Dosen Drs. Zulaela, M.Si. LABORATORIUM KOMPUTASI MATEMATIKA
Lebih terperinciJARINGAN KOMPUTER : ANALISA TCP MENGGUNAKAN WIRESHARK
NAMA : MUHAMMAD AN IM FALAHUDDIN KELAS : 1 D4 LJ IT NRP : 2110165026 JARINGAN KOMPUTER : ANALISA TCP MENGGUNAKAN WIRESHARK 1. Analisa TCP pada Wireshark Hasil Capture dari tcp-ethereal trace 1.pcap TCP
Lebih terperinciKasus. Survey terhadap remaja usia tahun apakah pernah melakukan kerja paruh waktu (part-time)??
Kasus Survey terhadap remaja usia 15-16 tahun apakah pernah melakukan kerja paruh waktu (part-time)?? Berikut Tabel datanya: Race Gender Yes Part Time Job No White Male 43 134 Female 26 149 Black Male
Lebih terperinciInformasi Data Pokok Kota Surabaya Tahun 2012 BAB I GEOGRAFIS CHAPTER I GEOGRAPHICAL CONDITIONS
BAB I GEOGRAFIS CHAPTER I GEOGRAPHICAL CONDITIONS Indonesia sebagai negara tropis, oleh karena itu kelembaban udara nya sangat tinggi yaitu sekitar 70 90% (tergantung lokasi - lokasi nya). Sedangkan, menurut
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciData Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau
Peramalan Data Time Series Data Time Series Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat berupa
Lebih terperinciKONTRIBUSI NILAI-NILAI HUKUM ISLAM TERHADAP PERSAMAAN HAK ATAS WARIS BAGI PRIA DAN WANITA MUSLIM KARO DI KOTA BINJAI
KONTRIBUSI NILAI-NILAI HUKUM ISLAM TERHADAP PERSAMAAN HAK ATAS WARIS BAGI PRIA DAN WANITA MUSLIM KARO DI KOTA BINJAI TESIS IDHA APRILYANA S 992105112/HK PROGRAM PASCASARJANA UNIVERSITAS SUMATERA UTARA
Lebih terperinciVote Buying in Indonesia: Learning from Survey Data. Indikator Politik Indonesia, and Lembaga Survei Indonesia 2013
Vote Buying in Indonesia: Learning from Survey Data Indikator Politik Indonesia, and Lembaga Survei Indonesia 213 District (Dapil) Level Population: all eligible voters in each of district surveyed Number
Lebih terperinciAbstrak. Universitas Kristen Maranatha
Abstrak Penelitian ini dilakukan untuk memperoleh gambaran mengenai stages of faith pada pemimpin kelompok sel mahasiswa di gereja X Bandung. Penelitian ini menggunakan metode deskriptif dengan teknik
Lebih terperinciLampiran 1 : Perhitungan Dosis
Lampiran 1 : Perhitungan Dosis Perhitungan dosis infusa kulit jengkol (IKJ) Penelitian yang dilakukan menggunakan variabel dosis IKJ 10%, 20%, 40% dan 80%. Pembuatan dosis IKJ 10% dibuat dengan prosedur
Lebih terperinciCHAPTER III RESULT OF THE STUDY. 1. The problems faced by the tenth grade students of SMK YP SEI. PALANGKA RAYA in using letter s/es as plural nouns
54 CHAPTER III RESULT OF THE STUDY A. The Result of Test 1. The problems faced by the tenth grade students of SMK YP SEI PALANGKA RAYA in using letter s/es as plural nouns Analyzing was used as the basic
Lebih terperinciTIF APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued)
TIF 21101 APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued) OBJECTIVES: 1. Subset and superset relation 2. Cardinality & Power of Set 3. Algebra Law of Sets 4. Inclusion 5. Cartesian
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciPengujian Hipotesa Dua Sampel
Pengujian Hipotesa Dua Sampel OUTLINES 1. Pengujian hipotesa bahwa mean dari dua populasi independen yang standard deviasinya diketahui adalah sama. Melakukan pengujian hipotesa bahwa dua proporsi populasi
Lebih terperinci#9_WORK SAMPLING ANALISA DAN PENGUKURAN KERJA DEWI HARDININGTYAS, ST, MT, MBA
#9_WORK SAMPLING ANALISA DAN PENGUKURAN KERJA DEWI HARDININGTYAS, ST, MT, MBA METODE PENGUKURAN [WAKTU] KERJA PENGUKURAN [WAKTU] KERJA DIRECT INDIRECT STOP-WATCH STANDARD DATA WORK SAMPLING PMTS STOPWATCH
Lebih terperinciReview Teknik Sampling
Review Teknik Sampling Mendapatkan data Primer Studi Kualitatif Observasi Percobaan Survey Survey lengkap (sensus) mengumpulkan data dari keseluruhan populasi Populasi : kumpulan objek yang menjadi perhatian
Lebih terperinci