UJI NORMALITAS DAN FUNGSI LINEAR KEPADATAN PENDUDUK SALATIGA TAHUN 2008

Ukuran: px
Mulai penontonan dengan halaman:

Download "UJI NORMALITAS DAN FUNGSI LINEAR KEPADATAN PENDUDUK SALATIGA TAHUN 2008"

Transkripsi

1 UJI NORMALITAS DAN FUNGSI LINEAR KEPADATAN PENDUDUK SALATIGA TAHUN 8 Haa A. Parhusi, Evi Kusumawardhai da Dyah Kristati Ceter of Alied Mathematics (CAM) Program Studi Matematika Idustri da Statistika Uiversitas Kriste Satya Wacaa ABSTRAK Pada makalah ii dituukka ui ormalitas data keeduduka Kota Salatiga yag terdiri dari kecamata yaitu (Sidoreo, Sidomukti, Argomulyo, da Tigkir berdasarka eis kotrasesi yag diguaka. Data mula-mula memberika determia matriks kovariasi yag dekat di ol sehigga ivers matriks kovariasi tidak terdefiisi. Utuk itu data ditrasformasi sehigga data daat berdistribusi ormal. Selautya data keadata eduduk tia kecamata sebagai fugsi liear eggua alat kotrasesi. Sedagka arameter ada regressi liear diberika melalui metode kuadrat terkecil yag meghasilka ilai edekata keadata eduduk yag tidak auh beda dari data sebearya (kurag dari 5%). Utuk keadata eduduk secara keseluruha di Salatiga tidak daat sebagai fugsi liear eggua alat kotrasesi karea error lebih dari 5%. Kata kuci : ui ormalitas data, fugsi liear, Hotellig T PENDAHULUAN Pada aalisa statistika serigkali diguaka asumsi bahwa data yag diaalisa berdistribusi ormal. Selautya daat dilakuka aalisa lebih laut. Aka tetai serigkali data tidak selalu berdistribusi ormal sehigga asumsi yag diguaka tidak teat. Hal ii berakibat ika data tidak berdistribusi ormal maka hasil-hasil aalisa dega asumsi data berdistribusi ormal meadi tidak bear. Utuk itu dierluka ui distribusi ormalitas data. Hal iilah yag aka dituukka ada makalah ii. Data yag diguaka adalah umlah eduduk berdasarka tie alat kotrasesi agka aag ada eduduk di Kota Salatiga, Jawa Tegah yag memiliki kecamata (Sidoreo, Sidomukti, Argomulyo, da Tigkir) da keadata eduduk Kota Salatiga er km. Data yag diambil dari Salatiga Dalam Agka Tahu 8 (Baeda Kota Salatiga, 9) ii aka diolah dega ui ormalitas. Setelah diketahui distribusi ormalya maka aka dituukka keadata eduduk sebagai fugsi eis alat kotrasesi yag diguaka. Pada Bagia aka dituukka teori yag diguaka. Sedagka metode eelitia dituukka ada Bagia. Utuk hasil aalisa dituukka ada Bagia yag kemudia disimulka ada bagia akhir makalah ii. 6

2 UJI NORMALITAS DATA MULTIVARIAT Pada makalah ii dituukka ui ormalitas utuk data keeduduka Kota Salatiga yag terdiri dari kecamata yaitu (Sidoreo, Sidomukti, Argomulyo, da Tigkir). Sebagaimaa disebutka ada Pedahulua, data yag diguaka adalah tetag eis egguaa kotrasesi. Utuk itu erlu disimbolka terlebih dahulu yaitu : X := variabel radom eis kotrasesi IUD, X :=variabel radom eis kotrasesei MOP, X := variabel radom eis kotrasesei MOW, X := variabel radom eis kotrasesi susuk. Meurut (Johso ad Wicher,,hal.) maka aalisa data multivariat dituukka sebagai berikut. Diketahui utuk variabel radom X berdistribusi ormal memuyai fugsi desitas / / f ( ) e,. () Sedagka utuk variabel radom X yag multivariat sebutlah desitas gabuga berbetuk X,..., X memuyai fugsi ' / f ( ) e () / dega : bayakya observasi ada tia variabel radom, : matriks kovariasi dari oulasi, : determia matriks kovariasi oulasi,: bayakya variable radom, :rata-rata oulasi, ilai idividu oulasi utuk i=,,. Notasi ( ) meyataka vektor kolom samel yag dikuragka dega rata-rata tia variabel radom X, =,..., sedagka / dari matriks kovariasi. Betuk ' lebih sederhaa ditulis ( )' meyataka trasosya da meyataka ivers ' meyataka betuk skalar sehigga secara c. Hal ii dikareaka secara geometri betuk ' meyataka betuk ellisoida (Johso,, hal.8-). Tetag hal ii tidak dibahas lebih laut ada makalah ii. Pegguaa ersamaa () utuk aalisa data megguaka samel yag dituukka ada Tabel. Oleh karea itu otasi matriks kovariasi da rata-rata diguaka berturut-turut adalah S da. Betuk ' yag mucul ada eksoe ersamaa () sagat meetuka ormalitas data. Hal ii dituukka ada eryataa berikut. Teorema. Jika X= [ X,..., X ] berdistribusi (, ) N dega > maka 6

3 ' terdistribusi X ( ), dega X ( ) meyataka chi-square. distribusi dega deraat kebebasa sebesar.. N (, ) meyataka distribusi utuk robabilitas (- ) ellisoida ' : ( ) dari distribusi ( ) X ( ) Oleh karea itu sebagai ui ormalitas data yaitu : dega X ( ) meyataka batas atas rosetase ke X. Bukti : (Johso ad Wicher,,hal.). ' X ( ) dega X ( ) meyataka distribusi chi-squre. Persamaa () tersebut ika tidak dieuhi maka data diagga tidak berdistribusi ormal. Diagga bahwa variabel radom salig bebas (mutually ideedet) sehigga fugsi desitas gabuga utuk semua observasi diyataka sebagai ( )' ( ) / (,..., ) e / /. (a) ( ) () Utuk lebih elasya dituukka dega cotoh. Sebelumya, data erlu diyataka dalam betuk tak berdimesi yaitu membagi tia idividu data dega ilai maksimum masig-masig variabel. Cotoh. Ui Normalitas Sidoreo Diketahui bayakya data ada keluraha Sidoreo adalah =6 yag dituuka ada Tabel. Tabel. Data eggua kotrasesi ada tia desa di kecamata Sidoreo keluraha PUS Metode Kotrasesi Jagka Paag AKDR MOP MOW Susuk (eliqible coule) IUD Vasectomi Tubectomi Imlat I. SIDOREJO Blotoga Sidorea Lor Salatiga Bugel Kauma Kidul Puluta Persamaa () diguaka dega α=.7. Data yag diguaka ada Tabel dega.7, =.878, dieroleh hasil aalisaya yaitu tidak ada data yag berdistribusi ormal. Oleh karea itu rasio atara selisih bayakya data dega data yag tidak berdistribusi omal da bayakya keluraha adalah (>.7). Ii megartika bahwa data Sidoreo berdistribusi ormal. 65

4 Utuk meyusu fugsi desitas gabuga maka diguaka formula ada ersamaa (). Matriks kovariasiya adalah S = Meurut ersamaa (a) dieroleh S sehigga,..., ) yag berdimesi maka dieroleh / / (. Kemudia dega data S sehigga,..., ). Hal ii berarti asumsi ( yag diguaka salah bahwa variabel radom salig bebas (mutually ideedet). Kita daat membuat eryataa berikut. / (,..., ) Proosisi. Jika ada ersamaa (a) maka. Jika / maka (,..., ). Akibat. Jika,..., ) atau,..., ) maka variabel radom tidak salig bebas ( (mutually ideedet). ( Berdasarka roosisi, maka fugsi desitas ada ersamaa () meadi f() utuk S da f() utuk S. Jika hal ii teradi maka salah satu cara agar daat meyusu fugsi desitas ormal adalah dega metrasformasi data meadi ormal (Johso da Wicher,,hal.6). Traformasi erlu diilih yag teat karea terdaat beberaa trasformasi. Salah satu usula dega Hal ii dituukka ada Bagia Aalisa da Pembahasa. X b X. (b) Keadata Peduduk Sebagai Fugsi Liear Peggua Alat Kotrasesi dega metode kuadrat terkecil Sebut Y:=variabel keadata eduduk, X := variabel radom eis kotrasesi IUD, X :=variabel radom eis kotrasesei MOP, X := variabel radom eis kotrasesei MOW, da X := variabel radom eis kotrasesi susuk. Diasumsika Y,, a a a a a (5a), dega koefisie a, a, a, a dicari berdasarka data da diasumsika E( ) da Var( )=. Hal ii daat dilakuka dalam metode kuadrat terkecil (Parhusi,9). Y meyataka variabel reso yag daat ula lebih dari macam variabel reso. Jika variabel reso adalah Y = [ Y, Y,, Y ] T da,,, r adalah variabel rediktor maka model regresi liear secara umum adalah Y=X a + e (5b) 66

5 Y r a atau Y r a. (5c) Y z z zr ar r Perhatika bahwa matriks X memuat kolom ertama berilai tia barisya, sedagka kolomkolom berikutya adalah data yag kita uyai. Metode kuadrat terkecil secara umum adalah memiimumka kuadrat arak kuadrat arak S(a) = ˆ ˆ ˆ a a ar r y = (y Xa) T (y Xa). (5d) Hasil otimasi emiimuma (5d) memberika hasil ada Teorema. Teorema. Agga bahwa X uya rak euh dega r +. Nilai estimasi arameter ada ersamaa (5b) diberika oleh â = (X T X) - X T y. Bukti tidak diberika ada makalah ii (daat diruuk ada literatur). Ui Hiotesis Rata-Rata Peggua Alat Kotrasesi er Kecamata di Kota Salatiga Setelah diui ormalitas data Peggua Alat Kotrasesi di kota Salatiga, selautya ada makalah ii aka dituuka ui hiotesis dega meduga vektor rata-rata data er variabel. Dalam hal ii variabel yag dimaksud adalah : =bayakya orag eggua alat kotasesi eis IUD, =data bayakya orag eggua alat kotasesi eis MOP, = bayakya orag eggua alat kotasesi eis MOW, = bayakya orag eggua alat kotasesi eis susuk. Berikut ii diguaka ustaka (Johso da Wicher, ). Dega ilai dugaa disimbolka dega, H : μ = da H : μ dimaa ilai kita tetuka sediri. Selautya aka dicari ilai Hotellig dimaa T utuk megetahui ilai dugaa diterima atau ditolak dega ersamaa X ' S X T (6) dega T S adalah ivers dari kovariasi S X X X X. Dikataka H : μ = ditolak ika ilai distribusi... T yag dimaksud adalah = ( ) ( ) F, adalah bayakya variabel. Jadi H : μ = ditolak ika T X da X T > ( ilai distribusi). Nilai, dega adalah bayakya oulasi da ( ) ' (7) ( ) X S X F, Jika X tidak rak euh maka (X T X) - digatika oleh geeralized ivers dari X T X. 67

6 Setelah diketahui H : μ = ditolak atau diterima, dilautka mecari iterval keercayaa utuk vektor rata-rataya, utuk membuktika ilai dugaa vektor rata-rata berada didalam iterval atau diluar dega megguaka ersamaa t t t S S t S S t S S t. (8) METODE PENELITIAN Sumber Data Data yag diguaka adalah egguaa tie alat kotrasesi agka aag ada eduduk di Kota Salatiga, Jawa Tegah yag memiliki kecamata (Sidoreo, Sidomukti, Argomulyo, da Tigkir) da keadata eduduk Kota Salatiga er km. Data yag diambil dari Salatiga Dalam Agka Tahu 8 dituukka ada Tabel da Tabel. Ui Normalitas Data Multivariat Kita aka megui ormalitas data dega mehitug determia matriks kovariasi utuk masigmasig kecamata. Utuk selautya data digabugka dega megui ormalitas data taa tergatug ada wilayah yag diguaka. Demikia ula ormalitas atara () variabel atar wilayah yag berbeda. Aka tetai ika data yag dieroleh tidak memeuhi Proosisi () maka data erlu ditrasformasi utuk dekat dega ormal meurut ersamaa (b). Keadata Peduduk Sebagai Fugsi Liear Peggua Alat Kotrasesi Dega megguaka ersamaa () da data keadata eduduk Salatiga utuk tahu 8 ada Tabel, kita aka mecari ilai koefisie dari a ˆ, aˆ ˆ ˆ, a, a. Kita asumsika bahwa X := variabel radom eis kotrasesi IUD, X :=variabel radom eis kotrasesei MOP, X := variabel radom eis kotrasesei MOW, X := variabel radom eis kotrasesi susuk. Berdasarka ilai koefisie da asumsi variabel radom tersebut daat diaalisa tetag keadata eduduk sebagai fugsi liear terhada eggua alat kotrasesi diseluruh kecamata yag berada di Kota Salatiga. 68

7 Tabel. Data eggua kotrasesi di Kota Salatiga ada tahu 8 Keluraha PUS Metode Kotrasesi Jagka Paag AKDR MOP MOW Susuk (eliqible coule) IUD Vasectomi Tubectomi Imlat I. SIDOREJO Blotoga Sidorea Lor Salatiga Bugel Kauma Kidul Puluta II. Tigkir Kutowiagu Gedoga Sidoreo Kidul Kalibeig Tigkir lor Tigkir Tegah III. Argomulyo Noboreo Ledok Tegalreo Kumulreo Raduacir Ceboga IV. Sidomukti Kecadra Dukuh Magusari Kalicacig

8 Tabel. Data Keadata Peduduk Kota Salatiga ada tahu 8 er km Keluraha 65 Keadata eduduk er km I. SIDOREJO Blotoga SidoreoLor Salatiga Bugel,876,898,97,95,98 5. Kauma Kidul Puluta II. Tigkir Kutowiagu Gedoga Sidoreo Kidul ,8,86. Kalibeig ,6, Tigkir lor Tigkir Tegah III. Argomulyo Noboreo Ledok Tegalreo Kumulreo Raduacir Ceboga IV. Sidomukti Kecadra 7 5. Dukuh Magusari Kalicacig Keadata/km 95 7 Ui Hiotesis Dega Meduga Vektor Rata-Rata Peggua Alat Kotrasesi er Kecamata di Kota Salatiga Ui hiotesis dega meduga vektor rata-rata daat dilakuka dega mudah dega megikuti alur dasar teori. Data yag sudah dibawa kedalam data tak berdimesi. Data tak berdimesi disii memiliki maksud setia data er variabel dibagi dega data maksimum yag ada ada variabel tersebut, ii dimaksudka memermudah dalam megaalisis data agar tidak ada data ecila. Lagkah awal adalah meduga ilai rata-rata data. Kemudia dicari ilai er variabel da S utuk medaatka ilai Hotellig T seerti ada ersamaa (6). Selautya dega data,,da tabel distribusi F utuk memeroleh ilai dari distribusi T (Persamaa (7)). Jika ilai Hotellig T da ilai dari distribusi T telah dieroleh, ersamaa (7) diteraka utuk meetuka H : μ = ditolak atau diterima. Bilamaa semua telah diketahui maka ersamaa (8) dikeraka utuk medaatka iterval keercayaa.

9 ANALISA DAN PEMBAHASAN Hasil Ui Normalitas Sebagaimaa dituukka ada studi literatur fugsi desitas f() utuk S da f() utuk S. Utuk wilayah Sidoreo dieroleh data yag berdimesi maka S da utuk data Sidoreo tak berdimesi dieroleh S. Hal ii meyebabka tidak terdefiisiya S. Demikia ula utuk ketiga kecamata yag lai (Tigkir, Argomulyo da Sidomukti). Hal ii mugki disebabka bayakya data () sama dega bayakya variabel (). Utuk itu aka diselidiki ormalitas data eduduk eggua kotrasesi seluruh kota Salatiga taa megelomokka er-kecamata. Teryata dega megguaka = da = teta dieroleh data yag berdimesi maka S da utuk data tak berdimesi dieroleh S. Utuk itu diguaka trasformasi. Trasformasi data meadi ormal Trasformasi ii diguaka utuk data =. Dega trasformasi tersebut dieroleh S = Utuk meyusu fugsi desitas meurut ersamaa () maka dierluka meghitug ivers dari matriks kovariasi. Jarak kuadrat ada agkat eksoe ersamaa () berua b, b, T ( X b ) S ( Xb ) = T b, b, b, b, b, b, b, b, b, b, S b, b, b, b, = T 8. 5 b, b, 5..8 b, 86.5 b, Sehigga fugsi desitas utuk variabel yag baru adalah f ( b, b, b, b) e ( ) (.798) dega c memeuhi ersamaa (9) c / b -.67 b. b.99 b,.(9), Kita daat megui aakah atara variabel X, X ) salig bebas i,=,, dega meyelidiki ( b, i b, Cov X, X ). Daat dituukka bahwa Cov X, X ) buka matriks. Hal ii berarti kita ( b, i b, ( b, i b, tidak daat meyusu fugsi desitas gabuga meurut ersamaa (a). Keadata Peduduk Sebagai Fugsi Liear Peggua Alat Kotrasesi Dega megguaka ersamaa () da Teorema 5, maka keadata eduduk Salatiga daat diyataka sebagai fugsi liear : a. Sidoreo Y(,,, ) ( ) dega error 8.7%. Hal ii daat diilustrasika ada Gambar. b. TigkirY(,,, ) ( dega error.8% (Gambar ).,, 65

10 c. Argomulyo Y,,, ) ( ( dega error.659%(gambar ) d. Sidomukti Y (,,, ) ( dega error.% (Gambar ) Gambar. Ilustrasi keadata eduduk sebagai fugsi eggua alat kotrasesi ada kecamata Sidoreo ada tahu 8 (*: data, o : edekata liear). Gambar. Ilustrasi keadata eduduk sebagai fugsi eggua alat kotrasesi ada kecamata Tigkir ada tahu 8 (*: data, o : edekata liear).. Gambar. Ilustrasi keadata eduduk sebagai fugsi eggua alat kotrasesi ada Kecamata Argomulyo ada tahu 8. (*: data, o : edekata liear). Gambar. Ilustrasi keadata eduduk sebagai fugsi eggua alat kotrasesi ada Kecamata Sidomukti ada tahu 8. (*: data, o : edekata liear). Keadata eduduk setia Kecamata di Kota Salatiga telah diyataka sebagai fugsi liear eggua alat kotrasesi dega Dega edekata ilai koefisie a, a, a, a daat dilihat ada Gambar, Gambar, Gambar, da Gambar yag meuukka bahwa atara data da ilai edekata tidak auh beda. 65

11 Aka tetai keadata eduduk kota Salatiga secara keseluruha sebagai fugsi liear dari variabel (tie kotrasesi yag diguaka) tidak cuku baik. Hal ii dituukka dega error sekitar 5% sebagaimaa dituukka ada Gambar 5. Gambar 5. Ilustrasi keadata eduduk sebagai fugsi eggua alat kotrasesi ada kota Salatiga ada tahu 8 (*: data, o : edekata liear). Ui Hiotesis Rata-Rata Peggua Alat Kotrasesi er Kecamata di Kota Salatiga Megguaka data Peggua Alat Kotrasesi er Kecamata di Kota Salatiga seerti ada Tabel, kita duga vektor rata-rata adalah [ ]. Setelah itu dega batua rogram Matlab 6.5 ersamaa (6) dialaka, da dieroleh ilai T sebesar Kemudia dicari ilai distribusi T dega = da = dega tabel F didaat,668. Meurut ersamaa(7), H ditolak ika ilai T > ilai ditribusi. Sebalikya H diterima ika ilai hasil terlihat bahwa ilai T =9.78 <.668, maka H diterima. 65 T < ilai ditribusi. Dari Telah diketahui bahwa H diterima selautya dega megasumsika tigkat keercayaa yag diguaka adalah 95%, iterval vektor rata-rata yag sesugguhya daat dieroleh dega ersamaa (8) sebagai berikut : Dega ilai dugaa vektor rata-rata awal [ ], maka ilai tersebut masuk dalam iterval. KESIMPULAN Pada makalah ii telah dibahas ui ormalitas utuk data eggua alat kotrasesi ada tia kecamata di Kota Salatiga Dieroleh data berdistribusi ormal dega trasformasi. Sedagka keadata eduduk tia Kecamata diyataka dalam fugsi liear dari variabel eggua alat kotrasesi agka aag dega error kurag dari 5%. Sedagka eduduk kota Salatiga tidak daat diyataka sebagai fugsi liear dari variabel eggua alat kotrasesi agka aag karea error lebih dari 5%.

12 DAFTAR PUSTAKA [] Johso,R.A. ad Wicher, D. W.. Alied Multivariate Statistical Aalysis. Third Editio. Pretice Hall. New Jersey. [] Parhusi H. A. 9. Elemetary Derivatio of Efficiet Frotier Based O the Efficiecy Fuctio, Proceedigs of th Iteratioal Coferece o Mathematics ad Statistics (ICOMS 9), Uiversitas Malahayati Badar ad Uiv.Malahayati, ISSN , age

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

1. Pendahuluan. Materi 3 Pengujuan Hipotesis Materi 3 Pegujua Hiotesis. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu atau lebih oulasi) Kebeara suatu hiotesis diuji dega megguaka statistik samel hiotesis

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB 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 terperinci

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n

PROSES INFERENSI PADA MODEL LOGIT. Oleh: Agus Rusgiyono Program Studi Statistika FMIPA UNDIP. 1 n PROSS INFRNSI PADA MODL LOGIT Oleh: Agus Rusgiyoo Program Studi Statistika FMIPA UNDIP Abstracts Let { 3 L } rereset the resose o a omial radom variable o Beroulli distributio with P[ ] P[ ] where is a

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. 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 terperinci

Inferensia dan Perbandingan Vektor Nilai Tengah

Inferensia dan Perbandingan Vektor Nilai Tengah Iferesia da Perbadiga Vektor Nilai egah Perbadiga Kasus Peubah uggal da Peubah Gada Peduga titik arameter ilai tegah Peduga selag ilai tegah Peguia hioteis ilai tegah satu oulasi Peguia beda ilai tegah

Lebih terperinci

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran

BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN

4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN 4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN

JURNAL 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 terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. 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

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak.

BAB III METODOLOGI START. Baca Input Data γ, c, φ, x 1, y 1, x 2, y 2, x 3, y 3, x 4, y 4, D. Menghitung FK Manual. Tidak. BAB III METODOLOGI 3.. ALUR PROGRAM (FLOW CHART) Seerti telah dijelaska sebelumya, bahwa tujua dari eelitia ii adalah utuk megaalisis suatu kasus stabilitas lereg. Aalisis stabilitas lereg tergatug ada

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI 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 terperinci

Perilaku Distribusi Bernoulli. Definisi: Bernoulli. Contoh Binomial. Contoh Binomial

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 terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan 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 terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.

III. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan. 9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007

Pengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007 1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,

Lebih terperinci

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN

PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB 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 terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag

Lebih terperinci

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 31-41, April 2004, ISSN : Vol. 7. No. 1, 31-41, April 24, ISSN : 141-8518 Peetua Kestabila Sistem Kotrol Lup Tertutup Waktu Kotiu dega Metode Trasformasi ke Betuk Kaoik Terkotrol Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah

BAB I PENDAHULUAN. A. Latar Belakang Masalah BAB I PENDAHULUAN A. Latar Belakag Masalah Struktur alabar adalah suatu himpua yag di dalamya didefiisika suatu operasi bier yag memeuhi aksioma-aksioma tertetu. Gelaggag ( Rig ) merupaka suatu struktur

Lebih terperinci

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali

Kestabilan Rangkaian Tertutup Waktu Kontinu Menggunakan Metode Transformasi Ke Bentuk Kanonik Terkendali Jural Tekika ISSN : 285-859 Fakultas Tekik Uiversitas Islam Lamoga Volume No.2 Tahu 29 Kestabila Ragkaia Tertutup Waktu Kotiu Megguaka Metode Trasformasi Ke Betuk Kaoik Terkedali Suhariyato ) Dose Fakultas

Lebih terperinci

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.

METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc. METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES

(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug

Lebih terperinci

PENGANTAR MODEL LINEAR Oleh: Suryana

PENGANTAR MODEL LINEAR Oleh: Suryana PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel

Lebih terperinci

BAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.

BAB 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 terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN 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 terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 JRA TEKIK OITS Vol. o. -6 Aalisis eta Kedali megguaka Kualitas Fuzzy ada ergesera ilai Rata-Rata da iasi dari Suatu roses Rollita utri Karei I G Rai sadha aksmi rita Wardhai Jurusa atematika Fakultas IA

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28

BAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28 5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Makalah ANALISIS REGRESI DAN REGRESI GANDA

Makalah ANALISIS REGRESI DAN REGRESI GANDA 1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii

Lebih terperinci

PERTEMUAN 13. VEKTOR dalam R 3

PERTEMUAN 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 terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA

KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA KARAKTERISTIK GRUP YANG DIBANGUN OLEH MATRIKS N X N DENGAN ENTRI BILANGAN BULAT MODULO P, P PRIMA Ibu Hadi Program Studi Matematika, Uiversitas Negeri Jakarta, Idoesia ibu_hadi@uj.ac.id, ibu_uj@yahoo.co.id

Lebih terperinci

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n)

BAB IV PERSAMAAN TINGKAT SATU DERAJAT TI NGGI (1-n) BAB IV ERSAMAAN TINGKAT SATU DERAJAT TI NGGI 1- Stadar Kometesi Setelah memelajari okok bahasa ii diharaka mahasiswa daat memahami ara-ara meetuka selesaia umum ersamaa dieresial tigkat satu derajat tiggi.

Lebih terperinci

Pendekatan Nilai Logaritma dan Inversnya Secara Manual

Pendekatan Nilai Logaritma dan Inversnya Secara Manual Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah

Lebih terperinci

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL

BAB III PENGGUNAAN METODE EMPIRICAL BEST LINEAR UNBIASED PREDICTION (EBLUP) PADA GENERAL LINEAR MIXED MODEL BAB III PENGGUNAAN MEODE EMPIRICAL BES LINEAR UNBIASED PREDICION (EBLUP PADA GENERAL LINEAR MIXED MODEL Pada Bab III ii aka dibahas megeai taksira parameter pada Geeral Liear Mixed Model berdasarka asumsi

Lebih terperinci

Pengujian Hipotesis. 1/26/2010 Pengujian Hipotesis 1

Pengujian Hipotesis. 1/26/2010 Pengujian Hipotesis 1 Pegujia Hiotesis /6/00 Pegujia Hiotesis Estimasi da Pegujia Pada ertemua sebelumya, samel diguaka utuk membuat estimasi iterval ilai arameter oulasi berdasarka suatu robabilitas keyakia yag kita tetuka.

Lebih terperinci

PERSAMAAN DIFERENSIAL

PERSAMAAN DIFERENSIAL PERSAMAAN DIFERENSIAL A. Persamaa Diferesial Liier Tigkat Satu Betuk umum ersamaa diferesial liier tigkat satu adalah sebagai berikut: P( ) y Q( ) d atau y P( ) y Q( ) Rumus eyelesaia umum utuk ersamaa

Lebih terperinci

Deret Fourier. Modul 1 PENDAHULUAN

Deret Fourier. Modul 1 PENDAHULUAN Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi

Lebih terperinci

BAB VI DERET TAYLOR DAN DERET LAURENT

BAB VI DERET TAYLOR DAN DERET LAURENT BAB VI DERET TAYLOR DAN DERET LAURENT. Deret Taylor Misal fugsi f() aalitik pada - < R ( ligkara dega pusat di da jari-jari R ). Maka utuk setiap titik pada ligkara itu, f() dapat diyataka sebagai : f

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

Bab 7 Penyelesaian Persamaan Differensial Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala

Lebih terperinci

6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi

6. 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 terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

II. TINJAUAN PUSTAKA. Secara umum apabila a bilangan bulat dan b bilangan bulat positif, maka ada tepat = +, 0 <

II. 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 terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN 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 terperinci

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN

KALKULUS 4. Dra. D. L. Crispina Pardede, DEA. SARMAG TEKNIK MESIN KALKULUS Dra. D. L. Crispia Pardede DEA. SARMAG TEKNIK MESIN KALKULUS - SILABUS. Deret Fourier.. Fugsi Periodik.2. Fugsi Geap da Gajil.3. Deret Trigoometri.. Betuk umum Deret Fourier.. Kodisi Dirichlet.6.

Lebih terperinci

PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR

PENERAPAN 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 terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB 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 terperinci

9 Departemen Statistika FMIPA IPB

9 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 terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai definisi suatu ring serta BAB II LANDASAN TEORI Pada bab ii aka dibahas megeai defiisi suatu rig serta beberaa sifat yag dierluka dalam embahasa oliomial ermutasi Pejelasa megeai rig dimulai dega defiisi dari suatu sistem matematika

Lebih terperinci

Bab6 PENAKSIRAN PARAMETER

Bab6 PENAKSIRAN PARAMETER Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa

BAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa 54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN Sedagka itegrasi ruas kaa utuk ersamaa (3b) diperoleh ds / = S... (36) Dega demikia pesamaa yag harus dipecahka adalah l 1 1 u u = S (37) Dari ersamaa (37) diperoleh persamaa utuk u u S = exp S 1exp S...

Lebih terperinci

2 BARISAN BILANGAN REAL

2 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 terperinci

: XII (Dua Belas) Semua Program Studi. : Gisoesilo Abudi, S.Pd

: XII (Dua Belas) Semua Program Studi. : Gisoesilo Abudi, S.Pd R e f r e s h Program Diklat K e l a s M a t e r i Pegajar : M A T E M A T I K A : XII (Dua Belas) Semua Program Studi : S t a t i s t i k a : Gisoesilo Abudi, S.Pd Kajia Materi Peyampaia Data Diagram

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (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 terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 1, 39-46, April 2002, ISSN :

JURNAL MATEMATIKA DAN KOMPUTER Vol. 5. No. 1, 39-46, April 2002, ISSN : JURNAL MATEMATKA DAN KOMPUTER Vol 5 No, 39-46, April 22, SSN : 4-858 MENCAR SOLUS PENAKSR PARAMETER PADA ANALSS VARANS DENGAN PENDEKATAN GENERAL NVERS Sukestiaro Jurusa Matematika FMPA Uiversitas Negeri

Lebih terperinci

PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart

PENGGUNAAN 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 terperinci

Ruang Vektor. Modul 1 PENDAHULUAN

Ruang Vektor. Modul 1 PENDAHULUAN Modul Ruag Vektor Dr. Irawati D PENDAHULUAN alam buku materi okok Aljabar II ii kita secara erlaha-laha mulai megubah edekata kita dari edekata secara komutasi mejadi edekata yag lebih umum. Yag dimaksud

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. 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 terperinci

Barisan Aritmetika dan deret aritmetika

Barisan Aritmetika dan deret aritmetika BARISAN DAN DERET BILANGAN Peyusu: Atmii Dhoruri, MS Kode: Jejag: SMP T/P: / A. Kompetesi yag diharapka. Meetuka suku ke- barisa aritmatika da barisa geometri. Meetuka jumlah suku pertama deret aritmatika

Lebih terperinci

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL

JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, , Desember 2003, ISSN : INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL JURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 3, 118-70, Desember 003, ISSN : 1410-8518 INTERVAL SELISIH RATA-RATA DENGAN METODE BOOTSTRAP PERSENTIL Akhmad Fauzy Statistika FMIPA UII Yogyakarta & siswa Ph.D

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4 Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA

TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program

Lebih terperinci

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011

III. METODE PENELITIAN. kelas VIII semester ganjil SMP Sejahtera I Bandar Lampung tahun pelajaran 2010/2011 III. METODE PENELITIAN A. Latar Peelitia Peelitia ii merupaka peelitia yag megguaka total sampel yaitu seluruh siswa kelas VIII semester gajil SMP Sejahtera I Badar Lampug tahu pelajara 2010/2011 dega

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi 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 terperinci

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah

III PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka

Lebih terperinci

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.

i adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas. 4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN

HUBUNGAN 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 terperinci

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian

BAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. 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 terperinci

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy

BAB III PEMBAHASAN. Pada BAB III ini akan dibahas mengenai bentuk program linear fuzzy BAB III PEMBAHASAN Pada BAB III ii aka dibahas megeai betuk program liear fuzzy dega koefisie tekis kedala berbetuk bilaga fuzzy da pembahasa peyelesaia masalah optimasi studi kasus pada UD FIRDAUS Magelag

Lebih terperinci

BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus

BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS. Pada bab ini akan dibahas tentang bentuk model spasial lag sekaligus BAB III ESTIMASI PARAMETER MODEL DENGAN GS2SLS Pada bab ii aka dibahas tetag betuk model spasial lag sekaligus spasial error da prosedur Geeralized Spatial Two Stage Least Squares (GS2SLS) utuk megestimasi

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika 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 terperinci

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN

PENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

STATISTIKA-2 (STATISTIKA INDUKTIF)

STATISTIKA-2 (STATISTIKA INDUKTIF) Brief Note o Iductive Statistics (014: revised editio) Drs. Basuki, M.Si. (origial editio : 1995) STATISTIKA- (STATISTIKA INDUKTIF) MATERI KULIAH: 1. TEORI PROBABILITAS (TEORI PELUANG). DISTRIBUSI PROBABILITAS

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi 5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki

Lebih terperinci

Persamaan Non-Linear

Persamaan 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 terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya

Lebih terperinci

KARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN

KARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN JMP : Volume 3 Nomor, Jui 2 KARAKTERISTIK NILAI EIGEN DARI MATRIKS LAPLACIAN Siti Rahmah Nurshiami, Mutia Nur Estri, Noor Sofiyati Program Studi Matematika, Fakultas Sais da Tekik Uiversitas Jederal soedirma,

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t 34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT

PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Prosidig Semiar Nasioal Matematika da Terapaya 06 p-issn : 0-0384; e-issn : 0-039 PENENTUAN SOLUSI RELASI REKUREN DARI BILANGAN FIBONACCI DAN BILANGAN LUCAS DENGAN MENGGUNAKAN FUNGSI PEMBANGKIT Liatus

Lebih terperinci