Sampling, Estimasi dan Uji Hipotesis
|
|
- Yuliana Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Sampling, Estimasi dan Uji Hipotesis
2
3 Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling tanpa pergantian untuk suatu populasi terhingga dan pengambilan sampel untuk populasi tak terhingga Menjelaskan langkah-langkah yang diperlukan untuk membentuk suatu distribusi sampling dari mean-mean sampel, menghitung mean dan deviasi standard dari distribusi sampling tersebut Menjelaskan langkah-langkah yang diperlukan untuk membentuk suatu distribusi sampling dari proporsi sampel, menghitung mean dan deviasi standard dari distribusi sampling tersebut Menghitung mean dan deviasi standard dari distribusi sampling yang merupakan perbedaan atau penjumlahan dari sampel-sampel yang berasal dari dua populasi
4 Pokok Bahasan Pengertian dan Konsep Dasar Sampling Distribusi Sampling Dari Mean Distribusi Sampling Dari Proporsi Distribusi Sampling Dari Perbedaan dan Penjumlahan
5 Pengertian dan Konsep Dasar Kebutuhan dan Keuntungan Sampling Sampling yang baik: penghematan biaya dan waktu menjaga keakuratan hasil-hasilnya Secara khusus teknik sampling berguna dalam : Estimasi parameter populasi (seperti mean populasi, varians populasi dll.) yang tidak diketahui berdasarkan pengetahuan tentang statistik sampel (seperti mean sampel, varians sampel, dll.) yang berkaitan Menentukan apakah perbedaan yang teramati pada dua sampel adalah benar-benar signifikan (berarti) atau karena variasi yang kebetulan sifatnya
6 Pengertian dan Konsep Dasar Sampling Acak (Random Sampling) Suatu kesimpulan yang diambil berdasarkan sampel harus: valid dapat dipercaya Sampel dipilih sedemikian hingga mewakili populasi à sampling acak (setiap anggota populasi memiliki kesempatan yang sama untuk terpilih sebagai sampel) Suatu teknik untuk mendapatkan sampel acak adalah dengan memanfaatkan bilangan acak (random numbers), seperti yang telah dijelaskan dalam modul pertama Populasi Terhingga dan Tak Terhingga Populasi terhingga (finite population) adalah populasi yang jumlah seluruh anggotanya tetap dan dapat didaftar Populasi tak terhingga (infinite population) memiliki anggota yang banyaknya tak terhingga
7 Pengertian dan Konsep Dasar Contoh 5.1: Jika kita memeriksa rata-rata harian banyaknya produk cacat di sebuah pabrik selama 12 bulan terakhir, maka populasi yang diperoleh adalah populasi terhingga yang meliputi produk cacat dari semua jalur produksi di pabrik itu Jika kita mengukur kecepatan prosesor komputer yang dibuat oleh sebuah perusahaan tertentu maka populasi yang diperoleh adalah populasi tak terhingga, karena produk tersebut akan terus diproduksi dan dikembangkan di masa-masa mendatang
8 Pengertian dan Konsep Dasar Sampling Dengan dan Tanpa Pergantian Sampling dimana setiap anggota sebuah populasi bisa terpilih lebih dari sekali (terpilih kembali setelah terpilih sebelumnya) disebut sampling dengan pergantian Jika anggota populasi tidak bisa terpilih lebih dari sekali (yang telah terpilih tidak bisa dipilih lagi) disebut sampling tanpa pergantian Contoh 5.2: Dalam memilih sebuah nomor yang mewakili komponen sebagai sampel dari sebuah batch produksi, kita bisa mengembalikan lagi atau tidak mengembalikan kembali nomor yang telah terpilih kedalam batch produksi. Dalam kasus pertama disebut sampling dengan pergantian sedangkan kasus yang kedua adalah sampling tanpa dengan pergantian
9 Pengertian dan Konsep Dasar Sampling Dengan dan Tanpa Pergantian Untuk sebuah populasi yang tak terhingga, sehimpunan variabel acak X 1, X 2, X 3,, X n-1, X n, yang dapat mengambil berapa saja nilai yang mungkin akan membentuk sebuah sampel acak dari populasi jika : X i saling bebas secara statistik Masing-masing X i mengikuti fungsi distribusi probabilitas yang mengatur populasi Untuk suatu populasi terhingga sejumlah N, jika sampling dilakukan tanpa pergantian, sehimpunan variabel acak X 1, X 2, X 3,, X n-1, X n, yang dapat mengambil berapa saja nilai yang mungkin akan membentuk sebuah sampel acak dari populasi jika : sampling dilakukan dengan cara sedemikian hingga seluruh kombinasi N C n sampel yang mungkin, memiliki probabilitas yang sama untuk bisa terpilih
10 Pengertian dan Konsep Dasar Distribusi Sampling Seluruh kemungkinan sampel berukuran n yang dapat dibentuk dari suatu populasi: untuk masing-masing sampel dapat dihitung sebuah statistik sampel seperti mean, deviasi standard, dll., yang nilainya tentu akan berbeda-beda à bisa diperoleh suatu distribusi dari nilai statistik sampel-sampel tersebut. Distribusi ini dinamakan distribusi sampling. distribusi sampling dari mean sampel (sampling distribution of the mean) distribusi sampling dari deviasi standard, varians, median, proporsi, dll Kemudian terhadap masing-masing jenis distribusi sampling inipun dapat dihitung nilai-nilai mean, deviasi standard (error standard), dll.
11 Pengertian dan Konsep Dasar Contoh 5.3: Suatu populasi terdiri atas lima hasil pengukuran bernilai 2, 3, 6, 8, 11. Jika dari populasi ini hendak digunakan dua hasil pengukuran sebagai sampel, distribusi sampling dari mean sampel yang bisa dibentuk jika: sampling dengan pergantian dan urutan diperhatikan Kemungkinan sampel yang terbentuk adalah: (2,2) (2,3) (2,6) (2,8) (2,11) (3,2) (3,3) (3,6) (3,8) (3,11) (6,2) (6,3) (6,6) (6,8) (6,11) (8,2) (8,3) (8,6) (8,8) (8,11) (11,2) (11,3) (11,6) (11,8) (11,11) Maka mean sampel yang terbentuk adalah: 2,0 2,5 4,0 5,0 6,5 2,5 3,0 4,5 5,5 7,0 4,0 4,5 6,0 7,0 8,5 5,0 5,5 7,0 8,0 9,5 6,5 7,0 8,5 9,5 11,0
12 Pengertian dan Konsep Dasar Contoh 5.3 (lanjutan): Sehingga distribusi sampling dari mean sample yang terbentuk adalah : Mean Samp el Freku ensi 2 2, ,5 5 5,5 6 6, ,5 9, Proba bilitas 1/25 2/25 1/25 2/25 2/25 2/25 2/25 1/25 2/25 4/25 1/25 2/25 2/25 1/25
13 Distribusi Sampling dari Mean Definisi Distribusi sampling dari mean-mean sampel adalah distribusi mean-mean aritmetika dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah populasi Mean dan Deviasi Standard Distribusi Sampling Mean Jika sampling dilakukan tanpa pergantian dari suatu populasi terhinga berukuran N, maka: Jika sampling dilakukan dengan pergantian atau populasinya tak terhingga, maka: m x = m x m x = m x s x = s x n N - n N -1 s x = s x n
14 Distribusi Sampling dari Mean Mean dan Deviasi Standard Distribusi Sampling Mean Untuk nilai n yang besar (n > 30), distribusi sampling mean mendekati suatu distribusi normal terlepas dari bentuk asli distribusi populasinya Jika populasinya memiliki distribusi normal,maka distribusi sampling mean juga terdistribusi secara normal untuk nilai n berapapun (tidak tergantung ukuran sampel) Deviasi standard dari sebuah distribusi sampling mean disebut juga dengan error standard daripada mean
15 Distribusi Sampling dari Mean Contoh 5.4: Dari contoh 5.3 dapat dihitung mean populasi, mean distribusi sampling mean deviasi standard populasi dan deviasi standard distribusi sampling mean sebagai berikut: m x = = = 6,0 5 5 s m x x (2-6) + (3-6) + (6-6) + (8-6) + (11-6) + = = 3, å fixi i= 1 (1)(2) + (2)(2,5) (1)(11) 150 = = = = 6,0 14 f å i= 1 i Terlihat bahwa dengan n = 2 s 14 2 å fi( xi - mx ) 2 i= 1 (1)(2-6) + (2)(2,5-6) (1)(11-6) x = = = 14 m x å i= 1 f i x = mx dan dapat ditunjukkan bahwa s x = 25 s n = 2,32
16 Distribusi Sampling dari Mean Contoh 5.5: Lima ratus cetakan logam memilki berat rata-rata 5,02 N dan deviasi standard 0,30 N. Probabilitas bahwa suatu sampel acak dengan ukuran sampel 100 cetakan yang dipilih akan mempunyai berat total antara 496 sampai 500 N dapat ditentukan sbb. Distribusi sampling mean persoalah diatas memiliki: m s x x = m = 5,02 N x s x N -n 0, = = = 0,027 n N Seratus sampel cetakan memiliki berat total 496 sampai 500 N jika rataratanya adalah 4,96 sampai 5,00 N. Jadi dengan menggunakan tabel distribusi normal standard skor z adalah: 4,96-5, 02 x = 4,96 zx= = - 2, 22 0,027 x 5,00-5,02 = 5,00 zx= = - 0,74 0,027 P(4,96 x < 5, 00) = P( - 2, 22 z x - 0, 74) = (0, , 01321) = 0, 2164 = 21, 64%
17 Distribusi Sampling dari Proporsi Definisi Distribusi sampling dari proporsi adalah distribusi proporsiproporsi dari seluruh sampel acak berukuran n yang mungkin yang dipilih dari sebuah populasi Mean dan Deviasi Standard Distribusi Sampling Mean m s Jika probabilitas sukses populasi adalah p sementara probabilitas gagalnya adalah =1 - p dan samplingnya tanpa pergantian dari populasi terhinga berukuran N = p P P p N -n p(1 - p) N -n = = n N -1 n N -1 Jika sampling dilakukan dengan pergantian atau populasinya tak terhingga, maka: m s P P = p p p(1 - p) = = n n
18 Distribusi Sampling dari Proporsi Mean dan Deviasi Standard Distribusi Sampling Mean Untuk nilai n yang besar (n > 30), distribusi sampling proporsi mendekati suatu distribusi normal Sedangkan populasinya mengikuti distribusi binomial Perlu diperhatikan bahwa proporsi adalah variabel diskrit, sehingga diperlukan faktor koreksi (±1/2n ) dalam mengubahnya kedalam skor z untuk menentukan probabilitas (kurang/lebih dari) suatu nilai proporsi tertentu dengan menggunakan tabel distribusi normal
19 Distribusi Sampling dari Proporsi Contoh 5.6: Divisi pengendalian mutu pabrik perkakas mesin mencatat bahwa 2 % dari mata bor yang diproduksi mengalami cacat. Jika dalam pengiriman satu batch produk terdiri dari 400 mata bor, tentukan probabilitas banyaknya mata bor yang cacat 3 % atau lebih? Distribusi sampling proporsi p(1 -p) 0,02(1-0,02) mp = p = 0,02 dan sp = = = 0, 007 n 400 Koreksi untuk variabel diskrit =1/2n = 1/(2)(400) ==1/800 = 0,00125 Proporsi (3 %) setelah dikoreksi, P = 0,03-0,00125 = Skor z untuk P = 0,02875 adalah: z P P - mp 0, ,02 = = = 1,25 s 0,007 P Maka probabilitas mata bor yang cacat dengan proporsi lebih dari 3 %: P( z > 1, 25) = 1 - P( z 1, 25) = 1-0,8944 = 0,1056 = 10,56% P P
20 Distribusi Sampling dari Perbedaan dan Penjumlahan Definisi Terdapat dua populasi Untuk setiap sampel berukuran n 1 dari populasi pertama dihitung sebuah statistik S 1 dan menghasilkan sebuah distribusi sampling dari statistik S 1 yang memiliki mean m s1 dan deviasi standard s s1 Dari populasi kedua, untuk setiap sampel berukuran n 2 dihitung statistik S 2 yang akan menghasilkan sebuah distribusi sampling dari statistik S 2 yang memiliki mean m s2 dan deviasi standard s s2 Mean dan Deviasi Standard Distribusi sampling perbedaan S 1 S 2 memiliki m - = m - m S S S S Distribusi sampling penjumlahan S 1 + S 2 memiliki: m + = m + m S S S S s - = s + s 2 2 S S S S s + = s + s 2 2 S S S S
21 Distribusi Sampling dari Perbedaan dan Penjumlahan Contoh 5.7: Lampu bohlam A memiliki daya tahan rata-rata 1400 jam dan deviasi standard 200 jam, sementara lampu B memiliki daya tahan rata-rata 1200 jam dengan deviasi standard 100 jam. Jika dari masing-masing produk dipilih 125 bohlam sebagai sampel, maka probabilitas bahwa bohlam A memiliki daya tahan sekurang-kurangnya 160 jam lebih lama dibandingkan bohlam B dapat ditentukan sebagai berikut Mean dari distribusi sampling perbedaan daya tahan bohlam A dan B: mx A - x = m B x - m A x = m B x - m A x = - = B Deviasi standardnya adalah: Skor z untuk perbedaan mean 160 adalah: Jadi probabilitas yang akan ditentukan adalah: P(( xa - xb ) > 160) = P( zx 2) 1 ( 2) A -x > - = - P z B xa -x < - B = 1-0,0228 = 0,9772 = 97, 72% s 2 2 x s (100) (200) A xb s x 20 A - x = s B x + s A x = + = + = B n n z x A -x B A B ( xa - xb ) -( mx ) ( ) A -x x B A - xb - - = = = = -2 s x A -x B
22
23 Tujuan Pembelajaran Menjelaskan konsep-konsep dasar yang mendukung pendugaan rata-rata populasi, persentase dan varians Menghitung dugaan-dugaan (estimates) rata-rata populasi pada tingkat kepercayaan (level of confidence) berbeda-beda jika deviasi standard populasi tidak diketahui ataupun jika diketahui Menghitung dugaan-dugaan persentase populasi pada tingkat kepercayaan yang berbeda-beda Menghitung dugaan-dugaan varians populasi pada tingkat kepercayaan yang berbeda-beda Memahami kapan dan bagaimana menggunakan distribusidistribusi probabilitas yang semestinya, yang diperlukan untuk tujuan-tujuan pendugaan
24 Pokok Bahasan Pengertian dan Konsep Dasar Estimasi Pendugaan Mean Populasi Pendugaan Persentase Populasi Pendugaan Varians Populasi
25 Pengertian dan Konsep Dasar Dugaan (Estimate), Pendugaan (Estimation) dan Penduga (Estimator) Dugaan (Estimate) : nilai spesifik atau kuantitas daripada sebuah statistik misalnya: nilai mean sampel, persentase sampel, atau varians sampel Penduga (Estimator) : setiap statistik (mean sampel, persentase sampel, varians sampel, dan lain-lain) yang digunakan untuk menduga sebuah parameter Penduga tak-bias (unbiased estimator) : sebuah penduga yang menghasilkan suatu distribusi sampling yang memiliki mean sama dengan parameter populasi yang akan diduga Penduga terbaik (best estimator): penduga yang memenuhi syarat-syarat sebagai suatu penduga tak-bias dan juga memiliki varians yang terkecil (minimum)
26 Pengertian dan Konsep Dasar Dugaan (Estimate), Pendugaan (Estimation) dan Penduga (Estimator) Pendugaan (Estimation) : Keseluruhan proses yang menggunakan sebuah penduga untuk menghasilkan sebuah dugaan daripada parameter Pendugaan Tunggal (Point Estimation): angka tunggal yang digunakan untuk menduga sebuah parameter populasi Pendugaan Interval (Interval Estimation): sebaran nilai-nilai yang digunakan untuk menduga sebuah parameter populasi
27 Pengertian dan Konsep Dasar Contoh 6.1: Pabrik ban Stonebridge ingin menduga penjualan rata-rata perhari. Sebuah sampel harian yang dikumpulkan menghasilkan rata-rata senilai $ 800. Dalam hal ini telah dilakukan pendugaan tunggal (point enstimation), dengan menggunakan penduga (estimator) berupa statistik mean sampel ( x ) untuk menduga parameter mean populasi (m) dan nilai sampel x = $ 800 sebagai dugaan (estimates) dari nilai populasi, m.
28 Pengertian dan Konsep Dasar Konsep dasar pendugaan interval mean populasi Dalam prakteknya hanya satu sampel dari populasi Untuk menduga parameter populasi harus diketahui sesuatu hal mengenai hubungannya dengan mean-mean sampel
29 Pengertian dan Konsep Dasar Konsep dasar pendugaan interval mean populasi
30 Pengertian dan Konsep Dasar Pertimbangan Lebar Interval
31 Pengertian dan Konsep Dasar Estimasi Mean 1. Ukuran sampel (apakah besar n > 30 atau kecil n < 30) 2. Informasi tentang distribusi populasinya (apakah distribusi normal atau tidak) 3. Deviasi standard populasinya (diketahui atau tidak) 4. Pemilihan jenis distribusi yang menjadi dasar pendugaan
32 Pengertian dan Konsep Dasar Estimasi Mean
33 Pengertian dan Konsep Dasar Estimasi Proporsi
34 Pengertian dan Konsep Dasar Estimasi Varians
35
36 Tujuan Pembelajaran Menjelaskan langkah-langkah yang diperlukan prosedur umum uji hipotesis Menghitung uji hipotesis mean sampel tunggal dan ganda Menghitung uji hipotesis proporsi sampel tunggal dan ganda Menghitung uji hipotesis varians sampel tunggal dan ganda Menghitung Uji ANOVA dan Uji Chi-Kuadrat
37 Pokok Bahasan Prosedur Umum Uji Hipotesis Uji Hipotesis Means Sampel Tunggal Uji Hipotesis Persentase Sampel Tunggal Uji Hipotesis Varians Sampel Tunggal Nilai P pada uji hipotesis Uji Hipotesis Means Sampel Ganda Uji Hipotesis Persentase Sampel Ganda Uji Hipotesis Ganda Uji ANOVA Uji Chi-kuadrat
38 Pengertian dan Konsep Dasar Prosedur Umum Uji Hipotesis
39 Uji Sampel Tunggal Uji Hipotesis Mean/Proporsi Uji Dua Ujung Uji Satu Ujung
40 Uji Sampel Tunggal Nilai P pada Uji Hipotesis
41 Uji Sampel Ganda Uji Hipotesis Varians Distribusi F Uji Satu Ujung Uji Dua Ujung
42 Uji Sampel Ganda Uji Hipotesis Mean Prosedur
43 Uji Inferensial Lainnya Uji ANOVA
44 Uji Inferensial Lainnya Uji ANOVA
45 Uji Inferensial Lainnya Tabel ANOVA satu Faktor
46 Uji Inferensial Lainnya Uji Chi-Kuadrat
47 Uji Inferensial Lainnya Uji Keselarasan
48 Uji Inferensial Lainnya Uji Tabel Kontingensi
ESTIMASI. Widya Setiafindari
ESTIMASI Widya Setiafindari Tujuan Pembelajaran Menjelaskan konsep-konsep dasar yang mendukung pendugaan rata-rata populasi, persentase dan varians Menghitung dugaan-dugaan (estimates) rata-rata populasi
Lebih terperinciESTIMASI. Arna Fariza PENDAHULUAN
ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik
Lebih terperinciBab 5 Distribusi Sampling
Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n
Lebih terperinciPENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 8. Estimasi Parameter Prima Kristalina Juni 2015 1 2 Outline 1. Terminologi Estimasi Parameter
Lebih terperinciDistribusi Sampling 6.2. Debrina Puspita Andriani /
6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciSebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciMateri Kuliah: Statistik Inferensial
TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Pengujian Hipotesa Besar Pengujian Hipotesa Kecil Memilih Ukuran Teori Statistik Pengujian Hipotesa
Lebih terperinciSTATISTIK PERTEMUAN VII
STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik
Lebih terperinciSampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.
Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi
Lebih terperinciMenjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan
Tujuan Pembelajaran Menjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan dan penyebaran distribusi binomial
Lebih terperinciPada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel
DISTRIBUSI SAMPLING Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel tersebut nilai-nilai statistiknya dihitung
Lebih terperinci(ESTIMASI/ PENAKSIRAN)
ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciTEORI PENDUGAAN. diketahui berdasarkan informasi sampel.
TEORI PENDUGAAN Estimasi / Pendugaan Suatu pernyataan mengenai parameter populasi yang diketahui berdasarkan informasi sampel. Penduga atau Estimator Suatu statistik ti tik (harga sampel) yang digunakan
Lebih terperinciMateri Kuliah: Statistik Inferensial
TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Titik Parameter Interval Teori Statistik Titik Parameter Interval 3 1 PENDUGA TUNGGAL SEBAGAI FUNGSI
Lebih terperinciUmmu Kalsum UNIVERSITAS GUNADARMA
Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)
Lebih terperinciStatistika (MMS-1403)
Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang
Lebih terperinciTEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif
TEORI PENDUGAAN STATISTIK Oleh : Riandy Syarif Pendugaan adalah proses menggunakan sampel (penduga) untuk menduga parameter (Populasi) yg tidak diketahui. Ilustrasi : konferensi perubahan iklim di Bali
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada bab ini akan dibahas tinjauan pustaka yang akan digunakan untuk tesis ini, yang selanjutnya akan diperlukan pada bab 3. Yang akan dibahas dalam bab ini adalah metode bootstrap
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciSTATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.
STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil
Lebih terperinciPENAKSIRAN PARAMETER TM_3
PENAKSIRAN PARAMETER TM_3 Pendahuluan Statistik inverensial membicarakan bgmn mengeneralisasi informasi yg telah diperoleh. Segala aturan, dan cara, yg dpt di pakai sebagai alat dlm mencoba menarik kesimpulan
Lebih terperinciBAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK
BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK Dalam melakukan estimasi pada suatu kasus regresi nonparametrik, ada banyak metode yang dapat digunakan. Yasin (2009) dalam makalahnya melakukan estimasi regresi
Lebih terperinci1. PENGERTIAN. Manfaat Sampling :
1. PENGERTIAN Sampel adalah sebagian dari anggota populasi yang dipilih dengan cara tertentu yang akan diteliti sifat-sifatnya dalam penelitian. Nilai-nilai yang berasal dari data sampel dinamakan dengan
Lebih terperinciMisalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ;
Responsi SOAL 1: Misalkan peluang seorang calon mahasiswa IT Telkom memilih prodi TI adalah sebesar 0.6. Berapa peluang bahwa ; Orang keenam yang mendaftar seleksi adalah orang keempat yang memilih TI
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran
BAB 2 TINJAUAN TEORITIS 2.1 Statistik non Parametrik Metode statistik non parametrik atau sering juga disebut metode bebas sebaran (distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat
Lebih terperinciPengantar Statistik Inferensial
Pengantar Statistik Inferensial Pertemuan 2 STATISTIKA Statistika (Harun Al Rasyid) adalah seperangkat metode yang membahas: 1. Bagaimana cara mengumpulkan data yang dapat memberikan informasi optimal.
Lebih terperinciBAB I PENDAHULUAN 1.1 Kegunaan Metode Sampling 1.2 Tahap-Tahap dalam Survei Sampel 1. Tujuan survei.
BAB I PENDAHULUAN 1.1 Kegunaan Metode Sampling Pengambilan sampel dari suatu survei telah menjadi sesuatu yang besar kegunaannya dalam kehidupan. Sebuah sampel terdiri sejumlah bola lampu dalam satu periode
Lebih terperinci4.1.1 Distribusi Binomial
4.1.1 Distribusi Binomial Perhatikan sebuah percobaan dengan ciri-ciri sebagai berikut : Hanya menghasilkan (diperhatikan) dua peristiwa atau kategori, misal S (sukses) dan G (gagal) Dilakukan sebanyak
Lebih terperinciDISTRIBUSI TEORITIS DISTRIBUSI TEORITIS
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1
ESTIMASI Podojoyo, SKM, M.Kes Podojoyo 1 Definisi Estimasi Suatu metode dimana kita dapat memperkirakan nilai populasi (parameter) dengan memakai nilai sampel (statistik) Podojoyo 2 Didalam estimasi nilai
Lebih terperinciThe Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
Lebih terperinciPenduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER
Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciEstimasi dan Uji Hipotesis
Modul 7 Estimasi dan Uji Hipotesis Bambang Prastyo, S.Sos. PENDAHULUAN pa yang akan Anda lakukan setelah Anda selesai melakukan penelitian? A Tentunya Anda akan mengambil suatu kesimpulan. Nah seperti
Lebih terperinciMargin of Error. 3. Convidence interval (selang kepercayaan)
Margin of Error Raihan Budiwaskito (18209003) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132, Indonesia raihanwaskito@itb.ac.id
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciDISTRIBUSI TEORITIS. Variabel Acak Distribusi Teoritis Binomial Normal
DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat
Lebih terperinciModul 1, Modul 2, Modul 3,
ix M Tinjauan Mata Kuliah ata kuliah Statistik Ekonomi merupakan mata kuliah keahlian khusus yang berisi tentang alat analisis yang digunakan untuk membantu memecahkan suatu permasalahan terutama dalam
Lebih terperinciBUKU REFERENSI MATERI KULIAH DISTRIBUSI SAMPLING STATISTIK
BUKU REFERENSI Ronald E. Walpole, Pengantar Statistika, Edisi Terjemahan, Penerbit Gramedia, Jakarta, 1992. Sudjana, Metoda Statistika, Penerbit Tarsito, Bandung, 1993. Anto Dayan, Pengantar Metode Statistik
Lebih terperinciDistribusi dari Sampling
Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Distribusi probabilitas binomial adalah distribusi probabilitas diskrit yang paling sering digunakan untuk merepresentasikan kejadian dalam kehidupan sehari-hari.
Lebih terperinciSTATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi
Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi
Lebih terperinciUji Hipotesa. Arna Fariza. Materi
Uji Hipotesa Arna Fariza 1 Materi Metodologi uji hipotesa test untuk mean ( diketahui) Hubungan dengan estimasi confidence interval Tes One-tail T test untuk mean ( tidak diketahui) test untuk proporsi
Lebih terperinciSTATISTIK NON PARAMETRIK (1)
11 STATISTIK NON PARAMETRIK (1) Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Metode Statistik : Parametrik
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK (MAM 4137) SEBARAN PENARIKAN CONTOH Ledhyane Ika Harlyan 2 Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean Parameter
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciPENAKSIRAN NILAI PARAMETER POPULASI
PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis
Lebih terperinciBAB 6 PENAKSIRAN PARAMETER
BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang
Lebih terperinciEstimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada
Estimasi Titik (Point Estimation) Minggu ke 1-3 Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada 2014 Prof. Dr. Sri Haryatmi, M. Sc. (UGM) Daftar Isi 2014 1 / 33 DAFTAR ISI 1 Minggu 1 Pertemuan 1
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciNilai harapan suatu variabel acak x ditulis E (x) didefinisikan E (x) = Σ x. f (x) Var (x) = σ x 2 = E [ x E (x) ] 2 = E (x 2 ) { E (x) } 2
Pertemuan ke- 4 BAB III POPULASI, SAMPEL & DISTRIBUSI TEORITIS VARIABEL DISKRIT DAN FUNGSI PROBABILITAS 3.1 Variabel Random atau Variabel Acak Variabel yang nilainya merupakan suatu bilangan yang ditentukan
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciMetode Sampling 6.1. Debrina Puspita Andriani /
Metode Sampling 6.1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Populasi dan Sampel Metode Sampling Teknik Penentuan Jumlah Sampel Populasi dan Sampel 3 Populasi
Lebih terperinciSTATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui
Lebih terperinciDISTRIBUSI PROBABILITAS (PELUANG)
DISTRIBUSI PROBABILITAS (PELUANG) Distribusi Probabilitas (Peluang) Distribusi? Probabilitas? Distribusi Probabilitas? JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Distribusi = sebaran,
Lebih terperinciDISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik
DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciInterval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24
Interval Estimation Tjipto Juwono, Ph.D. May 20, 2015 TJ (SU) Interval Estimation May 2015 1 / 24 Outline 1 Pendahuluan 2 Pengertian Confidence Interval 3 Menghitung t 4 Menyusun Confidence Interval 5
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciSTATISTIKA II IT
STATISTIKA II IT-021259 Ummu Kalsum UNIVERSITAS GUNADARMA 2016 KONTRAK KULIAH Waktu: Rabu, 7.30 10.30 dan 12.30 15.30 Jam mulai : 3 sks, maka: Mulai: 8. 00 Selesai: 3 x 50 menit = 150 menit 10.30 Keterlambatan
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian deskriptif dengan
53 BAB III METODOLOGI PENELITIAN A. Metode dan Desain penelitian Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif komparatif. Alasan menggunakan pendekatan komparatif
Lebih terperinciESTIMASI. A. Dasar Teori
ESTIMASI A. Dasar Teori 1. Penaksiran atau Estimasi Penaksiran atau estimasi adalah metode untuk memperkirakan nilai populasi dengan menggunakan nilai sampel. Nilai penduga disebut estimator, estimator
Lebih terperinciBAB I PENDAHULUAN. untuk membentuk model hubungan antara variabel dependen dengan satu atau
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciInterval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17
Interval Estimation Tjipto Juwono, Ph.D. May 13, 2016 TJ (SU) Interval Estimation May 2015 1 / 17 Pendahuluan Point Estimator Perhatikan MPC pada persamaan regresi Ŷ i = ˆβ 1 + ˆβ 2 X i = 2.3121+0.5231X
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengertian Statistik Menurut Sofyan (2013) pengertian statistik berasal dari bahasa Latin, yaitu status yang berarti negara dan digunakan untuk urusan negara. Pada mulanya, statistik
Lebih terperinciRegresi Linier Berganda
Regresi Linier Berganda Regresi Berganda Contoh Menguji hubungan linier antara variabel dependen (y) dan atau lebih variabel independen (x n ) Hubungan antara suhu warehouse dan viskositas cat dengan jumlah
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini telah dilaksanakan di kelas VIII SMP Negeri 1
25 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian ini telah dilaksanakan di kelas VIII SMP Negeri 1 Ajibarang kabupaten Banyumas pada semester genap bulan April tahun ajaran 2011/2012.
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciPERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA
Saintia Matematika Vol. 1, No. 3 (2013), pp. 299 312. PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Raini Manurung, Suwarno Ariswoyo, Pasukat Sembiring Abstrak.
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciPendugaan Parameter Populasi Secara Statistik
Pendugaan Parameter Populasi Secara Statistik Julian Adam Ridjal PS Agribisnis Universitas Jember www.adamjulian.net Pendugaan Parameter Populasi Secara Statistik Pendugaan Parameter Populasi secara Statistik
Lebih terperinciAyundyah Kesumawati. May 31, 2015
Kesumawati Prodi Statistika FMIPA-UII May 31, 2015 Dalam praktek, pengujian hipotesis dapat mencakup lebih dari dua proporsi. Misalnya, persentase sejenis barang yang rusak 3 pabrik adalah sama (tidak
Lebih terperinci6. Teori Estimasi. EL2002-Probabilitas dan Statistik. Dosen: Andriyan B. Suksmono
6. Teori Estimasi EL2002-Probabilitas dan Statistik Dosen: Andriyan B. Suksmono Pendahuluan Inferensi statistik adalah metoda untuk menarik inferensi atau membuat generalisasi dari suatu populasi. Ada
Lebih terperinciBAB I PENDAHULUAN. lebih variabel independen. Dalam analisis regresi dibedakan dua jenis variabel
BAB I PENDAHULUAN A. Latar Belakang Analisis regresi linier merupakan teknik dalam statistika yang digunakan untuk membentuk model hubungan antara variabel dependen dengan satu atau lebih variabel independen.
Lebih terperinciDISTRIBUSI PROBABILITAS
BAB 7 DISTRIBUSI PROBABILITAS Kompetensi Menjelaskan distribusi probabilitas Indikator 1. Menjelaskan distribusi hipergeometris 2. Menjelaskan distribusi binomial 3. Menjelaskan distribusi multinomial
Lebih terperinciREGRESI LINIER BERGANDA. Debrina Puspita Andriani /
REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan
Lebih terperinciMETODE DAN DISTRIBUSI SAMPLING. Oleh : Riandy Syarif
METODE DAN DISTRIBUSI SAMPLING Oleh : Riandy Syarif HUBUNGAN SAMPEL DAN POPULASI Populasi Sampel DEFINISI Populasi kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi
Lebih terperinciDISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30
DISTRIBUSI TEORITIS Distribusi teoritis merupakan alat bagi kita untuk menentukan apa yang dapat kita harapkan, apabila asumsi-asumsi yang kita buat benar. Distribusi teoritis memungkinkan para pembuat
Lebih terperinci