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

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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, maka seperti telah diteragka terdapat hal-hal : a. Hiptesis megadug pegertia sama, dalam hal ii pasaga H da H adalah ) H : θ = θ H : θ = θ ) H : θ = θ H : θ θ 3) H : θ = θ H : θ = θ 4) H : θ = θ H : θ θ Dimaa θ, θ dua harga berlaia yag diketahui. Pasaga diamaka test sederhaa lawa sederhaa, sedagka yag laiya merupaka test sederhaa lawa kmpsit b. Hiptesis megadug pegertia masimal tuk ii H da H berbetuk : H : θ < θ H : θ θ Yag biasa diamaka test kmpsit lawa kmpsit. c. Hiptesis megadug pegertia miimum. Perumusa H da H berbetuk : H : θ θ H : θ < θ Ii juga test kmpsit lawa kmpsit. 75

2 STATISTIKA Kita pilih statistik yag maa yag harus diguaka apakah agka statistik t,, F atau laiya, ilai statistik yag dipilih besarya dihitug dari data sampel yag diaalisa. Kemudia berdasarka piliha taraf sigifika atau disebut juga ukura daerah kritis, kriteria test kita tetuka.. Pegujia hiptesis megeai ilai tegah ppulasi. mpamakalah kita mempuyai sebuah ppulasi rmal dega rata-rata da simpaga baku σ. Aka ditest megeal parameter rata-rata µ Pegujia suatu hiptesis harus diskg leh adaya data yag dikumpulka dari ppulasi berdasarka suatu cth acak yag berukura sebesar. Misalkalah bahwa ilai-ilai yag diamai ialah : (X, X,...X ) Telah diketahi bahwa µ= /.N(µ,τ /) sehigga merupaka perubaha acak rmal baku Kalau H : = N bear, maka haruslah : (,) / / - P Dega megguaka dapat ditetuka suatu ilai yag meyebabka bahwah p ( ) = seperti pada gambar di atas. 76

3 PARAMETER PENGJIAN HIPOTESIS Kalau ilai ii dapat dicari, maka haruslah juga : P / Atau P( ) Dega perkataa lai telah disekat mejadi dua selag terputus : A Ii berarti masig-masig dapat diguaka sebagai daerah peerimaa da daerah pelaka dalam peguji H dega megguaka ilai yag dicapai sebagai patka. Kriterium pegujia H : µ = µ terhadap H : µ > µ dega demikia ialah :, terima H, tlakh Pada keyataaya simpaga baku serig tidak diketahui dalam hal ii maka diambil estimatrya, ialah simpaga baku yag dihitug dari sampel yag megguaka rumus : t s / Dimaa bahwa t, berdistribusi studet dega dk = da batas kriteria utuk test ii dapat dilihat pada peafsira stadar deviasi utuk sampel. tuk pegujia H : µ = µ terhadap H : µ < µ dega cara yag sama dapat dituruka bahwa kriterium pegujia ialah, diterima H Tlak H ji dwi arah utuk dua jeis pembadiga hiptesis H : µ = µ terhadap H : µ µ dapat diterima ditetuka berdasarka peetua suatu ilai yag membuat : P( > α / ) = α 77

4 STATISTIKA Peryataa tetag peluag ii setara dega : / P Da P / / / Oleh kerea itu sebagai daerah peerimaa H dapat diguaka : / A : / Kriterium pegujia sekarag mejadi : A, terimah :, tlak H : A, terimah :, tlak H : Seperti gambar dibawah ii : Daerah Pelaka H Q() Daerah Peerimaa Daerah Pelaka H / / - - / + / B A B 3. Pegujia Hiptesis megeai Prprsi Misalka kita mempuyai ppulasi bimial dega prprsi peristiwa p, berdasarka sebuah sampel radm yag diambil dari ppulasi itu, aka diuji megeai test dua pihak. H : p = p H : p p Dimaa p sebuah harga yag diketahui. Dari sampel berukura itu kita hitug prprsi sampel / utuk dapatya peristiwa A. Dega megguaka pedekata distribusi rmal, maka utuk test ii diguaka statistik yag rumusya : 78

5 PARAMETER PENGJIAN HIPOTESIS / p p q / Kriteria utuk test ii dega taraf sigifika α, adalah terima H jika ½ dim aa ( ) dapat dari daftar rmal stadar prbabilitas ½ ( - α) dalam hal laiya H ditlak Jika yag diuji dari ppulasi bimial itu berbetuk : H : p p H : p > p Maka test demikia merupaka test pihak kaa. Peetua kreteria test dalam hal ii, tlak H jika,5 α dimaa,5 α didapat dari daftar rmal stadar yag prbabilitasya (,5) tuk <,5 α, hiptesis diterima. tuk test pihak kiri maka pasaga hiptesis dari alterative adalah : H : p p H : p < p Disiipu, statistik yag diguaka masih statistik seperti di atas, kriteria test adalah tlak H jika - α,5 dimaa,5α didapat dari daftar rmal stadar dega prbabilitas (,5 α). Dimaa dalam hal laiya H diterima. 4. Pegujia Hiptesis megeai ragam ppulasi rmal Dari suatu cth acak ppulasi = N ( µτ ) yag terdiri dari buah pegamata (,,... ). seperti yag telah diketahui sebelumya, dapat ditetuka peduga tak berbias bagi τ peduga ii ialah S. Besara ii merupaka perubaha acak yag peyebaraya bersifat bahwa : S seperti telah diuraika pada bab pedugaa / peafsira utuk dega S Pegujia H : τ = τ terhadap H : τ = τ dapat diguaka ( ) S X terima H, tlak H X tlakh, terima H 79

6 STATISTIKA tuk keadaa H : τ = τ H : τ = τ Dapat dituruka kriteria pegajia, ) S ( X terima H, tlak H X tlakh, terima H Bagi H : τ = τ terhadap τ τ maka kriteria pegujia berbetuk : ( ) S X, X / ) terima H X tlakh, terima H tuk megetahui batas harga X dalam gambar maa daerah pelaka da peerimaa H dapat dilihat lagi peafsira dega X, 8

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

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih 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

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

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih 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

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB 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

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

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

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

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

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

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

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

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

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

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

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

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

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

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

Lebih terperinci

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

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

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05. MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

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

Lebih terperinci

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

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

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

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari

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 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

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

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

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

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

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

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

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

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja

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 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

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

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

ANALISIS REGRESI DAN KORELASI SEDERHANA

ANALISIS REGRESI DAN KORELASI SEDERHANA LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.

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

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

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

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

Lebih terperinci

BAB 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

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

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

Lebih terperinci

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A BAB 7 PENGUJIAN HIPOTESA Meguji Rata-rata µ Umpamakalah kita mempuyai sebuah populasi berdistribusi ormal dega rata-rata µ da simpaga baku σ. Aka diuji megeai parameter rata-rata µ Utuk pasaga hipotesa

Lebih terperinci

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik

Lebih 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

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015

RESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015 RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi

Lebih terperinci

Pendugaan Parameter 1

Pendugaan Parameter 1 Topik Bahaa: Pedugaa Parameter 1 (Selag Pedugaa, Pedugaa Selag 1 Rata-Rata) Pertemua ke II 1 Ilutrai Statitika Ifereia : Mecakup emua metode yag diguaka utuk pearika keimpula atau geeraliai megeai populai

Lebih terperinci

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4] PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA

MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

Lebih 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

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

BAB III MATERI DAN METODE. Ettawa Berdasarkan Bobot Lahir dan Bobot Sapih Cempe di Satuan Kerja

BAB III MATERI DAN METODE. Ettawa Berdasarkan Bobot Lahir dan Bobot Sapih Cempe di Satuan Kerja 8 BAB III MATERI DAN METODE Peelitia tetag Pedugaa Keuggula Pejata Kambig Peraaka Ettawa Berdasarka Bobot Lahir da Bobot Sapih Cempe di Satua Kerja Sumberejo Kedal dilakuka di Satua Kerja Sumberejo Kedal.

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter Pedahulua Pedugaa Parameter Populai 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

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

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

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

MODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS

MODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS MODUL 7 BEBERAPA MACAM SEBARAN TEORITIS Pedahulua Dibedaka sebara probabilitas yag diskrit dega sebara yag kotiyu Keduaya bukalah sebara yag berasal dari pegalama, melaika berasal dari pertimbaga-pertimbaga

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Daerah peelitia adalah Kota Bogor yag terletak di Provisi Jawa Barat. Pemiliha lokasi ii berdasarka pertimbaga atara lai: (1) tersediaya Tabel Iput-Output

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

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 III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit

BAB III METODE PENELITIAN. objek penelitian yang penulis lakukan adalah Beban Operasional susu dan Profit BAB III METODE PENELITIAN 3.1 Objek Peelitia Objek peelitia merupaka sasara utuk medapatka suatu data. Jadi, objek peelitia yag peulis lakuka adalah Beba Operasioal susu da Profit Margi (margi laba usaha).

Lebih terperinci

Bab 7 Penyelesaian Persamaan Differensial

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

Lebih terperinci

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

Makalah ANALISIS REGRESI DAN REGRESI GANDA

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

Lebih terperinci

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

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

MODUL BEBERAPA MACAM SEBARAN TEORITIS

MODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS MODUL 7 BEBERAPA MACAM SEBARAN TEORITIS Pedahulua Dibedaka sebara probabilitas yag diskrit dega sebara yag kotiyu Keduaya bukalah sebara yag berasal dari pegalama, melaika

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Metode Peelitia Peelitia ii megguaka metode peelitia Korelasioal. Peelitia korelasioaal yaitu suatu metode yag meggambarka secara sistematis da obyektif tetag hubuga atara

Lebih terperinci

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

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

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar INFERENSI STATISTIKA DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA518 Topik dalam Statistika I: Statistika Spasial 6 September 01 Utriwei Mukhaiyar DISTRIBUSI SAMPEL Beberapa defiisi Suatu populasi terdiri

Lebih terperinci

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram

Statistika Matematika. Soal dan Pembahasan. M. Samy Baladram Statistika Matematika Soal da embahasa M Samy Baladram Bab 4 Ubiasedess, Cosistecy, ad Limitig istributios Ubiasedess, Cosistecy, ad Limitig istributios 41 Ekspektasi Fugsi Key oits Ṫeorema 411 Jika T

Lebih 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

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui

Lebih terperinci

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1

Kuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1 Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode

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

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr

Statistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr materio.r Statistika A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka).

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

STATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis

STATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis materio.r A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka). B. PENYAJIAN

Lebih terperinci

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,

Lebih 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

B a b 1 I s y a r a t

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

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci