Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak
|
|
- Hartanti Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah acak bisa megambil tepat satu ilai Peubah Acak Peubah Acak Diskrit : Sebuah Peubah Acak yag haya bisa berilai terbatas atau terhitug Peubah Acak Peubah Acak dituliska sebagai huruf kapital (X, Y, Z) Peubah Acak Kotiu: Sebuah Peubah Acak yag bisa berilai pada sebarag ilai dalam sebuah selag Nilai-ilai tertetu yag merupaka keluara percobaa dituliska dega huruf kecil (x, y, z)
2 Distribusi Peluag Distribusi Peluag adalah tabel, gambar, atau persamaa yag meggambarka atau medeskripsika ilai-ilai yag mugki dari peubah acak da peluag yag bersesuaiaya (Peubah Acak Diskrit) atau kepadata (Peubah Acak Kotiu) Distribusi Peluag Distribusi Peluag Diskrit: Memberika peluag kepada tiap keluara percobaa Merupaka probability mass fuctios (pmf) Distribusi Peluag Kotiu: Memberika kepadata (frekuesi) pada tiap titik, peluag pada selag bisa didapatka dega megitegralka fugsi (probability desity fuctio/pdf) Distribusi Peluag Peluag Diskrit dituliska sebagai: p(y) = P(Y=y) Kepadata Kotiu dituliska sebagai: f(y) Fugsi Distribusi Kumulatif: F(y) = P(Y y) Cumulative Distributio Fuctio (cdf) Distribusi Peluag Diskrit (PMF) Probability (Mass ) Fuctio: p( y )=P(Y=y ) p( y ) 0 y p ( y)=1
3 Discrete Probability Distributios Cumulative Distributio Fuctio (CDF ): F ( y )=P(Y y) F (b)=p(y b )= p( y) y= F ( )=0 F ( )=1 F ( y ) adl aik scr mooto di y b Cotoh Melempar 2 dadu (Merah/Hijau) Y = Jumlah muka dadu yag ampak. Tabel dibawah memberika semua ilai yag mugki dalam himpua S Merah\Hijau Cotoh Melempar 2 dadu (Merah/Hijau) Melempar 2 Dadu Probability Mass Fuctio (pmf) & CDF Y = Jumlah muka dadu yag ampak. Tabel dibawah memberika semua ilai yag mugki dalam himpua S Merah\Hijau y p(y) F(y) 2 1/36 1/36 3 2/36 3/36 4 3/36 6/36 5 4/36 10/36 6 5/36 15/36 7 6/36 21/36 8 5/36 26/36 9 4/36 30/ /36 33/ /36 35/ /36 36/36 # bayak cara 2 dadu dijumlahka sbg y p( y )= # cara 2 dadu dijumlahka F ( y)= p(t ) t=2 y
4 Melempar 2 Dadu Probability Mass Fuctio (pmf) Melempar 2 Dadu Cumulative Distributio Fuctio (cdf) Dice Rollig - CDF sub-title sub-title Dice Rollig Probability Fuctio sub-title sub-title E y y Nilai Harapa Peubah Acak Diskrit Mea (alias Nilai Harapa) Rata-rata dari peubah acak yag diharapka mucul dalam percobaa yag berulag-ulag. Varias Rata-rata beda kuadrat atara ilai yata dari peubah acak da meaya Stadard Deviasi Akar positif dari varias (uitya sama dega dataya) Notasi: Mea: E(Y) = Varias: V(Y) = 2 Stadard Deviasi: Nilai Harapa Mea: E(Y )=μ= yp( y ) Mea dari fugsi g(y ): E [ g(y )]= g( y ) p( y )
5 Varias da Stadard Deviasi Varias: V (Y )=σ 2 =E [(Y E(Y )) 2 ] =E [(Y μ) 2 ] = = ( y μ ) 2 p( y)= y 2 p( y ) 2μ yp( y )+μ 2 =E [Y 2 ] 2μ( μ )+μ 2 (1)=E [Y 2 ] μ 2 Stadard Deviasi: σ =+ σ 2 ( y 2 2yμ+μ 2 ) p( y ) p( y ) Nilai Harapa dari Fugsi Liear Peubah Acak Fugsi Liear: g (Y )=ay+b (a,b kosta ) E [ay+b ]= (ay+b ) p ( y)= =a yp( y)+b p( y )=aμ+b Varias da Stadard Deviasi dari Fugsi Liear Peubah Acak Fugsi Liear : g(y )=ay+b (a,b kosta ) V [ ay+b ]= (( ay+b) ( aμ+b)) 2 p ( y)= ( ay aμ) 2 p( y)= ( y μ ) 2 p( y )=a 2 σ 2 =a 2 σ ay+b = a σ [ a 2 ( y μ ) 2 ] p( y )= Cotoh Melempar 2 Dadu 12 μ=e(y )= yp ( y )=7.0 y=2 σ 2 =E [Y 2 ] μ 2 = y 2 p( y ) μ 2 y=2 = (7.0) 2 = σ= =
6 Defiisi: Beroulli Percobaa Beroulli: Haya terdapat satu kali percobaa dega peluag sukses p da peluag gagal 1-p Peluag Sukses: Peluag Gagal: P( X =1 )=( 1 1) p1 (1 p) 1 1 =p P( X =0)=( 0 1) p0 (1 p ) 1 0 =1 p Perilaku Distribusi Beroulli E(Y) = p Var (Y) = p(1-p) Var(Y )=E (Y 2 ) E(Y ) 2 =[ 1 2 p+0 2 (1 p)] [1p+0(1 p)] 2 = p p 2 = p(1 p) Cotoh Biomial Melempar koi sebayak 5 kali. Berapa peluag medapatka tepat 3 kepala? Catata: - Percobaa Diskrit - Mempuyai keluara bier (ya da tidak atau 1 da 0) - mempuyai peluag yag sama tiap kali lempara Peyelesaia: Cotoh Biomial Satu cara medapat tepat 3 kepala: HHHTT Peluagya adalah: P(heads)xP(heads) xp(heads)xp(tails)xp(tails) =(1/2) 3 x (1/2) 2 Cara lai medapatka tepat 3 kepala: THHHT Peluagya = (1/2) 1 x (1/2) 3 x (1/2) 1 = (1/2) 3 x (1/2) 2
7 Cotoh Biomial Cotoh Biomial Jadi, (1/2) 3 x (1/2) 2 merupaka peluag utuk medapatka tepat 3 kepala da 2 ekor Sehigga, peluag utuk medapat 3 kepala da 2 ekor (sejauh yag kita dapat sekarag) adalah: 1/2) 3 x (1/2) 2 + (1/2) 3 x (1/2) 2 + (1/2) 3 x (1/2) Namu, terdapat lebih dari satu cara medapatka 3 kepala da 2 ekor. Ada berapa cara utuk megambil tepat 3 kepala dari 5 kali lempara? ( 5 ) 3 5 C 3 cara utuk megambil 3 kepala dalam 5 percobaa = 5!/3!2! = 10 Keluara Peluag THHHT (1/2) 3 x (1/2) 2 HHHTT (1/2) 3 x (1/2) 2 TTHHH (1/2) 3 x (1/2) 2 HTTHH (1/2) 3 x (1/2) 2 HHTTH (1/2) 3 x (1/2) 2 HTHHT (1/2) 3 x (1/2) 2 THTHH (1/2) 3 x (1/2) 2 HTHTH (1/2) 3 x (1/2) 2 HHTHT (1/2) 3 x (1/2) 2 THHTH (1/2) 3 x (1/2) 2 HTHHT (1/2) 3 x (1/2) 2 10 pegatura x (1/2) 3 x (1/2) 2 Peluag dari tiap cara yag uik Cat: peluagya sama P(3 kepala da 2 ekor) = x P(heads) 3 x P(tails) 2 = 10 x (½) 5= 31.25% 5 ( 3 ) Biomial distributio fuctio: X= bayakya keluar kepala dari 5 kali percobaa p(x) Atau lihat tabel Biomial bayakya kepala x
8 Distribusi Peluag Biomial Bayak yag tepat dari sejumlah observasi (percobaa), Cotoh: koi dilempar 15 kali, 20 pasie, 1000 orag yag ikut survei Peubah Acak Bier Cotoh: kepala atau ekor, sembuh atau tidak sembuh, laki atau perempua Secara umum disebut sukses atau gagal Peluag sukses adalah p, peluag gagal adalah 1 p Utuk setiap observasi percobaa adalah kosta Cotoh: peluag medapatka kepala adalah sama utuk tiap percobaa X = # bayak sukses dari percobaa Distribusi Biomial, secara umum Betuk umum dari distribusi Biomial adalah: = bayak percobaa ( ) px (1 p ) X X 1-p = peluag gagal p = peluag sukses Defiisi: Biomial Biomial: Misal terdapat percobaa yag salig bebas, da tiap percobaa meghasilka sebuah sukses dega peluag p da gagal dega peluag 1-p. Jika total bayakya sukses, X, merupaka peubah acak Biomial dega parameter da p. Peulisaya adalah: X ~ Bi (, p) {dibaca: X berdistribusi biomial dega parameter da p} Da peluag bahwa X=r (i.e., terdapat tepat r sukses) adalah: P( X =r )=( r ) pr (1 p ) r Defiisi: Biomial Jika X megikuti distribusi biomial dega parameter da p: X ~ Bi (, p) Maka: x = E(X) = p x 2 =Var (X) = p(1-p) x =SD (X)= p(1 p ) catata: varias aka berada atara 0*N *N p(1-p) mecapai maks saat p=.5 P(1-p)=.25
9 Utuk X~Bi(N,p) X = i=1 Y Beroulli ;Var(Y )= p(1 p) Var( X )=Var ( i=1 Defiisi: Biomial Y )= Var(Y )=p (1 p) i=1
Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial
Defiisi: Beroulli ercobaa Beroulli: Haya terdaat satu kali ercobaa dega eluag sukses da eluag gagal - eluag Sukse: eluag Gagal: ( = ) = ( = 0 ( = 0) = ( 0 0 = erilaku Distribusi Beroulli E() = Var () =
Lebih terperinciPeubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak
Peubah Acak Peubah Acak Diskrit dan Distribusi Peluang Peubah Acak (Random Variable): Sebuah keluaran numerik yang merupakan hasil dari percobaan (eksperimen) Untuk setiap anggota dari ruang sampel percobaan,
Lebih terperinciDISTRIBUSI KHUSUS YANG DIKENAL
0 DISTRIBUSI KHUSUS YANG DIKENAL Kita sudah membahas fugsi peluag atau fugsi desitas, baik defiisiya maupu sifatya. Fugsi peluag atau fugsi desitas ii merupaka ciri dari sebuah distribusi, artiya fugsi
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciDistribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012
5/6/0 Distribusi Peluag BERBAGAI MACAM DISTRIBUSI SAMPEL Distribusi peluag, P( x), adalah kumpula pasaga ilai-ilai variabel acak Cotoh: Jika dua buah koi dilempar bersamaa. Kejadia bayakya mucul agka.
Lebih terperinciDistribusi Sampel, Likelihood dan Penaksir
BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi
Lebih terperinciDISTRIBUSI BINOMIAL. (sukses sebanyak x kali, gagal sebanyak n x kali)
DISTRIBUSI BINOMIAL Distribusi bioial berasal dari percobaa bioial yaitu suatu proses Beroulli yag diulag sebayak kali da salig bebas. Distribusi Bioial erupaka distribusi peubah acak diskrit. Secara lagsug,
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciPERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA
PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciDistribusi Sampel Sampling Distribution
Chapter 5 Studet Lecture otes 5-1 Samplig Distributio Pegatar Distribusi mea Sampel dari ilai Rata-rata Distribusi mea Sampel dari ilai Proporsi Chap 5-1 Distribusi sampel adalah f() distribusi dari ratarata
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 8
Seragam (Uiform) [D1] : Fugsi probabilita Uiform utuk semua ilai. Dimaa merupaka bayakya 1 f ( ) obyek da diasumsika memiliki sifat yag sama. Biomial [D2] : Sifat percobaa Biomial : Percobaa dilakuka dalam
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciKELUARGA EKSPONENSIAL Untuk Memenuhi Tugas Mata Kuliah Statistika Inferensial Dosen Pengampu: Nendra Mursetya Somasih Dwipa, M.Pd
KELUARGA EKSPONENSIAL Utuk Memeuhi Tugas Mata Kuliah Statistika Iferesial Dose Pegampu: Nedra Mursetya Somasih Dwipa, M.Pd Disusu Oleh : V A4 Kelompok. Nuuk Rohaigsih (444009). Rochayati (444000) 3. Siam
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciBAB VIII KONSEP DASAR PROBABILITAS
BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciHimpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia
Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya
Lebih terperinci- Yadi Nurhayadi - M O D U L S T A T I S T I K A BAB 2 DISTRIBUSI FREKUENSI
- Yadi Nurhayadi - M O D U L S T A T I S T I K A BAB DISTRIBUSI FREKUENSI A. Review Pelajara SMA A. Pegumpula Data. Peelitia lapaga (Pegamata Lagsug). Wawacara (Iterview). Agket (Kuisioer) 4. Berdasarka
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciII. LANDASAN TEORI. Pada bab ini akan diberikan beberapa istilah, definisi serta konsep-konsep yang
II. LANDASAN TEORI Pada bab ii aka diberika beberapa istilah, defiisi serta kosep-kosep yag medukug dalam peelitia ii. 2.1 Kosep Dasar Teori Graf Berikut ii aka diberika kosep dasar teori graf yag bersumber
Lebih terperinciSTATISTIKA MATEMATIKA. Di Susun: Dr. Ahmad Yani T.,M.Pd. NIP
STATISTIKA MATEMATIKA Di Susu: Dr. Ahmad Yai T.,M.Pd. NIP. 966499 PROGRAM STUDI PENDIDIKAN MATEMATIKA JURUSAN PENDIDIKAN MATEMATIKA DAN IPA FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN UNIVERSITAS TANJUNGPURA
Lebih terperinciDistribusi Sampel & Statistitik Terurut
Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar
Lebih terperinciTINJAUAN PUSTAKA. 2.1 Ruang Vektor. Definisi (Darmawijaya, 2007) Diketahui (V, +) grup komutatif dan (F,,. ) lapangan dengan elemen identitas
II. TINJAUAN PUSTAKA 2.1 Ruag Vektor Defiisi 2.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da (F,,. ) lapaga dega eleme idetitas 1. V disebut ruag vektor (vector space) atas F jika ada operasi
Lebih terperinci2 BARISAN BILANGAN REAL
2 BARISAN BILANGAN REAL Di sekolah meegah barisa diperkealka sebagai kumpula bilaga yag disusu meurut "pola" tertetu, misalya barisa aritmatika da barisa geometri. Biasaya barisa da deret merupaka satu
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciDistribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,
DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara
Lebih terperinciHUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN
Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI
Lebih terperinciPELUANG KEJADIAN. 3. Permutasi siklis adalah permutasi yang susunannya melingkar.
PELUANG KEJADIAN A. Atura Perkalia/Pegisia Tempat Jika kejadia pertama dapat terjadi dalam a cara berbeda, kejadia kedua dapat terjadi dalam b cara berbeda, kejadia ketiga dapat terjadi dalam c cara berbeda,
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciKompetisi Statistika Tingkat SMA
. Arya da Bombom melakuka tos koikoi yag seimbag yag mempuyai sisi, agka da gambar Arya melakuka tos terhadap 6 koi, sedagka Bombom melakuka tos terhadap koi, maka peluag Arya medapatka hasil tos muka
Lebih terperinciBAB 4: PELUANG DAN DISTRIBUSI NORMAL.
BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciStatistika Matematika. Soal dan Pembahasan. M. Samy Baladram
Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciHendra Gunawan. 12 Februari 2014
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2013/2014 12 Februari 2014 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 82 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg
Lebih terperinciBARISAN DAN DERET. Nurdinintya Athari (NDT)
BARISAN DAN DERET Nurdiitya Athari (NDT) BARISAN Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) = a Fugsi tersebut dikeal sebagai barisa bilaga
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA.1 Ruag Cotoh, Kejadia da Peluag Defiisi.1 (Ruag cotoh da kejadia) Suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak bisa diprediksi secara tepat tetapi
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemua VI Sebara Pearika Cotoh Septia Rahardiatoro - STK IPB 1 Sebara Pearika Cotoh Megidetifikasi sebara suatu fugsi dari cotoh ketika diambil dari suatu populasi X
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciProbabilitas dan Proses Stokastik
Probabilitas da Proses Stokastik Tim ProStok Jurusa Tekik Elektro - FTI Istitut Tekologi Sepuluh Nopember Surabaya, 014 O U T L I N E 1. Capaia Pembelajara. Pegatar da Teori 3. Cotoh 4. Rigkasa 5. Latiha
Lebih terperinciBAB 7 PEN P GUJ GU IAN HIPO P T O ES T A
BAB 7 PENGUJIAN HIPOTESA Meguji Rata-rata µ Umpamakalah kita mempuyai sebuah populasi berdistribusi ormal dega rata-rata µ da simpaga baku σ. Aka diuji megeai parameter rata-rata µ Utuk pasaga hipotesa
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Model Pertumbuha Betuk ugsi pertumbuha satu jeis spesies pada umumya megguaka otasi ugsi aalitik yag diyataka dalam satu persamaa. Secara umum ugsi pertumbuha meyataka hubuga
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinci1 Persamaan rekursif linier non homogen koefisien konstan tingkat satu
Secara umum persamaa rekursif liier tigkat-k bisa dituliska dalam betuk: dega C 0 0. C 0 x + C 1 x 1 + C 2 x 2 + + C k x k = b, Jika b = 0 maka persamaa rekursif tersebut diamaka persamaa rekursif liier
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciLANDASAN TEORI. Pada bab ini akan diberikan beberapa konsep dasar (pengertian) yang akan digunakan dalam. pembahasan penelitian. 2.
II. LANDASAN TEORI Pada bab ii aka diberika beberapa kosep dasar (pegertia) yag aka diguaka dalam pembahasa peelitia 2.1 Ruag Vektor Defiisi 3.1.1 (Darmawijaya, 2007) Diketahui (V, +) grup komutatif da
Lebih terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih terperincilog b = b logb Soal-Soal dan Pembahasan Matematika Dasar SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma
Soal-Soal da Pembahasa Matematika Dasar SNMPTN 01 Taggal Ujia: 1 Jui 01 1. Jika a da b adalah bilaga bulat positip yag memeuhi a b 0-19, maka ilai a + b adalah... A. 3 C. 19 E. 3 B. 7 D. 1 BAB I Perpagkata
Lebih terperinciII. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <
II. TINJAUAN PUSTAKA 2.1 Keterbagia Secara umum apabila a bilaga bulat da b bilaga bulat positif, maka ada tepat satu bilaga bulat q da r sedemikia sehigga : = +, 0 < dalam hal ii b disebut hasil bagi
Lebih terperinciProgram Perkuliahan Dasar Umum Sekolah Tinggi Teknologi Telkom. Barisan dan Deret
Program Perkuliaha Dasar Umum Sekolah Tiggi Tekologi Telkom Barisa da Deret Barisa Defiisi Barisa bilaga didefiisika sebagai fugsi dega daerah asal merupaka bilaga asli. Notasi: f: N R f( ) a Fugsi tersebut
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciCATATAN KULIAH Pertemuan I: Pengenalan Matematika Ekonomi dan Bisnis
CATATAN KULIAH Pertemua I: Pegeala Matematika Ekoomi da Bisis A. Sifat-sifat Matematika Ekoomi 1. Perbedaa Matematika vs. Nomamatematika Ekoomi Keutuga pedekata matematika dalam ilmu ekoomi Ketepata (Precise),
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciPEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMA PROGRAM IPS TAHUN PELAJARAN 2012/2013
http://asyikyabelajar.wordpress.com PEMBAHAAN ALAH ATU PAKET OAL UN MATEMATIKA MA PROGRAM IP TAHUN PELAJARAN 0/0. Igkara dari peryataa emua makhluk hidup memerluka air da oksige adalah... A. emua makhluk
Lebih terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciTUGAS ANALISIS REAL LANJUT. a b < a + A. b + B < A B.
TUGAS ANALISIS REAL LANJUT NOVEMBER 207 () (a) Jika b > 0, B > 0, da a b < A, buktika ab < ba. Kemudia buktika B a b < a + A b + B < A B. (b) Buktika [ 2 (a + b)] 2 2 (a2 + b 2 ). Kemudia tujukka bahwa
Lebih terperinciMA1201 MATEMATIKA 2A Hendra Gunawan
MA1201 MATEMATIKA 2A Hedra Guawa Semester II, 2016/2017 3 Februari 2017 Bab Sebelumya 8. Betuk Tak Tetu da Itegral Tak Wajar 8.1 Betuk Tak Tetu 0/0 8.2 Betuk Tak Tetu Laiya 8.3 Itegral Tak Wajar dg Batas
Lebih terperinciUKURAN LOKASI DAN DISPERSI
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga UKURAN LOKASI DAN DISPERSI Statistika da Probabilitas Statistical Measures Commo statistical measures Measure of cetral tedecy Mea
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciPERTEMUAN 13. VEKTOR dalam R 3
PERTEMUAN VEKTOR dalam R Pegertia Ruag Vektor Defiisi R Jika adalah sebuah bilaga bulat positif, maka tupel - - terorde (ordered--tuple) adalah sebuah uruta bilaga riil ( a ),a,..., a. Semua tupel - -terorde
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciBAB II TEORI DASAR. Definisi Grup G disebut grup komutatif atau grup abel jika berlaku hukum
BAB II TEORI DASAR 2.1 Aljabar Liier Defiisi 2. 1. 1 Grup Himpua tak kosog G disebut grup (G, ) jika pada G terdefiisi operasi, sedemikia rupa sehigga berlaku : a. Jika a, b eleme dari G, maka a b eleme
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciPengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi
Chapter 6 Studet Lecture Notes 6-1 Hal-1 Hal-2 Estimasi (Pedugaa) Estimasi (Pedugaa) TOPIK Pegertia Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Iterval Estimasi iterval
Lebih terperinciInstitut Teknologi Sepuluh Nopember Surabaya. Model Sistem dalam Persamaan Keadaan
Istitut Tekologi Sepuluh Nopember Surabaya Model Sistem dalam Persamaa Keadaa Pegatar Materi Cotoh Soal Rigkasa Latiha Pegatar Materi Cotoh Soal Rigkasa Istilah-istilah Dalam Persamaa Keadaa Aalisis Sistem
Lebih terperinciKombinatorial dan Peluang. Adri Priadana ilkomadri.com
Kombiatorial da Peluag Adri Priadaa ilkomadri.com Pedahulua Sebuah kata-sadi (password) pajagya 6 sampai 8 karakter. Karakter boleh berupa huruf atau agka. Berapa bayak kemugkia kata-sadi yag dapat dibuat?
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciSebaran Penarikan Contoh. Dept Statistika FMIPA IPB
Sebara Pearika Cotoh Dept Statistika FMIPA IPB Statistik: karakteristik umerik yag diperoleh dari data cotoh Dari sebuah populasi dapat diperoleh bayak cotoh acak. Dari setiap cotoh acak, dapat dihitug
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciPenaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciSOAL PENYISIHAN =. a. 11 b. 12 c. 13 d. 14 e. 15
SOAL PENYISIHAN Petujuk pegerjaa soal : Jumlah soal 0 soal Piliha Gada da Uraia Utuk piliha gada diberi peilaia bear +, salah -, tidak diisi 0 Lama pegerjaa soal adalah 0 meit Kalau berai, silaka pilih
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciPELUANG. Kegiatan Belajar 1 : Kaidah Pencacahan, Permutasi dan kombinasi
PELUANG Kegiata Belajar : Kaidah Pecacaha, Permutasi da kombiasi A. Kaidah Pecacaha. Prisip Dasar Membilag Jika suatu operasi terdiri dari tahap, tahap pertama dapat dilakuka dega m cara yag berbeda da
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperincilog b = b logb Soal-Soal dan Pembahasan Matematika Dasar SBMPTN - SNMPTN 2012 Tanggal Ujian: 12 Juni 2012 Jawab: BAB II Logaritma
Soal-Soal da Pembahasa Matematika Dasar SBMPTN - SNMPTN 01 Taggal Ujia: 1 Jui 01 1. Jika a da b adalah bilaga bulat positip yag memeuhi a b = 0-19, maka ilai a + b adalah... A. 3 C. 19 E. 3 B. 7 D. 1 BAB
Lebih terperinciPENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai
1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh
Lebih terperinciHazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand
TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinci