Statistika Inferensia (Bahan Non Parametrik utk MKM) Oleh Bambang Juanda. Pengujian Hipotesis Untuk Data Kategori

Ukuran: px
Mulai penontonan dengan halaman:

Download "Statistika Inferensia (Bahan Non Parametrik utk MKM) Oleh Bambang Juanda. Pengujian Hipotesis Untuk Data Kategori"

Transkripsi

1 Statistika Iferesia (Baha No Parametrik utk MKM) Oleh Bambag Juada Pegujia Hipotesis Utuk Data Kategori

2 Topik Pertemua 3&4 Uji-Z utk Perbedaa Dua Proporsi (Dua Cotoh Bebas) Uji c utk Perbedaa Dua Proporsi (Dua Cotoh Bebas) Uji c utk Perbedaa k Proporsi (k Cotoh Bebas) Uji c utk Kebebasa Peubah Kategori

3 Uji Z utk Perbedaa Dua Proporsi Diguaka utk: Meetuka apakah ada perbedaa atara proporsi populasi da apakah yg satu lebih besar dari yg lai. Asumsi: Cotoh Bebas Populasi megikuti Sebara Biomial Ukura Sample Cukup Besar: p 5 da (1-p) 5 utk masig-masig populasi

4 X 1 Sukses P 1? 1 ( 1 -X 1 ) Tdk Sukses X Sukses Statistik Uji Z P? Dimaa ( -X ) Tdk Sukses p X Z 1 1 X ( p s 1 p s p(1 ) p) ( 1 p 1 1 Dugaa Gabuga Proporsi Populasi X 1 = Bayakya kejadia Sukses dlm Sample 1 X = Bayakya kejadia Sukses dlm Sample 1 p )

5 Nyataka Hipotesis utk Uji Z Hipotesis Tdk Berbeda Berbeda Pertayaa Peelitia Prop 1 Prop Prop 1 < Prop Prop 1 Prop Prop 1 > Prop H 0 p 1 - p = 0 p 1 - p 0 p 1 - p 0 H 1 p 1 - p 0 p 1 - p < 0 p 1 - p > 0

6 Telada Uji Z utk Dua Proporsi Sbg direktur persoalia, ada igi meguji persepsi kejujura dari dua metode evaluasi kierja. 63 dari 78 karyawa dikategorika Method 1 sbg jujur. 49 dari 8 dikategorika Method sbg jujur. Pada taraf yata 0.01, Apakah ada perbedaa persepsi? p S1 = p S = = p 5 (1 - p) 5 for both pop. = = 78 = 8

7 Perhituga Statistik Uji Z (.70)(.30) 0.598) ( ) (1 ) ( ) ( p p p p p p Z s s X X p

8 Uji Z utk Perbedaa Dua Proporsi: Solusi H 0 : p 1 - p = 0 H 1 : p 1 - p 0 a = = 78 = 8 Nilai kritis : Tolak H 0 Tolak H Z Statistik Uji: Z. 90 Keputusa: Tolak pada a = 0.01 Kesimpula: Ada bukti bahwa proporsiya berbeda (p 1 > p ).

9 Uji c : Basic Idea Badigka frekuesi pegamata thd harapa jika hipotesis ol bear Maki dekat frekuesi pegamata ke frekuesi harapa, maki besar kemugkia H 0 bear Diukur dg perbedaa kuadrat relatif thd frekuesi harapa perbedaa kuadrat relatif adalah statistik ujiya

10 Uji c utk Proporsi Tabel Kotigesi Tabel Kotigesi utk Membadigka Kejujura dari Kedua Metode Evaluasi Populasi Metode Evaluatio Persepsi 1 Total Jujur Tdk Jujur Total Taraf (ilai) Peubah

11 Uji c utk Proporsi Frekuesi Harapa 11 dari Total 160 adalah jujur ( p =11/160) 78 megguaka metode evaluasi 1 Diharapka (78 11/160) = 54.6 sbg jujur Metode Evaluasi Persepsi 1 Total Jujur Tdk Jujur Total

12 Statistik Uji c c fij f ij = Frekuesi Pegamata dlm sel i,j e ij = Frekuesi Harapa (teoritis ) dlm sel i,j ij e ij e ij

13 Perhituga Statistik Uji c f ij e ij (f ij - e ij ) (f ij - e ij ) (f ij - e ij ) / e ij Frekuesi Pegamata Frekuesi Harapa = = χ

14 Uji c utk Dua Proporsi Mecari Nilai Kritis b = (# baris dlm Tabel Kotigesi) k = (# kolom) Tolak H o a =.01 a =.01 Tabel c (Sebagia) db = (b - 1)(k - 1) = 1 c Daerah Ekor Kaa DB

15 H 0 : p 1 - p = 0 H 1 : p 1 - p 0 Uji c utk Dua Proporsi: Statistik Uji χ = Keputusa: Tolak H o pada a = 0.01 Kesimpula: Ada bukti bahwa proporsiya berbeda. Solusi 0 Tolak H o a = c Note: Kesimpula dg Uji-c sama dg megguaka Uji-Z.

16 Uji c utk k Proporsi Memperluas Uji c utk Kasus Umum k Populasi Bebas Haya utk Uji Kesamaa (=) Proporsi: (UJi Dwi Arah, Buka Uji Eka Arah) Satu Peubah dg Beberapa Grup atau Taraf Megguaka Tabel Kotigesi Asumsi: Cotoh Acak Bebas Ukura Cotoh Besar Semua Frekuesi Harapa 5

17 Uji c utk k Proporsi: Prosedur 1. Susu Hipotesis: H 0 : p 1 = p =... = p k H 1 : Tdk Semua p j Sama. Pilih a da Susu Tabel Kotigesi 3. Hitug Proporsi Keseluruha: 4. Hitug Statistik Uji c : 5. Tetuka Derajat Bebas c X... X Badigka Statistik Uji dg Nilai Tabel (ilai-p dari output komputer) da Buat Keputusa p ij X 1 1 fij e e ij ij c c X

18 Uji c utk k Proporsi: Telada IPB sdg megkaji merubah kurikulumya dg sistem Major- Mior. Suatu cotoh Acak 100 mhs S1, 50 mhs S/S3, da 50 Dose. Pedapat mhs S1 mhs S/S3 Dose Setuju Tdk Setuju Total Ujilah pd taraf yata.01 utk meetuka apakah pedapat ketiga kelompok tsb berbeda?.

19 1. Susu Hipotesis: H 0 : p 1 = p = p 3 H 1 : Tidak Semua p j Sama. Tabel Kotigesi: Uji c utk k Proporsi: 3. Hitug Proporsi Gabuga: p X X... X... Telada X Semua frekuesi harapa besar Pedapat mhs S1 mhs S/S3 Dose Total Setuju Tdk Setuju Total c 1 c.60

20 Uji c utk k Proporsi: Telada 4. Hitug Statistik Uji: f ij e ij (f ij - e ij ) (f ij - e ij ) (f ij - e ij ) / e ij Statistik Uji c = 1.15

21 Uji c utk k Proporsi: Solusi Soal H 0 : p 1 = p = p 3 df = k - 1 = 3-1 = H 1 : Tidak Semua p j Sama Keputusa: Do Not Reject H 0 Reject a =.01 Kesimpula: Tidak Ada bukti bahwa ada perbedaa pedapat diatara ketiga kelompok tsb. c

22 Uji c utk Kebebasa Peubah Meujukka apakah ada hubuga atara peubah/faktor yg dikaji Satu Cotoh diambil Masig-masig faktor puya atau lebih respos Tidak meujukka sifat hubuga Tidak meujukka kausalitas Serupa dg pegujia p 1 = p = = p k Bayak diguaka dlm pemasara dll Megguaka Tabel kotigesi

23 1. Susu Hipotesis: Uji c utk Kebebasa: Procedur H 0 : peubah kategori bebas H 1 : peubah kategori berhubuga. Pilih a da Susu Tabel Kotigesi 3. Hitug Frekuesi Harapa/Teoritis: e ij 4. HItug Statistik Uji: c 5. Tetuka Derajat Bebas 6. Badigka Statistik Uji dg Nilai Tabel (ilai-p dari output komputer) da buat keputusa ij fij e e ij ij

24 Uji c utk Kebebasa: Telada Suatu Survey dilakuka utk meetuka apakah ada hubuga atara Keaktifa Kepala Keluarga (aktif atau tidak) dega lokasi tempat tiggalya (Kota atau Desa ). Berdasarka data survey, ujilah pd taraf a =.01 utk meetuka apakah ada hubuga atara keaktifa KK dg lokasi tempat tiggal.

25 Uji c utk Kebebasa Telada 1. Susu Hipotesis: H 0 : peubah kategori (Keaktifa dlm keg sosial dg Lokasi tempat tiggal) bebas H 1 : peubah kategori berhubuga. Tabel Kotigesi: Taraf Peubah1 Lokasi Tempat Tiggal Keaktifa Kota Desa Total Tdk Aktif Aktif Total Taraf Peubah

26 Uji c utk Kebebasa Frekuesi Harapa 3. Meghitug Frekuesi Harapa Bebas Statistik : P(A ad B) = P(A) P(B) Hitug peluag marjial (baris & kolom) & kalika utk dpt peluag bersama Frekuesi Harapa = ukura cotoh x peluag bersama = (jml brs x jml kolom) / total keseluruha Lokasi Rumah Kota Desa Keaktifa Obs. Exp. Obs. Exp. Total Tdk Aktif Aktif Total

27 Uji c utk Kebebasa Statistik Uji 4. Hitug Statistik Uji: fij eij c e f ij e ij (f ij - e ij ) (f ij - e ij ) (f ij - e ij ) / e ij =.00 c ij ij

28 Uji c utk Kebebasa: Solusi Soal H 0 : peubah kategori (Keaktifa dlm keg sosial dg Lokasi tempat tigga) bebas H 1 : peubah kategori berhubuga db = (b - 1)(k - 1) = 1 Keputusa: Terima H 0 pada a =.01 Kesimpula: H o Belum ada bukti bahwa ada hubuga atara keaktifa KK dg lokasi tempat tiggalya. Tolak H o a =.01 c

29 Latiha Uji Z vs Uji c Votig hedak dilakuka diatara peduduk Jakarta da Sekitarya (DeBoTaBek) utk megetahui pedapatya megeai laraga merokok di tempat umum. Jika dari cotoh acak yg terambil, teryata 10 dari 00 respode kota da 40 dari 500 respode sekitarya setuju megeai laraga tsb, Ujilah apakah proporsi yg setuju sama saja?

30 Output Miitab: Uji Z Test ad CI for Two Proportios Sample X N Sample p Differece = p (1) - p () Estimate for differece: % CI for differece: ( , ) Test for differece = 0 (vs ot = 0): Z =.87 P-Value = 0.004

31 Tabulated statistics: Kota_Sekitar, Setuju_ Rows: Kota_Sekitar Colums: Setuju_ 0 1 All All Cell Cotets: Cout % of Row Expected cout Pearso Chi-Square = 8.35, DF = 1, P-Value = Likelihood Ratio Chi-Square = 8.83, DF = 1, P-Value = 0.004

32 Uji c utk k Proporsi: χ = 6.34, p=.044 Latiha Soal Dlm suatu peelitia, dikumpulka data di bawah ii utk meetuka apakah proporsi produk yg cacat oleh pekerja yg bertugas pagi, sore, da malam hari sama atau tidak. Produk Pagi Sore Malam Cacat Tdk Cacat Total Ujilah pd taraf yata.05 utk meetuka apakah proporsi produk yg cacat sama utk ketiga waktu kerja?.

33 Peubah A B 1 B B k Baris A k 1.. A 1 k. A b b1 b bk b. Kolom i. ij = f ij : frekuesi pegamata baris i kolom j k j1 b i1 b k ij i1.. ik. j ij 1 j.. Jika peubah A da peubah B bebas, peluag idividu dalam sel (i,j): P(A i B j ) = P(A i ) P(B j ) = i. /... j /.. Frekuesi harapaya (jika bebas) dalam sel (i,j): e ij = P(A i B j ).. = i.. j /.. c e e e ij ij ij ij e ij Peubah B ij e ij ij ij ij.. i1 j1 ij ij 11.. P(A i ) = i. /.. P(B j ) =.j /.. ij e ij.. bj bk

34 Peubah A B 1 B Baris A A 1. Kolom Peubah B Utuk Tabel x : c Uji ii semaki baik jika besar. Supaya frekuesi sel besar, dapat meggabugka kategori-kategori, asalka logis...1. Jika ada beberapa sel (maks 0%) mempuyai 5 e ij 10, guaka koreksi kekotiua Yate: Utuk Tabel x : ij eij 0. 5 c e c ij ij

35 Apakah ada hubuga atara motivasi kerja pegawai dega kierjaya, dari kasus berikut? Kasus I Kierja Kierja Motivasi baik kurag Motivasi baik kurag tiggi 30 (0.6) kurag 5 (0.5) 0 (0.4) 5 (0.5) Kasus II tiggi 10 (0.6) kurag 100 (0.5) c = 1.01; p=0.315 c = 4.04; p= (0.4) 100 (0.5) Proporsi karyawa yg kierjaya baik dari yg bermotivasi tiggi= 0.6 (utk kedua kasus) Proporsi karyawa yg kierjaya baik dari yg bermotivasi kurag= 0.5 (utk kedua kasus) Dg 100 sampel (kasus I), belum cukup bukti/kuat utk meyimpulka bahwa ada hubuga atara motivasi dega kierja. Dg 400 sampel (kasus II), dpt disimpulka bahwa maki tiggi motivasi kerja karyawa, maki baik kierjaya.

36 Tabel Kotigesi Klasifikasi Tiga Arah Pegawai Negeri Sipil Kierja Karyawa Swasta Kierja Motivasi baik kurag Motivasi baik kurag tiggi 40 0 tiggi 0 40 kurag 0 30 kurag 15 5 a) Apakah ada hubuga atara Motivasi Kerja dega Kierja? (Tapa memperhatika Status Pekerjaaya) b) Apakah ada hubuga atara Motivasi Kerja dega Kierjaya utuk kelompok Pegawai Negeri Sipil? c) Apakah ada hubuga atara Motivasi Kerja dega Kierjaya utuk kelompok Karyawa Swasta? d) Apakah hubuga atara Motivasi Kerja dega Kierja tergatug dari status pekerjaaya?

37 Data Survey yg Diamati dari 00 Kepala Keluarga (KK) yg Tiggal Di Suatu Daerah: KK Pedi dika Aak Merokok Hipertesi Icome Kosum si Status Pekerjaa

38 Bayakya Kepala Keluarga Meurut Tigkat Pedidika da Aak (Tabel Kotigesi 3x8 atau Tabel Dua-Arah) Pedidika Aak Jum lah SLTP SLTA Pergurua Tiggi

39 Bayakya Kepala Keluarga Meurut Tigkat Pedidika da Aak yg sudah dikategorika Aak Pedidika 0 1 Sedikit 3 Cukup 4 Bayak SLTP 14 (17%) 37 (45%) 31 (38%) 8 (100%) SLTA 19 (4%) 4 (54%) 17 (%) 78 (100%) Pergurua Tiggi 17 (44%) 1 (31%) 10 (6%) 39 (100%) 50 (5%) 91 (46%) 58 (9%) 199 (100%)

40 Bayakya Kepala Keluarga Meurut Tigkat Pedidika, Aak da Jeis Pekerjaa (Tabel Tiga-arah) Jeis Aak Pekerjaa Pedidika >= 4 Petai < = SLTP SLTA PT Buka < = SLTP Petai SLTA PT J u m l a h

41 Peubah A B 1 B Baris A A Kolom UJI EKSAK FISHER Jika sudah Tabel x tapi frekuesi sel tetap kecil, misalya P Peubah B Peluag tepat medapatka pola frekuesi seperti dlm tabel jika H o bear (A & B bebas): Misal dari semua idividu (.. ), jika diambil 1. cotoh A 1, maka peluag medptka tepat 11 kategori B 1 da 1 kategori B adalah sbb: !.! 1.!.!, ) ! 11! 1! 1! 1. = Sebara Hipergeometrik ( 1!

42 Meetuka p-value (peluag salah dlm memutuska H 1 ) Misal frekuesi terkecil adalah a di sel (1,1). Jika jumlah marjial tetap, tabel frekuesi yag kodisiya jauh dari H 0 ada a kemugkia lagi. Peubah Peubah B Peubah Peubah B A B 1 B Baris A A Kolom Peubah A B 1 B Baris A A Kolom Peubah B Peubah Peubah B A B 1 B Baris A A Kolom A B 1 B Baris A A Kolom Arah hubuga (H 1 ) sudah ditetuka dulu uji eka arah

43 Meetuka p-value (peluag salah dlm memutuska H 1 ) Peubah P-value = a 11 P i i0 A B 1 B Baris A 1 a b 1 A c d 17 Kolom Peubah B i : jumlah frekuesi di sel(1,1) Mis. utk i=k, tabelya sebelah kiri P k...1! a! k.! b! k 1.! c! k.! d! k! Peubah A B 1 B Baris A 1 a+1 b-1 1 A c-1 d+1 17 Kolom Peubah B P utk i=k+1, tabelya sebelah kiri ( k1) P ( k1)!( a.. k.1!.! 1.!.! 1)!( b 1)!( c 1)!( d ( a k k bk ck 1)( d k k k 1) 1)! P k

44 Meetuka p-value (peluag salah dlm memutuska H 1 ) Peubah A B 1 B Baris A A Kolom Peubah B P k P 0...1! a! k 14! 17! 9!!.! b! k 1.! c! k.! d! k = x10-5! Peubah A B 1 B Baris A A Kolom Peubah B P ( k1) ( a k bk ck 1)( d k 1) P 1(15) P(1) P0 =10.51 x10-5 1(3) k

45 Meetuka p-value (peluag salah dlm memutuska H 1 ) Peubah A B 1 B Baris A A Kolom Peubah B P ( k1) ( a k bk ck 1)( d k 1) P 11(14) P() P1 =0.59 x10-5 (4) k Peubah A B 1 B Baris A A Kolom Peubah B (13) P(3) P = x10-5 3(5) P-value = P 0 + P 1 + P + P 3 = < a H 1 Kesimpula: Ada hubuga atara Peubah A dg Peubah B

46 Ukura Keerata Hubuga Apakah Hubuga tsb sigifika dlm pegertia hubuga yg kuat (bermaka) Risiko kesalaha (p) tgt ukura cotoh Jika proporsi dlm sel tdk berubah, ilai statistik uji aik k kali sesuai keaika. Suatu perbedaa proporsi dpt sigifika atau tidak secara statistika, tapa melihat sigifika dlm pegertia lai (bermaka) Utk Tabel x, perbedaa proporsi dpt diguaka ukura kekuata hubuga. Bgm dg Tabel IxJ? Hubuga sigifika tgt faktor: kekuata Hubuga da ukura cotoh

47 Koefisie Phi: Φ = c /.. Kasus I Kasus II Kierja Kierja Motivasi baik kurag Motivasi baik kurag tiggi 30 (0.6) kurag 5 (0.5) 0 (0.4) 5 (0.5) tiggi 10 (0.6) kurag 100 (0.5) 80 (0.4) 100 (0.5) c = 1.01; p=0.315 c = 4.04; p=0.044 Φ = Φ = Utk Tabel x, maksimum Φ =1 Utk Tabel bxk, Φ dpt >1

48 Koefisie Tschuprow (T ) T =.. ( b c 1)( k 1) ( b 1)( k 1) Utk Tabel b=k, T 1 Utk Tabel b k, T < 1

49 Koefisie Cramer (V ) V =.. Mi c b 1, k 1 Mib 1, k 1 Utk Tabel xk, V = Φ

50 Koefisie Kotigesi Pearso (C) c.. C = c Maks C = Mudah diiterpretasi: C = (koreksi) c c.. Supaya, C 1

51 Koefisie Yule (Q), utk Tabel x Q = Q +1 Peubah Peubah A B 1 B Baris A A Kolom Peubah B A B 1 B Baris A A Kolom Peubah B Note: Koef Yule: Q 1 = Q = 1 Tapi Koef Phi: Φ 1 = 0.49 da Φ 1 = 0.667

52 Odds Ratio (a) Odds: ratio idividu-idividu yg kategoriya berbeda dlm satu peubah, tapikategoriya sama dlm peubah yg lai Utk Tabel x: a , 1, atau Tdk perah egatif Jika ilai odds sama (a=1), maka kedua peubah bebas

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

1. Uji Dua Pihak. mis. Contoh :

1. Uji Dua Pihak. mis. Contoh : . Uji Dua Pihak H 0 H a : : Cotoh : mis : mea kelas Lab mea kelas tapa lab Ho : Tidak ada perbedaa kemampua hasil belajar biologi siswa atara yag belajar melalui media laboratorium dega yag tidak. Ha :

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

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1 Proses Pedugaa Populasi Mea,, tdk diketahui Cotoh Acak Mea = 50 95% yaki bahwa diatara 40 & 60. Cotoh 1999 Pretice-Hall, Ic. Chap. 7-1 Pedugaa Parameter Populasi Meduga Parameter Populasi... Mea dg Statistik

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

Chapter 7 Student Lecture Notes 7-1

Chapter 7 Student Lecture Notes 7-1 Chapter 7 Studet Lecture Notes 7-1 DASAR-DASAR UJI Hipotesis: Hipo (di bawah) da Tesis (peryataa yag telah diuji) Hipotesis Statistik:suatu proposisi atau aggapa megeai parameter populasi yag dapat diuji

Lebih terperinci

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE Biostatistics UJI CHI-SQUARE I N T A N Y U S U F H A B I B I E, S. G Z - Ilmu statistik tidak haya membatu kita utuk medeskripsika data secara rigkas, tapi juga dapat diguaka utuk meguji hipotesa. - Hipotesa

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

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

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

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

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465)

1200 (0,535) (0,465) (1200 1).0,05 + (0,535) (0,465) = DATA DAN METODE PENELITIAN Data Peelitia Data yag diguaka dalam peelitia ii adalah data primer hasil yag diperoleh melalui peyebara kuisioer da metode wawacara sebagai data pelegkap. Pegumpula data dilaksaaka

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

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

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB II TINJAUAN TEORITIS

BAB II TINJAUAN TEORITIS BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa

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

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

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

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.

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

MODUL PRAKTIKUM Statistik Inferens (MIK 411)

MODUL PRAKTIKUM Statistik Inferens (MIK 411) MODUL PRAKTIKUM tatistik Iferes (MIK 4) Disusu Oleh Nada Aula Rumaa, KM., MKM UNIVERITA EA UNGGUL 07 Revisi (tgl) : 0 (0 Desember 07) / 4 UJI T DEPENDEN/BERPAANGAN (PAIRED T TET) A. Pedahulua Uji t berpasaga,

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,

BAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar, 45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam

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

Modul Kuliah statistika

Modul Kuliah statistika Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata

Lebih terperinci

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi,

III. METODE PENELITIAN. Variabel X merupakan variabel bebas adalah kepemimpinan dan motivasi, 7 III. METODE PENELITIAN 3.1 Idetifikasi Masalah Variabel yag diguaka dalam peelitia ii adalah variabel X da variabel Y. Variabel X merupaka variabel bebas adalah kepemimpia da motivasi, variabel Y merupaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa

Lebih 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

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

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih 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

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

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

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

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

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

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

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

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

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

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

Pemilihan Model Terbaik

Pemilihan Model Terbaik Pemiliha Model Terbaik Hazmira Yozza Jur. Matematika FMIPA Uiv. Adalas Jadi bayak model yag mugki dibetuk Var. Bebas :,, 3 Model Maa Yag Mampu Mewakili Data 3,, 3, 3,, 3 + model akar, log, hasil kali,

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

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

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pegujia Hipotesis Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : = 0 Butuh pembuktia berdasarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : x 5 Hal itu merupaka

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

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

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

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

PETA KONSEP RETURN dan RISIKO PORTOFOLIO

PETA KONSEP RETURN dan RISIKO PORTOFOLIO PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI

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

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

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata

Probabilitas dan Statistika Korelasi dan Regresi. Adam Hendra Brata Probabilitas da Statistika da Adam Hedra Brata Dua Peubah Acak dua perubah acah X da Y dega rata-rata da diberika oleh rumus : E(XY) - - - Sifat Sifat Sifat kovariasi utuk X da Y diskrit : f(, ) f(, )

Lebih terperinci

REGRESI DAN KORELASI

REGRESI DAN KORELASI REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas

Lebih terperinci

STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA

STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard

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

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

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

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.

Lebih terperinci

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

Outline. Pengukuran Listrik II. Kesalahan dlm Pengukuran 25/09/2012. Anhar, ST. MT. Lab. Jaringan Komputer

Outline. Pengukuran Listrik II. Kesalahan dlm Pengukuran 25/09/2012. Anhar, ST. MT. Lab. Jaringan Komputer 5/09/0 II. Kesalaha dlm Pegukura Ahar, ST. MT. Lab. Jariga Komputer Outlie Kosep pegukura Kesalaha Pegukura Istilah Tekik Pegukura Aalisis statistik 5/09/0 Kosep Pegukura Meetuka ilai kuatitatif atau besar

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

Penarikan Sampel Acak Sederhana

Penarikan Sampel Acak Sederhana Tekik Samplig Pearika Sampel Acak Sederhaa Hazmira Yozza- Jur. Matematika Uad 17/11/014 Tujua Pearika Sampel Megambil kesimpula megeai populasi berdasarka iformasi yag terkadug pada sampel Ukura sampel

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 26 BAB III METODOLOGI PENELITIAN A. Tempat da Waktu Kegiata dilakuka di Divisi Tresuri Bak XYZ dari bula Jauari - April 2011. Pegambila data dilakuka di beberapa wilayah pemasara yaitu di wilayah Jakarta,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

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. 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

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi Chapter 6 Studet Lecture Notes 6-1 Hal-1 Hal-2 Estimasi (Pedugaa) Estimasi (Pedugaa) TOPIK Pegertia Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Iterval Estimasi iterval

Lebih 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

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

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

1 n MODUL 5. Peubah Acak Diskret Khusus

1 n MODUL 5. Peubah Acak Diskret Khusus ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai

Lebih 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

PENGUJIAN HIPOTESA BAB 7

PENGUJIAN HIPOTESA BAB 7 PENGUJIAN IPOTESA BAB 7 Pedahulua ipotesis ( upo : lemah, Thesis : peryataa ) Diartika :. Peryataa yag masih lemah kebearaya da perlu dibuktika. Dugaa yag sifatya masih semetara ipotesis ii perlu utuk

Lebih terperinci

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden,

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden, III. BAHAN DAN METODE A. Waktu da Tempat Peelitia Peelitia ii dilaksaaka pada bula April 014 di BBPTU-HPT Baturrade, Purwokerto. B. Baha da Alat Peelitia Baha peelitia ii yaitu rekordig produksi susu laktasi

Lebih terperinci

MANAJEMEN RISIKO INVESTASI

MANAJEMEN RISIKO INVESTASI MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 10 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di areal kerja IUPHHK-HA PT. Sarmieto Parakatja Timber, Kalimata Tegah selama satu bula pada bula April higga Mei 01.

Lebih terperinci

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F

BAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka

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

IX. TEORI PENDUGAAN DAN PENGUJIAN HIPOTESISI

IX. TEORI PENDUGAAN DAN PENGUJIAN HIPOTESISI I. TEORI PENDUGAAN DAN PENGUJIAN IPOTESISI. Teori Pedugaa Dalam peelitia kita berusaha utuk meyimpulka populasi dimaa sample diambil utuk mewakili populasi tersebut. Utuk tujua tersebut kita mecari atau

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di

III. METODE PENELITIAN. Populasi dalam penelitian ini adalah siswa kelas VIII (delapan) semester ganjil di 4 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah siswa kelas VIII (delapa) semester gajil di SMP Xaverius 4 Badar Lampug tahu ajara 0/0 yag berjumlah siswa terdiri dari

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemua VI Sebara Pearika Cotoh Septia Rahardiatoro - STK IPB 1 Sebara Pearika Cotoh Megidetifikasi sebara suatu fugsi dari cotoh ketika diambil dari suatu populasi X

Lebih 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

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

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Seputih Agung. Populasi dalam 19 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMP Negeri 1 Seputih Agug. Populasi dalam peelitia ii adalah seluruh siswa kelas VII SMP Negeri 1 Seputih Agug sebayak 248 siswa

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

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

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

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai 1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh

Lebih terperinci

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA REGRESI LINIER SEDERHANA REGRESI, KAUSALITAS DAN KORELASI DALAM EKONOMETRIKA Regresi adalah salah satu metode aalisis statistik yag diguaka utuk melihat pegaruh atara dua atau lebih variabel Kausalitas

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB TINJAUAN TORITIS.1 Statistik No Parametrik Test statistik o parametrik adalah test yag modelya tidak meetapka syaratsyaratya yag megeai parameterparameter populasi yag merupaka iduk sampel peelitiaya.

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) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

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

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci