STUDI PERBANDINGAN METODE SAMPLING ANTARA SIMPLE RANDOM DENGAN STRATIFIED RANDOM

Ukuran: px
Mulai penontonan dengan halaman:

Download "STUDI PERBANDINGAN METODE SAMPLING ANTARA SIMPLE RANDOM DENGAN STRATIFIED RANDOM"

Transkripsi

1 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I TUDI ERBADIGA METODE AMLIG ATARA IMLE RADOM DEGA TRATIFIED RADOM urayati Jurusa iem Iformasi, Fakultas Tekologi Komuikasi da Iformatika, Uiversitas asioal Jurusa Maajeme Iformatika, Fakultas Tekologi Komuikasi da Iformatika, Uiversitas asioal Jl. awo Maila, ejate asar Miggu o.6, Jakarta 50 Abract O tis paper beig exposed te detail of te simple ad ratified radom metod tat are commoly i atiic. Te sligty differet be twe tose metod also beig described. Hece tis lead to te implemetatio teciue. Keywords: simple ad ratified radom metod, atiic, data. Abrak Aplikasi ilmu atiika bayak diterapka dalam keidupa ii. ala satuya adala tetag metode pearika sampel. ebelum melakuka pearika sampel, terlebi daulu dilakuka pegumpula data. Meurut Weber s ew World Dictioary : data tig kow or assumed, data berarti sesuatu yag diketaui atau diaggap. Diketaui berarti sesuatu yag suda terjadi, misalya produksi beras tau tertetu 30 juta to, asil pejuala perusaaa pada tau 993 mecapai 00 juta, sedagka diaggap merupaka sesuatu pedapat, ipotesis yag mugki belum terjadi atau mugki tidak bear. Kata kuci: Metode imple Radom amplig, tratified. I. EDAHULUA Dalam pegambila suatu data terdapat dua metode pegumpula data yaitu : sesus da samplig. esus dilakuka jika seluru eleme / aggota diobservasi da asilya merupaka data sebearya (parameter) sedagka samplig dilakuka jika sebagia saja aggota populasi yag mejadi sampel diobservasi da asilya merupaka data perkiraa (eimate). eeliti biasaya megguaka pegumpula data dega megguaka metode samplig, karea dega samplig kita dapat megambil kesimpula tetag keadaa populasi dega aya mearik sebagia sampel utuk diobservasi tapa megobservasi populasi secara keselurua. Tekik pearika sampel terbagi mejadi dua yaitu : a. earika sampel secara acak / radom (robability amplig ) Ciri-ciri dari probability samplig ii adala setiap aggota populasi mempuyai kesempata yag sama utuk terpili sebagai sampel, pemilia sampel bersifat objektif, eimasi parameter dapat dilakuka, bias dapat diperkiraka. Beberapa tekik pearika sampel dega probability samplig adala serbagai berikut : a. amplig acak sederaa (imple Radom amplig ) b. amplig acak siematis (yematic Radom amplig) c. amplig acak berlapis (tratified Radom amplig) 8

2 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I d. amplig acak kelompok (Cluered Radom amplig). b. earika sampel tidak secara acak (o robability amplig) Ciri-ciri dari o probability samplig ii adala setiap aggota populasi tidak mempuyai peluag yag sama utuk terpili sebagai sampel, sifatya subyektif, bias tidak dapat diperkiraka besarya, tidak dapat diguaka utuk eimasi parameter. Beberapa tekik pearika sampel dega o probability samplig adala sebagai berikut : a. amplig kemudaa (Coviiece amplig) b. amplig pertimbaga (Judgemet amplig) c. uota amplig d. owball amplig Dalam probability samplig keragka sampel mutlak diperluka, keragka sampel adala suatu daftar yag memuat semua aggota / eleme dari populasi yag aka dijadika dasar bagi pemilia sampel. Tekik pearika sampel dega R dilakuka jika suatu sampel dega eleme dipili dari suatu populasi dega eleme sedemikia rupa seigga setiap kemugkia sampel dega eleme mempuyai kesempata yag sama utuk terpili. Cara pegambila sampel sebayak eleme dari suatu populasi dega eleme atara lai megguaka :. Udia. Tabel acak, merupaka suatu daftar yag memuat agka -agka 0-9 yag frekuesi kemucula masig-masig agka sama 3. Data acak dari imulasi Mote Carlo. Dalam samplig acak be rlapis (tratified Radom amplig ), metode pearika sampel dilakuka dega cara membagi populasi mejadi populasi yag lebi kecil (ratum), pembetuka ratum arus sedemikia rupa seigga setiap sratum omoge berdasarka suatu atau beberapa kriteria tertetu, kemudia dari setiap ratum diambil sampel secara acak. Dalam suatu survei, biasaya tekik yag diguaka dievaluasi dega meliat ilai adard error (kesalaa baku). uatu tekik yag memiliki ilai adard error yag lebi kecil dika taka lebi efisie dibadigka dega tekik yag lai. Dalam jural ii, saya mecoba membadigka ilai adard error dari sampel yag dipili dega tekik imple Radom amplig (R) & tratified Radom amplig dega megguaka data bagkita kemudia aka dievaluasi tekik maa yag lebi efisie. Jural ii bertujua utuk membadigka efiesi kedua tekik pearika sampel secara acak / radom (robability amplig), kedua desai sampel tersebut yaitu imple Radom amplig (R ) & tratified Radom amplig. Dalam jural ii saya aya aka membaas tetag tekik pearika sampel secara acak / radom yag aya dibatasi pada imple Radom amplig (R ) & tratified Radom amplig da perbadiga efisiesi kedua tekik pearika sampel tersebut. Data-data yag diobservasi merupaka data acak dari simulasi Mote Carlo pada program Microsoft uick Basic. II. LADAA TEORI. egertia Tetag ampel Metode pegumpula data dapat dilakuka melalui dua cara yaitu : sesus da survei. esus dilakuka apabila semua aggota populasi diobservasi atau diteliti, populasi memiliki arti bawa keselurua aggota atau eleme yag diobservasi dalam ruag ligkup peelitia. Dalam sesus aka diperole gambara yag sebearya dari keadaa populasi, seigga parameter yaitu suatu ilai yag dapat meggambarka ciri / karakteriik populasi tersebut dapat diperole. 9

3 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I eelitia melalui sesus kurag efisie karea memerluka biaya, waktu, da teaga yag besar, sebagai alteratifya dilakuka metode pegumpula data melalui survei yaitu jika sebagia saja aggota populasi yag mejadi sampel diobservasi. ampel adala sebagia aggota dari populasi yag dipili seigga diarapka dapat mewakili populasiya. Dalam survei asil yag diperole merupaka data perkiraa (eimate) da suatu ilai yag dapat meggambarka ciri sampel disebut dega atiik. ampel diguaka dalam suatu peelitia yag didasarka pada berbagai pertimbaga atara lai sebagai berikut :. erigkali tidak mugki megamati seluru aggota populasi. egamata teradap seluru aggota populasi dapat bersifat merusak 3. Megemat waktu, biaya, da teaga 4. Mampu memberika iformasi yag lebi meyeluru da medalam (komperesif). Tujua dari dilakukaya pearika sampel adala utuk memperole data yag represetatif dalam kaitaya dega populasi yag mejadi sasara peelitia. Agar data yag diambil bergua maka data tersebut arusla objektif (sesuai dega keyataa yag sebearya), represetatif (mewakili keadaa yag sebearya), variasya kecil, tepat waktu da releva utuk mejawab persoala yag sedag mejadi pokok baasa. Dalam mecapai tujua tersebut, diperluka pegguaa metode pearika sampel yag tepat agar dari sampel yag diambil dapat diperole a tiik yag dapat diguaka sebagai peduga (eimator) bagi parameter populasi. Jika adala suatu atiik yag aka diguaka utuk megeimasi ilai parameter? maka perlu diperiksa apaka atiik tersebut memeui sifat-sifat sebagai peduga yag baik. Beberapa sifat peduga adala sebagai berikut :. Tidak bias (ubiased) uatu peduga dikataka tidak bias apabila ilai yag diarapka (expected value) dari atiik adala sama dega ilai parameterya, atau dapat dituliska : E ( θ ˆ ) θ. Efisie Jika terdapat dua peduga yag tidak bias bagi parameter?, yaitu θˆ θˆ θˆ θˆ da maka lebi efisie dari apabila : ( θˆ ) V ( ˆ ). V < θ 3. Kosie uatu peduga dikataka kosie apabila varias peduga aka maki kecil jika sampelya diperbesar atau dapat dituliska : lim V θ ˆ ( ) 0 Utuk mempermuda pearika sampel biasaya dibuat keragka sampel terlebi daulu. Keragka sampel (samplig frame) merupaka suatu daftar yag memuat keselurua aggota dari populasi sebagai dasar pearika sampel.. Ukura ampel da Kesalaa Baku / tadard Error (s.e) eetapa besarya ukura sampel dapat dilakuka apabila diketaui batas atas kesalaa pedugaa da atas dasar iformasi keragama dari aggota peyusu populasi da tigkat ketelitia yag diigika. emaki besar keragama dari aggota populasi maka semaki besar ukura sampel yag diperluka, agar semaki bayak iformasi yag dapat terambil. 0

4 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I earika sampel yag berulag-ulag biasaya megasilka besara suatu karakteriik populasi yag berbeda-beda atar satu sampel ke sampel laiya. Dalam al ii adard error yag mecermika keeterogea atau peluag muculya perbedaa dari satu sampel dega sampel yag lai karea perbedaa aggota yag terpili dari berbagai sampel tersebut. Jika suatu atiik yag diguaka utuk megeimasi atau meduga, maka suatu ukura yag aka meggambarka keeterogea sampel adala : V ( θˆ ) E [ θˆ θ ] (.) Jika θˆ merupaka peduga tak bias bagi θ maka, seigga : V ( θˆ ) E [ θˆ E ( θ ˆ )] V ( θˆ ) E ( θ ˆ ) θ (.) tadard error adala akar dari atau dapat dituliska : ( θˆ ) ( θˆ ) s. e V (.3) tadard error merupaka ukura tigkat ketelitia suatu peduga. Maki kecil adard error maka maki teliti suatu peduga atau maki dekat dega ilai parameter yag diperkiraka. Coto : jika adala atiik yag aka diguaka utuk megeimasi maka : (.4) Di maa : ( ). Var ( i ) µ Dari coto dapat V ( ) disimpulka bawa ilai adard error berbadig terbalik dega jumla sampel. ilai adard error dapat diperkecil dega cara memperbesar ukura sampel, tetapi upaya ii megakibatka peigkata waktu, teaga da biaya survei. ebagai alteratifya dipli suatu metode pearika sampel yag aka megasilka adard error yag lebi kecil utuk jumla sampel yag sama..3 Tekik imple Radom amplig (R) Metode R adala metode yag diguaka utuk memili sampel dari populasi dega cara sedemikia rupa seigga setiap aggota populasi mempuyai peluag yag sama besar utuk diambil sebagai sampel. eluru aggota populasi mejadi aggota dari keragka sampel. R biasa diguaka jika populasi bersifat omoge. Cara pegambila sampel bisa dilakuka dega pegembalia atau tapa pegembalia. opulasi dalam Radom amplig dapat dibedaka mejadi dua kategori, yaitu :. opulasi Terbatas (Fiite opulatio) a. uatu populasi dikataka sebagai populasi terbatas jika jumla aggota populasi () dapat ditetuka. b. R utuk populasi terbatas berukura adala sampel yag dipili sedemikia seigga masig-masig kemugkia sampel berukura memiliki peluag yag sama utuk terpili.. opulasi Tidak Terbatas (Ifiite opulatio)

5 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I a. uatu populasi dikataka sebagai populasi tidak terbatas jika jumla aggota populasi tidak ditetuka atau dapat ditetuka tetapi sagat besar b. R dari populasi tidak terbatas merupaka sampel yag dipili sedemikia seigga kodisi berikut terpeui: ) Masig-masig aggota dipili dari populasi yag sama ) etiap aggota dipili secara bebas (idepedet). Metode pegambila sampel dalam R Dalam tekik pearika sampel dega R terdapat tiga metode yag dapat diguaka utuk memili eleme aggota sampel. Ketiga metode tersebut yaitu : ) Udia (lotere), Cara lotere dilakuka jika eleme populasiya sedikit (00). ) Tabel acak Tabel acak merupaka tabel yag memuat bilaga atau agka -agka sedemikia rupa seigga dapat diperguaka utuk memili sampel secara acak, tabel acak dibuat sedemikia rupa seigga agka 0 igga 9 yag frekuesi kemucula masig-masig agka sama. etiap baris da kolom dalam blok terdapat satu agka. Lagka-lagka pearika sampel yag dapat ditempu adala sebagai berikut : a) Medefiisika populasi yag aka diteliti, kemudia tetuka idividu-idividu yag termasuk aggota populasi tersebut serta karakteriik populasi yag aka diobservasi b) Meetuka jumla aggota populasi yag aka dipili sebagai sampel c) Memberika omor urut pada semua satua sampel d) Megguaka tabel acak utuk memili idividu sampel yag aka diguaka utuk mewakili populasiya. rosedur pegguaa tabel acak adala sebagi berikut : a. Meetuka titik awal da agka terpili pada tabel agka radom eetua titik awal dilakuka dega cara mejatuka pesil yag rucig dega mata tertutup (blid ab) atau meusuk dega mata tertutup. Ujug pesil aka meujuk suatu titik awal pada tabel acak. Utuk melegkapi agkaya dapat ditamba beberapa agka di sebela kiri atau kaaya sesuai dega digit yag ditetuka, igga terpili agka acak sebayak yag dibutuka. b. ali agka-agka yag terambil dari tabel acak i. Utuk 0, sali satu digit ii. Utuk 00, sali dua digit iii. Utuk 000, tiga digit iv. Utuk 0000, empat digit. c. Tetuka kelipata maksimal dari jumla aggota populasi Tujua dari peetua kelipata maksimal yaitu agar diperole peluag yag sama bagi semua idividu aggota populasi. d. Tetuka aggota populasi yag terambil sebagai sampel berdasarka dari tabel acak. Jika terdapat aggota populasi yag terambil dua kali, maka yag terakir dibuag da digati dega agka yag berikutya dari tabel acak. Coto : Dega megguaka tabel acak aka diambil 5 idividu sampel dari populasi yag terdiri dari orag. Lagka-lagka yag dapat ditempu adala sebagai berikut :. Jumla da 5, agka kelipata maksimal dari yag berada di bawa 00 adala 88, berarti agka di atas 88 tidak dipakai. Apabila titik awal ditetuka dari tabel acak da yag terpili adala baris ke- kolom-3, maka dapat dicatat dua digit terakir turu ke bawa sebagai

6 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I berikut : 36, 95, 7, 43, 37, 08, 0, 63 (megambilya dilebika dari kebutua utuk berjaga-jaga bila ada agka terpili yag sama). 3. Maka aggota populasi ya g terpili sebagai sampel adala : a) omor (36-) aggota populasi omor 4 b) omor 95, tidak diguaka karea di atas 88 c) omor (7-) omor 5 d) omor (43-) omor e) omor (37-) omor 5 f) omor 8 Idividu yag terpili secara acak adala aggota populasi omor 4, 5,, 5 da 8. 3) imulasi Mote Carlo Data legkap acak dega cara membagkitka data dari simulasi Mote Carlo dega program Microsoft uick Basic. II.3. Eimasi da ukura sampel utuk data yag berasal dari sebara ormal Tipe pedugaa megeai populasi terbagi mejadi dua, yaitu pedugaa titik (poit eimatio) da pedugaa selag (iterval eimatio). eduga titik adala sebua ilai tuggal yag diguaka utuk meduga sebua parameter populasi. edugaa iterval tertetu dilakuka dega membuat batas-batas yag disebut dega batas bawa da batas atas dari selag pedugaa. Dalam selag pedugaa terdapat tigkat kepercayaa da selag kepercayaa. Tigkat kepercayaa adala presetase dugaa selag memeui parameter yag diduga apabila dilakuka pegambila sampel berulag. elag kepercayaa adala batas-batas ilai yag memeui pedugaa sesuai dega tigkat kepercayaa yag dibuat. Tigkat kepercayaa biasaya tidak diketaui, tetapi digati dega suatu ilai yag disimbolka dega a yaitu peluag dugaa parameter tidak memeui selag. eigga a (tigkat kepercayaa). euba acak berdimesi (,,, ) merupaka sampel dari suatu populasi berdiribusi ormal dega rata-rata (µ) da varias (s²).. Eimasi titik da eimasi selag utuk populasi terbatas eduga (eimator) dari rata-rata populasi µ utuk R pada populasi terbatas adala sebagai berikut : i (.5) ˆµ V i ( ) (.6) s. e ( ) (.7) Jika tidak diketaui maka diguaka. ebagai peduga bagi varias utuk R pada populasi terbatas adala sebagai berikut : (.8) (.9) sˆ. e ˆ ( ) ( i ) i 3

7 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I Di maa : (.0) dega adala varias sampel eduga selag bagi µ jika adard deviasi populasi ( s) diketaui adala sebagai berikut : µ + atau : ± (.) Keteraga : rata-rata sampel a (tigkat kepercayaa) ilai (dari tabel ) s adard deviasi populasi bayakya aggota sampel Jika adard devia si populasi (s) tidak diketaui maka peduga selag utuk µ adala sebagai berikut : atau : (.) t V µ t V ; + ; ± t V ; Keteraga : rata-rata sampel a t (tigkat kepercayaa) ;V ilai t (dari table t-udet) dega derajat bebas V - adard deviasi sampel bayakya aggota sampel eetua besarya sampel () gua memperkiraka parameter (µ) dega margi error / batas kesalaa maksimum yag dapat ditolerir sebesar d, maka dapat ditetuka ukura sampel dega perumusa sebagai berikut : (.3) + d (.4) d. s. e( ) Keteraga : jumla aggota populasi s ² varias populasi (-a) tigkat kepercayaa yag diigika d Margi error Besarya sampel () biasaya tidak diketaui karea tergatug pada ilai varia dari populasi (s²). Dalam megatasi permasalaa tersebut ilai s² arus diperkiraka, misalka berdasarka peelitia terdaulu, dilakuka peelitia pedaulua, atau berdasarka rumus tertetu sebagai suatu pedekata. edekata rumus R di maa selisi ilai pegamata terbesar da terkecil (rage) ilai observasi sekitar 4 simpaga 4 baku (4s), dega demikia rumus s mejadi :. Eimasi titik da eimasi selag utuk populasi tak terbatas eduga (eimator) dari mea populasi µ utuk R pada populasi tak terbatas adala sebagai berikut : ( ) V (.5) ˆµ s. e ( ) i i (.6) 4

8 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I (.7) eduga bagi varias utuk R pada populasi tak terbatas adala sebagai berikut : (.8) eduga selag bagi µ jika adard deviasi populasi ( s) diketaui adala sebagai berikut : µ + atau : ± (.9) Jika adard deviasi populasi (s) tidak diketaui maka peduga selag utuk µ adala sebagai berikut : t µ t atau : ± t (.0) Dalam peetua besarya sampel () pada populasi tak terbatas gua memperkiraka parameter (µ) dega margi error / batas kesalaa maksimum yag dapat ditolerir sebesar d, dega meetuka margi error yag dapat ditolerir sebesar d maka dapat ditetuka ukura sampel dega perumusa sebagai berikut : (.) d Keteraga : jumla aggota populasi s ² varias populasi (-a) tigkat kepercayaa yag diigika d Margi error ; V ˆ + ; V ; V Eimasi da ukura sampel utuk data proporsi Jika,,, merupaka peuba acak yag salig bebas yag berasal dari sebara Beroulli (), seigga : Di maa : ( ) E i V ( i ) (.). Eimasi titik da eimasi selag utuk populasi terbatas eduga dari proporsi utuk R pada populasi terbatas adala sebagai berikut : (.3) i i p V ( ) ˆ (.4) ˆ p Jika tidak diketaui maka diguaka. eduga bagi varias proporsi p utuk R pada populasi terbatas adala sebagai berikut : ˆ pq (.5) 5

9 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I sˆ. e ( p ) ˆ p p (.6) Di maa : q p bayakya aggota sampel yag masuk dalam kategori yag diteliti. elag kepercayaa utuk parameter jika p adala proporsi sukses dalam suatu peuba acak berukura da adala sebagai berikut : p ˆ p ˆ < < + Keteraga : proporsi sukses populasi p proporsi sukses sampel q - p a (tigkat kepercayaa) ilai (dari table ) bayakya aggota sampel ˆ atau p ± ˆ (.7) ˆ Varias dala m proporsi utuk variabel dega ilai 0 atau sebesar, maka utuk meetuka dalam meduga varias (s²) digati dega, seigga rumus utuk meetuka ukura sampel dalam proporsi utuk populasi tak terbatas adala sebagai berikut : (.8) + d Keteraga : jumla aggota populasi varias populasi (-a) tigkat kepercayaa yag diigika d Margi error. Eimasi titik da eimasi selag utuk populasi tak terbatas eduga dari proporsi utuk R pada populasi tak ter batas adala sebagai berikut : berikut : V p i ( ) ˆ i (.9) (.30) eduga bagi varias proporsi p utuk R pada populasi tak terbatas adala sebagai ˆ pq (.3) elag kepercayaa utuk parameter jika p adala proporsi sukses dalam suatu peuba acak berukura adala sebagai berikut : p ˆ p ˆ < < + ˆ atau (.3) p ± ˆ 6

10 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I Keteraga : proporsi sukses populasi p proporsi sukses sampel q - p a (tigkat kepercayaa) ilai (dari table ) bayakya aggota sampel Varias dalam proporsi utuk variabel dega ilai 0 atau sebesar, maka utuk meetuka dalam meduga varias (s²) digati dega, seigga rumus utuk meetuka ukura sampel dalam proporsi utuk populasi tak terbatas adala sebagai berikut : Keteraga : jumla aggota populasi d (.33) varias populasi (-a) tigkat kepercayaa yag diigika d Margi error III. TRATIFIED RADOM AMLIG (AMEL ACAK TERTRATIFIKAI) Metode pegambila sampel acak terratifikasi adala metode pemilia sampel dega cara membagi populasi ke dalam kelompok-kelompok yag omoge yag disebut rata kemudia sampel diambil secara acak dari tiap rata tersebut da dibuat perkiraa utuk mewakili rata yag bersagkuta. erkiraa secara meyeluru (over all eimatio) diperole secara gabuga. Apabila aggota-aggota populasi tidak bersifat omoge tetapi bisa dikelompokka dalam kelompok-kelompok yag relatif omoge, maka proses pegambila sampelya aka meimbulka bias karea keeterogea yag terdapat dalam aggota populasi seigga berpegaru teradap iformasi yag diperole dari variabel yag diteliti. tratified radom samplig dapat dibedaka mejadi dua bagia, yaitu : ) ampel Terratifikasi roporsioal (roportioate tratified amplig ) a. Merupaka sampel terratifikasi dega populasi dibagi atas kelompok-kelompok yag omoge (trata). Dari masig-masig kelompok diambil sampel secara proporsioal. b. Ciri dari kelompok sampel : omoge pada satu kelompok, amu sagat berbeda atar kelompok (varia besar). c. Coto : eorag peeliti igi megetaui rata -rata pegeluara per bula karyawa suatu perusaaa. Utuk megetaui al ii, para karyawa dibagi atas latar belakag pedidika sebagai berikut: Latar edidika Jumla Karyawa (Orag) D M 00 MA/ MK 00 D3/ Akademi/ olitekik 300 ergurua Tiggi 00 ) ampel Terratifikasi Tidak roporsioal (Disproportioate tratified amplig ) 7

11 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I a. Merupaka sampel terratifikasi dega populasi dibagi atas kelompok-kelompok yag omoge (trata). Dari masig-masig kelompok diambil sampel amu tidak proporsioal. b. Coto : eorag peeliti igi megetaui rata -rata pegeluara per bula karyawa suatu perusaaa.utuk megetaui al ii, para karyawa dibagi atas latar belakag pedidika sebagai berikut: Latar edidika Jumla Karyawa (Orag) D M 0 MA/ MK 00 D3/ Akademi/ olitekik 300 ergurua Tiggi 50 egambila sampel dega ratified radom samplig Lagka-lagka pearika sampel dalam metode tratified Radom amplig adala sebagai berikut :. Tetuka dasar rarifikasi (rata). Tempatka setiap aggota dalam populasi pada rata yag sesuai 3. Tetuka ukura sampel () 4. Tetuka jumla sampel yag arus diambil dari setiap rata 5. Lakuka pegambila sampel dari setiap rata dega metode imple Radom amplig. Eimasi utuk data yag berasal dari sebara ormal euba acak berdimesi (,,, ) merupaka sampel dari suatu populasi berdiribusi ormal dega rata-rata (µ) da varias (s²).. Eimasi titik da eimasi selag utuk populasi terbatas edugaa utuk rata-rata (µ) dega L merupaka jumla rata adala sebagai berikut: L (.34) Di maa : (.35) j j Rata-rata sampel pada rata ke-. eduga bagi varias utuk ratified radom samplig pada populasi terbatas: L ( ) V Di maa : j dega adala varias sampel pada rata ke-. eduga selag bagi µ dega tigkat keyakia (-a)00% adala sebagai berikut : eetua besarya sampel ditetuka ole tiga al, yaitu : () Jumla uit pegamata tiap rata ( j ) (.36) (.37) 8

12 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I (.38) () Tigkat variasi atau eterogeitas populasi dari setiap rata Apabila ilai varias populasi tidak diketaui maka ada beberapa pedekata yag bisa dilakuka, atara lai sebagai berikut : Berdasarka peelitia terdaulu Dilakuka peelitia pedaulua Megguaka pedekata rumus : R 4 (3) Biaya pegambila sampel per aggota setiap rata. Jika besarya sampel acak yaitu ilai suda ditetuka maka selajutya adala megalokasika kesetiap rata. Alokasi sampel ke dalam setiap rata dipegarui ole tiga faktor, yaitu : () Bayakya aggota dalam setiap rata () Tigkat eterogeitas atau variasi dari setiap rata (3) Biaya utuk memperole satu observasi dalam setiap rata. egalokasia sampel kesetiap rata utuk ratified radom samplig pada populasi terbatas terbagi mejadi tiga metode, yaitu : () Alokasi Optimum Metode alokasi optimum dapat diguaka jika bia ya pearika sampel da ilai variasya diaggap berbeda. Rumus utuk alokasi optimum adala sebagai berikut : ( C ) µ + C C d + C (.39) (.40) Di maa : ukura (total) sampel ukura (total) populasi ukura tiap rata populasi ukura tiap rata sampel d kesalaa yag bisa ditolerir ilai diribusi ormal baku (tabel-) pada a tertetu adard deviasi rata C biaya setiap uit samplig per rata. () Alokasi eyma Metode alokasi eyma dapat diguaka jika biaya pearika uit sampel tiap rata diaggap sama tetapi ilai variasya berbeda. Rumus utuk alokasi eyma adala sebagai berikut : ( ) d + 9

13 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I (.4) (.4) (3) Alokasi roporsioal Metode alokasi proporsioal dapat diguaka jika biaya pearika sampel da ilai variasya diaggap sama. Rumus utuk alokasi proporsioal adala sebagai berikut : (.43) d +. Eimasi titik da eimasi selag utuk populasi tak terbatas eduga bagi varias utuk ratified radom samplig pada populasi terbatas (.44) (.45) Eimasi utuk data proporsi Jika,,, merupaka peuba acak yag salig bebas yag berasal dari sebara Beroulli ().. Eimasi titik da eimasi selag utuk populasi terbatas eduga dari proporsi dega L merupaka jumla rata adala sebagai berikut: (.46) L L Di maa : roporsi sukses pada sampel rata ke - Jumla sukses pada rata ke- Jumla sampel pada rata ke- ebagai peduga bagi varias adala sebagai berikut : utuk ratified radom samplig pada populasi terbatas L (.47) eduga selag utuk dega tigkat keyakia (-a ) adala sebagai berikut : + (.48) egalokasia sampel dalam proporsi pada populasi terbatas kesetiap rata terbagi mejadi tiga metode, yaitu : () Alokasi Optimum Rumus utuk alokasi optimum pada data proporsi adala sebagai berikut : 30

14 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I (.49) (.50) Di maa : ukura (total) sampel ukura (total) populasi ukura tiap rata populasi ukura tiap rata sampel d kesalaa yag bisa ditolerir ilai diribusi ormal baku (tabel-) pada a tertetu roporsi populasi tiap rata - C biaya setiap uit samplig per rata. () Alokasi eyma Rumus utuk alokasi optimum pada data proporsi adala sebagai berikut : (.5) (.5) (3) Alokasi roporsioal Rumus utuk alokasi proporsioal pada data proporsi adala sebagai berikut : (.53) (.54). Eimasi titik da eimasi selag utuk populasi tak terbatas eduga bagi varias utuk ratified radom samplig pada populasi terbatas adala sebagai berikut : (.55) Relatif Efisiesi (r.e) C C ( ) + d C C ( ) + d + d L

15 Jural Basis Data, ICT Researc Ceter UA Vol.3 o. Mei 008 I Relatif efisie atara dua metode dapat ditujukka dega r.e Var(A) / Var(B), r.e> maka metode B dikataka lebi efisie sebesar r.e kali dibadigka dega metode A. jika IV. KEIMULA Bayakya aggota dalam setiap rata mempegarui tigkat ketelitia iformasi yag diperole dari sampel. uatu sampel sebayak 0 aggota dari populasi dega 00 aggota aka megasilka iformasi dega tigkat ketelitia yag lebi tiggi apabila dibadigka dega sampel sebayak 0 aggota dari populasi sejumla 0000 aggota. trata dega bayak aggota lebi baik diambil sampel yag lebi besar daripada rata dega eleme yag lebi sedikit. Tigkat variasi atau eterogeitas dari setiap rata perlu diperatika. trata yag sagat eteroge arus diambil sampel yag lebi besar daripada rata yag relatif omoge. Apabila biaya per aggota atau per observasi berbeda -beda dari rata ke rata maka rata dega biaya yag tiggi arus diambil sampel yag lebi kecil, dega demikia aka diperole biaya yag miimum. DAFTAR UTAKA [] uprato J, M.A., Tekik amplig Utuk urvei & Ekperime, terbita ketiga, peerbit T Rieka Cipta, 000. [] Walpole, R.E., egatar tatiika, edisi ketiga, peerbit T Gramedia uaka Utama, Jakarta, 995. [3] ugiarto, iagia, D, uaryato, L.T, Oetomo, D., Tekik amplig, peerbit T Gramedia uaka Utama, Jakarta, 003. [4] Cocra, W.G, amplig Teciques, 3d ed, Jo Wiley & os, ew York, 977. [5] itus samplig.com. 3

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA ADAPTIF CLUSTER

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK BERSTRATA ADAPTIF CLUSTER PEAKI AIO UTUK ATA-ATA POPUAI PADA AMPIG ACAK BETATA ADAPTIF CUTE Dita Ardii uam Efedi Buami Maasisa Program Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetaua Alam Uiversitas iau Kampus

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan

ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI. Novita Eka Chandra Universitas Islam Darul Ulum Lamongan JMP : Vol. 8 No., Des. 016, al. 33-40 ISSN 085-1456 ESTIMASI DENSITAS KERNEL ADJUSTED: STUDI SIMULASI Novita Eka Cadra Uiversitas Islam Darul Ulum Lamoga ovitaekacadra@gmail.com Masriai Mayuddi Uiversitas

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN 8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA

BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA BAB III PERUMUSAN PENDUGA DAN SIFAT SIFAT STATISTIKNYA 3. Perumusa Peduga Misalka N adala proses Poisso o omoge pada iterval [, dega fugsi itesitas yag tidak diketaui. Fugsi ii diasumsika teritegralka

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2 Samplig Process ad Samplig Distributio Iferece : Poit ad Iterval Estimates Pertemua 1 CAKUPAN MATERI: Pemahama tetag Samplig Sampel Acak Sederhaa (Simple Radom Samplig SRS) Estimasi Titik (Poit Estimatio)

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

Pendugaan Parameter 1

Pendugaan Parameter 1 Topik Bahaa: Pedugaa Parameter 1 (Selag Pedugaa, Pedugaa Selag 1 Rata-Rata) Pertemua ke II 1 Ilutrai Statitika Ifereia : Mecakup emua metode yag diguaka utuk pearika keimpula atau geeraliai megeai populai

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

Penarikan Sampel Acak Sederhana

Penarikan Sampel Acak Sederhana Tekik Samplig Pearika Sampel Acak Sederhaa Hazmira Yozza- Jur. Matematika Uad 17/11/014 Tujua Pearika Sampel Megambil kesimpula megeai populasi berdasarka iformasi yag terkadug pada sampel Ukura sampel

Lebih terperinci

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1 Proses Pedugaa Populasi Mea,, tdk diketahui Cotoh Acak Mea = 50 95% yaki bahwa diatara 40 & 60. Cotoh 1999 Pretice-Hall, Ic. Chap. 7-1 Pedugaa Parameter Populasi Meduga Parameter Populasi... Mea dg Statistik

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

REGRESI KERNEL DENGAN METODE NADARAYA WATSON. Oleh : Esty

REGRESI KERNEL DENGAN METODE NADARAYA WATSON. Oleh : Esty REGRESI KERNEL DENGAN METODE NADARAYA WATSON REGRESI KERNEL DENGAN METODE NADARAYA WATSON Ole : SKRIPSI Diajuka Kepada Fakultas Matematika da Ilmu Pegetaua Alam Uiversitas Negeri Yogyakarta Utuk Memeui

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat

BAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat 38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata

Lebih terperinci

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu.

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu. ENAKIRAN eaksira Titik eaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk MA 08 tatistika Dasar Dose : Udjiaa. asaribu Utriwei Mukhaiyar 6 April 009 METODE ENAKIRAN. eaksira Titik Nilai tuggal dari

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel

BAB III METODOLOGI PENELITIAN. Jenis data yang digunakan berupa data sekunder yang menggunakan Tabel 49 BAB III METODOLOGI PENELITIAN 3.1 Jeis da Sumber Data Jeis data yag diguaka berupa data sekuder yag megguaka Tabel Iput Output Idoesia Tau 2005 dega klasifikasi 9 sektor. Data tersebut berasal dari

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK

B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK 8 B A B 7 DIFERENSIASI DAN INTEGRASI NUMERIK A. D I F E R E N S I A S I N U M E R I K Misal diberika set data Diketaui set data (, ), (, ), (, ),., (, ) ag memeui relasi = f() Aka ditetuka d/d dalam iterval,

Lebih terperinci

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

h h h n 2! 3! n! h h h 2! 3! n!

h h h n 2! 3! n! h h h 2! 3! n! Dieresiasi Numerik Sala satu perituga kalkulus yag serig diguaka adala turua/ dieresial. Coto pegguaa dieresial adala utuk meetuka ilai optimum (maksimum atau miimum) suatu ugsi y x mesyaratka ilai turua

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,

Lebih terperinci

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4] PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu

Lebih terperinci

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal

Oleh : Bambang Supraptono, M.Si. Referensi : Kalkulus Edisi 9 Jilid 1 (Varberg, Purcell, Rigdom) Hal BAB. Limit Fugsi Ole : Bambag Supraptoo, M.Si. Referesi : Kalkulus Edisi 9 Jilid (Varberg, Purcell, Rigdom) Hal 56 - Defiisi: Pegertia presisi tetag it Megataka bawa f ( ) L berarti bawa utuk tiap yag

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465)

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465) = DATA DAN METODE PENELITIAN Data Peelitia Data yag diguaka dalam peelitia ii adalah data primer hasil yag diperoleh melalui peyebara kuisioer da metode wawacara sebagai data pelegkap. Pegumpula data dilaksaaka

Lebih terperinci

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, 118-70, Desember 003, ISSN : 1410-8518 INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL Akhmad Fauzy Statistika FMIPA UII Yogyakarta & siswa Ph.D

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas X SMA N 10 Pekanbaru, semester

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas X SMA N 10 Pekanbaru, semester 3 BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia ii dilaksaaka di kelas X MA N 0 Pekabaru, semester tahu ajara 03/04. Waktu pegambila data dilaksaaka pada bula eptember 03. B. Objek da

Lebih terperinci

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan

METODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan 47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial

Metode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

PERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 1-MPC PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Utuk meigkatka presisi (meguragi varias samplig), desai samplig serig memafaatka auxiliarry variable yag mempuyai hubuga yag erat

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.

Lebih terperinci

PERTEMUAN 12-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 12-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 12-MPC 2 PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK POKOK BAHASAN 1 THREE STAGE SAMPLING Three Stage Samplig Secara umum, pearika sampel tiga tahap dilakuka dega tahapa sebagai

Lebih terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

Bab 6 PENAKSIRAN PARAMETER

Bab 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Stadar Kompetesi : Setelah megikuti kuliah ii, mahasiswa dapat memahami hubuga ilai sampel da populasi da meetuka distribusi samplig yag tepat utuk diguaka Kompetesi Dasar :

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1.Tempat da Waktu Peelitia ii dilakuka di ligkuga Kampus Aggrek da Kampus Syahda Uiversitas Bia Nusatara Program Strata Satu Reguler. Da peelitia dilaksaaka pada semester

Lebih terperinci

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM 4.1 Peduga dega Kerel Seragam Pada bab ii diguaka peduga dega kerel eragam. Hal ii karea aya belum berail memperole ebara aimtotik dari

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Sukardi, (2003:17) Metodologi penelitian adalah cara yang

III. METODOLOGI PENELITIAN. Menurut Sukardi, (2003:17) Metodologi penelitian adalah cara yang 5 III. METODOLOGI PENELITIAN A. Metode Peelitia Meurut Sukardi, (003:7) Metodologi peelitia adalah cara yag dilakuka secara sistematis megikuti atura-atura, direcaaka oleh para peeliti utuk memecahka permasalaha

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

Diselenggarakan: 9 JULI 2014

Diselenggarakan: 9 JULI 2014 Diseleggaraka: 9 JULI 2014 Metodologi Populasi: seluru pemili yag tersebar di 478.833 TPS secara asioal. Sampel suara pemili dipili dega metode Stratified-Cluster Radom Samplig. Prosedur pemilia sampel:

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci