ESTIMATION AND CONFIDENCE INTERVALS

Ukuran: px
Mulai penontonan dengan halaman:

Download "ESTIMATION AND CONFIDENCE INTERVALS"

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 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 terperinci

Estimasi dan Confidence Interval

Estimasi 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 terperinci

Estimasi dan Confidence Interval

Estimasi 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 terperinci

Distribusi probabilitas dan normal. Statisitik Farmasi 2015

Distribusi 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 terperinci

Apa itu suatu Hypothesis?

Apa 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 terperinci

Statistik Bisnis 2. Week 4 Fundamental of Hypothesis Testing Methodology

Statistik 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 terperinci

Statistik Bisnis 1. Week 9 Discrete Probability

Statistik 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 terperinci

UJI HIPOTESIS SATU SAMPEL. Chapter 10

UJI 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 terperinci

STATISTIK PERTEMUAN VII

STATISTIK 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 terperinci

ESTIMASI. Widya Setiafindari

ESTIMASI. 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 terperinci

Rencana Penerimaan Sampel (Acceptance Sampling)

Rencana 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 terperinci

Sampling, Estimasi dan Uji Hipotesis

Sampling, 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 terperinci

KUMPULAN TABEL MIL-STD-414

KUMPULAN 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 terperinci

UJI HIPOTESIS DUA SAMPEL. Chapter 11

UJI 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 terperinci

Statistik Bisnis 2. Week 6 Two-Sample Test Population Proportions and Variances

Statistik 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 terperinci

Medan, Juli Penulis

Medan, 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 terperinci

The Central Limit Theorem

The 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 terperinci

STATISTIKA II IT

STATISTIKA 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 terperinci

FOR IMMEDIATE RELEASE

FOR 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 terperinci

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Sebaran (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 terperinci

SIMULASI MONTE CARLO RISK MANAGEMENT DEPARTMENT OF INDUSTRIAL ENGINEERING

SIMULASI 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 terperinci

Sebaran 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 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 terperinci

Statistik Bisnis 1. Week 9 Discrete Probability Binomial and Poisson Distribution

Statistik 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 terperinci

PENAKSIRAN 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 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 terperinci

Inferensia Statistik parametrik VALID?? darimana sampel diambil

Inferensia 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 terperinci

STUDI KRITIS ATAS UJI KECUKUPAN DATA

STUDI 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 terperinci

Distribusi dari Sampling

Distribusi 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 terperinci

Analisis 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) 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 terperinci

Non Linear Estimation and Maximum Likelihood Estimation

Non 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 terperinci

Rencana Penerimaan Sampel (Acceptance Sampling)

Rencana 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 terperinci

DADANG JUANDI Hery Sutarto Hepi Maizon Yanti Mulyanti M. Sholeh Tenang Sembiring

DADANG 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 terperinci

Penaksiran Mean Stratum pada Sampling Acak Stratifikasi dengan Menggunakan Metode Empirical Bayes

Penaksiran 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 terperinci

PENGAWASAN PROSES WAKTU JENIS. SAMPLING PENERIMAAN *single *double *sequential. X-Chart R- Chart. By Variable. *single *double *sequential

PENGAWASAN 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 terperinci

MANAJEMEN OPERASIONAL

MANAJEMEN 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 terperinci

Review QUIZ ( 10 menit )

Review 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 terperinci

PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015

PENS. 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 terperinci

B. ACCEPTANCE SAMPLING. Analysis

B. 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 terperinci

Statistik Bisnis 1. Week 10 Continuous Probability Normal Distribution

Statistik 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 terperinci

Dependent VS independent variable

Dependent 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 terperinci

Gambaran Duplikasi Penomoran Rekam Medis. Gambaran Kualifikasi Pendidikan. Gambaran Pengetahuan. Statistics pemberian nomor. N Valid 60.

Gambaran 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 terperinci

Metode Sampling dan Teorema Central Limit

Metode 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 terperinci

FOR IMMEDIATE RELEASE

FOR 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 terperinci

DAFTAR 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 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 terperinci

Teknik Pengolahan Data

Teknik 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 terperinci

Statistik Bisnis. Week 2 Numerical Descriptive Measures

Statistik 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 terperinci

statistika untuk penelitian

statistika 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 terperinci

ABSTRAK. Kata kunci : Kompetensi Pedagogik, Kompetensi Profesional, dan Hasil Belajar

ABSTRAK. 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 terperinci

Statistik Bisnis. Week 2 Numerical Descriptive Measures

Statistik 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 terperinci

Pemrograman Lanjut. Interface

Pemrograman 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 terperinci

Statistik Bisnis 1. Week 4 Central Tendency Measures

Statistik 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 terperinci

Metode 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 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 terperinci

ESTIMASI 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 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 terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

ESTIMASI. 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 terperinci

Analisis Chi-Square (x 2 )

Analisis 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 terperinci

Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT

Randy 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 terperinci

1-x. dimana dan dihubungkan oleh teorema Pythagoras.

1-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 terperinci

LAMPIRAN 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 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 terperinci

PERSEMBAHAN. Karya ini kupersembahkan untuk. kedua orang tuaku ibu Menik, bapak Slamet Suseno, ketiga kakakku Ani, Oky dan Pe i

PERSEMBAHAN. 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 terperinci

ABSTRACT. Keywords: Budget Production, Production Costs, and Effectiveness of Production. vii. Universitas Kristen Maranatha

ABSTRACT. 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 terperinci

METODE LENTH PADA RANCANGAN FAKTORIAL FRAKSIONAL DENGAN ESTIMASI EFEK ALGORITMA YATES

METODE 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 terperinci

KONTRIBUSI RETRIBUSI PASAR TERHADAP PENDAPATAN ASLI DAERAH KOTA SAMARINDA ABSTRACT

KONTRIBUSI 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 terperinci

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

STK511 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 terperinci

IMPACT 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 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 terperinci

Statistik Bisnis. Week 10 Fundamentals of Hypothesis Testing: One-Sample Test

Statistik 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 terperinci

BAB 6 PENAKSIRAN PARAMETER

BAB 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 terperinci

By SRI SISWANTI NIM

By 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 terperinci

STUDI 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 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 terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN 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 terperinci

UKURAN ASOSIASI DALAM EPIDEMIOLOGI. Putri Handayani, M. KKK

UKURAN 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 terperinci

TEORI PENDUGAAN. diketahui berdasarkan informasi sampel.

TEORI 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 terperinci

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi 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 terperinci

ADJECTIVES & COMPARING

ADJECTIVES & 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 terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

CA RA M ENGHITUNG JUM LA H SA M PEL. Saptawati Bardosono

CA 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 terperinci

Lampiran Hasil Output SPSS. Statistics. Skor Kepuasan Pasien Rawat Jalan. Valid 200 Missing 0 Mean Skor Kepuasan Pasien Rawat Jalan Frequenc y

Lampiran 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 terperinci

KLASIFIKASI CALON PENDONOR DARAH MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER

KLASIFIKASI 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 terperinci

Metode Statistika (STK211)

Metode 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 terperinci

JARINGAN 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. 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 terperinci

Hypothesis Testing SUNU WIBIRAMA

Hypothesis 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 terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

matematis siswa SMPN 1 Karangrejo Tulungagung Tahun Pelajaran 2016/2017 yang menggunakan model discovery learning lebih baik daripada menggunakan mode

matematis 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 terperinci

Statistika Psikologi 2

Statistika 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 terperinci

ESTIMASI 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 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 terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. 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 terperinci

LAPORAN PRAKTIKUM ANALISIS REGRESI TERAPAN

LAPORAN 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 terperinci

JARINGAN KOMPUTER : ANALISA TCP MENGGUNAKAN WIRESHARK

JARINGAN 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 terperinci

Kasus. Survey terhadap remaja usia tahun apakah pernah melakukan kerja paruh waktu (part-time)??

Kasus. 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 terperinci

Informasi Data Pokok Kota Surabaya Tahun 2012 BAB I GEOGRAFIS CHAPTER I GEOGRAPHICAL CONDITIONS

Informasi 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 terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN 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 terperinci

Data Time Series. Time series merupakan data yang diperoleh dan disusun berdasarkan urutan waktu atau

Data 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 terperinci

KONTRIBUSI 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 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 terperinci

Vote 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 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 terperinci

Abstrak. Universitas Kristen Maranatha

Abstrak. 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 terperinci

Lampiran 1 : Perhitungan Dosis

Lampiran 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 terperinci

CHAPTER 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

CHAPTER 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 terperinci

TIF APPLIED MATH 1 (MATEMATIKA TERAPAN 1) Week 3 SET THEORY (Continued)

TIF 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 terperinci

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan

Skala 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 terperinci

Pengujian Hipotesa Dua Sampel

Pengujian 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 #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 terperinci

Review Teknik Sampling

Review 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