BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu
|
|
- Suhendra Hardja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl populas. Dega sampel yag mewakl populas, dapat dperoleh taksra parameter populas yag akurat. Taksra parameter populas dkataka akurat, jka merupaka taksra yag tak bas da varas taksraya palg kecl datara taksra yag tak bas laya. Pada bab, aka dbahas dua tekk pegambla sampel dar probablty samplg yag mejad dasar dar metode pegambla sampel yag aka dbahas dalam tugas akhr. Dalam bab, aka djelaska tekk pegambla sampel dega cara Smple Radom Samplg (SRS), yag merupaka betuk dasar dar probablty samplg yag la da sgle stematc samplg. Sela tu, aka dbahas juga tetag taksra mea populas beserta varas da taksra varasya pada kedua tekk pegambla sampel tersebut. 8 Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
2 9. SIMPLE RADOM SAMPLIG (SRS).. Pedahulua Smple Radom Samplg (SRS) adalah suatu metode pegambla sampel dmaa sampel berukura dambl dar populas berukura, dega cara sedemka sehgga setap sampel yag mugk mempuya probabltas yag sama utuk terplh mejad sampel. Cara megambl sampel dega tekk Smple Radom Samplg (SRS) adalah sebaga berkut: Meomor semua eleme dalam populas. Megambl blaga acak datara omor. Eleme-eleme dega omor-omor yag terplh mejad aggota sampel. Dalam metode, pegambla sampel dapat dlakuka dega dua cara, yatu pegambla sampel dega pegembala da pegambla sampel tapa pegembala. Karea ut yag sama tdak memberka tambaha formas, maka yag serg dguaka adalah pegambla Smple Radom Samplg tapa pegembala, dmaa ut sampel yag terplh pada suatu pegambla tdak aka mugk terplh pada pegambla berkutya. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
3 0 Pada Smple Radom Samplg, setap ut memlk probabltas yag sama utuk terplh mejad aggota sampel. Hal tersebut dapat dbuktka dalam teorema berkut. Teorema.. Dalam Smple Radom Samplg, probabltas suatu ut terplh mejad aggota sampel adalah (sama). Bukt: Msalka dketahu la-la dar populas adalah = { u,u,...,u }. Ddefska: p m =Pr ( u mucul pada pegambla ke- m ) ; m =,,..., Utuk m=, maka p =Pr( u mucul pada pegambla ke-) p = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
4 Utuk m=, maka p =Pr( u mucul pada pegambla ke-) p =Pr( u tdak mucul pada pegambla ke- da u mucul pada pegambla ke- ) Karea kejada u tdak mucul pada pegambla ke- da kejada u mucul pada pegambla ke-, merupaka kejada salg bebas, maka dperoleh: p =Pr( u tdak mucul pada pegambla ke-).pr ( u mucul pada pegambla ke-) p = p =. - p = Utuk m=, maka p =Pr( u mucul pada pegambla ke- ) p =Pr( u tdak mucul pada pegambla ke- sampa pegambla ke-- da u mucul pada pegambla ke- ) p = (-) -(-) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
5 (-) p = (-) -(-) p = Sehgga dapat dsmpulka bahwa: p = ; utuk m =,,..., (...) m Hal yag sama juga dapat dlakuka utuk setap u ; =,,...,. Selajutya, msalka: π = Pr (u terplh dalam sampel) ; utuk suatu, =,,..., Aka dbuktka π = : Msalka: A m = kejada u mucul pada pegambla ke- m ; m =,,..., Sehgga: ( ) π = Pr A A A... A 3 Karea A,A,...,Aadalah kejada salg lepas, maka dperoleh: π =Pr( A ) +Pr( A ) +...+Pr( A ) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
6 3 π = π = (terbukt) (...) Sehgga π = berlaku utuk setap ; =,,..., Dega demka terbukt bahwa dalam Smple Radom Samplg, probabltas suatu ut terplh mejad aggota sampel adalah (sama)... Taksra Mea Populas da Varasya Msalka { u,u,...,u} adalah la-la populas da μ adalah mea populas yag ddefska sebaga berkut: μ = = u Msalka S = { y,y,...,y} adalah Smple Radom Sample yag dambl dar populas { u,u,...,u }. Padag suatu statstk: y= y = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
7 4 Maka dapat dbuktka bahwa: ) y= y = adalah taksra yag tak bas utuk mea populas ( μ ). ) ) = -, dmaa - = = ( u-μ ). ) ˆ s - ) = dega bas utuk V[ y ]. s = = ( y-y ) - merupaka taksra yag tak Pembukta: ) Utuk membuktka bahwa y= y adalah taksra yag tak bas utuk mea populas( μ ), yatu dega meujukka bahwa E( y ) =μ : = Bukt: Msalka ddefska sebuah varabel radom Z, dmaa: z = ; z = 0 ; u S ; =,,..., u S ; =,,..., (...) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
8 5 Sehgga ddapat: y= y = u.z = = Selajutya aka dcar la dar E( y ) : E( y ) =E E( y ) =E = y u.z = E y = E u.z = E y = = u.e( z ) (...) la E( z ) dapat dcar sebaga berkut: E z = z Pr z z=0 E( z ) = 0.Pr( z=0) +.Pr( z=) E( z ) =.Pr( z=) Dar defs (...), dperoleh: E( z ) =.Pr( u S) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
9 6 Berdasarka teorema (..) dketahu bahwa Pr ( u S ) adalah, sehgga dperoleh: E( z ) =. E( z ) = ; utuk =,,..., (...3) Substtuska persamaa (...3) ke dalam persamaa (...), sehgga dperoleh la E( y ) adalah: E y = = u.e( z ) E y = u. = E y = u. = = E y = u. E( y ) =μ (terbukt) Karea telah dperoleh taksra tak bas utuk mea populas ( μ ). E y =μ, maka terbukt bahwa y= y adalah = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
10 7 ) Selajutya aka dbuktka bahwa ) = -, dmaa - = = ( u-μ ). Bukt: V( y ) =V V( y ) =V = y u.z = V y = V u.z = V( y ) = E u.z - E u.z = = V( y ) = E ( u.z ) + uu h.zz h- E( u.z ) = h = V y = E u.z +E uu h.zz h - E u.z + E( u.z ).E ( u h.zh) = h = h V y = E u.z - E u.z + E uu.z z - E u.z.e u.z h h h h = = h h V ( y ) = E u.z - E u.z + E u z.uhzh -E u.z.e u h.zh = h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
11 8 V( y ) = u E z -u E z + uu he zz h -uu he z.e zh = h V( y ) = u E z -E z + uu h E zz h -E z.e zh = h V y = u V z + uu Cov z,z = h [ ] h [ h] (...4) Aka dcar la dar V[ z ], yatu: V z = E z - E z (...5) Terlebh dahulu aka dcar la dar E( z ), yatu: E z = z Pr z z=0 E z =0.Pr z =0 +.Pr z = E z = 0.Pr z = 0 +.Pr z = E z =.Pr z = E z = E z (...6) Substtuska persamaa (...6) ke dalam persamaa (...5), sehgga dperoleh: V z =E z -E z Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
12 9 V z =E z -E z Dar persamaa (...3), dperoleh: V( z ) = - V( z ) = - ; utuk =,,..., (...7) Semetara tu la dar Cov[ z,z ] h adalah: Cov[ z,z h] = E( zzh) -E( z ).E( z h) (...8) Terlebh dahulu aka dcar la E( zz ) ( h) h ( h) E zz = z.z Pr z,z z,z h=0 h, yatu: E( zz h) = 0.0Pr ( z = 0,z h = 0 ) +0.Pr ( z = 0,z h = ) +.0Pr ( z =,z h = 0 ) +.Pr ( z =,z h =) E( zz h) =Pr( z =,z h = ) Dar defs (...), dperoleh: ( ) E zz =Pr u S,u S h h E zz =Pr(uda uh masuk dalam sampel ) h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
13 0 Karea ada ( -) ut laya yag terseda utuk ssa sampel da dss la ada ( -) utuk meempatka dalam sampel da karea terdapat buah eleme dalam populas da sampel berukura, maka probabltas u da u h masuk dalam sampel adalah: ( ) E zz =Pr u S,u S h h - - E ( zz h) = E zz = h ( - )! -! -!! -!! -! -!! E( zz h) =. -! -!! -!! E( zz h) =. -!! -! ( -)( - )! E( zz h) =. -! (-)(- )! (-) E zz = (...9) (-) h Substtuska persamaa (...9) ke dalam persamaa (...8), sehgga dperoleh la dar [ ] Cov z,z adalah: Cov[ z,z h] = E( zzh) -E( z ).E( z h) h Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
14 ( -) Cov z,z = -E z.e z (-) [ ] h h Dar persamaa (...3), dperoleh: (-) Cov[ z,z h] = -. (-) (-) Cov[ z,z h] = - - (-) - -(-) Cov[ z,z h] = - (-) --+ Cov[ z,z h] = - (-) [ ] Cov z,z h - = - (-) - Cov[ z,z h] = - (-) Cov[ z,z h] = - - (-) (...0) ; utuk =,,.., da h =,,..,, dmaa h Substtuska persamaa (...7) da (...0) ke dalam persamaa (...4), sehgga dperoleh la V( y) adalah: V y = u V z + uu Cov z,z = h [ ] h [ h] V ( y ) = u - + uu h - - = h - Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
15 V ( y ) = u uu h = - h V ( y ) = u u - u = - = = V( y ) = - u + - u - u = - = = V( y ) = - u + u - u = - = - = V( y ) = - + u - u - = - = V( y ) = - u - u - = - = V( y ) = - u - u - = = - V y = u -μ - = - V y = u -μ +μ - = - V( y ) = u -μ u+ μ - = = = - V y = ( u -μu +μ ) - = - V y = ( u -μ) - = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
16 3 - V( y ) = - - V( y ) = (terbukt) - V y = Dega demka terbukt bahwa -, dmaa - = = ( u-μ ) ) Selajutya aka dbuktka bahwa ˆ s - ) = dega s = = ( y-y ) - adalah taksra yag tak bas utuk V( y ). Utuk membuktka ˆ s - ) = adalah taksra tak bas utuk - V( y ) =, yatu dega membuktka bahwa E Vˆ ( y ) =V[ y ] - Bukt: ˆ s - E V y =E ; dega s = = ( y-y ) - ˆ - E V y = E s (...) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
17 4 Terlebh dahulu aka dcar la E s, yatu: E s =E ( y -y) - = E s = E ( y -μ) -( y-μ) - = E s = E y -μ -E y-μ - = E s = )-) - = [ ] E s = ) -) - E s = -) - V y = Karea -, maka dperoleh: - - E s = E s = E s = E s = E s = - - Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
18 5 ( -) E s = - - E s = - (...) Substtuska persamaa (...) ke dalam persamaa (...), sehgga dperoleh la ˆ - E V y = E s ˆ - E V y = - ˆ - E V y = - E Vˆ y =V[ y ] E ˆ V y adalah: Karea telah dperoleh E Vˆ ( y ) [ ] =V y, maka terbukt bahwa ˆ s - ) = dega s = = ( y-y ) - adalah taksra tak bas utuk - V( y ) = dega - = = ( u-μ ). Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
19 6 Selajutya dperoleh Stadard Error (SE) dar taksra mea populas pada Smple Radom Samplg ( y ) adalah: ˆ V ( y ) SE y =. SIGLE SYSTEMATIC SAMPLIG.. Pedahulua Pegerta dar sgle stematc samplg adalah suatu cara pegambla sampel, dmaa sampel dperoleh dega cara memlh secara radom satu eleme dar k -eleme pertama pada frame, da setap eleme ke- k berkutya. Cara megambl sampel dega tekk sgle stematc samplg adalah sebaga berkut: Plh satu eleme dar k eleme pertama secara acak. Plh setap eleme ke k setelahya. Sgle stematc samplg bak dguaka utuk populas terurut, yatu populas yag eleme-elemeya berurut meurut besara yag dukur. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
20 7 Sela tu, sgle stematc samplg juga bak dguaka jka frame merupaka daftar yag pajag. Supaya dperoleh ukura sampel yag dgka, k harus dplh lebh kecl atau sama dega, aka tetap dalam tugas akhr pembahasa dbatas utuk = k... Taksra Mea Populas da Varasya Msalka { u,u,...,u} adalah la-la populas da μ adalah mea populas yag ddefska sebaga berkut: μ = = u Msalka S = { y,y,...,y} adalah sgle stematc sample yag dambl dar populas { u,u,...,u }. Utuk meaksr mea populas ( μ ) dguaka y, dmaa dalam peerapa sgle stematc samplg, y basaya dhtug dega megguaka formula, yag dguaka utuk meghtug taksra mea Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
21 8 pada Smple Radom Samplg, yatu: y = y serta taksra varasya = adalah ˆ s - ) = dega s = = ( y-y ) -. Dapat dbuktka bahwa dalam sgle stematc samplg dega =k : ) y = y adalah taksra yag tak bas utuk mea populas ( μ ). = ) = + - ρ, dmaa ) Dapat dtujukka bahwa = y -μ ( ) = merupaka varas dar populas, da ρ adalah korelas atara pasaga-pasaga eleme dalam stematc sample yag sama. ) ˆ s - ) = dega bas utuk V y. s = = ( y-y ) - merupaka taksra yag Pembukta: ) Utuk membuktka bahwa y = y adalah taksra yag tak bas = utuk μ, yatu dega meujukka bahwa E( y ) =μ. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
22 9 Bukt: Msalka ddefska sebuah varabel radom Z, dmaa: z = ; z = 0 ; u S ; =,,..., u S ; =,,..., (...) Sehgga ddapat: = = y = y = u.z Selajutya aka dcar la dar E( y ) : E y =E y = E y =E u.z = E y = E u.z = E y = u.e z = ( ) ( ) (...) E( z ) dapat dcar sebaga berkut: E z = z Pr z z=0 Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
23 30 E( z ) = 0.Pr( z=0) +.Pr( z=) E( z ) =.Pr( z=) Dar defs (...), dperoleh: E( z ) =.Pr( u S) Karea pada sgle stematc samplg probabltas suatu ut terplh mejad aggota sampel adalah, maka dperoleh: k E( z ) =. k E( z ) = k ; utuk =,,..., (...3) Substtuska persamaa (...3) ke dalam persamaa (...), sehgga dperoleh la E( y ) adalah: E y = u.e z = ( ) ( ) E y = u. = k E y = u k = Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
24 3 Karea =k, maka dperoleh: E y = u k = = E y = u E( y ) =μ (terbukt) Karea telah dperoleh E( y ) =μ, maka terbukt bahwa taksra tak bas utuk μ. y = y adalah = ) Selajutya aka dbuktka bahwa ) = ( + [ -] ρ), dmaa = = ( u-μ ). Bukt: Padag suatu sgle stematc samplg berukura, yag dambl dar populas berukura dega = k. Pada tabel berkut dtamplka sampel-sampel yag mugk dar populas tersebut: Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
25 3 Tabel... Kemugka sampel-sampel pada sgle stematc samplg dega =k Sampel ke Mea k y y y y y y y y y k y k y k y k Msalka y pj meyataka aggota ke- j dar stematc sample ke- p ( p =,,...,k ; j =,,..., ) da y pu meyataka aggota ke-u dar stematc sample ke- p (p =,,...,k ; u =,,..., ), dega j <u. ρ adalah korelas atara pasaga-pasaga eleme dalam stematc sample yag sama, dmaa rumusya ddefska: ρ = E( ypj -μ)( ypu -μ) ( pj ) ( pu ) E y -μ E y -μ ( pj )( pu ) E y -μ y -μ ρ =. ( pj )( pu ) E y -μ y -μ ρ = (...4) Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
26 33 Selajutya aka dcar la dar E(ypj -μ)(ypu k pj pu pj pu pj pu p= j<u -μ): E(y -μ)(y -μ)= (y -μ)(y -μ)p y, y (...5) ( pj pu ) P y,y meyataka probabltas y j da yu ada dalam stematc sample ke- p ; p =,,...,k. la dar ( pj pu ) P y,y dapat dcar sebaga berkut: Karea bayakya kombas ( j u ) y,y dar sampel berukura adalah! ( -)(- )! ( -) = = =,!( - )!!( - )! da karea bayakya stematc sample adalah k, maka P( y pj,y pu ) =. k - P( y pj,y pu ) =. k - ( pj pu ) P y,y = (...6) k - Substtuska (...6) ke dalam persamaaa (...5), sehgga dperoleh la dar E(ypj -μ)(ypu -μ): Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
27 34 k pj pu pj pu pj pu p= j<u E(y -μ)(y -μ)= (y -μ)(y -μ)p y, y E(y -μ)(y -μ)= (y -μ)(y -μ) k - k pj pu pj pu p= j<u k E(ypj -μ)(ypu -μ)= (ypj -μ)(ypu -μ) k - p= j<u (...7) Substtuska persamaa (...7) ke dalam persamaa (...4), sehgga dperoleh la ρ adalah: ( pj )( pu ) E y -μ y -μ ρ = k - ρ = k p= j<u (y -μ)(y -μ) pj pu ρ = (y pj -μ)(ypu -μ) k - k p= j<u (...8) Selajutya, padag: k )=k ( yp -μ) k p= k ( p ) k p= k )= y -μ ( p ) k k )= (y -μ) p= Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
28 35 ( p ) k k )= y -μ p= y k pj j= k )= -μ p= k k )= ypj -μ p= j= ( ) k k ) = y p + y p yp - μ+μ+...+μ p= k p= k )= yp -μ + yp -μ yp -μ k k )= ( ypj -μ) p= j= k k )= ( ypj -μ) + ( ypj -μ)( ypu -μ) p= j= j<u k k k )= ypj -μ + ypj -μ ypu -μ p= j= p= j<u ( k ) k )= + y -μ y -μ (...9) pj pu p= j<u Berdasarka persamaa (...8) dmaa ( k ρ = y pj -μ)( ypu -μ), maka dperoleh: k - p= j<u Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
29 36 k ( pj )( pu ) y -μ y -μ = k(-) ρ (...0) p= j<u Substtuska persamaa (...0) ke dalam persamaa (...9), sehgga dperoleh: ( k ) k )= + y -μ y -μ pj pu p= j<u k )= +k(-) ρ +k(-) ρ ) = k ) = +k(-) ρ k ) = +(-)ρ ( -) ρ ) = + ( -) ρ ) = + ) = +(-)ρ [ ] (terbukt) Dega demka terbukt bahwa ) = ( + [ -] ρ). Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
30 37 ) Selajutya dapat dtujukka bahwa ˆ s - ) = merupaka taksra yag bas utuk ). Utuk membuktka ˆ s - ) = adalah taksra yag bas dar ) = ( + [ -] ρ), yatu dega meujukka bahwa E ˆ ) ) Bukt: Terlebh dahulu aka dcar la E ˆ ), dmaa ˆ s - ) = : ˆ s - E V y =E ˆ - s E V y = E ˆ - E V y = E s (...) Substtuska dperoleh la E s = - E ˆ ) : ke dalam persamaa (...), sehgga Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
31 38 ˆ - E V y = - ˆ - E V y = - ˆ - E V y = - Dega demka dperoleh la ˆ E ) adalah ( ) ˆ - E V y =. - Pada pembahasa sebelumya telah dbuktka bahwa betuk dar ) adalah ) = + - ρ, maka selajutya aka dtujukka ˆ - E = ) )= + - ρ : - bahwa Msalka ρ =0 maka dperoleh la ) = + ( -) 0 ) = [] ), yatu: ) = Sehgga jka ρ = 0 dperoleh ˆ - E = ) ) = -. Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
32 39 Msalka ρ = maka dperoleh la ) = + ( -) ) = + - ) = ) = [ ] [ ] ), yatu: Sehgga jka ρ = dperoleh ˆ - E = ) ) =. - Karea utuk ρ = 0 da ρ = dperoleh E[ ˆ ) ] ), maka terbukt bahwa ˆ s - ) = adalah taksra yag bas utuk ) = ( + [ -] ρ). Selajutya dperoleh Stadard Error (SE) dar taksra mea populas pada sgle stematc samplg ( y ) adalah: ˆ ( ) SE y = V y Modfkas Dar..., Dew Putre Lestar, FMIPA UI, 008
33 Modfkas Dar..., Dew Putre Lestar, FMIPA UI,
Penarikan Contoh Acak Sederhana (Simple Random Sampling)
Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu
Lebih terperinciBAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP
BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh
Lebih terperinciSIFAT-SIFAT LANJUT FUNGSI TERBATAS
Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas
Lebih terperinciBAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah
BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,
Lebih terperinciTEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas
TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar
Lebih terperinciKOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI
KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com
Lebih terperinciPENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciBAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam
BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma
Lebih terperinciPENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN
PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu
Lebih terperinciUKURAN GEJALA PUSAT DAN UKURAN LETAK
UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel
BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka
Lebih terperinciPENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS
PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka
Lebih terperinciPENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS
PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska
Lebih terperinciBAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.
BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks
Lebih terperinciTUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER
TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,
Lebih terperinciBAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai
BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres
Lebih terperinciBAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten
BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar
Lebih terperinciPenarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB
Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom
Lebih terperinciSOLUSI TUGAS I HIMPUNAN
Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real
Lebih terperinciBAB 6 PRINSIP INKLUSI DAN EKSKLUSI
BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu
Lebih terperinciPERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM
PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka
Lebih terperinciBAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier
BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres
Lebih terperinciPengajar: Dr. Agus M Soleh
Pegajar: Dr. Agus M Soleh Surve percobaa populato sample hmpua semua objek ag mejad mat pegambla kesmpula hmpua baga dar populas melakuka pegamata terhadap seluruh populas sergkal tdak mugk dlakuka ketka
Lebih terperinciPENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut
Lebih terperinci4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data
//203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR
Lebih terperinciJawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2
M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe
Lebih terperinciSTATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis
STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma
Lebih terperinciPERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK
PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso
Lebih terperinci2.2.3 Ukuran Dispersi
3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka
Lebih terperinciBAB 2. Tinjauan Teoritis
BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut
Lebih terperinciBAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling
BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN
PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da
Lebih terperinciBAB 5. ANALISIS REGRESI DAN KORELASI
BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh
Lebih terperinciPOLIGON TERBUKA TERIKAT SEMPURNA
MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua
Lebih terperinciTAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL
TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR
Lebih terperinciINTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2
INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas
Lebih terperinci3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut
3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,
Lebih terperinciPENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,
Lebih terperinciKALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.
KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah
Lebih terperinciNotasi Sigma. Fadjar Shadiq, M.App.Sc &
Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,
Lebih terperinciANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:
ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X
Lebih terperinciBab II Teori Pendukung
Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak
Lebih terperinciMean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.
Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk
Lebih terperinciVolume 1, Nomor 2, Desember 2007
Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI
Lebih terperincib) Untuk data berfrekuensi fixi Data (Xi)
B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm
Lebih terperinciBAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat
BAB II LANDASAN TEORI Pada Bab II aka dbahas dasar-dasar teor yag dguaka dalam peulsa skrps yatu megea data pael, beberapa betuk da sfat matrks, matrks parts, betuk ler da betuk kuadratk beserta ekspektasya,
Lebih terperinciII. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema
II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema
Lebih terperinci; θ ) dengan parameter θ,
Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,
Lebih terperinciBAB III PERSAMAAN PANAS DIMENSI SATU
BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka
Lebih terperinciDi dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu
KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua
Lebih terperinciBAB III UKURAN PEMUSATAN DATA
BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah
Lebih terperinciPENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan
Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah
Lebih terperinciFMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani
FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk
Lebih terperinci11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN
// REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA
Lebih terperinciRuang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA
Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka
Lebih terperinciMINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI
MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag
Lebih terperinciS2 MP Oleh ; N. Setyaningsih
S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal
Lebih terperinciBAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA
BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka
Lebih terperinciSTATISTIKA DASAR. Oleh
STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk
Lebih terperinci( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:
5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut
Lebih terperinciIII. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam
III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta
Lebih terperinci* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES
* PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka
Lebih terperinciSudaryatno Sudirham. Permutasi dan Kombinasi
Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah
Lebih terperinciPRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciREGRESI LINEAR SEDERHANA
REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga
Lebih terperinciUji Statistika yangb digunakan dikaitan dengan jenis data
Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas
Lebih terperinciPRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel
Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa
Lebih terperinciPRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE
RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag
Lebih terperinciIMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB
Semar Nasoal Tekolog 007 (SNT 007) ISSN : 978 9777 IMPLEMENTASI DAN KOMPARASI ATURAN SEGIEMPAT UNTUK PENYELESAIAN INTEGRAL DENGAN BATAS MENGGUNAKAN MATLAB Krsawat STMIK AMIKOM Yogyakarta e-mal : krsa@amkom.ac.d
Lebih terperinciMuniya Alteza
RISIKO DAN RETURN 1. Estmas Retur da Rsko Idvdual. Kosep Dversfkas 3. Kovaras da Koefse Korelas 4. Estmas Retur da Rsko Portofolo Muya Alteza m_alteza@uy.ac.d Estmas Retur da Rsko 1) Estmas Realzed Retur
Lebih terperinciBAB III ISI. x 2. 2πσ
BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)
Lebih terperinciPenelitian Operasional II Teori Permainan TEORI PERMAINAN
Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game
Lebih terperinciSTATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran
Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..
Lebih terperinciTAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk
Lebih terperinciNORM VEKTOR DAN NORM MATRIKS
NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag
Lebih terperinciI adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu
METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut
Lebih terperinciExtra 4 Pengantar Teori Modul
Extra 4 Pegatar Teor odul Apabla selama dkealka suatu kosep aljabar megea ruag vektor, maka modul merupaka perumuma dar ruag vektor. Pada modul, syarat skalar dperumum mejad eleme pada suatu rg da buka
Lebih terperinciUKURAN GEJALA PUSAT (UGP)
UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat
Lebih terperinciANALISIS ALGORITMA REKURSIF DAN NONREKURSIF
ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)
Lebih terperinciMENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS. Anneke Iswani A **
MENAKSIR PROPORSI CALON PEMIMPIN DARI KELOMPOK MINORITAS Aeke Iswa A ** Abstrak Apaba berhadapa dega data has meghtug yag berupa frekues, kemuda dtetuka varabe bebas da tak bebas yag berupa propors, maka
Lebih terperinci8. MENGANALISIS HASIL EVALUASI
8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara
Lebih terperinciTAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y
TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA 030501061Y UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 009
Lebih terperinciBAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,
BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga
Lebih terperinciIII BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan
III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar
Lebih terperinciBAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV
BAB 4 ENTROPI PADA PROSES STOKASTIK RANTAI MARKOV 4. Proses Sokask Dalam kehdupa yaa, sergkal orag g megama keerkaa sau kejada dega kejada la dalam suau erval waku ereu, yag merupaka suau barsa kejada.
Lebih terperinciSTATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)
STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.
Lebih terperinciPROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE
PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)
Lebih terperinciIII. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri
III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,
Lebih terperinciSampel dan Distribusi Sampling
P Modul Sampel da Dstrbus Samplg PENDAHULUAN Prof. Dr. Zazaw Soejoet ada modul pertama, aka dpelajar terlebh dahulu megea sampel da sfat-sfatya serta samplg-ya. Mater sebearya telah bayak dsajka pada mata
Lebih terperinciALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS
LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed
Lebih terperinciBAB II LANDASAN TEORI. merepresentasikan dan menjelaskan permasalahan pada dunia nyata ke dalam. pernyataan matematis (Widowati & Sutimin, 2007 : 1).
BAB II LANDASAN EORI.. Model Matematka Model Matematka merupaka represetas matematka yag dhaslka dar pemodela Matematka. Pemodela Matematka merupaka suatu proses merepresetaska da mejelaska permasalaha
Lebih terperinciSTATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi
STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha
Lebih terperinciBAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode
BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega
Lebih terperinci