TABEL DISTRIBUSI Dilengkapi Metode Untuk Membaca Tabel Distribusi

Ukuran: px
Mulai penontonan dengan halaman:

Download "TABEL DISTRIBUSI Dilengkapi Metode Untuk Membaca Tabel Distribusi"

Transkripsi

1 TABEL DISTRIBUSI Dilengkapi Metode Untuk Membaca Tabel Distribusi Deny Kurniawan 0 Penulis memberikan ijin kepada siapapun untuk memperbanyak dan menyebarluaskan tulisan ini dalam bentuk (format) apapun tanpa batas. Penulis memiliki hak tak terbatas atas tulisan ini, baik secara material maupun immaterial. Dilarang merubah sebagian atau keseluruhan isi tulisan ini. Segala kritik, saran dan komentar yang membangun dapat ditujukan ke ORUM STATISTIKA

2 Pengantar Tulisan ini memuat titik titik kritis untuk distribusi z (normal baku), distribusi t dan distribusi. Penulis menganggap bahwa ketiga tabel distribusi tersebut adalah tabel distribusi yang paling banyak digunakan. Titik titik kritis dan nilai peluang yang tertulis di dalam tulisan ini dapat dikatakan lebih presisi dibandingkan yang tertulis di dalam sebagian besar buku buku cetak. Hal ini disebabkan karena penulis menggunakan format penulisan hingga angka dibelakang koma. Sedangkan pada kebanyakan buku buku cetak, format penulisan hanya hingga angka dibelakang koma. Selain itu, banyaknya titik titik kritis yang dibangkitkan pada umumnya lebih banyak daripada yang tertulis pada buku buku cetak. Tentu saja, tidak semua orang membutuhkan tingkat ketelitian seperti itu. Namun hal ini dilakukan semata mata untuk memberikan yang terbaik kepada semua pihak. Oleh karena itu, penulis berharap bahwa tulisan ini dapat bermanfaat bagi siapapun yang membutuhkan tabel distribusi z, t dan. Titik titik kritis beserta nilai peluang dalam tulisan ini dibangkitkan (generated) dengan software R version.. Vienna, Austria. ISBN , URL project.org. Kurva distribusi dalam tulisan ini didesain menggunakan program aplikasi dia 0.. A program for drawing structured diagrams. (C) 0 The ree Software oundation and the authors

3 Tabel Distribusi z (Normal Baku) Tabel ini berisi nilai peluang untuk nilai z dari 0 s.d..0 Gambar kurva distribusi normal baku z Luas kurva diarsir dari z = + s.d. nilai z yang dimaksud.

4

5

6

7 Cara mambaca tabel distribusi z (normal baku):. Mencari nilai z untuk suatu nilai peluang yang diketahui Misal ingin dicari nilai z bagi nilai peluang sebesar 0.0, maka langkah langkah yang dilakukan adalah: carilah angka 0.0 pada deretan angka berwarna biru. Apabila tidak dapat menemukan angka yang persis sebesar 0.0, maka carilah angka yang paling mendekati angka 0.0. angka yang paling mendekati 0.0 pada tabel adalah 0.0. dari angka 0.0, tariklah garis ke kiri terlebih dahulu hingga mencapai deretan angka pada kolom paling kiri dan catatlah angkanya. Dalam kasus ini adalah.. kemudian kembali ke posisi angka 0.0, tariklah garis ke atas hingga mencapai deretan ujung kolom bagian atas dan catatlah angkanya (yaitu 0.0). nilai z yang dicari adalah =... Cara mencari nilai peluang dari suatu nilai z tertentu Misal ingin dicari nilai peluang dari nilai z sebesar., maka langkah langkah yang perlu dilakukan: ambillah angka paling kiri dari nilai., sehingga menjadi. carilah angka. pada kolom paling kiri (tercetak tebal), kemudian tarik garis ke kanan melewati deretan angka angka berwarna biru nilai yang terbuang dari langkah sebelumnya adalah 0.0 (karena.. = 0.0), maka carilah angka 0.0 pada kolom tabel z, kemudian tarik garis ke bawah perpotongan dari kedua garis menunjukkan nilai peluang dari nilai z, dalam kasus ini adalah 0.0 (dibulatkan menjadi 0.0). Bagaimana cara mencari nilai peluang dari nilai z bertanda negatif? Mudah saja, nilai peluang bagi nilai z bertanda positif dan negatif adalah sama. Kemudahan ini didasarkan pada sifat kurva distribusi z (normal baku) yang setangkup (simetris). Ilustrasi:

8 Tabel Titik Kritis Distribusi t α df

9 α df

10 α df

11 α df Cara membaca tabel titik kritis distribusi t. a. Kasus uji arah Misal hipotesis yang digunakan adalah: H0 : μ = 0 H : μ > 0 Misal ingin dicari titik kritis distribusi (sebaran) t dengan α = 0.0 dan derajat bebas (db) atau degrees of freedom (df) sebesar, maka ikuti langkah langkah di bawah ini: carilah angka pada kolom df (paling kiri) carilah kolom dengan nilai α = 0.0 tarik garis dari angka pada kolom df ke arah kanan, sedangkan dari kolom dengan nilai α = 0.0 tarik garis ke bawah. Tentukan titik perpotongan keduanya. Titik perpotongan dari kedua garis adalah nilai titik kritis dari distribusi t yang dicari, dalam kasus ini adalah..

12 Kurva distribusi t beserta titik kritis yang dimaksud digambarkan seperti di bawah ini: **Oleh karena tanda pertidaksamaan yang digunakan adalah >, maka titik kritis terletak di sebelah kanan dari titik pusat (titik 0). **Titik kritis ditunjukkan oleh panah biru dan dipotong oleh garis merah. **Daerah yang diarsir pada kurva memiliki luas sebesar nilai α. **Daerah yang diarsir ini disebut juga sebagai Rejection Region (Daerah Penolakan), sehingga apabila nilai t hitung berada di dalam luasan ini, maka akan memberikan kesimpulan statistika TOLAK H 0. b. Kasus uji arah Misal hipotesis yang digunakan adalah: H0 : μ = 0 H : μ < 0 Misal ingin dicari titik kritis distribusi (sebaran) t dengan α = 0.0 dan derajat bebas (db) atau degrees of freedom (df) sebesar, maka ikuti langkah langkah di bawah ini: carilah angka pada kolom df (paling kiri) carilah kolom dengan nilai α = 0.0 tarik garis dari angka pada kolom df ke arah kanan, sedangkan dari kolom dengan nilai α = 0.0 tarik garis ke bawah. Tentukan titik perpotongan keduanya. titik perpotongan dari kedua garis adalah.. Namun nilai ini bukanlah titik kritis yang dicari. tanda pertidaksamaan yang digunakan pada H adalah <, maka titik kritis terletak di sebelah kiri titik pusat, oleh karena itu berikan tanda negatif untuk nilai titik kritis yang diperoleh dari langkah sebelumnya. Dengan demikian, titik kritis yang dimaksud adalah.. Kemudahan ini didasarkan atas sifat kurva distribusi t yang setangkup (simetris).

13 Kurva distribusi t beserta titik kritis yang dimaksud digambarkan seperti di bawah ini: **Titik kritis ditunjukkan oleh panah biru dan dipotong oleh garis merah. **Daerah yang diarsir pada kurva memiliki luas sebesar nilai α. **Daerah yang diarsir ini disebut juga sebagai Rejection Region (Daerah Penolakan), sehingga apabila nilai t hitung berada di dalam luasan ini, maka akan memberikan kesimpulan statistika TOLAK H 0.. Kasus uji arah Misal hipotesis yang digunakan adalah: H0 : μ = 0 H : μ 0 atau, di dalam konsep regresi linier, pada uji parsial, hipotesis yang sering ditemui adalah: H 0 : βi = 0 H : βi 0 i = 0,,,..., k k = banyaknya parameter (koefisien) regresi linier Misal ingin dicari titik kritis distribusi (sebaran) t dengan α = 0.0 dan derajat bebas (db) atau degrees of freedom (df) sebesar, maka ikuti langkah langkah di bawah ini: WARNING!! Perhatikan bahwa apabila uji arah yang digunakan, maka untuk mencari titik kritis pada tabel, nilai α yang digunakan adalah nilai α /, sehingga dalam kasus ini, nilai yang digunakan adalah 0.0/ = 0.0 sebagai nilai α pada tabel. carilah angka pada kolom df (paling kiri) carilah kolom dengan nilai α = 0.0 tarik garis dari angka pada kolom df ke arah kanan, sedangkan dari kolom dengan nilai α = 0.0 tarik garis ke bawah. Tentukan titik perpotongan keduanya. titik perpotongan dari kedua garis adalah.. pada uji arah, nilai titik kritis bukanlah buah, melainkan buah nilai titik kritis, sehingga dalam kasus ini titik titik kritis yang dimaksud adalah. dan..

14 Nilai titik kritis. diperoleh secara mudah dengan cara memberikan tanda negatif pada titik kritis yang positif. Kemudahan ini didasarkan atas sifat kurva distribusi t yang setangkup (simetris). Kurva distribusi t beserta titik titik kritis yang dimaksud digambarkan seperti di bawah ini: **Oleh karena tanda pertidaksamaan yang digunakan adalah, maka titik kritis terletak di sebelah kanan dan kiri dari titik pusat (titik 0). **Titik kritis ditunjukkan oleh panah biru dan dipotong oleh garis merah. **Daerah yang diarsir pada kurva memiliki luas sebesar nilai α /. **Total luas dari daerah yang diarsir pada kurva adalah sebesar α. **Daerah daerah yang diarsir ini disebut juga sebagai Rejection Regions (Daerah daerah Penolakan), sehingga apabila nilai t hitung berada di dalam luasan ini, maka akan memberikan kesimpulan statistika TOLAK H 0. **Langkah ini juga berguna ketika mencari titik kritis bagi selang kepercayaan (confidence interval).

15 Tabel Titik Kritis Distribusi α =

16 α =

17 α =

18 0 0 0 α =

19 α =

20 α =

21 α =

22 α =

23 α =

24 α =

25 α =

26 α =

27 α =

28 0 0 α =

29 α =

30 α =

31 0 0 0 α =

32 α =

33 α =

34 0 0 0 α =

35 α =

36 α =

37 α =

38 α =

39 α =

40 α =

41 0 α =

42 α =

43 α =

44 0 0 0 α =

45 α =

46 α =

47 0 0 0 α =

48 α =

49 α =

50 α = α =

51 α =

52 α =

53 α =

54 α =

55 α =

56 α =

57 0 α =

58 α =

59 α =

60 0 0 α =

61 α =

62 α =

63 0 0 0 α = Cara membaca tabel titik kritis distribusi Misal ingin dicari titik kritis distribusi (sebaran) dengan α = 0.0, = dan = 0, maka ikuti langkah langkah di bawah ini: periksa tabel distribusi dengan α = 0.0 carilah angka pada kolom (deret atas) carilah angka 0 pada kolom paling kiri (kolom ) dari tabel tarik garis ke bawah dari posisi angka pada kolom (deret atas), sedangkan dari kolom tarik garis ke kanan. Tentukan titik perpotongan keduanya. Titik perpotongan dari kedua garis adalah nilai titik kritis dari distribusi yang dicari, dalam kasus ini adalah.. Keterangan: df = degrees of freedom = derajat bebas

64 Ilustrasi: Perhatikan bahwa: kurva distribusi (sebaran) tidak setangkup atau disebut juga asimetris. Jadi tidak seperti kurva distribusi t maupun z. kurva distribusi (sebaran) dimulai dari nol. Dengan demikian tidak mungkin ada nilai tabel yang bertanda negatif. Dalam membandingkan nilai tabel distribusi ( tabel) dengan nilai hitung di dalam konsep ANOVA dan regresi, apabila nilai hitung lebih besar dari tabel, maka menghasilkan kesimpulan statistika TOLAK H 0.

UJI T 2-SAMPEL INDEPENDEN (INDEPENDENT 2-SAMPLE T-TEST)

UJI T 2-SAMPEL INDEPENDEN (INDEPENDENT 2-SAMPLE T-TEST) UJI T -SAMPEL INDEPENDEN (INDEPENDENT -SAMPLE T-TEST) Deny Kurniawan 008 Penulis memberikan ijin kepada siapapun untuk memperbanyak dan menyebarluaskan tulisan ini dalam bentuk (format) apapun tanpa batas.

Lebih terperinci

MODUL DISTRIBUSI T. Objektif:

MODUL DISTRIBUSI T. Objektif: MODUL DISTRIBUSI T Objektif: 1. Membantu mahasiswa memeahami materi Distribusi t 2. Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi t I. PENDAHULUAN Pengujian hipotesis

Lebih terperinci

Penyusunan Hipotesa : 1. : µ 1 = µ 2 : µ 1 µ 2 2. : µ 1 µ 2 : µ 1 > µ 2 3. : µ 1 µ 2 : µ 1 < µ 2 Apabila data yang diambil dari hasil eksperimen, maka

Penyusunan Hipotesa : 1. : µ 1 = µ 2 : µ 1 µ 2 2. : µ 1 µ 2 : µ 1 > µ 2 3. : µ 1 µ 2 : µ 1 < µ 2 Apabila data yang diambil dari hasil eksperimen, maka MODUL DISTRIBUSI t 1. PENDAHULUAN Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan distribusi t sebagai uji statistik. Tabel pengujiannya disebut tabel t-student. Distribusi

Lebih terperinci

KORELASI. Deny Kurniawan. Speak With Data. Rilis 16 Nov 2014

KORELASI. Deny Kurniawan. Speak With Data. Rilis 16 Nov 2014 KORELASI Rilis 16 Nov 2014 Deny Kurniawan Deny Kurniawan SPEAK WITH DATA 2014 Diijinkan untuk mengutip sebagian atau keseluruhan isi tulisan dalam dokumen ini dengan menyebutkan nama penulis dan alamat

Lebih terperinci

Pokok Bahasan: Chi Square Test

Pokok Bahasan: Chi Square Test Pokok Bahasan: Chi Square Test Start Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness of Fit Test) (Kontigensi Table Test) 1 Instruksional Umum Memberi penjelasan tentang distribusi

Lebih terperinci

Perum Candi Gebang Permai Blok R No. 6 Yogyakarta Telp. : ; Fax. :

Perum Candi Gebang Permai Blok R No. 6 Yogyakarta Telp. : ; Fax. : STATISTIKA Oleh: Hotman Simbolon Edisi Pertama Cetakan Pertama, 2009 Hak Cipta 2009 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang memperbanyak atau memindahkan sebagian atau seluruh isi buku

Lebih terperinci

Ummu Kalsum UNIVERSITAS GUNADARMA

Ummu Kalsum UNIVERSITAS GUNADARMA Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)

Lebih terperinci

ANALYSIS OF VARIANCE

ANALYSIS OF VARIANCE ANALYSIS OF VARIANCE Analisis Varians adalah alat statistika yang digunakan untuk menguji perbedaan mean lebih dari dua populasi. Analisis varians mengguakan distribusi F, yang mempunyai ciri-ciri: Merupakan

Lebih terperinci

STMIK KAPUTAMA - BINJAI

STMIK KAPUTAMA - BINJAI STMIK KAPUTAMA - BINJAI Pengujian hipotesis merupakan suatu prosedur yang didasarkan pada bukti sampel dan teori probabilitas yang digunakan untuk menentukan apakah suatu hipotesis adalah pernyataan yang

Lebih terperinci

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah

Lebih terperinci

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil

Lebih terperinci

Pengantar Statistik Inferensial

Pengantar Statistik Inferensial Pengantar Statistik Inferensial Pertemuan 2 STATISTIKA Statistika (Harun Al Rasyid) adalah seperangkat metode yang membahas: 1. Bagaimana cara mengumpulkan data yang dapat memberikan informasi optimal.

Lebih terperinci

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal) Modul ke: Fakultas 15Ilmu Komunikasi Uji t-student dan Uji Z (Distribusi Normal) Untuk sebaran distribusi sampel kecil, dikembangkan suatu distribusi khusus yang disebut distribusi t atau t-student Dra.

Lebih terperinci

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi

Lebih terperinci

matematika PEMINATAN Kelas X PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN K13 A. PERSAMAAN EKSPONEN BERBASIS KONSTANTA

matematika PEMINATAN Kelas X PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN K13 A. PERSAMAAN EKSPONEN BERBASIS KONSTANTA K1 Kelas X matematika PEMINATAN PERSAMAAN DAN PERTIDAKSAMAAN EKSPONEN TUJUAN PEMBELAJARAN Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Memahami bentuk-bentuk persamaan

Lebih terperinci

BAB II METODE SIMPLEKS

BAB II METODE SIMPLEKS BAB II METODE SIMPLEKS 2.1 Pengantar Salah satu teknik penentuan solusi optimal yang digunakan dalam pemrograman linier adalah metode simpleks. Penentuan solusi optimal menggunakan metode simpleks didasarkan

Lebih terperinci

STATISTIK PERTEMUAN XI

STATISTIK PERTEMUAN XI STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan

Lebih terperinci

TUGAS AKHIR. Analisis dan Usulan Perbaikan Kualitas Jasa. dengan Integrasi Metode SERVQUAL dan SIX SIGMA

TUGAS AKHIR. Analisis dan Usulan Perbaikan Kualitas Jasa. dengan Integrasi Metode SERVQUAL dan SIX SIGMA TUGAS AKHIR Analisis dan Usulan Perbaikan Kualitas Jasa dengan Integrasi Metode SERVQUAL dan SIX SIGMA di Instalasi Rawat Inap RS PKU Muhammadiyah Yogyakarta Oleh : Mardinus Syaidy 09660039 PROGRAM STUDI

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

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN Penelitian adalah suatu aktivitas atau kegiatan yang dilakukan secara sistematis, berencana dan mengikuti konsep ilmiah untuk mendapatkan sesuatu yang objektif dan rasional

Lebih terperinci

Metode Simpleks M U H L I S T A H I R

Metode Simpleks M U H L I S T A H I R Metode Simpleks M U H L I S T A H I R PENDAHULUAN Metode Simpleks adalah metode penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan

Lebih terperinci

BAB III. METODE SIMPLEKS

BAB III. METODE SIMPLEKS BAB III. METODE SIMPLEKS 3.1. PENGANTAR Metode grafik tidak dapat menyelesaikan persoalan linear program yang memilki variabel keputusan yang cukup besar atau lebih dari dua, maka untuk menyelesaikannya

Lebih terperinci

6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono

6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono 6. Teori Estimasi EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Pendahuluan Inferensi statistik adalah metoda untuk menarik inferensi atau membuat generalisasi dari suatu populasi. Ada

Lebih terperinci

Chi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh:

Chi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh: Pokok Bahasan: Chi Square Test Oleh: Edi Minaji Pribadi, SP., MSc. Start Home Contact Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness o Fit Test) (Contingency Table Test)

Lebih terperinci

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang

BAB 2 LANDASAN TEORI. Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang 13 BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan

Lebih terperinci

CIRI-CIRI DISTRIBUSI NORMAL

CIRI-CIRI DISTRIBUSI NORMAL DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan

Lebih terperinci

UJI HIPOTESIS SATU-SAMPEL

UJI HIPOTESIS SATU-SAMPEL UJI HIPOTESIS SATU-SAMPEL Pengantar 1. Tulisan ini terkait dengan artikel berjudul KETIKA ILMU HUKUM SEIRING STATISTIKA pada laman www.edscyclopedia.com. Pada website tersebut, mengenai uji hipotesis secara

Lebih terperinci

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Eksponensial Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi

Lebih terperinci

MODEL-MODEL LEBIH RUMIT

MODEL-MODEL LEBIH RUMIT MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang

Lebih terperinci

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana) KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih PENGUJIAN HIPOTESIS. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran

Lebih terperinci

Persamaan dan Pertidaksamaan Linear

Persamaan dan Pertidaksamaan Linear MATERI POKOK Persamaan dan Pertidaksamaan Linear MATERI BAHASAN : A. Persamaan Linear B. Pertidaksamaan Linear Modul.MTK X 0 Kalimat terbuka adalah kalimat matematika yang belum dapat ditentukan nilai

Lebih terperinci

Pengantar Statistika Bab 1

Pengantar Statistika Bab 1 BAB 14 PENGUJIAN HIPOTESA SAMPEL KECIL 1 Pengujian Hipotesa Sampel Kecil 4 DEFINISI Pengertian Sampel Kecil Sampel kecil yang jumlah sampel kurang dari 30, maka nilai standar deviasi (s) berfluktuasi relatif

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang

Lebih terperinci

Tidur Malam? (Lanjutan)

Tidur Malam? (Lanjutan) Tidur Malam? (Lanjutan) Coba ingat lagi eksplorasi 2.2 ketika Anda mengeinvestigasi apakah, rata-rata, murid dalam sekolah Anda yang tidur kurang dari 8 jam semalam kemarin. Meskipun 8 jam sering dikatakan

Lebih terperinci

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan

BAB 2 LANDASAN TEORI. 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan BAB 2 LANDASAN TEORI 2.1 Defenisi Analisis Regresi dan Korelasi 1. Analisis Korelasi adalah metode statstika yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau

Lebih terperinci

Resume Regresi Linear dan Korelasi

Resume Regresi Linear dan Korelasi Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan

Lebih terperinci

Regresi dengan Microsoft Office Excel

Regresi dengan Microsoft Office Excel Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.

Lebih terperinci

SESI 13 STATISTIK BISNIS

SESI 13 STATISTIK BISNIS Modul ke: SESI 13 STATISTIK BISNIS Sesi 13 ini bertujuan agar Mahasiswa dapat mengetahui teori Analisis Regresi dan Korelasi Linier yang berguna sebagai alat analisis data Ekonomi dan Bisnis. Fakultas

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2)

STK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2) STK511 Analisis Statistika Pertemuan 6 Statistika Inferensia () 6. Statistika Inferensia () Pengujian Hipotesis x? s p 6. Statistika Inferensia () Pengujian Hipotesis Rataan populasi: nilainya tidak diketahui

Lebih terperinci

matematika PEMINATAN Kelas X SISTEM PERTIDAKSAMAAN LINEAR DAN KUADRAT K13 A. Pertidaksamaan Linear B. Daerah Pertidaksamaan Linear

matematika PEMINATAN Kelas X SISTEM PERTIDAKSAMAAN LINEAR DAN KUADRAT K13 A. Pertidaksamaan Linear B. Daerah Pertidaksamaan Linear K13 Kelas matematika PEMINATAN SISTEM PERTIDAKSAMAAN LINEAR DAN KUADRAT Tujuan Pembelajaran Setelah mempelajari materi ini, kamu diharapkan memiliki kemampuan berikut. 1. Memahami definisi pertidaksamaan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 21 Analisis Regresi Perubahan nilai suatu variabel tidak selalu terjadi dengan sendirinya, namun perubahan nilai variabel itu dapat disebabkan oleh berubahnya variabel lain yang berhubungan

Lebih terperinci

BAB 10 DISTRIBUSI PELUANG KONTINU (Menginterpretasikan table)

BAB 10 DISTRIBUSI PELUANG KONTINU (Menginterpretasikan table) BAB 10 DISTRIBUSI PELUANG KONTINU (Menginterpretasikan table) A. Distribusi normal Probabilitas distribusi normal standar kumulatif dapat lebih mudah di hitung dengan bantuan tabel distribusi normal. Berikut

Lebih terperinci

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30 DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian BAB III METODOLOGI PENELITIAN 3.1 Desain Penelitian Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian asosiatif. Time horizon yang digunakan dalam penelitian ini adalah data panel,

Lebih terperinci

TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif

TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif TEORI PENDUGAAN STATISTIK Oleh : Riandy Syarif Pendugaan adalah proses menggunakan sampel (penduga) untuk menduga parameter (Populasi) yg tidak diketahui. Ilustrasi : konferensi perubahan iklim di Bali

Lebih terperinci

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut : PENGUJIAN HIPOTESIS A. Pengertian Pengujian Hipotesis Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah, kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK Dalam setiap perkuliahan, aspek visual merupakan hal yang sangat penting. Pada saat dosen menulis di whiteboard, mahasiswa harus dapat melihat kejelasan tulisan tersebut berdasarkan keterbatasan

Lebih terperinci

BAB IV. METODE SIMPLEKS

BAB IV. METODE SIMPLEKS BAB IV. METODE SIMPLEKS Penentuan solusi optimal menggunakan simpleks didasarkan pada teknik eliminasi Gauss Jordan. Penentuan solusi optimal dilakukan dengan memeriksa titik ekstrim (ingat kembali solusi

Lebih terperinci

DISTRIBUSI SAMPLING besar

DISTRIBUSI SAMPLING besar DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan

Lebih terperinci

ANALISIS DATA DALAM STATISTIK

ANALISIS DATA DALAM STATISTIK 1. Pengertian Analisis Data ANALISIS DATA DALAM STATISTIK Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah

Lebih terperinci

Statistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom

Statistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom Statistika Materi 5 Ukuran Penyebaran (Lanjutan) Hugo Aprilianto, M.Kom UKURAN PENYEBARAN RELATIF yaitu mengubah ukuran penyebaran dari berbagai satuan menjadi ukuran relatif atau persen. Penggunaan ukuran

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial ANALISIS REGRESI DAN KORELASI LINIER 1 OUTLINE Bagian I Statistik Induktif Metode dan Distribusi Sampling Pengertian Korelasi Sederhana Teori Pendugaan Statistik Pengujian Hipotesa Sampel Besar Uji Signifikansi

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi

III. METODE PENELITIAN. Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi III. METODE PENELITIAN A. Ruang Lingkup Penelitian Penelitian ini merupakan kajian mengenai Faktor-Faktor Yang Mempengaruhi Produk Domestik Bruto Usaha Mikro Kecil dan Menengah (UMKM) di Indonesia Tahun

Lebih terperinci

SEBARAN PENARIKAN CONTOH

SEBARAN PENARIKAN CONTOH STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean

Lebih terperinci

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui

Lebih terperinci

No.1. (Waktu 1 menit) Memperhatikan Gambar 1, maka persamaan linier yang benar adalah: 13

No.1. (Waktu 1 menit) Memperhatikan Gambar 1, maka persamaan linier yang benar adalah: 13 0 G. Y X. No.. (Waktu menit) Memperhatikan Gambar maka persamaan linier yang benar adalah: 0 A. Y X B. Y X 0 0 C. Y 0 X D. Y 0 X 0 0 E. Y 0 X F. Y X 0 No.. (Waktu menit) Memperhatikan Gambar maka persamaan

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pergerakan Harga Saham Pergerakan harga harian indeks LQ45 dan lima saham perbankan yang termasuk dalam kelompok LQ45 selama periode penelitian ditampilkan dalam bentuk

Lebih terperinci

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan

BAB II KAJIAN PUSTAKA. pemrograman nonlinear, fungsi konveks dan konkaf, pengali lagrange, dan BAB II KAJIAN PUSTAKA Kajian pustaka pada bab ini akan membahas tentang pengertian dan penjelasan yang berkaitan dengan fungsi, turunan parsial, pemrograman linear, pemrograman nonlinear, fungsi konveks

Lebih terperinci

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB Distribusi Peluang Kontinu Bahan Kuliah II9 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB 1 Fungsi Padat Peluang Untuk peubah acak kontinu, fungsi peluangnya

Lebih terperinci

Kuliah Statistika Industri II Regresi & Korelasi Berganda

Kuliah Statistika Industri II Regresi & Korelasi Berganda Regresi & Korelasi Berganda Regresi & Korelasi Berganda Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Persamaan n Contoh: - Hubungan antara suhu warehouse dan viskositas cat

Lebih terperinci

Ayundyah Kesumawati. April 27, 2015

Ayundyah Kesumawati. April 27, 2015 Kesumawati Prodi Statistika FMIPA-UII April 27, 2015 Estimasi interval Jika diperhatikan, terdapat kesamaan rumus-rumus yang dipakai pada saat pengujian hipotesis dan pendugaan selang kepercayaan. Untuk

Lebih terperinci

BAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009

BAB III METODE PENELITIAN. di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009 17 BAB III METODE PENELITIAN 3.1. Jenis dan Sumber Data Jenis data yang digunakan dalam penelitian ini adalah data sekunder yang di peroleh dari Website Bank Muamlat dalam bentuk Time series tahun 2009

Lebih terperinci

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. * 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi Utriweni Mukhaiyar MA 2081 Statistika

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

Statistika Penelitian. dengan SPSS 24

Statistika Penelitian. dengan SPSS 24 Statistika Penelitian dengan SPSS 24 Statistika Penelitian dengan SPSS 24 Getut Pramesti PENERBIT PT ELEX MEDIA KOMPUTINDO Statistika Penelitian dengan SPSS 24 Getut Pramesti 2017, PT Elex Media Komputindo,

Lebih terperinci

STATISTIK Hypothesis Testing 2 Contoh kasus

STATISTIK Hypothesis Testing 2 Contoh kasus STATISTIK Hypothesis Testing 2 Contoh kasus Chapter 6 Sulidar Fitri, M.Sc Analisis Data Deskriptif Menghitung ukuran tendensi central (mean, median dan modus) dan ukuran dispersi (range, mean deviasi,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Pengertian Analisis Regresi Regresi pertama-tama dipergunakan sebagai konsep statistik pada tahun 877 oleh Sir Francis Galton yang melakukan studi tentang kecenderungan tinggi badan

Lebih terperinci

Uji Hipotesis dengan ANOVA (Analysis of Variance)

Uji Hipotesis dengan ANOVA (Analysis of Variance) Uji Hipotesis dengan ANOVA (Analysis of Variance) I. Pengertian Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN.1. Karakteristik Data Pengamatan karakteristik tegakan hutan seumur puspa dilakukan pada dua plot di Hutan Pendidikan Gunung Walat dengan luas masing-masing plot berukuran 1

Lebih terperinci

LAMPIRAN A HASIL UJI MUTU FISIK GRANUL PEMBAWA

LAMPIRAN A HASIL UJI MUTU FISIK GRANUL PEMBAWA LAMPIRAN A HASIL UJI MUTU FISIK GRANUL PEMBAWA SUDUT DIAM Pengujian Formula A Formula B Formula C Formula D Replikasi 1 31,06 30,81 31,06 32,57 Replikasi 2 31,22 32,23 31,65 32,02 Replikasi 3 30,92 32,42

Lebih terperinci

NOTASI ILMIAH DAN ANGKA PENTING

NOTASI ILMIAH DAN ANGKA PENTING NOTASI ILMIAH DAN ANGKA PENTING Apa itu notasi ilmiah? Apa itu angka penting? Dalam fisika, sering dijumapi bilangan yang sangat kecil atau sangat besar. Misalnya jari-jari atom hidrogen 0,000000000053

Lebih terperinci

BAB 1 PENDAHULUAN Pengertian dan Kegunaan Statistika

BAB 1 PENDAHULUAN Pengertian dan Kegunaan Statistika BAB 1 PENDAHULUAN 1.1. Pengertian dan Kegunaan Statistika Statistik dapat berarti tiga hal. Pertama statistik bisa berarti kumpulan data. Ada buku bernama Buku Statistik Indonesia (Statistical Pocketbook

Lebih terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat

Lebih terperinci

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi

Lebih terperinci

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama 48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009

Lebih terperinci

MODEL MODEL LEBIH RUMIT

MODEL MODEL LEBIH RUMIT 08/0/06 MODEL MODEL LEBIH RUMIT Di susun oleh Nurul Hani Ulvatunnisa Kanthi Wulandari Sri Siska Wirdaniyati Kamal Adyasa Unib Sedya Pramuji 08/0/06 Model Polinom Berbagai Ordo Model Yang Melibatkan Transformasi

Lebih terperinci

ANGKA UKUR. Angka ukur diletakan di tengah-tengah garis ukur. Angka ukur tidak boleh dipisahkan oleh garis gambar. Jadi boleh ditempatkan dipinggir.

ANGKA UKUR. Angka ukur diletakan di tengah-tengah garis ukur. Angka ukur tidak boleh dipisahkan oleh garis gambar. Jadi boleh ditempatkan dipinggir. PEMBERIAN UKURAN ANGKA UKUR Angka ukur diletakan di tengah-tengah garis ukur. Angka ukur tidak boleh dipisahkan oleh garis gambar. Jadi boleh ditempatkan dipinggir. ANGKA UKUR Jika angka ukur ditempatkan

Lebih terperinci

BAB III METODE PENELITIAN. Agar suatu penelitian dapat dipertanggungjawabkan kebenarannya, maka

BAB III METODE PENELITIAN. Agar suatu penelitian dapat dipertanggungjawabkan kebenarannya, maka BAB III METODE PENELITIAN 3.1 Desain Penelitian Agar suatu penelitian dapat dipertanggungjawabkan kebenarannya, maka terlebih dahulu harus menemukan metode penelitian yang tepat, untuk memperoleh data

Lebih terperinci

4. HASIL DAN PEMBAHASAN. ketika pemberian pakan. Berikut adalah ilustrasi posisi ikan sebelum dan saat

4. HASIL DAN PEMBAHASAN. ketika pemberian pakan. Berikut adalah ilustrasi posisi ikan sebelum dan saat 16 4. HASIL DAN PEMBAHASAN 4.1 Tingkah Laku ikan Dalam Karamba Perekaman suara dilakukan dengan meletakkan hidrofon dekat dengan permukaan air. Hal ini karena gerakan ikan secara dominan berada di permukaan

Lebih terperinci

OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011

OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi

Lebih terperinci

Materi Matematika Persamaan dan Pertidaksamaan kuadrat Persamaan Linear Persamaan Kuadrat Contoh : Persamaan Derajat Tinggi

Materi Matematika Persamaan dan Pertidaksamaan kuadrat Persamaan Linear Persamaan Kuadrat Contoh : Persamaan Derajat Tinggi Materi Matematika Persamaan dan Pertidaksamaan kuadrat Persamaan Linear Persamaan linear dengan n peubah adalah persamaan dengan bentuk : dengan adalah bilangan- bilangan real, dan adalah peubah. Secara

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial DATA BERPERINGKAT Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id PENGERTIAN STATISTIKA NONPARAMETRIK Statistika nonparametrik untuk data berperingkat: Statistika yang menggunakan data

Lebih terperinci

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan PENGUJIAN HIPOTESIS Hipotesis : Merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah mengenai sesuatu hal, dan dibuat untuk menjelaskan sesuatu hal tersebut sehingga memerlukan pengecekan

Lebih terperinci

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat

Lebih terperinci

MODUL 1 SAMPLE t-test

MODUL 1 SAMPLE t-test MODUL SAMPLE t-test TUJUAN. Mahasiswa mampu memahami Uji Hipotesis Sample t-test. Mampu menyeleseikan persoalan Uji Hipotesis Sample t-test dengan software SPSS DESKRIPSI Salah satu cabang ilmu statistik

Lebih terperinci

METODE SIMPLEKS KASUS MEMAKSIMUMKAN

METODE SIMPLEKS KASUS MEMAKSIMUMKAN TUGAS KELOMPOK RISET OPERASI METODE SIMPLEKS KASUS MEMAKSIMUMKAN KELOMPOK RINI ANGGRAINI S (H ) NURUL MUTHIAH (H 5) RAINA DIAH GRAHANI (H 68) FATIMAH ASHARA (H 78) PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS

Lebih terperinci

BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN

BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN BAB IV ANALISIS PENGARUH VARIASI PEMBELAJARAN PENDIDIKAN AGAMA ISLAM TERHADAP HASIL BELAJAR SISWA SMP NEGERI 3 PEKALONGAN A. Analisis Variasi Pembelajaran Pendidikan Agama Islam SMP Negeri 3 Pekalongan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,

Lebih terperinci

BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan)

BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan) Saintia Matematika Vol. 1, No. 3 (2013), pp. 249 259. BEBERAPA FAKTOR YANG MEMPENGARUHI PENGELUARAN KONSUMSI PANGAN RUMAH TANGGA MISKIN (Studi Kasus di Kelurahan Sidomulyo Kecamatan Medan Tuntungan) Yuliana,

Lebih terperinci

LIMIT DAN KEKONTINUAN

LIMIT DAN KEKONTINUAN LIMIT DAN KEKONTINUAN Departemen Matematika FMIPA IPB Bogor, 2012 (Departemen Matematika FMIPA IPB) Kalkulus I Bogor, 2012 1 / 37 Topik Bahasan 1 Limit Fungsi 2 Hukum Limit 3 Kekontinuan Fungsi (Departemen

Lebih terperinci

Lampiran 1. Kurva Absorbansi Maksimum Kalsium

Lampiran 1. Kurva Absorbansi Maksimum Kalsium Lampiran 1. Kurva Absorbansi Maksimum Kalsium Lampiran. Perhitungan Persamaan Garis Regresi dan Koefisien Korelasi (r) dari Data Kalibrasi Kalsium No. Konsentrasi (mcg/ml) (X) Absorbansi (Y) XY X Y 1.

Lebih terperinci

DISTRIBUSI NORMAL. RatuIlmaIndraPutri

DISTRIBUSI NORMAL. RatuIlmaIndraPutri DISTRIBUSI NORMAL RatuIlmaIndraPutri Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling penting dan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi

Lebih terperinci

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1. 11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter

Lebih terperinci

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik Pertemuan Ke-12 6.4 Uji Hipotesis Langkah langkah pengujian hipotesis : 1. Nyatakan hipotesa nolnya H o bahwa θ = θ o. 2. Pilih hipotesis alternatif H 1 yang sesuai diantara θ < θ o, θ > θ o atau θ # θ

Lebih terperinci

STATISTIKA II (BAGIAN

STATISTIKA II (BAGIAN STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis

Lebih terperinci