Prosiding Statistika ISSN:

Ukuran: px
Mulai penontonan dengan halaman:

Download "Prosiding Statistika ISSN:"

Transkripsi

1 Prosidig Statistia ISSN: Ui Kesamaa Beberapa Rata-Rata Pegaruh Pemafaata Bateri Peghasil Fitase (Patoea agglomeras) Dalam Rasum Terhadap Bobot Potog Ayam Broiler Megguaa Ui Krusal-Wallis da Over-Mea-Ra Fuctio Test the Similarity of Some Average Ifluece the Utilizatio of Phytase-Producig Bacteria i The Ratios Agaist the Weight of the Chice Broiler use Test Kw ad Omr Fuctio 1 Mulia Idriai, Nusar Haarisma da 3 Abdul Kudus 1,,3 Prodi Statistia, Faultas Matematia da Ilmu Pegetahua Alam, Uiversitas Islam Badug, Jl. Tamasari No. 1 Badug mulia.idriai@ymail.com, usarhaarisma@yahoo.com, 3 audus69@gmail.com Abstract. I this paper, described o the similarities a few of the ifluece of the utilizatio of bacteria fitase (Patoea agglomeras) i ratios to the weight of pieces of chice the broiler by usig Krusal- Wallis, ad Over-Mea Ra fuctio test. The aalysis variaces is oe techique statistical parametric are used to test out the similarity of the average of three or more groups or treatmet. Aava assume that residue of distributio is ormal ad variaces from the residue is homogeeity. I practical, assume about ormality ad homogeeous variaces residue was ot accepted. Whe assumes the ormality is ot accepted so, the approachmet that used to do is statistical o-parametri. To solve the problem ca be used several methods of test is the Krusal-Wallis, ad the Over-Mea-Ra Fuctio. The excess of the Krusal-Wallis is alterative from the Ma-Whitey test, where the test are able to use ito two gropus depedet variable, while Krusal-Wallis test ca be used i more tha two groups. However, the Krusal- Wallis have a wea poit that is if you foud the twis more tha 5 % of the observatio led to the eed for correctios to the formula calculatios Krusal-Wallis. Krusal-Wallis test complete by the Over- Mea-Ra fuctio, where over-mea-ra fuctio test to give a very good fit for this fuctio util for small sample sizes. This method does ot require ormality ad equal variace assumptios, stables i terms of type 1 error, less affected by ties ad is show graphically. The data will be used is a secodary effect of bacteria fitase (Patoea agglomeras) o ratios i weight broiler chice got from report result of research by Haryadi, Dwi (007). This research was experimetal research completely radomized desig (RAL) cosist of three treatmet ad each of that repeatedly five times. Keywords: ANOVA, Chice Broiler, F-distributio test, Krusal-Wallis test, Over-Mea-Ra Fuctio test, Ra, Ties. Abstra. Dalam maalah ii dielasa megeai ui esamaa beberapa rata-rata pegaruh pemafaata bateri fitase (patoea agglomeras) dalam rasum terhadap bobot potog ayam broiler megguaa ui Krusal-Wallis, da Ui-Over-Mea Ra fuctio. Aalisis varias merupaa salah satu tei statistia parametric yag diguaa utu megui esamaa rata-rata dari tiga atau lebih elompo atau perlaua. Aava megasumsia residu berdistribusi ormal da varias dari residuya bersifat homogey. Dalam pratiya asumsi tetag ormalitas da homoge varias residu ii tida terpeuhi. Pada saat asumsi tersebut tida terpeuhi maa pedeata yag biasa diguaa adalah metode statistia o-parametri. Utu megatasi masalah tersebut dapat diguaa beberapa metode ui yaitu ui Krusal-Wallis, da ui Over-Mea-Ra Fuctio. Kelebiha dari ui Krusal-Wallis adalah alterative dari ui Ma-Whitey, dimaa ui tersebut haya dapat diguaa pada elompo variable depede, sedaga ui Krusal- Wallis dapat diguaa pada lebih dari elompo. Namu ui Krusal-Wallis memilii euraga yaitu ia ditemua aga embar sebaya lebih dari 5% ilai observasi megaibata perlu adaya oresi pada rumus perhituga Krusal-Wallis. Ui Krusal-Wallis emudia disempuraa oleh ui Over- Mea-Ra fuctio, dimaa ui ii memberia hasil yag sagat bagus utu uura sampel yag ecil, tida memerlua asumsi ormalitas da varias yag sama., stabil dalam esalaha tipe 1, urag dipegaruhi oleh data embar, dapat ditampila secara grafis. Data yag aa diguaa adalah data seuder pegaruh pemafaata bateri fitase (patoea agglomeras) dalam rasum terhadap bobot potog ayam broiler yag diperoleh dari lapora hasil peelitia Haryadi, Dwi (007). Peelitia ii megguaa metode esperime Racaga Aca Legap (RAL) yag terdiri dari 3 perlaua da maisg-masig diulag lima ali. Kata Kuci: ANOVA, Ui F, Ui Krusal-W, ui Over-Ma-Ra Fuc, Raig, Data Kembar. 45

2 46 Mulia Idriai, et al. A. Pedahulua Aalisis varias atau ANAVA merupaa salah satu tei statistia parametri yag diguaa utu megui esamaa rata-rata dari tiga atau lebih elompo atau perlaua. Ada beberapa asumsi yag harus dipeuhi pada implemetasi dari ANAVA, diataraya adalah asumsi megeai residuya berdistribusi ormal da varias dari residuya bersifat homoge. Aa tetapi, dalam pratiya asumsi tetag ormalitas da homoge varias residu ii tida terpeuhi. Dampa dari pelaggara ii adalah aa meyebaba eputusa yag dibawah dugaa (uder estimate) atau elebiha dugaa (over estimate) terhadap taraf yata percobaa yag sudah ditetua (Kesalaha Tipe 1), dugaa bagi tetap tida bias, tetapi ragam dari tasira tida lagi miimum (tida bersifat BLUE= Best Liear Uder Estimator), varias da galat bau tida lagi dapat diguaa utu peguia hipotesis da pembuata selag epercayaa bagi. Pada saat asumsi ormalitas tersebut tida terpeuhi maa pedeata yag biasa diguaa adalah metode statistia o-parametri. Utu megatasi masalah tersebut dapat diguaa beberapa metode yaitu: Ui Krusal-Wallis, da Ui Over- Mea-Ra Fuctio. Ui Krusal-Wallis adalah ui o-parametri berbasis raig yag tuuaya utu meetua adaah perbedaa sigifia secara statisti atara dua atau lebih elompo variabel idepede pada variabel depede yag bersala ordial. Peguia hipotesis melalui metode Krusal-Wallis merupaa pegembaga atau alteratif dari metode aalisis varias satu arah (oe way aalysis of variace) utu odisi dimaa beberapa persyarata tida bisa dipeuhi. Namu ui Krusal-Wallis memilii euraga yaitu ia ditemua aga embar sebaya lebih dari 5% ilai observasi megaibata perlu adaya oresi pada rumus perhituga Krusal- Wallis. Ui Krusal-Wallis emudia disempuraa oleh ui Over-Mea-Ra Fuctio. Over-mea-ra fuctio didefiisia sebagai persetase raig yag melebihi rata-rata global di setiap elompo. Statisti ui ii megiuti distribusi χ dega tigat esesuaia yag sagat bai higga uura sampel yag ecil. Keuggula dari ui over-mea-ra fuctio ii adalah tida memerlua asumsi ormalitas da asumsi varias yag sama, stabil dalam esalaha tipe 1, urag dipegaruhi oleh data embar, da dapat ditampila secara grafis. Berdasara latar belaag yag telah diuraia, tuua dalam peelitia ii diuraia dalam poo-poo sbb. 1. Utu megetahui hasil-hasil esamaa rata-rata dega ui Krusal-Wallis. Utu megetahui hasil-hasil esamaa rata-rata dega ui Over-Mea-Ra Fuctio. 3. Utu membadiga hasil rata-rata ui Krusal-Wallis dega ui Over- Mea-Ra Fuctio berdasara data riil. B. Ladasa Teori Istilah o-parametri pertama ali diguaa oleh Wolfowitz, pada tahu 194. Metode statistia o-parametri merupaa metode statisti yag dapat diguaa dega megabaia asumsi-asumsi yag meladasi pegguaa metode statistia parametri, terutama yag beraita dega distribusi ormal. Statisti oparametri dapat diguaa utu megaalisis data yag bersala omial atau ordial, area pada umuya data bereis omial da ordial tida meyebar Volume, No., Tahu 016

3 Ui Kesamaa Beberapa Rata-rata Pegaruh Pemafaata 47 ormal. Dari uura sampel, pada umuya statisti o-parametri diguaa utu data beruura ecil ( 30). Terdapat beberapa ui esamaa beberapa rata-rata etia varias heteroge: 1.) Ui F di Aalisis Varias Aalisis of variace atau ANOVA merupaa salah satu ui parametri yag berfugsi utu membedaa ilai rata-rata lebih dari dua elompo data dega cara membadiga (Ghozali, 009). Misala ita mempuyai populasi. Dari masig-masig populasi diambil sampel beruura. Misala pula bahwa populasi itu salig bebas da berdistribusi ormal dega ilai tegah µ 1, µ,..., µ, dega varias sama σ. Kita aa megui hipotesis beriut: H 0 : τ 1= τ = τ 3=...=0; Tida ada pegaruh perlaua terhadap respos H 1 : τ 1 τ τ ; Miimal ada satu perlaua yag mempegaruhi respos Misala y i adalah pegamata e- dari populasi e-i. Di sii Y i adalah total semua pegamata dalam sampel e-i, y i adalah rata-rata semua pegamata dalam sampel e-i, Y... adalah total semua pegamata, da y.. adalah rata-rata semua pegamata. Setiap pegamata dapat ditulisa dalam model beriut: y...(.1) i i i dimaa adalah simpaga pegamata e- dalam sampel e-i dari ilai tegah i populasi e-i. Utu megui hipotesis di atas dapat dilaua melalui Tabel Aalisis Varias (ANAVA) seperti yag disaia dalam Tabel.1 Tabel.1 Aalisis Varias bagi Klasifiasi satu Arah Sumber Variasi db Jumlah Kuadrat Kuadrat Tegah F Perlaua -1 JKP s 1 = JKP 1 Galat (-1) JKG s = JKG ( 1) F = s 1 s Total -1 JKT Selautya rumus hitug umlah uadrat utu megisi tabel aalisis varias di atas diberia oleh: Jumlah Kuadrat Total: JKT = ( y i i=1 i=1 Jumlah Kuadrat Perlaua: JKP = ( Y i. ) Y.. i =1 N ) Y.. N Jumlah Kuadrat Galat: JKG=JKT-JKP dimaa: N = i=1 i. Adapu riteria uiya adalah tola H 0 pada taraf yata α apabila F > F[α; ( 1)(N )]. Statistia, Gelombag, Tahu Aademi

4 48 Mulia Idriai, et al..) Ui Krusal-Wallis Ui Krusal-Wallis merupaa geeralisasi ui dua sampel Wilcoxo utu > sampel. Dipereala pertama ali pada tahu 195 oleh W.H. Krusal da W.A.Wallis. Aalisis varias raig satu arah Krusal-Wallis ii adalah ui yag sagat bergua utu meetua apaah sampel idepede berasal dari populasipopulasi yag berbeda. Dalam perhituga ui Krusal-Wallis ii, masig-masig N observasi digatia dega raig-ya. Yaitu, semua sor dalam seluruh sampel yag diguaa, diuruta (raig) dalam satu ragaia. Sor yag terecil yag digatia dega raig 1, yag setigat di atas yag terecil dega raig, da yag terbesar dega raig N. N = umlah seluruh observasi idepede dalam sampel itu. Sebelum esimpula ahir dapat dirumusa, beberapa prosedur peguia harus ditempuh. Diataraya adalah : Peguia Hipotesis utu Ui Krusal-Wallis adalah : H 0 : µ 1 =µ =...=µ ; tida ada perbedaa rata-rata raig atara perlaua elompo satu dega elompo yag laiya H 1 : µ 1 µ... µ ; ada perbedaa rata-rata raig atara perlaua elompo satu dega elompo yag laiya Statisti Ui: Dapat dituua bahwa ia seluruh sampel itu memag bear-bear dari populasi yag sama atau populasi-populasi yag ideti, yai ia H 0 bear, maa H (statisti yag diperguaa dalam ui Krusal-Wallis ii da didefiisia dega rumus (.): atau KW N 1 R R i 1 1 R i R 1 i1...(.) H 3N 1 N N (.3) Jia H 0 bear, maa H aa berdistribusi chi-uadrat dega deraat bebas db=-1, dega syarat bahwa uura-uura sampel itu tida terlalu ecil. Kriteria Ui: Apabila ilai chi-uadrat dalam tabel telah dietahui, perumusa riteria peguia dilaua. Adapu riteria peguia yag diberlaua adalah:. Jia H Tola H0 atau Jia H Terima H1 ; 1 ; 1 Jia aga sama/embar teradi atara dua sor atau lebih, tiap-tiap sor medapata raig yag sama, yaitu rata-rata raig-ya. Karea ilai H sediitbaya oleh aga sama, mugi ita igi megadaa oresi utu aga sama dalam meghitug H. Utu megadaa oresi berhubuga dega aibat aga sama itu, H dihitug dega rumus (.3) da emudia dibagi dega: 1 T N 3 N R R 1...(.4) dimaa : T : t -1 (t adalah baya observasi-observasi beraga sama dalam seragaia sor beraga sama) N : baya observasi dalam seluruh sampel bersama-sama, yai N = Σ ΣT u : umlah sor yag beraga sama dari tiap-tiap elompo Volume, No., Tahu 016

5 Ui Kesamaa Beberapa Rata-rata Pegaruh Pemafaata 49 Dega demiia, rumus umu utu H yag telah dioresi area adaya aga sama adalah : H 1 N N N R 3 T N 3 N 1...(.5) Dega oresi yag diadaa utu aga sama ii, ilai H ditigata da dega demiia hasilya lebih sigifia bila dibadiga dega tapa oresi. 3.) Ui Over-Mea-Ra Fuctio Misala pegamata aca salig bebas Y i (=1,...,K,i=1,...,, da =N) diperoleh dari populasi yag beresiambuga dega rata-rata da varias. K adalah umlah elompo atau perlaua da adalah uura sampel dalam setiap elompo. Hipotesis ull dapat diyataa sebagai: H 0 : θ 1 =θ =...=θ =θ ; tida ada perbedaa rata-rata atau media atara perlaua elompo satu dega yag laiya H 1 : θ 1 θ... θ θ ; ada perbedaa rata-rata atau media atara perlaua elompo satu dega yag laiya Fugsi raig dapat didefiisia sebagai: R=R i= ra(y i ), =1,..., da i=1,,...,...(.6) da raig utu setiap elompo adalah R =R i, utu setiap =1,..., Jia semua rata-rata atau media sama, R aa memilii rata-rata yag sama dega rata-rata utu masig-masig elompo. Tetapi, ia rata-rata atau media tida sama, maa rata-rata pada dua elompo itu tida sama. Karea itu, dibawah H 0 rata-rata dari raig dari setiap elompo sama utu eseluruha rata-rata sebagai: ER ER 0.5N 1, 1,,. Over-Mea-Ra Fuctio ii dapat didefiisia sebagai: p R E R p R E R, i 1,,,. Hal ii elas bahwa dibawah da H 0: # # R R i 1, ia 1, ia geap gail g Statistia, Gelombag, Tahu Aademi

6 50 Mulia Idriai, et al. Karea itu hipotesis ull ya: H 0 = θ 1 = θ =...= θ = θ sama dega H 0 = Maa ui yag disusula utu media yag rata-rata ya sama adalah: E J 1 ˆ /...(.7) dimaa tasira π adalah rata-rata sampel, ia adalah besar teorema limit pusat medeati: ˆ 0.5 E N0,1 0.5 /...(.8) Aibatya, E aa medeati distribusi χ dega deraat bebas -1, area itu: E χ (-1) uura periraa peolaa α adalah E χ α(-1). Dibawah H 0: K ˆ / 1 Fugsi estimasi over-mea-ra-fuctio utu setiap elompo dapat diperoleh sebagai beriut: # R i 0.5N 1 ˆ, 1,,,...(.9) Utu = 1,,...,. Ketia N geap, dapat megguaa 1 sebagai peggati dari dalam elompo yag berisi raig (+1)/. Juga ia ada data embar yag sama sebesar 0.5(+1), ia urag dari setegah maa 0.5(+1) da lebih dari setegah maa 0.5(+1) C. Hasil Peelitia da Pembahasa Perhituga Aalisis Varias Peelitia megguaa racaga aca legap. Hasil peguura rata-rata bobot potog ayam broiler umur 4 hari (gram/eor) dicatuma pada Tabel. Tabel. Rerata bobot potog ayam broiler umur 4 hari Perlaua Ulaga Total Ratarata I II III IV V P P P Sumber: Haryadi, Dwi (007) Volume, No., Tahu 016

7 Ui Kesamaa Beberapa Rata-rata Pegaruh Pemafaata 51 Dari hasil peelitia tersebut dapat dibuat lagah-lagah peguia sebagai beriut: 1. Model: Y i = µ+τ i +ε i ; i=1,,3 =1,,5. Peguia Hipotesis: H 0 : τ 1 = τ =τ 3 =0 ; tida ada pegaruh perlaua terhadap rerata bobot potog ayam broiler umur 4 hari H 1 : miimal ada satu τ i 0 (i=1,,3) ; miimal ada satu pegaruh perlaua terhadap rerata bobot potog ayam broiler umur 4 hari 3. Statisti ui: Proses perhituga dapat megiuti tahap-tahap beriut: 1. Dega megguaa otasi Yi sebagai hasil peguura rerata bobot potog ayam broiler utu masig-masig ayam broiler, t sebagai umlah perlaua da r sebagai umlah ulaga, maa hituglah Jumlah Kuadrat (JK) sebagai beriut: Y ,5 Fator Koresi (FK): ,8 r t 3 5 JK Total (JKT) : Y FK i i 1633,5 165, , ,93 total perlaua JK Perlaua (JKP) : r FK 5013, ,9333 JK Galat (JKG) : JKT-JKP 53464, , ,3 4834,5 4667,5 4789, , Tetua Kuadrat Tegah (KT) melalui pembagia setiap JK dega deraat bebasya, sebagai beriut: JKP 0644, ,9333 KT Perlaua (KTP): 103, 4667 t JK Galat KT Galat (KTG) : t( r 1) Tetua ilai F-hitug melalui: KTP 103,4667 F-hitug : 3, 774 KTG Berdasara hasil perhituga di atas, susulah tabl aalisis ragam seperti pada Tabel 3. : Tabel 3 Aalisis ragam utu rerata bobot potog ayam broiler umur 4 hari Sumber variasi db JK KT F-hitug F-tabel Perlaua 0644,93 103, ,89 Galat Statistia, Gelombag, Tahu Aademi

8 5 Mulia Idriai, et al. 4. Kriteria Ui: Tola H 0 ia F-hitug > F-tabel Karea ilai F-hitug=3,774 lebih ecil dari pada F-tabel=3,89 maa diputusa utu meerima H 0 5. Kesimpula: Tida ada pegaruh perlaua terhadap rata-rata bobot potog ayam broiler umur 4 hari Perhituga Ui Krusal-Wallis 1. Peguia Hipotesis H0: Tida ada perbedaa rata-rata raig atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari H1: Ada perbedaa rata-rata raig atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Statisti Ui da perhituga: Tabel 4 Raig gabuga Rerata bobot potog ayam broiler umur 4 hari Ulaga Perlaua P0 1, P ,5 3 P ΣR 39,5 4,5 38 Utu ilai elima elompo, ilai-ilai raig ya diumlaha da diperoleh ilai R total masig-masig elompo. Dega data yag telah di raig tersebut dapat dihitug ilai H dega rumus (.3) 1 R H 3N 1 N N ,5 4, H , Dari Tabel 4 terdapat aga yag sama. Utu megadaa oresi aga sama, pertama harus etahui ada berapa elompo aga sama yag teradi, da berapa baya sor yag beraga sama dalam tiap-tiap elompo. Disii t=baya observasi-observasi beraga sama=. Utu eadia ii, T=t 3 -t= 3 -=6. Volume, No., Tahu 016

9 Ui Kesamaa Beberapa Rata-rata Pegaruh Pemafaata 53 Dega megguaa rumus (.5) maa dapat dihitug oresi total utu aga sama. T N N ,998 0,09 0,998 0, Kriteria Ui: Tola H 0 ia H > χ α;-1 Dega α=0,05;4 diperoleh ilai χ α;-1 sebesar=9,49. Karea 0,090<9,49 maa diputusa utu terima H 0 4. Kesimpula: Tida ada perbedaa rata-rata raig atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Perhituga Ui Over-Mea-Ra-Fuctio 1. Peguia Hipotesis: H0: θ 1 = θ = = θ g = θ ;Tida ada perbedaa rata-rata atau media atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari H1: θ 1 θ θ g θ Ada perbedaa rata-rata atau media atara perlaua Rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Statisti Ui: Jia semua rata-rata atau media sama, R aa memilii rata-rata yag sama utu masig-masig elompo. Jia rata-rata atau media tida sama, maa rata-rata dari dua atau lebih elompo itu tida sama. 7,9 8,5 7,6 R 8 3 Oleh area itu, dibawah H 0 rata-rata raig dari setiap elompo sama utu eseluruha rata-rata sebagai: R E R 0,5 N 1 E 1 8 0,5 15 Karea rata-rata atau media raig dari setiap elompo sama utu eseluruha rata-rata, maa ui yag diguaa utu media atau rata-rata yag sama adalah: E H K 1 1 N N N R T N 0,5 `~ 0,5 3 3 N 1 K 1 Statistia, Gelombag, Tahu Aademi

10 54 Mulia Idriai, et al. Dimaa fugsi estimasi over-mea-ra-fuctio utu setiap elompo dapat diperoleh sebagai beriut: ˆ # R i 0,5 1 N 1 #7,9 0,5 16 ˆ ,75 #8,5 0,5 16 ˆ 5 1 0,5 ˆ3 #7,6 0, ,5 E K 0,5 1 0,5 0,75 0,5 0,5 5 1, , 5 3. Kriteria Ui : 0,5 0,5 0,5 5 0,5 0,5 0,5 5 Tola H 0 ia E K 1 Dega α=0,05;4 diperoleh ilai χ α;k-1. sebesar=9,49. Karea 1,5<9,49 maa diputusa utu terima H Kesimpula: Ada perbedaa rata-rata atau media atara perlaua Rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari D. Kesimpula Dari hasil peelitia dega megguaa metode peguia Krusal-Wallis utu megetahui hasil-hasil esamaa pegaruh pemafaata bateri peghasil fitase (Patoea agglomeras) dalam rasum terhadap bobot potog ayam broiler teryata tida ada perbedaa rata-rata raig atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Begitu uga dega metode ui over-mea-ra fuctio teryata tida ada perbedaa rata-rata atau media atara perlaua Rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Dapat disimpula bahwa dari edua ui tersebut tida ada perbedaa rata-rata raig atara perlaua rasum 100%+tapa bateri, dega rasum 100%+bateri patoea agglumeras 10,5, da rasum 100%+bateri patoea agglumeras 10 5 terhadap rerata bobot potog ayam broiler berumur 4 hari. Peguia dega ui Over-Mea-Ra Fuctio lebih bai da lebih robust dari ui Krusal-Wallis area pada ui ii meigata esalaha Tipe 1, da tida di pegaruhi oleh data embar seperti pada ui Krusal-Wallis yag dipegaruhi oleh data embar sehigga perlu factor oresi. Volume, No., Tahu 016

11 Ui Kesamaa Beberapa Rata-rata Pegaruh Pemafaata 55 Daftar Pustaa A.H. Elamir, Elsayed, Compariso of Several Meas Uder Heterogeeity: Over-Mea- Ra Fuctio, Joural of Statistical ad Ecoometric Methods, vol.4, o., 015, Haarisma, Nusar.(000). Modul Pratium Metode Statistia: Badug : Program Studi Statistia UNISBA. Haryadi, Dwi (007). Pegaruh Pemafaata Bateri Peghasil Fitase (Patoea agglomeras) Dalam Rasum Terhadap Kualitas Karas Ayam Broiler. Sripsi. Faultas Pertaia, Peteraa. Liu, Hagcheg Comparig Welch s ANOVA, a Krusal-Wallis test ad traditioal ANOVA i case of Heterogeeity of Variace. [Theses ad Dissertatios]. Virgiia Commowealth Uiversity. 48 page. Siegel, Sidey. (199). Statistia No-Parametri utu Ilmu-ilmu Sosial. Jaarta: Gramedia Pustaa Utama. Statistia, Gelombag, Tahu Aademi

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

Gambar 3.1Single Channel Multiple Phase

Gambar 3.1Single Channel Multiple Phase BAB III MODEL ANTRIAN PADA PEMBUATAN SIM C. Sigle Chael Multiple Phase Sistem atria sigle chael multiple phase merupaa sistem atria dimaa pelagga yag tiba, dapat memasui sistem dega megatri di tempat yag

Lebih terperinci

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C.

BAB II LANDASAN TEORI. gamma, fungsi likelihood, dan uji rasio likelihood. Misalkan dilakukan percobaan acak dengan ruang sampel C. BAB II LANDASAN TEORI Pada bab ii aa dibahas teori teori yag meduug metode upper level set sca statistics, atara lai peubah aca, distribusi gamma, fugsi gamma, fugsi lielihood, da uji rasio lielihood.

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG)

PEMBAHASAN SOAL OSN MATEMATIKA SMP TINGKAT PROPINSI 2011 OLEH :SAIFUL ARIF, S.Pd (SMP NEGERI 2 MALANG) PEMBAHASAN SOAL OLIMPIADE SAINS NASIONAL SMP A. ISIAN SINGKAT SELEKSI TINGKAT PROPINSI TAHUN 011 BIDANG STUDI MATEMATIKA WAKTU : 150 MENIT 1. Jia x adalah jumlah 99 bilaga gajil terecil yag lebih besar

Lebih terperinci

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka

Deret Positif. Dengan demikian, S = 1: Kemudian untuk deret lain, misalkan L = : Maka oi eswa (fmipa-itb) Deret Positif Deret (ta berhigga) adalah ugapa berbetu a + a + a 3 + a 4 + dega a i disebut suu. Pejumlaha ii berbeda dega pejumlaha dua, tiga, atau berhigga bilaga. Maa, ita perlu

Lebih terperinci

Anova (analysis of varian)

Anova (analysis of varian) ova (aalysis of varia) Ui hipotesis perbedaa ilai rata-rata dari atau lebih elompo idepede Cotoh: daah perbedaa berat bayi lahir dari eluarga E tiggi dega E sedag atau E redah sumsi Ui ova: 1. ube diambil

Lebih terperinci

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS

TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Jural Matematia Vol.6 No. November 6 [ 5 : ] TEOREMA CAYLEY-HAMILTON SEBAGAI SALAH SATU METODE DALAM PENGHITUNGAN FUNGSI MATRIKS Ooy Rohaei Jurusa Matematia, UNISBA, Jala Tamasari No, Badug,6, Idoesia

Lebih terperinci

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi

BAB III TAKSIRAN PROPORSI POPULASI JIKA TERJADI NONRESPON. Dalam bab ini akan dibahas penaksiran proporsi populasi jika terjadi BAB III TAKSIRA PROPORSI POPULASI JIKA TERJADI ORESPO Dalam bab ii aa dibaas peasira proporsi populasi jia terjadi orespo da dilaua allba sebaya t ali. Selai itu, juga aa dibaas peetua uura sampel yag

Lebih terperinci

MACAM-MACAM TEKNIK MEMBILANG

MACAM-MACAM TEKNIK MEMBILANG 0 MACAM-MACAM TEKNIK MEMBILANG ATURAN PERKALIAN Beriut ii diberia sebuah dalil tetag peetua baya susua yag palig sederhaa dalam suatu permasalaha yag beraita dega peluag. Dalil 2.1: ATURAN PERKALIAN SECARA

Lebih terperinci

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI

UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALPHA CRONBACH SKRIPSI JANUARINA ANGGRIANI UNIVERSITAS INDONESIA META-ANALISIS UNTUK RELIABILITAS SUATU ALAT UKUR BERDASARKAN KOEFISIEN ALHA CRONBACH SKRISI JANUARINA ANGGRIANI 080655 FAKULTAS MATEMATIKA DAN ILMU ENGETAHUAN ALAM ROGRAM STUDI SARJANA

Lebih terperinci

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE)

BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) BAB V RANDOM VARIATE GENERATOR (PEMBANGKIT RANDOM VARIATE) 5.1. Pembagit Radom Variate Disrit Suatu Radom Variate diartia sebagai ilai suatu radom variate yag mempuyai distribusi tertetu. Utu megambil

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan

BAB III METODE PENELITIAN. Penelitian ini bertujuan untuk mengetahui ada tidaknya peningkatan BAB III METODE PENELITIAN A. Desai Peelitia Peelitia ii bertujua utu megetahui ada tidaya peigata emampua siswa dalam pealara setelah megguaa model pembelajara berbasis masalah terstrutur dalam pembelajara

Lebih terperinci

MAKALAH TEOREMA BINOMIAL

MAKALAH TEOREMA BINOMIAL MAKALAH TEOREMA BINOMIAL Disusu utu memeuhi tugas mata uliah Matematia Disrit Dose Pegampu : Dr. Isaii Rosyida, S.Si, M.Si Rombel B Kelompo 2 1. Wihdati Martalya (0401516006) 2. Betha Kuria S. (0401516012)

Lebih terperinci

Representasi sinyal dalam impuls

Representasi sinyal dalam impuls Represetasi siyal dalam impuls Represetasi siyal dalam impuls adalah siyal yag diyataa sebagai fugsi dari impuls atau sebagai umpula dari impuls-impuls. Sembarag siyal disret dapat diyataa sebagai pejumlaha

Lebih terperinci

Oleh : H. BERNIK MASKUN

Oleh : H. BERNIK MASKUN (D.5) ANALISIS VARIANS UNTUK MENGUJI KEKUATAN LEKAT SEMEN ADHESIF PADA PERMUKAAN LOGAM KARENA EMPAT MACAM PERLAKUAN (Studi Esperime pada Bidag Ortodoti Kedotera Gigi) Oleh : H. BERNIK MASKUN ABSTRAK Pegujia

Lebih terperinci

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik

Sifat-sifat Fungsi Karakteristik dari Sebaran Geometrik Sifat-sifat Fugsi Karateristi dari Sebara Geometri Dodi Deviato Jurusa Matematia, Faultas MIPA, Uiversitas Adalas Kamus Limau Mais, Padag 563, Sumatera Barat, Idoesia Abstra Fugsi arateristi dari suatu

Lebih terperinci

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR

PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Jural Tei da Ilmu Komputer PERBANDINGAN PENDEKATAN SEPARABLE PROGRAMMING DENGAN THE KUHN-TUCKER CONDITIONS DALAM PEMECAHAN MASALAH NONLINEAR Budi Marpaug Faultas Tei da Ilmu Komputer Jurusa Tei Idustri

Lebih terperinci

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012)

BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di kota Makassar pada tahun 2003 sampai tahun 2012) BAGAN KENDALI G UNTUK PENGENDALIAN VARIABILITAS PROSES MULTIVARIAT (Studi Kasus pada data cuaca di ota Maassar pada tahu 003 sampai tahu 0) PAISAL, H, HERDIANI, E.T. DAN SALEH, M 3 Jurusa Matematia, Faultas

Lebih terperinci

MODUL BARISAN DAN DERET

MODUL BARISAN DAN DERET MODUL BARISAN DAN DERET SEMESTER 2 Muhammad Zaial Abidi Persoal Blog http://meetabied.wordpress.com BAB I. PENDAHULUAN A. Desripsi Dalam modul ii, ada aa mempelajari pola bilaga, barisa, da deret diidetifiasi

Lebih terperinci

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier

Aplikasi Sistem Orthonormal Di Ruang Hilbert Pada Deret Fourier Apliasi Sistem Orthoormal Di Ruag Hilbert Pada Deret Fourier A 7 Fitriaa Yuli S. FMIPA UNY Abstra Ruag hilbert aa dibahas pada papper ii. Apliasi system orthoormal aa diaji da aa diapliasia pada ruahg

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

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K)

PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) JMP : Volume 4 Nomor 1, Jui 2012, hal. 41-50 PEMBUKTIAN SIFAT RUANG BANACH PADA D(K) Malahayati Program Studi Matematia Faultas Sais da Teologi UIN Sua Kalijaga malahayati_01@yahoo.co.id ABSTRACT. I this

Lebih terperinci

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng

MODUL 1.03 DINAMIKA PROSES. Oleh : Ir. Tatang Kusmara, M.Eng MODUL 1.03 DINMIK PROSES Ole : Ir. Tatag Kusmara, M.Eg LBORTORIUM OPERSI TEKNIK KIMI JURUSN TEKNIK KIMI UNIVERSITS SULTN GENG TIRTYS CILEGON BNTEN 2008 2 Modul 1.03 DINMIK PROSES I. Pedaulua Dalam bidag

Lebih terperinci

MENGUJI KEMAKNAAN SAMPEL TUNGGAL

MENGUJI KEMAKNAAN SAMPEL TUNGGAL MENGUJI KEMAKNAAN SAMPEL TUNGGAL 1.1 Uji Biomial 1. Uji esesuaia Chi Kuadrat 1.3 Uji Kesesuaia K-S 1.4 Uji Ideedesi Chi Kuadrat 1.5 Uji Pasti Fisher UJI BINOMIAL Meruaa uji roorsi dalam suatu oulasi Poulasi

Lebih terperinci

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain.

BARISAN DAN DERET. U n = suku ke-n Contoh: Barisan bilangan asli, bilangan genap, bilangan ganjil, dan lain-lain. BARIAN DAN DERET A. Barisa Barisa adalah uruta bilaga yag memilii atura tertetu. etiap bilaga pada barisa disebut suu barisa yag dipisaha dega lambag, (oma). Betu umum barisa:,, 3, 4,, dega: = suu pertama

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

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

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia?

MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK. Masalah 1 Terdapat berapa carakah kita dapat memilih 2 baju dari 20 baju yang tersedia? Kartia Yuliati, SPd, MSi MASALAH DAN ALTERNATIF JAWABAN DALAM MATEMATIKA KOMBINATORIK Masalah Terdapat berapa caraah ita dapat memilih baju dari 0 baju yag tersedia? Cara Misala baju diberi omor dari sampai

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

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat. L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Risio Operasioal.1.1 Defiisi Dewasa ii risio operasioal semai diaui sebagai salah satu fator uci yag perlu dielola da dicermati oleh para pelau usaha, hususya di bidag jasa euaga.

Lebih terperinci

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial

BAB II LANDASAN TEORI. persamaan yang mengandung diferensial. Persamaan diferensial 5 BAB II LANDASAN TEORI A. Persamaa Diferesial Dari ata persamaa da diferesial, dapat diliat bawa Persamaa Diferesial beraita dega peelesaia suatu betu persamaa ag megadug diferesial. Persamaa diferesial

Lebih terperinci

PROSIDING ISBN:

PROSIDING ISBN: S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

Aproksimasi Terbaik dalam Ruang Metrik Konveks

Aproksimasi Terbaik dalam Ruang Metrik Konveks Aprosimasi Terbai dalam Ruag etri Koves Oleh : Suharsoo S Jurusa atematia FIPA Uiversitas Lampug Abstra asalah esistesi da etuggala aprosimasi terbai suatu titi dalam ruag berorm telah dipelajari oleh

Lebih terperinci

Bab 16 Integral di Ruang-n

Bab 16 Integral di Ruang-n Catata Kuliah MA3 Kalulus Elemeter II Oi Neswa,Ph.D., Departeme Matematia-ITB Bab 6 Itegral di uag- Itegral Gada atas persegi pajag Itegral Berulag Itegral Gada atas Daerah sebarag Itegral Gada Koordiat

Lebih terperinci

BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian dilakukan di SMA Negeri 1 Ngemplak.Sekolah ini beralamatkan di jalan

BAB III METODOLOGI PENELITIAN A. Tempat dan Waktu Penelitian Penelitian dilakukan di SMA Negeri 1 Ngemplak.Sekolah ini beralamatkan di jalan BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Peelitia Peelitia dilakuka di SMA Negeri 1 Ngemplak.Sekolah ii beralamatka di ala Embarkasi Hai Doohuda, kecamata Ngemplak, Kabupate Boyolali, Provisi Jawa

Lebih terperinci

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS

STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS (Tati Octavia et al.) STUDI TENTANG PETA KENDALI p YANG DISTANDARISASI UNTUK PROSES PENDEK KUALITAS Tati Octavia Dose Faultas

Lebih terperinci

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI

MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Vol. 11, No. 1, 45-55, Juli 2014 MASALAH DISTRIBUSI BOLA KE DALAM WADAH SEBAGAI FUNGSI ATAU KUMPULAN FUNGSI Fauziah Baharuddi 1, Loey Haryato 2, Nurdi 3 Abstra Peulisa ii bertujua utu medapata perumusa

Lebih terperinci

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu

Metode Perhitungan Grafik Dalam Geolistrik Tahanan Jenis Bumi Dengan Derajat Pendekatan Satu Metode Perhituga Grafi.. P. Maurug Metode Perhituga Grafi Dalam Geolistri Tahaa Jeis Bumi Dega Derajat Pedeata Satu Posma Maurug Jurusa Fisia, FMIPA Uiversitas Lampug Jl. S. Brojoegoro No. Badar Lampug

Lebih terperinci

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal

Jurnal Ilmu Matematika dan Terapan Maret 2016 Volume 10 Nomor 1 Hal Jural Ilmu Matematia da Terapa Maret 16 Volume 1 Nomor 1 Hal. 61 68 ANALISIS FAKTOR-FAKTOR YANG MEMPERNGARUHI KANKER LEHER RAHIM DI KOTA AMBON DENGAN MENGGUNAKAN REGRESI LOGISTIK BINER (Studi asus: Pasie

Lebih terperinci

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi

1) Leptokurtik Merupakan distribusi yang memiliki puncak relatif tinggi Statisti Desriptif Keruciga atau Kurtosis Pegertia Kurtosis Peguura urtosis (peruciga) sebuah distribusi teoritis adaalaya diamaam peguura eses (excess) dari sebuah distribusi Sebearya urtosis bisa diaggap

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Tempat da Watu Peelitia Peelitia megeai Kepuasa Kosume Restora Gampoeg Aceh, dilasaaa pada bula Mei 2011 higga Jui 2011. Restora Gampoeg Aceh, bertempat di Jl Pajajara, Batarjati,

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug

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

Konvolusi pada Distribusi dengan Support Kompak

Konvolusi pada Distribusi dengan Support Kompak Prosidig SI MaNIs (Semiar Nasioal Itegrasi Matematia da Nilai Islami) Vol1, No1, Juli 2017, Hal 453-457 p-issn: 2580-4596; e-issn: 2580-460X Halama 453 Kovolusi pada Distribusi dega Support Kompa Cythia

Lebih terperinci

BAB 6 NOTASI SIGMA, BARISAN DAN DERET

BAB 6 NOTASI SIGMA, BARISAN DAN DERET BAB 6 NOTASI SIGMA, BARISAN DAN DERET A RINGKASAN MATERI. Notasi Sigma Diberia suatu barisa bilaga, a, a,..., a. Lambag deret tersebut, yaitu: a = a + a +... + a a meyataa jumlah suu pertama barisa Sifat-sifat

Lebih terperinci

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI

ANALISA PENGARUH PANJANG BELT CONVEYOR TERHADAP FREKUENSI REPAIR SEBELUM DAN SESUDAH MENGGUNAKAN LOCKING BOLT PADA SAMBUNGAN COLD SPLICING ABSTRAKSI ANALIA PENGARUH PANJANG BELT CONVEYOR TERHAAP FREKUENI REPAIR EBELUM AN EUAH MENGGUNAKAN LOCKING BOLT PAA AMBUNGAN COL PLICING ABTRAKI Ach. Hadi Widodo¹,Priyagug Hartoo²,uatmio³ ¹Mahasiswa Tei Mesi,Uiversitas

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING

KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING Kode Maalah M- KORELASI POLISERIAL UNTUK PENDUGAAN PARAMETER STRUCTURAL EQUATION MODELING SEM Oleh : Nur Rusliah Prof. Dr. Dra. Susati Liuwih, M.Stat Dra. Kartia Fitriasari, M.Si. ABSTRAK Structural Equatio

Lebih terperinci

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ,

BAB II TINJAUAN PUSTAKA. membahas distribusi normal dan distribusi normal baku, penaksir takbias μ dan σ, BAB II TINJAUAN PUSTAKA.1 Pedahulua Dalam peulisa materi poo dari sripsi ii diperlua beberapa teori-teori yag meduug, yag mejadi uraia poo pada bab ii. Uraia dimulai dega membahas distribusi ormal da distribusi

Lebih terperinci

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5

Mata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 5 Mata Kuliah : Matematia Disrit Program Studi : Tei Iformatia Miggu e : 5 KOMBINATORIAL PENDAHULUAN Persoala ombiatori bua merupaa persoala baru dalam ehidupa yata. Baya persoala ombiatori sederhaa telah

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

3. Integral (3) (Integral Tentu)

3. Integral (3) (Integral Tentu) Darublic www.darublic.com. Itegral () (Itegral Tetu).. Luas Sebagai Suatu Itegral. Itegral Tetu Itegral tetu meruaa itegral ag batas-batas itegrasia jelas. Kose dasar dari itegral tertetu adalah luas bidag

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

Statistik Bisnis 2. Week 5 Comparing the Means of Two Independent Populations

Statistik Bisnis 2. Week 5 Comparing the Means of Two Independent Populations Statistik Bisis Week 5 Comparig the Meas of Two Idepedet Populatios Learig Objectives The meas of two idepedet populatios The meas of two related populatios I this chapter, you lear how to use hypothesis

Lebih terperinci

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)

Pengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD) Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu

Lebih terperinci

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.

BAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya. BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh

Lebih terperinci

III. MATERI DAN METODE. Penelitian ini dilaksanakan selama 2 bulan dimulai bulan April - Mei

III. MATERI DAN METODE. Penelitian ini dilaksanakan selama 2 bulan dimulai bulan April - Mei III. MATERI DAN METODE 3.1. Waktu da Tempat Peelitia Peelitia ii dilaksaaka selama 2 bula dimulai bula April - Mei 2014 di Laboratorium Ilmu Nutrisi da Kimia Fakultas Pertaia da Peteraka Uiversitas Islam

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes

Peluang Suatu Kejadian, Kaidah Penjumlahan, Peluang Bersyarat, Kaidah Perkalian dan Kaidah Baiyes eluag uatu Kejadia, Kaidah ejumlaha, eluag ersyarat, Kaidah eralia da Kaidah aiyes.eluag uatu Kejadia Defiisi : eluag suatu ejadia adalah jumlah peluag semua titi otoh dalam. Dega demiia : 0 (), ( ) =

Lebih terperinci

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit

Sinyal dan Sistem Waktu Diskrit ET 3005 Pengolahan Sinyal Waktu Diskrit EL 5155 Pengolahan Sinyal Waktu Diskrit Siyal da Sistem Watu Disrit ET 35 Pegolaha Siyal Watu Disrit EL 5155 Pegolaha Siyal Watu Disrit Effria Yati Hamid 1 2 Siyal da Sistem Watu Disrit 2.1 Siyal Watu Disrit 2.1.1 Pegertia Siyal Watu Disrit

Lebih terperinci

BAHAN AJAR DIKLAT GURU MATEMATIKA

BAHAN AJAR DIKLAT GURU MATEMATIKA BAHAN AJAR DIKLAT GURU MATEMATIKA DEPARTEMEN PENDIDIKAN NASIONAL DIREKTORAT JENDERAL PENDIDIKAN DASAR DAN MENENGAH DIREKTORAT PENDIDIKAN MENENGAH KEJURUAN 005 DAFTAR ISI Kata Pegatar.. i Daftar Isi...

Lebih terperinci

Rancangan Pengamatan Berulang. Repeated Measurement Design

Rancangan Pengamatan Berulang. Repeated Measurement Design Racaga Pegamata Berulag Repeated Measuremet Desig Pedahulua Repeated measuremet (pegamata berulag) megacu kepada (Clewer & Scarisbrick, 006):. Suatu percobaa dimaa masig-masig uit percobaa meerima perbedaa

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih 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

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

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 METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

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

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ )

PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) (Fey Nilawati Kusuma et al.) PENJADWALAN JOBS PADA SINGLE MACHINE DENGAN MEMINIMUMKAN VARIANS WAKTU PENYELESAIAN JOBS (Studi Kasus di P.T. XYZ ) I Gede Agus Widyadaa I Nyoma Sutapa Dose Faultas Teologi

Lebih terperinci

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan

BAB 2 LANDASAN TEORI. lebar pita sinyal tersebut. Pada kebanyakan aplikasi, termasuk kamera digital video dan BAB LADASA TEORI Teorema Shao-yquist meyataa agar tida ada iformasi yag hilag etia pecuplia siyal, maa ecepata pecuplia harus miimal dua ali dari lebar pita siyal tersebut. Pada ebayaa apliasi, termasu

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

3/27/2013. Ali Muhson, M.Pd. Jenisnya. Uji Beda Rata-rata. Uji z Uji t. Uji Beda Proporsi. Uji z. (c) 2013 by Ali Muhson 2

3/27/2013. Ali Muhson, M.Pd. Jenisnya. Uji Beda Rata-rata. Uji z Uji t. Uji Beda Proporsi. Uji z. (c) 2013 by Ali Muhson 2 3/7/03 Ali Muhso, M.Pd. Jeisya Uji Beda Rata-rata Uji z Uji t Uji Beda Proorsi Uji z (c) 03 by Ali Muhso 3/7/03 Jeis Uji Beda Rata-rata dua kelomok Dua Kelomok Salig Bebas (Ideedet Samles): Uji z utuk

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 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

Praktikum Perancangan Percobaan 9

Praktikum Perancangan Percobaan 9 Praktikum Peracaga Percobaa 9 PRAKTIKUM RANCANGAN ACAK LENGKAP A. Tujua Istruksioal Khusus Mahasiswa diharaka mamu: a. Megguaka kalkulator utuk meyelesaika aalisis ragam RAL b. Megguaka kalkulator ada

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fisheries Data Aalysis-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fisheries ad Marie Sciece Brawijaya Uiversity Tujua Istruksioal Khusus Mahasiswa dapat megguaka aalisis statistika sederhaa

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

Bab 6: Analisa Spektrum

Bab 6: Analisa Spektrum BAB Aalisa Spetrum Bab : Aalisa Spetrum Aalisa Spetrum Dega DFT Tujua Belajar Peserta dapat meghubuga DFT dega spetrum dari sial hasil samplig sial watu otiue. -poit DFT dari sial x adalah Xω ag diealuasi

Lebih terperinci

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan

POSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da

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

Jurnal MIPA 38 (1) (2015): Jurnal MIPA.

Jurnal MIPA 38 (1) (2015): Jurnal MIPA. Jural MIPA 38 () (5): 68-78 Jural MIPA http://ouraluesacid/u/idephp/jm APROKSIMASI ANUIAS HIDUP MENGGUNAKAN KOMBINASI EKSPONENSIAL LJ Siay S Gurito Guardi 3 Jurusa Matematia FMIPA Uiversitas Pattimura

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut

Lebih terperinci

Modifikasi Statistik Uji-T pada Test Inferensia Mean Mereduksi Pengaruh Keasimetrikan Populasi Menggunakan Ekspansi Cornish-Fisher

Modifikasi Statistik Uji-T pada Test Inferensia Mean Mereduksi Pengaruh Keasimetrikan Populasi Menggunakan Ekspansi Cornish-Fisher Statistika, Vol. No., 97 0 Nopember 0 Modifikasi Statistik Uji-T pada Test Iferesia Mea Mereduksi Pegaruh Keasimetrika Populasi Megguaka Ekspasi Corish-Fisher Joko Riyoo Staf.Pegajar Fakultas Tekologi

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fiherie Data Aalyi-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fiherie ad Marie Sciece Brawijaya Uiverity Tujua Itrukioal Khuu Mahaiwa dapat megguaka aalii tatitika ederhaa dega berfoku ukura

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

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL

SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL SIMULASI MODEL RLC BERBANTUAN MS EXCEL ASSISTED RLC MODEL SIMULATION MS EXCEL Edag Habiuddi (Staf Pegajar UP MKU Politei Negeri Badug (Email : ed_.hab@yahoo.co.id ABSTRAK Sistem ragaia listri RLC seri

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

KLASIFIKASI KARAKTERISTIK KECELAKAAN LALU LINTAS DI KOTA DENPASAR DENGAN PENDEKATAN CLASSIFICATION AND REGRESSION TREES (CART)

KLASIFIKASI KARAKTERISTIK KECELAKAAN LALU LINTAS DI KOTA DENPASAR DENGAN PENDEKATAN CLASSIFICATION AND REGRESSION TREES (CART) E-Jural Matematia Vol. 4 (4), November 2015, pp. 146-151 ISSN: 2303-1751 KLASIFIKASI KAAKTEISTIK KECELAKAAN LALU LINTAS DI KOTA DENPASA DENGAN PENDEKATAN CLASSIFICATION AND EGESSION TEES (CAT) I Gede Agus

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

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode

II. TINJAUAN PUSTAKA. sebuah teknik yang baru yang disebut analisis ragam. Anara adalah suatu metode 3 II. TINJAUAN PUSTAKA 2.1 Analisis Ragam (Anara) Untu menguji esamaan dari beberapa nilai tengah secara sealigus diperluan sebuah teni yang baru yang disebut analisis ragam. Anara adalah suatu metode

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN Secara umum metode peelitia diartika sebagai cara ilmiah utuk medapatka data dega tujua da keguaa tertetu. Cara ilmiah berarti kegiata peelitia itu didasarka pada ciri-ciri keilmua,

Lebih terperinci