POKOK BAHASAN : TEORI KESALAHAN

Ukuran: px
Mulai penontonan dengan halaman:

Download "POKOK BAHASAN : TEORI KESALAHAN"

Transkripsi

1 PROGRAM STUDI TEKNIK SIPIL 3-1 POKOK BAHASAN : TEORI KESALAHAN Klasifikasai kesalahan : Kesalahan kasar, sistematik dan kesalahan acak, Definisi : Nilai ukuran, nilai yang benar, kesalahan, nilai mendekati benar, residual, derajat kebebasan, variance, standar kesalahan dan standat deviasi, Teori probabilitas, Distribusi normal 3.1 Landasan Teori Histogram Histogram adalah pernyataan grafis untuk suatu distribusi frekuensi yang digambarkan dengan lajur lajur persegi panjang sedemikian rupa sehingga : (a) pusat alasnya menyatakan pusat (b) luas persegi panjang menyataka frekuensi Jika selang kelasnya beraturan, maka frekuensi kelas akan ditunjukkan juga oleh tinggi persegi panjang tersbut. Contoh: Pengukuran panjang 50 b batang kuningan memberikan ditribusi frekuensi sebagai beikut :

2 PROGRAM STUDI TEKNIK SIPIL 3-2 Pertama-tama tariklah garis alasnya dan berilah tanda x pada garis tersebut agar kita dapat menentukan letak harga harga pusat kelas diatas. Lakukanlah itu sebagai pembukaan awal.

3 PROGRAM STUDI TEKNIK SIPIL DISTRIBUSI NORMAL Distribusi Normal merupakan distribusi yang paling terkenal dan paling umum dipakai. Distribusi normal memiliki fungsi kerapatan probabilitas (probability density function = pdf), seperti terlihat pada gambar dibawah ini. µ - 2τ µ µ + 2τ Parameter-parameter mean (nilai purata) atau µ dan varians (variance) σ 2 dimana (σ deviasi standart) kurva pdf adalah mean simetris area dibawah pdf besarnya adalah 1 maka dapat dituliskan sebagai berikut : X Nor (µ, σ 2 ) Cara perhitungan distribusi normal Ditentukan bahwa variabel X ada diantara a dan b, sehingga Pr (a<x<b) = Pr (X>a) Pr (X>b) Jika X Nor (µ, σ 2 ), dan membuat suatu variabel baru yaitu z X

4 PROGRAM STUDI TEKNIK SIPIL 3-4 Dengan mean = 0 dan deviasi standar = 1 maka Z Nor (0,1) Distribusi ini disebut distribusi normal standar (standard normal distribution) Maka dapat dituliskan kembali bahwa, Pr( X a) Pr X a Pr Z a dim ana Z X Z diikuti dengan a fungsi distribusi Nor (0,1), ditabulasikan secara luas sebagai Tabel dari probabilitas normal. Tabel dari distribusi normal standar (standard normal distribution) Z Keterangan Pr (Z>2.46) maka kita pilih kolom kiri 2.4 dan baris atas dengan Maka hubungan kedua angka tadi didapat Pr (Z> 2.46) = Sumber Kesalahan Pengukuran Dalam pengukuran dapat hampir dapat dipastikan bahwa kesalahan pasti akan terjadi baik disengaja maupun tidak disengaja sehingga menyebabkan hasil pengkuran itu perlu mendapatkan koreksi.

5 PROGRAM STUDI TEKNIK SIPIL 3-5 Paling tidak terdapat 3 (tiga) sumber kesalahan dalam pengukuran, yakni a. Sumber Alam Kesalahan disebabkan karena cuaca, arah angin, suhu dan kelembaban udara, kebiasan (undulasi), gaya berat dan deklnasi magnetik sperti perubahan panjnag pita karena pengembangan dan penysusutan. b. Kesalahan karena Instrumen Kesalahan timbul karena ketidak sempurnaan konstruksi instrument atau keslahan penyetelan, misalnya tidak seragmnya skala rambu. Kesalahan ini dapat datasi dengan metoda pengukuran yang benar. c. Kesalahan karena Perorangan Kesalahan timbul karena keterbatasan manusia dalam membaca meraba dan melihat. Tentu saja dengan cara pengkran yang sekasama dan hatihati serta teliti kan mengurangi terjadinya kesalahan Klasifikasi Kesalahan a. Kesalahan Kasar (Blunders) Dalam pengukuran dijumpai adanya kesalahan kasar atau blunder sebagai akibat ketidak cermatan dalam mengukur, baik disebabkan oleh kerena kecerobohan maupun penggunaan alat yang tidak sempurna. Kesalahan kasar hanya dapat diperbaiki dengan cara melakukan pengkuran ulang. Contoh kesalahan kasar antara lain : i) menngunakan pita yang terputus ( kurang panjangnya), ii) kesalahan membaca skala pada rambu atau mikrometer pada bacaan sudut iii) kesalahan pencatatan dsb. a. Kesalahan Sistematik (Systematic Error)

6 PROGRAM STUDI TEKNIK SIPIL 3-6 Kesalahan sistematik biasanya disebabkan karena menngunakan instrumen yang belum terkaliberasi atau terkoreksi sehingga terjadi penumpukan kesalahan karena akan berulang-ulang terjadi. Kasalahan jenis ini dapat dicegah dengan cara mengoreksi alat terlebih dahulu sebelum pengukuran. Contoh kesalahan sistemaik sifatnya berulang misalnya penyusutan dan pengembangan pita atau pegas ukur oleh karena temperatur. b. Kesalahan Acak (Random Error) Kesalahan yan bersifat tetap yang tidak diketahui secara pasti penyebabnya akan tetapi lajim terjadi menurut kaidah statistik (probability). Besar dan nilai kesalahan jenis ini adalah kemungkinan dan tidak ada cara yang mutlak untuk menghilangkan. Kesalahan acak dapat bernilai positif dan negatif sehingga dapat saling menghilangkan 3.4. Istilah-istilah Istilah yang sering dipakai dalam teori kesalahan antara lain : a. Hasil Ukuran (Measured value) :adalah nilai atau besaran yang merupakan hasil obesrvasi langsung. b. Nilai yang benar (True value) :adalah nilai teoritis yang dianggap benar, dalam kenyataan nilai yang benar tidak pernah diketahui c. Kesalahan (Error) :adalah selisih antara nilai hasil pengkuran (mesured value) dengan nilai yang benar (true value), nilai error ini hanya teoritis, dalam kenyataan nilai tidak pernah diketahui d. Nilai mendekati benar (The most possible value) : Oleh karena harga yang benar tidak dapat dihitung maka hany harga yang paling mungkin dapat dihitung jika terdapat pengkuran lebih. Oleh karen itu sebagai pendekatan maka nilai mendekatai benar dihitung berdasarkan harga rata-rata (mean)

7 PROGRAM STUDI TEKNIK SIPIL 3-7 M M n Dimana : M : nilai yang mendekati benar M : nilai hasil pengkuran n : jumlah pengukuran e. Residual : Setelah ditentukan harga yang mendekati benar suatu ukuran maka dapat ditentukan besarnya residiul yakni selisih nilai hasil pengukuran sembarang dengan harga rata-rata atau nilai yang mendekati benar; v M M M : nilai yang mendekati benar M : nilai hasil pengkuran v : residual f. Simpangan baku (Standart deviation)i : Menggambarkan kesaksamaan atau ketelitian hasil ukuran, sedangkan kuadrat dari standar deviasi disebut varian. Simpangan baku dapat dinyatakan secara matematis sebagai berikut. n v 2 1 v : residual n : nilai hasil pengkuran n-1 : derajat kebebasan (degree of freedom) v : standar deviasi

8 PROGRAM STUDI TEKNIK SIPIL 3-8 Teori probablitas dapat juga diterapkan dalam bidang pengukuran untuk meratakan (adjustment) adanya kesalahan acak. Jadi kesalahan dapat diratakan dengan anggapan telah terbebas dari kesalahan kasar (blunders) dan kesalahan sistematis (systematic error) Contoh-contoh Soal 1). Misalkan suatu pengkuran jarak sebanyak 9 kali dengan varisali hasil pengkuran seperti pada tabel dianggap telah bebas dari kesalahan kasar dan kesalahan sistematis. Dengan tingkat keyakinan 90 % dan 95 % kesalahan standar dan simpangan bakunya. hitung (m) (V) v ( n 1) , M m 0.04 Jarak Residu V 2 Untuk tingkat kelyakinan 90 % ( E 90 )= (0.04)= m Untuk tingkat kelyakinan 95 % ( E 95 )= (0.04)= m Dari hasil perhtiungan maka jarak yang paling mungkin m Kesalahan standar pengkuran 0.04 m Dengan keyakinan 90 % m ( Range jarak yang mungin antara m Dengan keyaknan 95 % m( Range jarak yang mungin antara m

9 PROGRAM STUDI TEKNIK SIPIL 3-9 2) Utnuk pengkuran bebobot misalnya pengkuran sudut dalam suatu segitiga dengan sudut A= (bobot 1); sudut B = (bobot2) dan sudut C = (bobot3). Hitung perataan sudut berbobot. Oleh karana pengukuan berbobot maka koreksi harus diberikan secara terbalik untuk bobot tinggi diberi koreksi tebesar, sehingga A koreksi 6x, B 3x dan C 2x Sudut Bobot Koreksi Koreksi Pembulatan Sudu Numeris Koreksi Terkoreksi A X (atau2 ) B X (atau1 ) C X (atau1 ) X=4 dan x = +0.36

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat

Lebih terperinci

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation) DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

Lebih terperinci

Pertemuan 8 UKURAN PENYEBARAN. A. Ukuran Penyebaran untuk Data yang tidak Dikelompokkan. Terdapat empat ukuran penyebaran absolut yang utama, yaitu:

Pertemuan 8 UKURAN PENYEBARAN. A. Ukuran Penyebaran untuk Data yang tidak Dikelompokkan. Terdapat empat ukuran penyebaran absolut yang utama, yaitu: Pertemuan 8 UKURA PEYEBARA 1. Pengertian Penyebaran (Dispersi) Penyebaran adalah perserakan data individual terhadap nilai rata-rata. Data homogen memiliki penyebaran (dispersi) yang kecil, sedangkan data

Lebih terperinci

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling

STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

SEBARAN PENARIKAN CONTOH

SEBARAN 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 terperinci

Pengertian tentang distribusi normal dan distribusi-t

Pengertian tentang distribusi normal dan distribusi-t Juruan Teknik Sipil Fakulta Teknik Sipil dan Perencanaan 8 Univerita Mercu Buana MODUL 8 STATISTIKA DAN PROBABILITAS 8.1 MATERI KULIAH : Pengertian umum ditribui normal. 8. POKOK BAHASAN :. Pengertian

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

SEBARAN PENARIKAN CONTOH

SEBARAN PENARIKAN CONTOH STATISTIK (MAM 4137) SEBARAN PENARIKAN CONTOH Ledhyane Ika Harlyan 2 Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean Parameter

Lebih terperinci

BAB I PENGANTAR STATISTIK DAN ANALISIS DATA

BAB I PENGANTAR STATISTIK DAN ANALISIS DATA BAB I PENGANTAR STATISTIK DAN ANALISIS DATA 1.1. Pengertian: Statistik inferensial, Sampel, Populasi, Disain eksperimen Pada awal tahun 1980 dan berlanjut sampai abad 1, industri di Amerika menekankan

Lebih terperinci

statistika untuk penelitian

statistika untuk penelitian statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,

Lebih terperinci

Uji Hipotesis dengan ANOVA (Analysis of Variance)

Uji Hipotesis dengan ANOVA (Analysis of Variance) Uji Hipotesis dengan ANOVA (Analysis of Variance) I. Pengertian Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang

Lebih terperinci

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA.

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang

Lebih terperinci

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT)

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT) STATISTIKA II Distribusi Sampling (Nuryanto, ST., MT) 1. Pendahuluan Bidang Inferensia Statistik membahas generlisasi/penarikan kesimpulan dan prediksi/ peramalan. Generalisasi dan prediksi tersebut melibatkan

Lebih terperinci

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi

Lebih terperinci

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

PENARIKAN SAMPEL & PENDUGAAN PARAMETER PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti

Lebih terperinci

5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI

5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI Week 11 & 12 HYDROLOGIC STATISTICS (and Frequency Analysis) Introduction Frequency and Probability Function Statistical Parameters Fitting a Probability Distribution Probability Distributions for Hydrologic

Lebih terperinci

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina

Lebih terperinci

1. PENGERTIAN. Manfaat Sampling :

1. PENGERTIAN. Manfaat Sampling : 1. PENGERTIAN Sampel adalah sebagian dari anggota populasi yang dipilih dengan cara tertentu yang akan diteliti sifat-sifatnya dalam penelitian. Nilai-nilai yang berasal dari data sampel dinamakan dengan

Lebih terperinci

Statistika & Probabilitas

Statistika & Probabilitas Statistika & Probabilitas Dispersi Data Dispersi Data Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Beberapa jenis ukuran dispersi data : Jangkauan (range) Simpangan rata-rata

Lebih terperinci

EVALUASI NILAI VARIANCE UNTUK MENGHITUNG KOMPONEN KETIDAKPASTIAN PENGUKURAN DIMENSI TIPE B DARI SUATU DISTRIBUSI RECTANGULAR DAN TRAPEZOIDAL

EVALUASI NILAI VARIANCE UNTUK MENGHITUNG KOMPONEN KETIDAKPASTIAN PENGUKURAN DIMENSI TIPE B DARI SUATU DISTRIBUSI RECTANGULAR DAN TRAPEZOIDAL EVALUASI NILAI VARIANCE UNTUK MENGHITUNG KOMPONEN KETIDAKPASTIAN PENGUKURAN DIMENSI TIPE B DARI SUATU DISTRIBUSI RECTANGULAR DAN TRAPEZOIDAL Joko Riyono Teknik Mesin Fakultas Teknologi Industri Universitas

Lebih terperinci

Statistik Deskriptif: Central Tendency & Variation

Statistik Deskriptif: Central Tendency & Variation Statistik Deskriptif: Central Tendency & Variation Widya Rahmawati Central Tendency (Ukuran Pemusatan) dan Variation (Ukuran Simpangan) 1) Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang

Lebih terperinci

Distribusi Sampling Sebaran Penarikan Contoh. Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan.

Distribusi Sampling Sebaran Penarikan Contoh. Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan. Distribusi Sampling Sebaran Penarikan Contoh I PENDAHULUAN Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan. Generalisasi dan prediksi tersebut melibatkan sampel/contoh,

Lebih terperinci

Distribution. Contoh Kasus. Widya Rahmawati

Distribution. Contoh Kasus. Widya Rahmawati Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis

Lebih terperinci

PENGUKURAN DESKRIPTIF

PENGUKURAN DESKRIPTIF PENGUKURAN DESKRIPTIF STATISTIK INDUSTRI I Jurusan Teknik Industri Universitas Brawijaya Malang 1 PENGUKURAN DESKRIPTIF Suatu pengukuran yang bertujuan untuk memberikan gambaran tentang data yang diperoleh

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

Satatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP

Satatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP Satatistik dan Probabilitas Ir. I Nyoman Setiawan, MT. NIP. 19631229 199103 01 001 HP. 081338721408 setiawan@ee.unud.ac.id man_awan@yahoo.com Statistik Dan Probabilitas Pendahuluan Statistika adalah pengetahuan

Lebih terperinci

ANALYSIS OF VARIANCE

ANALYSIS OF VARIANCE ANALYSIS OF VARIANCE Analisis Varians adalah alat statistika yang digunakan untuk menguji perbedaan mean lebih dari dua populasi. Analisis varians mengguakan distribusi F, yang mempunyai ciri-ciri: Merupakan

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

STATISTIK PERTEMUAN IV

STATISTIK PERTEMUAN IV STATISTIK PERTEMUAN IV PRINSIP DAN DISTRIBUSI PROBABILITAS A. PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer dan sebagainya, banyak didasarkan atas asumsi-asumsi yang diidealisir,

Lebih terperinci

Materi Kuliah: Statistik Inferensial

Materi Kuliah: Statistik Inferensial TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Pengujian Hipotesa Besar Pengujian Hipotesa Kecil Memilih Ukuran Teori Statistik Pengujian Hipotesa

Lebih terperinci

TEORI KETIDAKPASTIAN PADA PENGUKURAN

TEORI KETIDAKPASTIAN PADA PENGUKURAN I. PENDAHULUAN TEORI KETIDAKPASTIAN PADA PENGUKURAN Di dalam percobaan Fisika hasil-hasil yang diperoleh biasanya tidak dapat diterima begitu saja sebab hasil percobaan tersebut harus dipertanggungjawabkan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Matriks Matriks adalah himpunan bilangan real yang disusun secara empat persegi panjang, mempunyai baris dan kolom dengan bentuk umum : Tiap-tiap bilangan yang berada didalam

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal

Lebih terperinci

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14

Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14 Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Distribusi Normal 1-Sep-14 http://istiarto.staff.ugm.ac.id 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA

S 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 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.

Lebih terperinci

Distribusi Teoritis Probabilitas

Distribusi Teoritis Probabilitas Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

Statistika Deskriptif & Distribusi Frekuensi

Statistika Deskriptif & Distribusi Frekuensi Statistika Deskriptif & Distribusi Frekuensi Oleh: Zulhan Widya Baskara FAKULTAS TEKNOLOGI PERTANIAN Mataram, September 2014 Statistika Statistika Deskriptif Statistika Inferensial Statistika Deskriptif

Lebih terperinci

UKURAN DISPERSI (SEBARAN)DATA

UKURAN DISPERSI (SEBARAN)DATA Malim Muhammad, M.Sc. UKURAN DISPERSI (SEBARAN)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 DISPERSI

Lebih terperinci

PENGANTAR ALAT UKUR. Bab PENDAHULUAN

PENGANTAR ALAT UKUR. Bab PENDAHULUAN Bab 1 PENGANTAR ALAT UKUR 1-1 PENDAHULUAN Dalam Pengukuran pada umumnya dibutuhkan instrumen sebagai suatu cara fisis untuk menentukan suatu besaran atau variabel. Instrumen tersebut membantu kita untuk

Lebih terperinci

Muhammad Arif Rahman https://arifelzainblog.lecture.ub.ac.id/

Muhammad Arif Rahman https://arifelzainblog.lecture.ub.ac.id/ Muhammad Arif Rahman arifelzain@ub.ac.id Populasi Keseluruhan objek penelitian atau keseluruhan elemen yang akan diteliti. Sampel Sebagian dari populasi Representatif dapat memberi gambaran yang tepat

Lebih terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

ESTIMASI. Arna Fariza PENDAHULUAN ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN.1. Karakteristik Data Pengamatan karakteristik tegakan hutan seumur puspa dilakukan pada dua plot di Hutan Pendidikan Gunung Walat dengan luas masing-masing plot berukuran 1

Lebih terperinci

STATISTIK PERTEMUAN VII

STATISTIK PERTEMUAN VII STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik

Lebih terperinci

Statistik Deskriptif. Statistik Farmasi 2015

Statistik Deskriptif. Statistik Farmasi 2015 Statistik Deskriptif Tujuan perkuliahan Setelah mengikuti perkuliahan, diharapkan mahasiswa mampu: 1. Meringkas data, dengan menggunakan pengukuran tendensi sentral seperti rata-rata, median, modus dan

Lebih terperinci

Analysis of Variance SUNU WIBIRAMA

Analysis of Variance SUNU WIBIRAMA Analysis of Variance SUNU WIBIRAMA Basic Probability and Statistics Department of Electrical Engineering and Information Technology Faculty of Engineering, Universitas Gadjah Mada Latar belakang perlunya

Lebih terperinci

Ilmu fisika dilandasi oleh pengukuran besaran fisika. Setiap pengukuran dimaksudkan untuk menghasilkan nilai ukur yang tepat dan benar

Ilmu fisika dilandasi oleh pengukuran besaran fisika. Setiap pengukuran dimaksudkan untuk menghasilkan nilai ukur yang tepat dan benar KETELITIAN DAN KETEPATAN Ilmu fisika dilandasi oleh pengukuran besaran fisika. Setiap pengukuran dimaksudkan untuk menghasilkan nilai ukur yang tepat dan benar Ketelitian menyatakan tingkat kesesuaian

Lebih terperinci

Peubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak

Peubah 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 terperinci

Statistika Psikologi 2

Statistika Psikologi 2 Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENDUGAAN PARMETER IV. PENDUGAAN PARAMETER Populasi N Sampling Sampel n Rata-rata : μ Simp. Baku : σ Ragam

Lebih terperinci

TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif

TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif TEORI PENDUGAAN STATISTIK Oleh : Riandy Syarif Pendugaan adalah proses menggunakan sampel (penduga) untuk menduga parameter (Populasi) yg tidak diketahui. Ilustrasi : konferensi perubahan iklim di Bali

Lebih terperinci

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting

Lebih terperinci

Pengukuran Deskriptif. Debrina Puspita Andriani /

Pengukuran Deskriptif. Debrina Puspita Andriani    / Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran

Lebih terperinci

METODE DAN DISTRIBUSI SAMPLING. Oleh : Riandy Syarif

METODE DAN DISTRIBUSI SAMPLING. Oleh : Riandy Syarif METODE DAN DISTRIBUSI SAMPLING Oleh : Riandy Syarif HUBUNGAN SAMPEL DAN POPULASI Populasi Sampel DEFINISI Populasi kumpulan dari semua kemungkinan orang-orang, benda-benda, dan ukuran lain yang menjadi

Lebih terperinci

BAB 3: NILAI RINGKASAN DATA

BAB 3: NILAI RINGKASAN DATA BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum

Lebih terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat

Lebih terperinci

Distribusi Probabilitas Kontinyu Teoritis

Distribusi Probabilitas Kontinyu Teoritis Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi

Lebih terperinci

Materi Kuliah: Statistik Inferensial

Materi Kuliah: Statistik Inferensial TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Titik Parameter Interval Teori Statistik Titik Parameter Interval 3 1 PENDUGA TUNGGAL SEBAGAI FUNGSI

Lebih terperinci

TENTANG UTS. Penentuan Cadangan, hal. 1

TENTANG UTS. Penentuan Cadangan, hal. 1 TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

BAB I DISTRIBUSI FREKUENSI

BAB I DISTRIBUSI FREKUENSI BAB I DISTRIBUSI FREKUENSI A. Pengertian Distribusi Frekuensi adalah penyajian data yang telah digolongkan dalam kelas-kelas menurut urutan tingkatannya beserta jumlah individu pada masing-masing kelas.

Lebih terperinci

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,

Lebih terperinci

SESI 13 STATISTIK BISNIS

SESI 13 STATISTIK BISNIS Modul ke: SESI 13 STATISTIK BISNIS Sesi 13 ini bertujuan agar Mahasiswa dapat mengetahui teori Analisis Regresi dan Korelasi Linier yang berguna sebagai alat analisis data Ekonomi dan Bisnis. Fakultas

Lebih terperinci

Bab X. Apa uji ANOVA itu? Contoh penjual mobil. Analisis of Variance ANOVA

Bab X. Apa uji ANOVA itu? Contoh penjual mobil. Analisis of Variance ANOVA Bab X Analisis of Variance ANOVA Apa uji ANOVA itu? Uji-t untuk -Mean Contoh: seorang penjual mobil ingin mendapatkan perbedaan antara jenis kendaraan dalam hal konsumsi gas perkilo: Kendaraan kecil Kendaraan

Lebih terperinci

BAB IV ANALISIS HASIL PENELITIAN: ANALISIS KOMPARASIONAL AKHLAK TERHADAP GURU ANTARA. SISWA SANTRI DAN SISWA NON SANTRI DI MTs.

BAB IV ANALISIS HASIL PENELITIAN: ANALISIS KOMPARASIONAL AKHLAK TERHADAP GURU ANTARA. SISWA SANTRI DAN SISWA NON SANTRI DI MTs. BAB IV ANALISIS HASIL PENELITIAN: ANALISIS KOMPARASIONAL AKHLAK TERHADAP GURU ANTARA SISWA SANTRI DAN SISWA NON SANTRI DI MTs. RIBATUL MUTA ALLIMIN PEKALONGAN A. Analisis Data Akhlak Siswa Santri terhadap

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Pengujian Validitas Variabel Validitas menunjukkan seberapa nyata suatu pengujian mengukur apa yang seharusnya diukur. Dalam Ghozali (2005:45) dinyatakan suatu kuesioner

Lebih terperinci

PENAKSIRAN PARAMETER TM_3

PENAKSIRAN PARAMETER TM_3 PENAKSIRAN PARAMETER TM_3 Pendahuluan Statistik inverensial membicarakan bgmn mengeneralisasi informasi yg telah diperoleh. Segala aturan, dan cara, yg dpt di pakai sebagai alat dlm mencoba menarik kesimpulan

Lebih terperinci

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata Probabilitas dan Analisis Lanjut Adam Hendra Brata Tunggal Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu fenomena. Sampel adalah sekumpulan data yang diambil atau diseleksi dari suatu

Lebih terperinci

Pengukuran Deskriptif

Pengukuran Deskriptif Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,

Lebih terperinci

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 3 4 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh

STK511 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 terperinci

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi

Lebih terperinci

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata

Probabilitas dan Statistika Fungsi Distribusi Peluang Kontinyu. Adam Hendra Brata Probabilitas dan Statistika Adam Hendra Brata Himpunan nilai-nilai yang mungkin dari peubah acak X merupakan himpunan tak terhitung yaitu tidak dapat dinyatakan sebagai {,, 3,., n } atau {,, 3,.} tetapi

Lebih terperinci

DTG 2M3 - ALAT UKUR DAN PENGUKURAN TELEKOMUNIKASI

DTG 2M3 - ALAT UKUR DAN PENGUKURAN TELEKOMUNIKASI DTG 2M3 - ALAT UKUR DAN PENGUKURAN TELEKOMUNIKASI By : Dwi Andi Nurmantris PENDAHULUAN PENGUKURAN PENGERTIAN PENGUKURAN Pengukuran dapat didefinisikan sebagai suatu proses pemberian angka atau label terhadap

Lebih terperinci

BAB IV PEMBAHASAN DAN HASIL PENELITIAN

BAB IV PEMBAHASAN DAN HASIL PENELITIAN BAB IV PEMBAHASAN DAN HASIL PENELITIAN Setelah data terkumpul serta adanya teori yang mendasari dan mendukung, maka langkah berikutnya adalah membuktikan ada atau tidak adanya pengaruh bimbingan shalat

Lebih terperinci

Materi Konsep dasar & istilah dalam Angka-angka Jenis-jenis kesalahan berdasarkan penyebabnya

Materi Konsep dasar & istilah dalam Angka-angka Jenis-jenis kesalahan berdasarkan penyebabnya BAB 1. PENGUKURAN & KESALAHAN By Aksan,ST,MT Teknik Listrik PNUP Materi : @. Konsep dasar & istilah dalam pengukuran @. Angka-angka penting @. Jenis-jenis kesalahan berdasarkan penyebabnya @. Jenis-jenis

Lebih terperinci

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB 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 terperinci

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA Pertemuan keempat UKURAN PENYEBARAN DATA Ukuran penyebaran data digunakan untuk melengkapi deskripsi dari sifat-sifat sekelompok data, terutama dalam membandingkan sifat-sifat yang dimiliki oleh masing-masing

Lebih terperinci

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd

Pertemuan Ke-12. Analysis of Varians (anova)_m. Jainuri, M.Pd Pertemuan Ke-1 1 Pendahuluan Statistik parametrik yang digunakan untuk mencari perbedaan atau persamaan dua rata-rata adalah Uji-t, dan analysis of varians (anova/ anova) digunakan untuk mencari perbedaan

Lebih terperinci

STATISTIK. Rahma Faelasofi

STATISTIK. Rahma Faelasofi STATISTIK Rahma Faelasofi 1 BAB 3 VARIABILITAS Pengertian Jangkauan Mean deviasi Standar deviasi 2 Pengertian Pengukuran penyebaran adalah pengukuran tingkat penyebaran nilai dalam suatu kumpulan data

Lebih terperinci

BAB IV PENGUMPULAN DATA

BAB IV PENGUMPULAN DATA BAB IV PENGUMPULAN DATA Pengumpulan data yang dilakukan dibatasi hanya di dalam wilayah Jabodetabek. Data yang dikumpulkan terdiri atas data primer maupun data sekunder. Data primer meliputi kriteria drainase

Lebih terperinci

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana) KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa

Lebih terperinci

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh STK 511 Analisis statistika Materi 4 Sebaran Penarikan Contoh 1 Pengantar Pada dasarnya data contoh diperoleh dengan dua cara: Data telah ada Teknik Penarikan Contoh Data belum tersedia Perancangan Percobaan

Lebih terperinci

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 4. Variabel Acak dan Distribusi Probabilitas Prima Kristalina April 2015 1 Outline 1. Definisi

Lebih terperinci

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam

Lebih terperinci

SISTEM PENGOLAHAN ISYARAT. Kuliah 2 Sinyal Acak

SISTEM PENGOLAHAN ISYARAT. Kuliah 2 Sinyal Acak TK 403 SISTM PNGOLAHAN ISYARAT Kuliah Sinyal Acak Indah Susilawati, S.T., M.ng. Program Studi Teknik lektro Fakultas Teknik dan Ilmu Komputer Universitas Mercu Buana Yogyakarta 009 KULIAH SISTM PNGOLAHAN

Lebih terperinci

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi. TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh

Lebih terperinci

Distribusi Normal, Skewness dan Qurtosis

Distribusi Normal, Skewness dan Qurtosis Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan

Lebih terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.

Lebih terperinci

Bab 3 Kinerja Rata-rata dan Variabilitas

Bab 3 Kinerja Rata-rata dan Variabilitas Bab 3 Kinerja Rata-rata dan Variabilitas Dr. Yeffry Handoko Putra UNIVERSITAS KOMPUTER INDONESIA Page 1 ANALISIS DATA TERUKUR Kejadian Independen Variabel acak (random variable) Cumulative Distribution

Lebih terperinci

REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak

REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Abstrak REGRESI KUANTIL (STUDI KASUS PADA DATA SUHU HARIAN) Rita Rahmawati 1, Widiarti 2, Pepi Novianti 3 1) Program Studi Statistika FMIPA Undip 2) Sekolah Pascasarjana Departemen Statistika IPB 3) Jurusan Matematika

Lebih terperinci

Metode Sampling dan Teorema Central Limit

Metode Sampling dan Teorema Central Limit Metode Sampling dan Teorema Central Limit Tjipto Juwono, Ph.D. Oct 28, 2016 TJ (SU) Metode Sampling dan Teorema Central Limit Oct 2016 1 / 52 Mengapa Perlu Sampling? Contoh Kita ingin mengetahui elektabilitas

Lebih terperinci

STK511 Analisis Statistika. Bagus Sartono

STK511 Analisis Statistika. Bagus Sartono STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Deskripsi Data Hasil Penelitian Setelah melakukan penelitian, peneliti mendapatkan hasil studi lapangan berupa data tentang hubungan antara intensitas pendidikan agama

Lebih terperinci

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang

Lebih terperinci

The Central Limit Theorem

The Central Limit Theorem Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel

Lebih terperinci

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg

Lebih terperinci