6 Departemen Statistika FMIPA IPB
|
|
- Liani Pranoto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 6 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Kebaikan Suai Khi- Kuadrat untuk Sebaran Kontinu dan Uji Kebaikan Suai Kolmogorov Smirnov Uji Kebaikan Suai Khi-Kuadrat untuk Sebaran Kontinu Uji Kolmogorov-Smirnov Satu Contoh Uji Lilliefors untuk Kenormalan Uji Kolmogorov-Smirnov Dua Contoh Applied Nonparametric Statistic Daniel (1990) Jumat 19 Nov Uji Kebaikan Suai Khi-Kuadrat untuk Sebaran Kontinu Uji kebaikan suai khi-kuadrat untuk sebaran kontinu pada prinsipnya sama dengan sebaran diskret seperti yang telah dipelajari pada pertemuan sebelumnya. Sebagai ilustrasi, diberikan contoh pengujian kebaikan suai khi-kuadrat untuk sebaran normal. Sebuah contoh acak umur (life-time) aki mobil ditampilkan pada tabel berikut. Apakah umur aki mobil mengikuti sebaran normal? Life time (tahun) Total 500 Frekuensi Sumber : Hipotesis : H 0 : Umur aki mobil menyebar normal dengan ratan dan ragam yang tidak diketahui : Umur aki mobil tidak menyebar normal H 1 : Jika rataan,, dan ragam, 2, tidak diketahui, kita dapat menduga keduanya menggunakan data contoh. Menghitung rataan dan ragam disarankan dilakukan dari data yang sudah dikelompokkan. Rumus untuk menghitung rataan dan ragam contoh dari data yang sudah dikelompokkan adalah : Rataan : r i1 n f i i r 2 i r 2 1 i i i 1 i i n f f 2 Ragam : n( n 1)
2 Dalam hal ini f i adalah frekuensi pada selang/kelompok ke-i, i adalah nilai tengah selang ke-i, dan n adalah banyaknya pengamatan. Untuk data umur 2 aki di atas, kita peroleh : 2.80 dan 0.940, Langkah selanjutnya adalah menghitung frekuensi harapan untuk setiap selang dengan asumsi bahwa data menyebar normal. Pertama-tama kita menghitung frekuensi relatif harapan atau proporsi harapan untuk kemudian menghitung frekuensi harapan dengan cara mengalikan nilai proporsi harapan dengan ukuran contoh. Dalam hal ini : Li Ui Frek. relatif harapan : P() zli Z zui P Z z Li dan z Ui adalah bentuk normal baku dari batas bawah dan batas atas selang ke-i. Sebagai contoh, untuk selang (1 2) diperoleh z L 1.86, dan z U Berdasarkan tabel normal baku (A.2) diperoleh P( 1.86 Z 0.82) Sehingga, frekuensi harapan untuk selang ini adalah (500)= Tabel berikut menampilkan tahapan di atas untuk seluruh data : Life time (tahun) L Ui z Ui P(Z<z Ui ) P(z Li <Z<z Ui ) E i O i (O i E i ) 2 / E i Total Selang ( 0) dan (6 ) digabungkan dengan selang terdekatnya karena nilai frekuensi harapan untuk kedua selang tersebut kurang dari 1. Berdasarkan tabel di atas, statistik uji 2 X dengan derajat bebas = 3. Keputusan : Berdasarkan tabel A.11, diketahui. Karena 2 (1 0.05)( db 3) X maka hipotesis nol ditolak dan simpulkan bahwa masa hidup aki mobil tidak menyebar normal pada taraf nyata 5%. 2 / 8
3 Uji Kolmogorov-Smirnov Satu Contoh Uji kebaikan suai khi-kuadrat yang telah dipelajari pada kesempatan sebelumnya dirancang untuk digunakan pada data kategorik: nominal ataupun ordinal. Untuk data kontinu, pengujian kebaikan suai Kolmogorov-Smirnov lebih tepat untuk digunakan. Ketika kita menguji kebaikan suai Kolmogorov-Smirnov untuk satu contoh sebenarnya kita fokus pada dua fungsi sebaran kumulatif, yaitu sebaran kumulatif yang dihipotesiskan dan sebaran kumulatif contoh teramati. Untuk menyatakan fungsi sebaran kumulatif biasanya kita menggunakan huruf kapital. Sebagai contoh, untuk tertentu, F() berarti peluang bahwa nilai peubah acak X sama dengan atau lebih kecil dari, ditulis F()=P(X ). Misalkan sebuah contoh acak berasal dari fungsi sebaran yang tidak diketahui, F(). Kita tertarik untuk mengetahui apakah kita dapat menyimpulkan bahwa F() F 0 () untuk semua. Apabila F() = F 0 () maka F 0 () akan sama dengan, atau mendekati, S() atau fungsi sebaran empiris (contoh teramati). Tujuan uji kebaikan suai Kolmogorov-Smirnov satu contoh adalah untuk mengetahui apakah jarak penyimpangan antara F 0 () dan S() cukup untuk meragukan hipotesis bahwa F() = F 0 (). Asumsi Data merupakan contoh acak yang saling bebas berukuran n, terdiri dari pengamatan X 1, X 2,, X n, yang berasal dari fungsi sebaran yang tidak diketahui, F(). Hipotesis Misalkan F 0 () adalah fungsi sebaran yang dihipotesiskan (fungsi peluang kumulatif). a. H 0 : F() = F 0 () untuk semua nilai H 1 : F() F 0 () untuk minimal satu nilai b. H 0 : F() F 0 () untuk semua nilai H 1 : F() < F 0 () untuk minimal satu nilai c. H 0 : F() F 0 () untuk semua nilai H 1 : F() > F 0 () untuk minimal satu nilai Misalkan, S() adalah fungsi peluang kumulatif dari data contoh, atau S() Frek. () X n Statistik uji kebaikan suai Kolmogorov-Smirnov satu contoh adalah : a. H 1 : F() F 0 () Statistik uji : D sup ()() S F 0 b. H 1 : F() < F 0 () c. H 1 : F() > F 0 () Statistik uji : D sup[()()] F S Statistik uji : D sup[()()] S F / 8
4 Kaidah Keputusan Tolak H 0 pada taraf nyata α jika statistik uji yang sesuai (D, D + atau D - ) lebih besar dari kuantil 1 α tabel Kolmogorov (A.18). Contoh : Misalkan nilai ujian mahasiswa di suatu kelas ditampilkan pada tabel berikut. Apakah kita dapat menyimpulkan bahwa nilai ujian tersebut meyebar normal dengan rataan 70 dan simpangan baku 10? Nilai ujian Hipotesis : H 0 : F() = F 0 (), dalam hal ini F() adalah fungsi sebaran contoh, dan F 0 () adalah fungsi sebaran normal dengan =70 dan =10. : F() F 0 () H 1 : Karena hipotesis yang diuji bersifat dua arah, statistik uji yang digunakan adalah D sup ()() S F 0. i f i fk i S( i ) z i P(0 Z z i ) F 0 ( i ) S( i )- F 0 ( i ) S( i-1 )- F 0 ( i ) Nilai maksimum : / 8
5 Pertama-tama kita hitung S(). Kemudian, untuk mendapatkan F 0 (), semua nilai teramati diubah kedalam bentuk normal baku z, dan menggunakan tabel normal baku (A.2) dicari luas area yang sama dengan atau lebih kecil dari z. Tabel di atas meringkas prosedur tersebut. Dari tabel di atas, diperoleh D = Keputusan : Berdasarkan tabel A.18, untuk pengujian hipotesis dua arah dengan n = 40 dan α = 0.05 diperoleh nilai kritis D = Karena statistik uji D lebih kecil dari nilai kritisnya maka hipotesis nol diterima dan simpulkan bahwa nilai ujian mahasiswa diindikasikan menyebar normal dengan rataan 70 dan simpangan baku 10. Pada pengujian ini, p-value>0.20. Catatan : Jika sebaran yang diuji adalah sebaran kontinu, selain menghitung S( i )- F 0 ( i ) kita juga perlu untuk menghitung S( i-1 )- F 0 ( i ). Statistik D merupakan satu diantara bilangan tersebut yang terbesar. Pada contoh di atas, nilai maksimum untuk S( i )- F 0 ( i ) = sedangkan nilai maksimum untuk S( i-1 )- F 0 ( i ) = , sehingga D = Akan tetapi, jika kita menguji sebaran diskret, kita cukup menghitung S( i )- F 0 ( i ). Uji Lilliefors untuk Kenormalan Prosedur Kolmogorov-Smirnov satu contoh hanya dapat digunakan untuk menguji hipotesis awal bahwa contoh berasal dari populasi dengan parameter tertentu yang diketahui. Jika parameter populasi tidak diketahui, dengan kata lain perlu pendugaan parameter populasi melalui data contoh, nilai kritis untuk uji Kolmogorov-Smirnov perlu dikoreksi. Salah satu prosedur yang digunakan untuk tujuan ini diperkenalkan oleh Lilliefors (1967). Uji Lilliefors digunakan untuk menguji hipotesis awal bahwa contoh berasal dari populasi yang menyebar normal atau eksponensial dengan parameter tertentu yang tidak diketahui. Untuk menguji kenormalan data, uji Lillifors mengikuti tahapan berikut : Asumsi Data merupakan contoh acak yang saling bebas berukuran n, terdiri dari pengamatan X 1, X 2,, X n, yang berasal dari fungsi sebaran yang tidak diketahui, F(), dengan rataan dan simpangan baku yang tidak diketahui. Hipotesis H 0 H 1 : Contoh berasal dari populasi yang menyebar normal : Contoh bukan berasal dari populasi yang menyebar normal D sup ()() S F 0 Kaidah Keputusan Tolak H 0 pada taraf nyata α jika statistik uji D lebih besar dari titik kritis yang ditampilkan pada tabel A.19(a), A.19(b) atau A.19(c). 5 / 8
6 Contoh : Berikut adalah umur penggunaan atau daya tahan lampu (dalam tahun). Apakah daya tahan lampu menyebar normal? Data tahan lampu (tahun) Hipotesis : H 0 : Daya tahan lampu menyebar normal dengan parameter yang tidak diketahui : Daya tahan lampu tidak menyebar normal H 1 : D sup ()() S F 0 Berdasarkan perhitungan kita peroleh nilai dugaan bagi rataan, dan simpangan baku, tahun. Dengan prosedur yang sama dengan uji Kolmogorov-Smirnov satu contoh, dapat kita peroleh : i S( i ) z i F 0 ( i ) S( i )- F 0 ( i ) S( i-1 )- F 0 ( i ) Statistik uji D = Nilai maksimum : Keputusan : Berdasarkan tabel A.19(c), untuk pengujian hipotesis dua arah dengan n = 15 dan α = 0.05 diperoleh nilai kritis D = Karena statistik uji D lebih kecil dari nilai kritisnya maka hipotesis nol diterima dan simpulkan bahwa daya umur penggunaan atau tahan lampu mahasiswa diindikasikan menyebar normal. Pada pengujian ini, p-value> / 8
7 Uji Kolmogorov-Smirnov Dua Contoh Uji Kolmogorov-Smirnov dua contoh digunakan untuk menguji hipotesis bahwa dua contoh yang saling bebas berasal dari populasi yang identik dengan mempertimbangkan ukuran pemusatan (lokasi) dan penyebaran. Berbeda dengan prosedur -prosedur lain yang telah dipelajari pada kesempatan sebelumnya, uji Kolmogorov-Smirnov sangat sensiitif terhadap berbagai perbedaan yang mungkin ada di antara dua sebaran. Asumsi a. Data yang dianalisis terdiri dari dua contoh acak yang saling bebas dengan ukuran m dan n. Pengamatan dinotasikan sebagai X 1, X 2,, X m dan Y 1, Y 2,, Y n. b. Data diukur setidaknya dalam skala ordinal. Hipotesis Andaikan F 1 () dan F 2 () adalah fungsi sebaran yang tidak diketahui untuk X dan Y. Hipotesis yang dapat disusun adalah : a. H 0 : F 1 () = F 2 () untuk semua nilai H 1 : F 1 () F 2 () untuk minimal satu nilai b. H 0 : F 1 () F 2 () untuk semua nilai H 1 : F 1 () > F 2 () untuk minimal satu nilai c. H 0 : F 1 () F 2 () untuk semua nilai H 1 : F 1 () < F 2 () untuk minimal satu nilai Andaikan S 1 () dan S 2 () adalah fungsi peluang kumulatif dari data contoh X dan Y, dengan : S () 1 Frek. () X dan S2() m Frek. () Y n Statistik uji kebaikan suai Kolmogorov-Smirnov satu contoh adalah : a. H 1 : F 1 () F 2 () Statistik uji : D maksimum ()() S 1 S 2 b. H 1 : F 1 () > F 2 () Statistik uji : D maksimum [()()] S 1 S 2 c. H 1 : F 1 () < F 2 () Statistik uji : D maksimum [()()] S S 2 1 Kaidah Keputusan Tolak H 0 pada taraf nyata α jika statistik uji yang sesuai (D, D + atau D - ) lebih besar dari kuantil 1 α tabel Smirnov (A.18). Jika m = n gunakan A.18(a), jika m n gunakan A.18(b). 7 / 8
8 Contoh : Suatu ujian untuk mata kuliah yang sama dilakukan dalam dua waktu berbeda, yaitu pagi dan sore hari. Nilai ujian ditampilkan pada tabel berikut. Apakah nilai ujian pagi dan sore mempunyai fungsi sebaran yang identik? Pagi Sore Hipotesis : H 0 : Nilai ujian pagi dan nilai ujian sore mempunyai sebaran yang identik H 1 : Nilai ujian pagi dan nilai ujian sore mempunyai sebaran yang berbeda : D maksimum ()() S S 2. Berdasarkan tabel di bawah ini diperoleh D= Nilai Ujian Pagi 1 Nilai Ujian Sore 1i fk 1i S 1 ( i ) 2i fk 2i S 2 ( i ) S 1 ( i ) S 2 ( i ) Nilai maksimum : Keputusan : Untuk ukuran contoh 10 dan 9, berdasarkan tabel A.20(b) titik kritis D=26/45 = ( α=0.05). Karena statistik uji lebih kecil dari titik kritisnya, maka hipotesis nol diterima dan simpulkan bahwa nilai ujian pagi dan sore mempunyai fungsi sebaran yang identik. Self-Study : 1. Selang kepercayaan (1-α)100% pada Kolmogorov-Smirnov 2. Komparasi uji kebaikan suai khi-kuadrat dan Kolmogorov-Smirnov Note : CMIIW (Correct Me If I m Wrong) 8 / 8
5 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 5 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Khi-Kuadrat Uji Kebebasan Uji Kehomogenen Uji Kebaikan
Lebih terperinci2 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Dua Populasi Uji Mann-Whitney Uji beda proporsi contoh besar
Lebih terperinci10 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan
Lebih terperinci8 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 8 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Korelasi Peringkat (Rank Correlation) Bag. Koefisien korelasi
Lebih terperinciTerima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan
PENGUJIAN HIPOTESIS Hipotesis Statistik adalah pernyataan atau dugaan mengenai satu atau lebih populasi. Dengan mengambil suatu sampel acak dari populasi tersebut dan menggunakan informasi yang dimiliki
Lebih terperinci10+ Departemen Statistika FMIPA IPB
Suplemen Praktikum Pertemuan ANALISIS DATA KATEGORIK (STK351) 10+ Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Analisis Nonparameterik dan Data Kategorik dengan dan Menggunakan
Lebih terperinciTabel 4 Urutan dan penempatan bubu pada tali utama
30 Penggunaan umpan digunakan secukupnya, pada penelitian ini digunakan sebanyak kurang lebih 50 gram cacing per kantong umpan. Kemudian kawat kasa tersebut ditusukkan pada besi yang digunakan untuk pemasangan
Lebih terperinciPENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB
PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler
Lebih terperinciSTK 511 Analisis statistika. Materi 6 Pengujian Hipotesis
STK 5 Analisis statistika Materi 6 Pengujian Hipotesis Pendahuluan Dalam mempelajari Karakteristik Populasi kita sering telah memiliki pernyataan/anggapan tertentu. pemberian DHA pada anak-anak akan menambah
Lebih terperinciStatistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data
Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan
Lebih terperinciAyundyah Kesumawati. April 20, 2015
Pengujian Kesumawati Nol dan Prodi Statistika FMIPA-UII April 20, 2015 Pengujian Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi Pengujian hipotesis berhubungan dengan penerimaan atau
Lebih terperinciSTK 203 TEORI STATISTIKA I
STK 203 TEORI STATISTIKA I III. PEUBAH ACAK KONTINU III. Peubah Acak Kontinu 1 PEUBAH ACAK KONTINU Ingat definisi peubah acak! Definisi : Peubah acak Y adalah suatu fungsi yang memetakan seluruh anggota
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
Lebih terperinciGaris Besar Program Pembelajaran (GBPP) Kontrak Pembelajaran. Oleh: Prof. Dr. F.X. Susilo (PJ Matakuliah)
GBPP Matakuliah Statistika Pertanian (AGT 212) Page 1 of 10 Garis Besar Program Pembelajaran (GBPP) Kontrak Pembelajaran Matakuliah Statistika Pertanian (AGT 212) Kelas D SEMESTER GENAP 2011/2012 Oleh:
Lebih terperinciSTATISTIKA II (BAGIAN
STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
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 terperinciANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R..
ANALISIS RAGAM KLASIFIKASI 2 ARAH 1) Analisis Ragam Klasifikasi Dua Arah Analisis ragam klasifikasi dua arah adalah analisis ragam klasifikasi pengamatan yang berdasarkan dua kriteria Dalam analisis ini
Lebih terperinciSEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)
SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION) Andaikan ada suatu populasi dengan jumlah anggotanya sebanyak N diambil contoh sebanyak n. Apabila dari setiap kemungkinan contoh tersebut dihitung suatu
Lebih terperinciOLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciSTK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016
STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 http://www.stat.ipb.ac.id/ Pengantar Kode Matakuliah: STK211, 3(2-3) Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini
Lebih terperinciSemakin besar persentase CCR yang dihasilkan, maka tingkat akurasi yang dihasilkan semakin tinggi (Hair et. al., 1995).
3 fungsi diskriminan cukup untuk memisahkan k buah kelompok. Karena fungsi-fungsi diskriminan tidak saling berkorelasi, maka komponen aditif dari V masing-masing didekati dengan khi-kuadrat dengan V j
Lebih terperinciOLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010
ANALISIS KORELASI OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 ANALISIS KORELASI II. ANALISIS KORELASI 1. Koefisien Korelasi Pearson Koefisien Korelasi Moment Product Korelasi
Lebih terperinciPENGUJIAN POLA DISTRIBUSI
PENGUJIAN POLA DISTRIBUSI 1. Pengujian Kolmogorov-Smirnov Normal Langkah-langkah : a. Menetapkan hipotesis H0 : data berdistribusi normal H1 : data tidak berdistribusi normal b. Menghitung statistik uji
Lebih terperinciTINJAUAN PUSTAKA Asuransi Kelompok Penyakit Lanjut Usia (Lansia) di Indonesia
3 TINJAUAN PUSTAKA Asuransi Asuransi berasal dari kata assurance atau insurance, yang berarti jaminan atau pertanggungan. Asuransi dalam Undang-Undang No.2 Th 1992 tentang usaha perasuransian adalah perjanjian
Lebih terperinciStatistika Non-Parametrik
Statistika Non-Parametrik STK 511 Analisis Statistika Depertemen Statistika IPB 1 Statistika Non-Parametrik Ciri statistika non-parametrik : o Prosedur non-parametrik -> fokus hanya pada beberapa karakteristik
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciSTK 211 Metode Statistika PENGUJIAN HIPOTESIS
STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila
Lebih terperinciII. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan
II. TINJAUAN PUSTAKA 2.1 Analisis Ragam Klasifikasi Satu Arah Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan sebuah teknik yang disebut analisis ragam. Analisis ragam adalah
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 terperinciSTK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS
STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS http://www.stat.ipb.ac.id/ 2017 Pengantar Kode Matakuliah: STK211, 3(2-3) Standar Kompetensi: Setelah mengikuti
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciPTP: Peubah Acak Kontinu Pertemuan ke-6/7. Dr. Adji Achmad RF, S.Si, M.Sc Statistika, FMIPA, Universitas Brawijaya Malang
PTP: Peubah Acak Kontinu Pertemuan ke-6/7 Dr. Adji Achmad RF, S.Si, M.Sc Statistika, FMIPA, Universitas Brawijaya Malang 1 Peubah Acak X dikatakan peubah acak kontinu bila terdapat fungsi nonnegatif f,
Lebih terperinciMODEL MODEL LEBIH RUMIT
08/0/06 MODEL MODEL LEBIH RUMIT Di susun oleh Nurul Hani Ulvatunnisa Kanthi Wulandari Sri Siska Wirdaniyati Kamal Adyasa Unib Sedya Pramuji 08/0/06 Model Polinom Berbagai Ordo Model Yang Melibatkan Transformasi
Lebih terperinciTINJAUAN PUSTAKA Perilaku Pemilih Partai Politik
3 TINJAUAN PUSTAKA Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis,
Lebih terperinciBAB 1 PENDAHULUAN Pengertian dan Kegunaan Statistika
BAB 1 PENDAHULUAN 1.1. Pengertian dan Kegunaan Statistika Statistik dapat berarti tiga hal. Pertama statistik bisa berarti kumpulan data. Ada buku bernama Buku Statistik Indonesia (Statistical Pocketbook
Lebih terperinciREGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL
Jurnal Matematika UNAND Vol. 2 No. 3 Hal. 167 174 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND REGRESI LINIER NONPARAMETRIK DENGAN METODE THEIL ALDILA SARTI Program Studi Matematika, Fakultas Matematika
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciParametrik. Memerlukan asumsi sebaran (Normal) Non parametrik. Tidak memerlukan asumsi sebaran (Normal)
Video Parametrik Memerlukan asumsi sebaran (Normal) Pendekatannya adalah langsung menggunakan statistik penduga yang berkait langsung dengan parameter yang dimaksud Non parametrik Tidak memerlukan asumsi
Lebih terperinciMateri 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN
Materi : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Pendahuluan Suatu pernyataan / anggapan yang mempunyai nilai mungkin benar / salah atau suatu pernyataan /anggapan yang mengandung
Lebih terperinciUJI HIPOTESIS SATU-SAMPEL
UJI HIPOTESIS SATU-SAMPEL Pengantar 1. Tulisan ini terkait dengan artikel berjudul KETIKA ILMU HUKUM SEIRING STATISTIKA pada laman www.edscyclopedia.com. Pada website tersebut, mengenai uji hipotesis secara
Lebih terperinciS - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP
S - 19 UJI NORMALITAS BERDASARKAN METODE ANDERSON- DARLING, CRAMER-VON MISES DAN LILLIEFORS MENGGUNAKAN METODE BOOTSTRAP Janse Oktaviana Fallo 1, Adi Setiawan 2, Bambang Susanto 3 1,2,3 Program Studi Matematika
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 V. PENGUJIAN HIPOTESIS Hhipotesis adalah jawaban sementara terhadap suatu
Lebih terperinciSTK 511 Analisis statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT
STK 511 Analisis statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2 3 4 Kepustakaan 1. Fleming, M.C. dan J.G. Nellis. 1994. Principles of Applied Statistics. Routledge. London. 2. Steel, R.G.D., Torrie,
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 21 Beberapa Pengertian Definisi 1 [Ruang Contoh] Ruang contoh adalah himpunan semua hasil yang mungkin dari suatu percobaan acak, dan dinotasikan dengan (Grimmet dan Stirzaker,1992)
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
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 terperinciPENGUJIAN HIPOTESIS DESKRIPTIF (Satu sampel) Wahyu Hidayat, M.Pd
PENGUJIAN HIPOTESIS DESKRIPTIF (Satu sampel) Wahyu Hidayat, M.Pd Definisi Pengujian hipotesis deskriptif pada dasarnya merupakan proses pengujian generalisasi hasil penelitian yang didasarkan pada satu
Lebih terperinci: Purnomo Satria NIM : PENDISKRIPSIAN DATA
Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk
Lebih terperinciMODEL-MODEL LEBIH RUMIT
MAKALAH MODEL-MODEL LEBIH RUMIT DISUSUN OLEH : SRI SISKA WIRDANIYATI 65 JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS ISLAM INDONESIA 04 BAB I PENDAHULUAN. Latar Belakang
Lebih 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 terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan
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 terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bab ini akan diuraikan proses pengumpulan dan pengolahan data hasil eksperimen. Data yang dikumpulkan meliputi langkah-langkah serta hasil pengumpulan dan pengolahan
Lebih terperinciBEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F
BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Analisis Regresi Analisis regresi merupakan bentuk analisis hubungan antara variabel prediktor (variabel independent) dengan variabel outcome (variabel dependen) untuk
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Metode Statistik Nonparametrik Metode statistik nonparametrik adalah metode yang modelnya tidak menetapkan syarat-syarat mengenai parameter-parameter populasi yang merupakan induk
Lebih terperinciKONSEP DASAR TERKAIT METODE BAYES
KONSEP DASAR TERKAIT METODE BAYES 2.3. Peubah Acak dan Distribusi Peluang Pada statistika kita melakukan percobaan dimana percobaan tersebut akan menghasilkan suatu peluang. Ruang sampel pada percobaan
Lebih terperinciBAB 4 PENGERTIAN DAN STATISTIK UKUR Muhammad Nur Aidi
BAB 4 PENGERTIAN DAN STATISTIK UKUR Muhammad Nur Aidi 4.1. Pengertian Kehidupan dan kegiatan makhluk hidup berada di setiap ruang di muka bumi. Banyak persoalan yang dapat timbul terkait ruang, salah satunya
Lebih terperinciMateri-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data. Nurratri Kurnia Sari, M. Pd
Materi-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data Nurratri Kurnia Sari, M. Pd DEFINISI Statistika Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan V Peubah Acak dan Sebaran Peubah Acak Septian Rahardiantoro - STK IPB 1 Pertemuan minggu lalu kita sudah belajar mengenai cara untuk membuat daftar kemungkinan-kemungkinan
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih
PENGUJIAN HIPOTESIS 1. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah
Lebih terperinciPERBANDINGAN BERGANDA SESUDAH UJI KRUSKAL-WALLIS
PERBANDINGAN BERGANDA SESUDAH UJI KRUSKAL-WALLIS S - 30 Tanti Nawangsari Prodi Pendidikan Matematika FKIP UNIROW Tuban Jl. Manunggal 61 Tuban Email: nawangsarit@yahoo.com Abstrak Salah satu metode statistika
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciSTATISTIKA SOSIAL. Uji Chi Square MODUL PERKULIAHAN. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh 09
MODUL PRKULIAHAN STATISTIKA SOSIAL Uji Chi Square Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh FIKOM MARcomm 09 Kode MK? Hani Yuniani, M.Ikom Abstract UJI beda untuk mendapat hubungan keeratan
Lebih terperinciPENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih
PENGUJIAN HIPOTESIS. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran
Lebih terperinciPENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN
3/13/15 PENGANTAR STATISTIKA PROF. DR. KRISHNA PURNAWAN CANDRA, M.S. JURUSAN TEKNOLOGI HASIL PERTANIAN FAKULTAS PERTANIAN UNIVERSITAS MULAWARMAN KULIAH KE-3: PENDESKRIPSIAN DATA PUSTAKA: Walpole RE (198)
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciSTATISTIKA INFERENSIAL IM TIRTA
STATISTIKA INFERENSIAL IM TIRTA RASIONAL Kondisi riil pengolahan informasi (Data): Karena keterbatasan waktu, biaya dan tenaga tidak memungkinkan mengumpulkan dan mengolah seluruh informasi yang ada di
Lebih terperinciBAB III METODE PENELITIAN
19 BAB III METODE PENELITIAN 3.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode korelasional, yaitu suatu metode yang menggambarkan secara sistematis dan obyektif tentang hubungan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Repeated Measurement Dalam repeated measurement setiap perlakuan menunjukkan pengukuran terhadap satu sampel (unit eksperimen ) atau beberapa sampel yang memiliki karakter sama
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
7 BAB IV HASIL DAN PEMBAHASAN Metode yang digunakan untuk menganalisis keberlanjutan studi dalam wajib belajar 6 tahun (SD/MI) adalah metode Life Table, Kaplan-Meier, dan hazard proporsional Cox. 4.1 Metode
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2)
STK511 Analisis Statistika Pertemuan 6 Statistika Inferensia () 6. Statistika Inferensia () Pengujian Hipotesis x? s p 6. Statistika Inferensia () Pengujian Hipotesis Rataan populasi: nilainya tidak diketahui
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean
Lebih terperinciTINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan
TINJAUAN PUSTAKA Penduga Titik dan Selang Kepercayaan Penduga bagi parameter populasi ada dua jenis, yaitu penduga titik dan penduga selang atau disebut sebagai selang kepercayaan. Penduga titik dari suatu
Lebih terperinciStatistik Non Parametrik-2
Statistik Non Parametrik-2 UJI RUN 2 Uji Run Disebut juga uji random Bertujuan untuk menentukan apakah urutan yang dipilih atau sampel yang diambil diperoleh secara random atau tidak Didasarkan atas banyaknya
Lebih terperinciDistribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS
Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting
Lebih terperinciBEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL
BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi
Lebih terperinciMasalah Overdispersi dalam Model Regresi Logistik Multinomial
Statistika, Vol. 16 No. 1, 29 39 Mei 2016 Masalah Overdispersi dalam Model Regresi Logistik Multinomial Annisa Lisa Nurjanah, Nusar Hajarisman, Teti Sofia Yanti Prodi Statistika, Fakultas Matematika dan
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur
Lebih terperinciUkuran Statistik Bagi Data
Ukuran Statistik Bagi Data 1.1 Parameter dan Statistik Dalam statistika dikenal istilah populasi. Populasi merupakan kumpulan objek yang merupakan objek pengamatan kita. Deskripsi dari populasi tersebut
Lebih terperinciMETODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50
METODOLOGI Data Data yang digunakan dalam penelitian ini ada dua jenis, yaitu data simulasi dan data riil Data simulasi digunakan untuk melihat pengaruh perubahan parameter konsentrasi ( ) terhadap karakteristik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian yang digunakan adalah dengan metode penelitian lapangan dengan pendekatan kuantitatif, yaitu metode penelitian yang digunakan untuk meneliti
Lebih terperinciKonsep Dasar Statistik dan Probabilitas
Konsep Dasar Statistik dan Probabilitas Pengendalian Kualitas Statistika Ayundyah Kesumawati Prodi Statistika FMIPA-UII September 30, 2015 Ayundyah (UII) Konsep Dasar Statistik dan Probabilitas September
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciREFRESH. Populasi 3/28/2012
EKO EFENDI 1 REFRESH. Populasi Populasi adalah seluruh obyek yang mungkin terpilih atau keseluruhan ciri yang dipelajari. Nilai sebenarnya dari sifat populasi disebut dengan parameter populasi, yang biasanya
Lebih terperinciBAB II KAJIAN TEORI. Analisis survival atau analisis ketahanan hidup adalah metode yang
BAB II KAJIAN TEORI BAB II KAJIAN TEORI A. Analisis Survival Analisis survival atau analisis ketahanan hidup adalah metode yang berhubungan dengan jangka waktu, dari awal pengamatan sampai suatu kejadian
Lebih terperinciPEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh
PEUBAH ACAK Materi 4 - STK211 Metode Statistika October 2, 2017 Okt, 2017 1 Pendahuluan Pernahkah bertanya, mengapa dalam soal ujian penerimaan mahasiswa baru, jika jawaban benar diberi nilai 4, salah
Lebih terperinciBAGAIMANA CARA MENGATASI KASUS TERSEBUT? JAWAB: MELAKUKAN UJI HIPOTESIS
UJI HIPOTESIS Kasus Misalkan suatu perusahaan shampo KILAU mengiklankan bahwa 7 dari 10 orang menggunakan produknya. Anisa, seorang mahasiswa, merasa bahwa pernyataan tersebut berlebihan. Oleh karena itu,
Lebih terperinciSTATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si
STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Ukuran Pemusatan Ukuran pemusatan ukuran ringkas yang menggambarkan karakteristik umum data tersebut. Modus (Mode): Nilai pengamatan yang paling sering
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun
BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Lebih terperinci