PERBANDINGAN METODE ESTIMASI M DAN ESTIMASI MM (METHODE OF MOMENT) PADA REGRESI ROBUST
|
|
- Yuliana Agusalim
- 7 tahun lalu
- Tontonan:
Transkripsi
1 PERBANDINGAN METODE ESTIMASI M DAN ESTIMASI MM (METHODE OF MOMENT) PADA REGRESI ROBUST Arlida Amalia Dewayati 1), Edy Widodo 2) 1) Mahaiwa Statitika Uiverita Ilam Idoeia, 2) Doe Statitika Uiverita Ilam Idoeia Dewayati30@gmail.com, Edykafifa@gmail.com Abtrak Aalii regrei merupaka uatu metode dalam tatitika utuk megetahui hubuga atara variabel depede dega variabel idepede. Metode yag diguaka dalam etimai parameter pada model terebut adalah Metode Kuadrat Terkecil (MKT).Metode ii agat peka terhadap peyimpaga-peyimpaga aumi pada data.aumi yag erig tidak terpeuhi adalah aumi ormalita.salah atu peyebab tidak terpeuhiya aumi ii karea terdapat outlier pada data. Oleh ebab itu, diguaka metode lai utuk meagai data outlier. Salah atuya adalah metode regrei robut dega megguaka etimai M da MM (Methode of Momet). Metode yag diguakai adalah etimai MKT, etimai M, da etimai MM. Pada peelitia ii aka dibaha megeai perbadiga atara M da etimai MM dega metode MKT dilihat dari ilai reidual tadard error, tadard errorda ilai koefiie regrei. Hail yag diperoleh dega imulai data meujukka bahwa utuk data yag megadug outlier etimai parameter yag diperoleh pada metode regrei robut dega metode M lebih baik diguaka dibadigka dega metode MKT. Sedagka utuk data tapa outlier etimai parameter yag diperoleh dega metode MKT lebih baik dibadigka dega metode etimai M da etimai MM Kata Kuci: Etimai M; Etimai MM; MKT; Outlier; Regrei Robut 1. PENDAHULUAN Pada berbagai kau, tidak jarag ditemuka kodii dimaa aumiaumi terebut tidak terpeuhi. Jika aumi tidak terpeuhi aka megakibatka hail etimai parameter pada MKT kurag baik Salah atu aumi yag tidak terpeuhi adalah aumi ormalita. Hal ii diebabka adaya pecila atau outlier pada data pegamata.outlieradalahkau atau data yag memiliki karakteritik uik yag terlihat agat berbeda jauh dari obervai-obervai laiya da mucul dalam betuk ilai ektrim, baik utuk ebuah variabel (Ghozali,2005). Oleh karea itu diperluka metode lai utuk meagai outlier yaitu Metode Regrei Robut (MRR). MRR adalah metode yag diguaka dalam megatai pecila tapa meghapu data pecila terebut(mahitah, dkk, 2013).Terdapat berbagai macam MRR diataraya etimai M, metode S, etimai MM (Method of Momet), LTS (Leat Terimmed Square) da LMS (Leat Media Square). Etimai M merupaka MRR yag baik utuk meduga parameter yag diebabka oleh youtlier da memiliki breakdowpoit 1/(Bekti, 2011). Etimai M dilakuka dega cara memberi bobot pada ei kemudia perhituga ilai parameter dilakuka dega WLS(Weight Leat Square). Selai itu etimai MM beruaha utuk mempertahaka ifat robutda Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 751 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
2 reitat dari etimai S. Selai itu, metode ii juga mempertahaka ifat efiie dari etimai M (Suati, dkk, 2013). Peelitia-peelitia yag perah dilakuka megeai metode etimai M da etimai MM pada regrei robut, atara lai Safitri (2015) megeai Perbadiga Metode Etimai M Da Etimai MM (Method Of Momet) Pada Regrei Robut. Selai itu ada pula peelitia megeai Aalii Regrei Pada Data Outlier dega Megguaka Leat Trimmed Square (LTS) da MM-Etimai yag dilakuka oleh Nurcahyadi (2010). Oleh karea itu, dilakuka peelitia utuk membadigka metode etimai M da etimai MM pada Regrei Robut.Tujua lai dari peilitia ii adalah utuk megetahui tigkat keakurata metode-metode terebut dalam megetimai data yag megadug outlier.selai itu, dilakuka imulai dega megguaka oftware R METODE PENELITIAN Data yag diguaka adalah imulai, metode peelitia diuraika dega diagram alur ebagai berikut ii: Mulai Membagkitka Data Medeteki Outlier Outlier MKT tidak ya Regrei Robut etimai M da etimai MM Meghitug etimai β dega tiga metode Perbadiga tiga metode dega Reidual Stadard Error Keimpula da ara Seleai Gambar 2.1Alur Tahapa Aalii Data Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 752 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
3 3. HASIL PENELITIAN DAN PEMBAHASAN Regrei robut merupaka metode yag diguaka utuk megatai outlier tapa meghapu data outlier terebut. Pada regrei robut, meurut Roueeuw(1987) metode yag erig diguaka dalam megetimai parameter diataraya adalah Huber etimai M (Maximum Likelihood Type) da etimai MM (Method of Momet) a. Etimai M Metode ii megaumika bahwa ebagia bear yag terdeteki outlier berada pada variabel idepede. Etimai M memiimumka fugi objektif (ρ) dari fugi reidualya (ei). Fugi terebut dapat dilihat dalam peramaa mi β ρ ( e i ) = mi ρ ( y i x i β ) β i=1 Dega = media e i media(e i ) merupaka kala dari uatu etimai 0,6745 robut da ρ ( e i ) merupaka fugi yag memberika kotribui pada maig-maig reidual pada fugi objektif. Berdaarka peramaa (1), dapat diperoleh etimai parameter dari peramaa regrei.sehigga diperoleh hail ebagai berikut. i=1 x ij ψ ( y i x i β ) = 0; j = 0,1,, m i=1 Dega ψmerupaka fugi ifluece yag diguaka dalam memperoleh bobot, xijadalah obervai ke-i pada repo ke-j da xi0=1. Etimaiparameter dega metode M diebut juga dega Iteratively Reweighted Leat Square (IRLS). Peyeleaia metode IRLS pada peramaa (2) meghailka peramaa (3) berikut ii. (1) (2) x ij ψ ( y ψ( i x i β i=1 ) = i=1 x ij y i x i β ) ( y i x i β ) ( y i x i β ) = 0, j = 0,1,, k (3) Jika peramaa terebut diotaika dega matrik dimaa W0merupaka diagoal matrik weight yag berukura x. Regreiterboboti terebut dapat diguaka ebagai alat utuk medapatka etimai M.Sehigga etimai parameter mejadi: β = (X W 0 X) 1 X W 0 y Proedur etimai dega megguaka etimai M atau IRLSdiuraika ebagai berikut : Dihitug etimai dari,diotaika β megguaka MKT, ehigga didapatka y i0 da i0 = y i y i0, (i = 1, 2,... ) yag diperlakuka ebagai ilai awal (yiadalah hail obervai). (4) Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 753 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
4 Dari ilai-ilai reidual ii dihitug ψ(ε i0) (ε i0 ˆ0 da pembobot awal w i0 = ). Nilai ( i0* ) dihitug euai fugi Huber, da ε i0 = ε i0. σ 0 Diuu matrik pembobot berupa matrik diagoal dega eleme w10, w20,..., w0. Dihitugetimai koefiie regrei,β Robut ke 1 = (X W 0 X) 1 X W 0 y Dega megguaka ilai β Robut ke 1 dihitug pula i=1 y i y i1 atau i=1 ε i1. Selajutya lagkah 2 ampai dega 5 diulag ampai didapatka i=1 ε im koverge. Dega kata lai, i=1 ε im cukup kecil utuk j=0,1,...,k. Jika diambil ilai tertadariai dari e, maka berdaarka imulai yag dilakuka oleh Huber, dipilih ilai k=1.345, ehigga diperoleh peramaa w i ebagai berikut. 1, jika e i w i = { 1.345, jika e i > e i (5) b. Etimai MM Pada umumya diguaka fugi Tukey Biquareβ baik pada etimai S maupu etimai M. Peramaa dari etimai MM adalah ebagai berikut: β MM = argmi β Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 754 Uiverita Muhammadiyah Surakarta, 12 Maret 2016 i=1 ρ ( e i ) Lagkah pertama dalam etimai ii adalah mecari ilai etimai S. Betuk peramaa etimai S dapat dilihat eperti berikut ii. (7) β S = argmi (e 1, e 2,, e k ) β Dega adalah etimai kala robut yag memeuhi 1 ρ (e i i=1 ) = K. Kmerupaka kota yag didefiiika ebagai K = E[Φ(ρ)]. Φ adalah ditribui ormal tadar. Nilai breakdow dari etimai S dapat dituli K max ρ(e) = 0,5. Setelah diketahui ilai etimai S, lagkah elajutya adalah meetapka parameter-parameter regrei megguaka etimai M. Berikut ii merupaka lagkah-lagkah etimai parameter pada model liier bergada dega regrei robut etimai MM: Meghitug ilai etimai awal koefiie β j da reidual e i dari regrei robut dega high breakdow poit (etimai S) dega pembobota tukey biquare. Reidual e i pada lagkah pertama dilakuka utuk meghitug kala etimai, da dihitug pula pembobot awal w i. (6) (8)
5 Reidual e i dega kala etimai pada lagkah kedua diguaka dalam iterai awal ebagai etimai WLS (Weight Leat Square) utuk meghitug koefiie regrei. Meghitug bobot baru w i dega kala etimai dari iterai awal WLS. Perhituga etimai koefiie regrei megguaka metode ii megguaka peramaa β (m+1) = (X W m X) 1 X W m y. Megulag lagkah 2 ampai 4 ampai medapatka e (m) i=1 i koverge (eliih β j(m+1) da β j(m) medekati 0, dega m bayakya iterai).jika diambil ilai tertadariai dari e, maka berdaarka imulai yag dilakuka oleh Tukey, dipilih ilai k=4.685, ehigga diperoleh peramaa w i ebagai berikut. w i = { [1 ( e i )2 ], jika e i , jika e i > (3.9) c. Studi Kau Berdaarka data hail pembagkita megguaka oftwarer ebayak 50 data, aka dilihat model yag terbetuk dari beberapa metode erta keakurata maig-maig metode terebut. Ada dua aalii yag dilakuka pada data yag dibagkitka, yaitu aalii data yag megadug outlier da aalii data tapa outlier (meghilagka data outlier). Perhituga juga dilakuka dega oftware R. Berikut ii pembahaaya: 1) Data Outlier Pada kau ii, ilai cutoff utuk maig-maig metode ditetuka berdaarka jumlah ampel () yaitu 50 da bayakya parameter (p).diii aka dilihat outlier pada arah y dimaa dega ilai dari R tudet > 2 maka teridetifikai adaya outlier. Berdaarka kriteria terebut, dapat diketahui obervai-obervai yag merupaka outlier.pada hail yag diperoleh dapat dilihat bahwa terdapat data obervai yag merupaka data outlier pada arah y dega melihat hail perhituga dari ilai r-tudet.data yag outlier pada arah y adalah data obervai ke-3 dega ilai 3.27 da data obervai ke-8 dega ilai Hail model peramaa regrei yag terbetuk dari etimai ilai parameter metode MKT adalah: ŷ = x x 2 + ε (10) Etimai pada metode ii meghailka reidualtadarderrorebear Dilihat pada plot reidual yag dihailka mayorita reidual terletak diekitar 0. Namu, ada beberapa reidual yag terletak jauh dari 0.Hal ii megidakika bahwa data tidak memeuhi aumi keormala karea terdapat outlier dalam data. Berikut ii merupaka plot reidual metode MKT. Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 755 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
6 Gambar1. Plot Reidual Metode MKT (Data Outlier) Pada gambarteridetifikai adaya outlier ehiggaterdapat metode lai yag dapat diguaka meagai outlier yaitu regrei robut. Regrei robut pertama didapatka hail model peramaa regrei yag terbetuk dari etimai ilai parameter metode etimai Madalah: ŷ = x x 2 + ε Etimai pada metode ii meghailka reidualtadarderrorebear Regrei robut kedua didapatka hailmodel peramaa regrei yag terbetuk dari etimai ilai parameter metode etimai MMadalah: ŷ = x x 2 + ε (12) Etimai pada metode ii meghailka reidualtadarderrorebear Berdaarka hail etimai parameter megguaka tiga metode terebut diperoleh reidualtadard error ecara keeluruha eperti berikut: Tabel 1.Reidual Stadard Error Pada Tiga Metode Pada Data Outlier Metode Reidual Stadard Error MKT Etimai M Etimai MM (11) Pada tabel 1.dapat dilihat bahwa metode etimai M memiliki reidualtadard error palig kecil diatara metode yag lai yaitu ebear Oleh ebab itu, metode etimai M lebih baik diguaka utuk megatai outlier dari pada dua metode yag lai. 2) Data Tapa Outlier Pada data tapa outlier dilihat pada arah y tidak teridetifikai adaya outlier. Kemudia dalam hail perhituga yag dilakuka dega MKT didapatka model peramaa regrei yag terbetuk dari etimai ilai parameter metode MKT adalah: y = x x 2 + ε (13) Etimai pada metode ii meghailka reidualtadarderrorebear Plot reidual pada metode MKT dapat dilihat bahwa emua reidual terletak diekitar 0.Reidual meyebar da terletak diekitar 0.Hal ii Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 756 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
7 megartika bahwa data memeuhi aumi. Berikut ii merupaka plot reidual metode MKT. Gambar 2. Plot Reidual Metode MKT (Data tapa Outlier) Namu, utuk megetahui ecara pati dilakuka perbadiga dega metode etimai M da metode etimai MM. Berikut ii merupaka hail etimai megguaka metode etimai M. Model peramaa regrei yag terbetuk dari etimai ilai parameter metode etimai M adalah: y = x x 2 + ε Etimai pada metode ii meghailka reidualtadarderrorebear Pada etimai MM, model model peramaa regrei yag terbetuk dari etimai ilai parameter adalah: y = x x 2 + ε (15) Etimai pada metode ii meghailka reidualtadarderrorebear Berdaarka hail etimai parameter megguaka tiga metode terebut diperoleh reidualtadard error ecara keeluruha eperti berikut. Tabel 2.Reidual Stadard Error Pada Tiga Metode Pada Data Tapa Outlier Metode Reidual Stadard Error MKT Etimai M Etimai MM (14) Pada tabel 2.dapat dilihat bahwa MKT memiliki reidualtadard error palig kecil diatara metode yag lai yaitu ebear Oleh ebab itu, MKT lebih baik diguaka utuk data tapa megadug outlier dari pada dua metode yag lai. Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 757 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
8 4. SIMPULAN Pada kau data megadug outlier pada arah y, metode yag palig baik diguaka adalah metode etimai M pada regrei robut dibadigka dega MKT dega model regrei yag didapatka adalah ŷ = x x 2 + ε Metode etimai MM. Pada kau data tapa outlier metode yag palig baik diguaka adalah MKT dega model yag didapatka yaitu: y = x x 2 + ε Perbadiga dilakuka dega melihat ilai reidual tadard error. Jika ilai reidual tadard errorpalig kecil maka model terebutlah yag layak diguaka. 5. DAFTAR PUSTAKA Bekti. (2011). Materi Statitik. Diake dari Ghozali, I. (2005). Aalii Multivariate dega Program SPSS Ed 3. Semarag, S: Bada Peerbit Uiverita Dipoegoro. Mahitah., Arif Wibowo., & Diah Idriai. (2013). Metode Robut Regreio o Ordered Statitic (ROS) pada Data Tereor Kiri dega Outlier. Jural Biometrika da Kepeduduka, II(2), Nurcahyadi, H. (2010). Aalii Regrei pada Data Outlier dega Megguaka Leat Trimmed Square (LTS) da MM-Etimai. Jakarta, J: Uiverita Ilam Negeri Syarif Hidayatullah. Safitri, A.D. (2015). Perbadiga Metode Etimai M Da Etimai MM (Method Of Momet) Pada Regrei Robut. Yogyakarta, Y: Uiverita Ilam Idoeia. Suati, Y., Pratiwi, H., &Sulitiowati, S. (2013). M Etimatio, S Etimatio, Ad Mm Etimatio I Robut Regreio. Iteratioal Joural of Pure ad Applied Mathematic, 91(3), , doi: Roueeuw, P. J. (1987). Robut Regreio ad Outlier Detectio. New York, NY: Wiley ad So. Koferei Naioal Peelitia Matematika da Pembelajaraya (KNPMP I) 758 Uiverita Muhammadiyah Surakarta, 12 Maret 2016
Selang Kepercayaan dari Parameter Distribusi Log-Normal Menggunakan Metode Bootstrap Persentil
Statitika, Vol. 8 No. 1, 13 17 Mei 008 Selag Kepercayaa dari Parameter Ditribui Log-Normal Megguaka Metode Boottrap Peretil Akhmad Fauzy Jurua Statitika FMIPA Uiverita Ilam Idoeia Yogyakarta Abtract I
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciINTERVAL 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 terperinciA. PENGERTIAN DISPERSI
UKURAN DISPERSI A. PENGERTIAN DISPERSI Ukura diperi atau ukura variai atau ukura peyimpaga adalah ukura yag meyataka eberapa jauh peyimpaga ilai-ilai data dari ilaiilai puatya atau ukura yag meyataka eberapa
Lebih terperinciPendugaan 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 terperinciBAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model
3 BAB III METODE PENELITIAN A. Jei Peelitia Tujua peelitia ii yaki membadigka kemampua berpikir kriti dega kemampua berpikir kreatif dega megguaka dua model pembelajara yaitu model pembelajara berbai maalah
Lebih terperinciPengujian Hipotesis untuk selisih dua nilai tengah populasi
Pegujia Hipotei utuk eliih dua ilai tegah populai Hipotei Hipotei atu arah: H 0 : - 0 v H : - < 0 H 0 : - 0 v H : - > 0 Hipotei dua arah: H 0 : - = 0 v H : - 0 Statitik uji z h ( ( ) ) 0 Formula klik diketahui
Lebih terperinciPENDUGAAN 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 terperinciTetapi apabila n < 5% N maka digunakan :
Jei- jei pedugaa Iterval:. Pedugaa Parameter dega ampel bear (>30) a. Pedugaa terhadap parameter rata-rata Diketahui; z Maka; Z Z Tetapi apabila tadard deviai populai tidak diketahui, maka diguaka tadar
Lebih terperinciMetode Statistika Pertemuan IX-X
/7/0 Metode Statitika Pertemua IX-X Statitika Ifereia: Pedugaa Parameter Populai : Parameter Cotoh : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ditribui amplig PENDUGA TAK
Lebih terperinciPendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval
Pedugaa Parameter Pedahulua Pedugaa Parameter Populai 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 terperinciBAB IV DESKRIPSI ANALISIS DATA
BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka
Lebih terperinciBAB III PEMBAHASAN. Pada bab ini akan dijelaskan mengenai analisis regresi robust estimasi-s
BAB III PEMBAHASAN Pada bab ii aka dijelaska megeai aalisis regresi robust estimasi-s dega pembobot Welsch da Tukey bisquare. Kemudia aka ditujukka model regresi megguaka regresi robust estimasi-s dega
Lebih terperinciPENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KUARTIL DARI KARAKTER TAMBAHAN PADA SAMPLING ACAK SEDERHANA
PEAKIR RAIO UTUK VARIAI POPULAI MEGGUAKA KUARTIL DARI KARAKTER TAMBAHA PADA AMPLIG ACAK EDERHAA Ari Elvita *, Arima Ada, Hapoa irait Mahaiwa Program Matematika Doe Jurua Matematika Fakulta Matematika da
Lebih terperinciESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga
ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya
Lebih terperinciPendugaan 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 terperinciBAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F
BAB III AALISIS EMODELA ATRIA HAULER EGAGKUTA OVERBURDE ADA JALA 7F 3.. edahulua ada Bab II telah dijelaka beberapa teori yag diguaka utuk melakuka aalii yag tepat dalam memecahka maalah yag ada. ada bab
Lebih terperinciPedahulua 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 terperinciSOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial
SOAL PELATIHAN. Jelaka pegertia hipotei?. Seorag peeliti biaaya tertarik meguji atu hipotei dari eam alteratif hipotei. Sebutka eam alteratif hipotei terebut? 3. Apa yag dimakud dega pegujia hipotei? 4.
Lebih terperinciBAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai
3 BAB II ESTIMASI STATISTIK. Pegertia Etimai a. Etimai merupaka uatu metode dimaa kita dapat memperkiraka ilai Populai dega memakai ilai ampel. b. Etimai merupaka kegiata pearika keimpula tatitik yag berawal
Lebih terperinciStatistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.
Statitika Toik Bahaa: Pedugaa Parameter Oleh : Edi M Pribadi, SP, MSc E-mail: edi_m@taffguadarmaacid edi_m@ymailcom Ilutrai Statitika Ifereia : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai
Lebih terperinciDiagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui
Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,
Lebih terperinciPendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO
Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa
Lebih terperinciBAB III METODOLOGI PENELITIAN
A III METODOLOGI PENELITIAN A. Jei da Deai Peelitia. Jei Peelitia Jei peelitia ii adalah peelitia ekperime. Metode peelitia ekperime merupaka metode peelitia yag diguaka utuk mecari treatmet (perlakua)
Lebih terperinciMetode Statistika Pertemuan XI-XII
/4/0 Metode Statitika Pertemua XI-XII Statitika Ifereia: Pegujia Hipotei Populai : = 0 Butuh pembuktia berdaarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : 5 Ok, itu adalah pegujia hipotei,
Lebih terperinciPROSIDING 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 terperinci1. Ilustrasi. Materi 2 Pendugaan Parameter
Materi Pedugaa Parameter. Ilutrai Ifereia Statitika : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai megeai oulai dega melakuka egambila amel (amlig) Etimai / Pedugaa Parameter Yaitu
Lebih terperinciMINGGU KE XII PENDUGAAN INTERVAL
MINGGU KE XII PENDUGAAN INTERVAL Tujua Itrukioal Umum :. Mahaiwa mampu memahami apa yag dimakud dega pedugaa iterval. Mahaiwa mampu memahami pedugaa iterval utuk ample bear da utuk ample kecil 3. Mahaiwa
Lebih terperinciBAB 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 terperinciBab6 PENAKSIRAN PARAMETER
Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3
III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.
Lebih terperinciMata Kuliah: Statistik Inferensial
STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui
Lebih terperinciIII. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar
7 III. METDE PENELITIAN A. Populai Peelitia Populai peelitia ii yaitu eluruh iwa kela MA Negeri Badar Lampug dega ampel kela, pada emeter geap Tahu Pelajara 0/0. B. ampel Peelitia Tekik pegambila ampel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jei Peelitia Peelitia ii merupaka peelitia ekperime. Peelitia ekperime yaitu peelitia yag egaja membagkitka timbulya uatu kejadia atau keadaa, kemudia diteliti bagaimaa akibatya
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan
BAB II LANDASAN TEORI Pada bab ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1
Lebih terperinciMENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
Saitia Matematika ISSN: 337-9197 Vol. 0, No. 03 (014), pp. 5 35. MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam
Lebih terperinciMATERI DAN METODE. Gambar 1. (a). Kambing PE Kondisi A, (b). Kambing PE Kondisi B, (c). Kambing PE Kondisi C, (d). Kambing PE Kondisi D.
MATERI DAN METODE Tempat da Waktu Peelitia Peelitia ii dilakaaka elama bula, yaitu dari bula Jauari ampai Februari 0. Pelakaaa peelitia dilakuka di peteraka kambig perah Cordero, peteraka kambig perah
Lebih terperinciBAB 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 terperinciPENERAPAN METODE PEMBELAJARAN IMPROVE UNTUK MENINGKATKAN HASIL BELAJAR SISWA DALAM PEMBELAJARAN TEKNOLOGI INFORMASI DAN KOMUNIKASI (TIK)
PENEAPAN METODE PEMBELAJAAN IMPOVE UNTUK MENINGKATKAN HASIL BELAJA SISWA DALAM PEMBELAJAAN TEKNOLOGI INFOMASI DAN KOMUNIKASI (TIK) Dewi Yuigih Pedidika Ilmu Komputer, Uiverita Pedidika Idoeia Badug wie.u.yu@gmail.com
Lebih terperinciMENENTUKAN SPECTRUM SUATU GRAF BERBANTUAN MATLAB
LAPORAN PENELITIAN KOMPETITIF DOSEN BERSAMA MAHASISWA MENENTUKAN SPECTRUM SUATU GRAF BERBANTUAN MATLAB KETUA TIM PENELITI ABDUSSAKIR, M.Pd JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinci--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University
--Fiherie Data Aalyi-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fiherie ad Marie Sciece Brawijaya Uiverity Tujua Itrukioal Khuu Mahaiwa dapat megguaka aalii tatitika ederhaa dega berfoku ukura
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciIII 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jei Peelitia Metode peelitia yag diguaka dalam kripi ii adalah metode peelitia kuatitatif ekperime yag berdeai pottet-oly cotrol deig, karea tujua dalam peelitia ii utuk mecari
Lebih terperinciSTATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1)
STATISTICS Cofidece Iterval (Retag Keyakia) Cofidece Iterval () Etimai Parameter Ditribui abilita memiliki ejumlah parameter. Parameter-parameter tb umumya tak diketahui. Nilai parameter terebut diperkiraka
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciSIFAT SIFAT TRANSFORMASI LINEAR DARI R KE R
SIF SIF RNSFORMSI LINER m DRI R KE R Diuu utuk memeuhi uga Mata Kuliah ljabar Liear Doe Pegampu : Dr. Suroo, M. Pd Diuu oleh : Kelompok. ge Chritie rii ( 84.55 ). dik Setyo Nugroho ( 84.65 ). Beti Lutvi
Lebih terperinciBab II Landasan Teori
Bab II adaa eori Bab ii meyajika kajia item da teori-teori yag aka medaari da diguaka dalam mecari betuk model tereduki. Beberapa hal yag aka dikaji dalam bab ii adalah item PV da beberapa teori daar yag
Lebih terperinciStatistika. Besaran Statistik
Statitika Beara Statitik Itiarto Statitical Meaure Commo tatitical meaure Meaure of cetral tedecy Mea Mode Media Meaure of variability Rage Variace Stadard deviatio Meaure of a idividual i a populatio
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciA. Interval Konfidensi untuk Mean
ESTIMASI INTERVAL A. Iterval Kofidei utuk Mea Defiii Jika ˆ merupaka etimator utuk parameter da P ˆ ˆ, maka ˆ ˆ diebut Dimaa iterval kofidei(-)00% utuk. :- koefiie kofidei ˆ, ˆ bata iterval tigkat kealaha
Lebih terperinciJurusan Matematika Universitas Riau, Riau 1 Kampus Binawidya Pekanbaru 28293, Indonesia Jurusan Matematika Universitas Riau, Riau 2 ABSTRACT
Proidig emirata05 bidag MIPA BK-PT Barat Uiverita Tajugpura Potiaak PEAKIR RAIO DA PRODUK EKPOEIAL YAG EFIIE UTUK VARIAI POPULAI PADA AMPLIG ACAK EDERHAA EXPOETIAL RATIO AD PRODUCT ETIMATIO FOR POPULATIO
Lebih terperinciTINJAUAN 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 terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciPENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH
PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER Populai : Parameter Sampel : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ebara cotoh PENDUGA TAK BIAS DAN MEMPUNYAI
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciIV. 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 terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciPemilihan Model Terbaik
Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Berdaarka rumua maalah pada BAB I, peelitia kuatitatif ii bertujua utuk megetahui efektivita metode pembelajara dicovery dega megguaka Papa Tempel egi Empat
Lebih terperinciII. 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 terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciBAB 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 terperinciBAB II LANDASAN TEORI. regresi linier, metode kuadrat terkecil (MKT), uji simultan, uji asumsi regresi
BAB II LANDASAN TEORI Dalam peelitia ii diberika beberapa teori yag diperluka sebagai pedukug dalam pembahasa selajutya di ataraya adalah variabel radom, regresi liier, metode kuadrat terkecil (MKT), uji
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciBAB 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 terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciBAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus
BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS Pada bab ii aka dibahas tetag betuk model spasial lag sekaligus spasial error da prosedur Geeralized Spatial Two Stage Least Squares (GS2SLS) utuk megestimasi
Lebih terperinciBAB 6. Penggunaan SPSS dalam STATISTIK INFERENSI
54 Modul Statitika TI oleh Hartatik,M.Si BAB 6 Pegguaa SPSS dalam STATISTIK INFERENSI Tujua : a. Mahaiwa mampu melakuka uji beda mea dua ample b. Mahaiwa mampu melakuka uji beda propori c. Mahaiwa mampu
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciBAB 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 terperinciPendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain:
Peahulua Peugaa Parameter Peugaa Parameter Populai ilakuka ega megguaka ilai Statitik Sampel, Mial :. x iguaka ebagai peuga bagi µ. iguaka ebagai peuga bagi σ 3. p atau p$ iguaka ebagai peuga bagi π Peugaa
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Metode Pegumpula Data Dalam melakuka sebuah peelitia dibutuhka data yag diguaka sebagai acua da sumber peelitia. Disii peulis megguaka metode yag diguaka utuk melakuka pegumpula
Lebih terperinciPendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi
Pedugaa Parameter: Kau Dua amel alig beba Seliih rataa dua oulai - x x.96 x x.96 x x - SAMPLING ERROR Dugaa Selag bagi µ - µ ( x x z ( x x z Formula klik diketahui ama & Syarat : & Tidak ama Formula klik
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciREGRESI 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 terperinciStatistika 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 terperinciIII. KERANGKA PEMIKIRAN. Penelitian ini menggunakan model persamaan simultan karena memiliki lebih dari
III. KERANGKA EMIKIRAN 3.1. Keragka Teoriti Kompoe utama paar bera mecakup kegiata produki da koumi. eelitia ii megguaka model peramaa imulta karea memiliki lebih dari atu variabel edoge/peramaa. Berikut
Lebih terperinciPENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK. Sutikno
sutiko PENGARUH VARIASI PELUANG CROSSOVER DAN MUTASI DALAM ALGORITMA GENETIKA UNTUK MENYELESAIKAN MASALAH KNAPSACK Sutiko Program Studi Tekik Iformatika Fakultas Sais da Matematika UNDIP tik@udip.ac.id
Lebih terperinciBAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah quasi experimental research
BAB III METODE PENELITIAN A. Jei da Deai Peelitia Jei peelitia yag diguaka adalah quai experimetal reearch atau peelitia ekperime emu. Peelitia dilakuka dega cara medekripika keefektifa kelompok ekperime
Lebih terperinciINFERENSI STATISTIK Inferensi statistik mencakup semua metode yang digunakan dalam penarikan kesimpulan atau generalisasi mengenai populasi.
INFERENSI STATISTIK Iferei tatitik mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai populai. Iferei Statitik Pedugaa Parameter Pegujia Hipotei PENDUGAAN PARAMETER Pedugaa parameter
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinciBAB III METODE PENELITIAN
36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.
Lebih terperinciUJI KUALITAS MINYAK GORENG BERDASARKAN INDEKS BIAS CAHAYA MENGGUNAKAN ALAT REFRAKTOMETER SEDERHANA
48 D. R. Praetyo et al. Uji Kualita Miyak Goreg Berdaarka Idek Bia Cahaya UJI KUALITAS MINYAK GORENG BERDASARKAN INDEKS BIAS CAHAYA MENGGUNAKAN ALAT REFRAKTOMETER SEDERHANA Dody Rahayu Praetyo * Mahardika
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciProgram Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi
Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH. telepon PT. Pos Indonesia cabang Kebon Jeruk, Jakarta Barat dan melihat
BAB 3 METODOLOGI EMECAHAN MASALAH 3. Meetapka Ukura Kierja Dalam ebuah item atria, ada dua kompoe yag petig, yaitu populai dari pelagga bagaimaa mereka memauki item atria yag ada da waktu pelayaa itu ediri
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciFisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman
Fiika Statitik Jumlah SKS : 3 Oleh : Rahmawati M, S.Si., M.Si. Jurua Fiika Fakulta Matematika da Ilmu Pegetahua Alam Uiverita Mulawarma Pertemua 2 da 3 Pedahulua (Termodiamika) 2. Statitik Maxwell-Boltzma.
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciIV 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 terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih terperinciBAB 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 terperinci9 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