STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

Ukuran: px
Mulai penontonan dengan halaman:

Download "STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)"

Transkripsi

1 STK511 Analisis Statistika Pertemuan 5 Statistika Inferensia (1)

2 Pendugaan Parameter mengacu pada suatu proses yang menggunakan data contoh untuk menduga nilai suatu parameter (populasi). 5. Statistika Inferensia (1) Penduga Parameter 2 2 x s p

3 Jenis Penduga Penduga Titik, seperti : y untuk menduga s 2 untuk menduga 2 Penduga Selang, seperti : Selang kepercayaan (1 - )100% bagi Jika 2 diketahui: y z y z 2 2 n n Jika 2 s tdk diketahui: y t 2 n y t 2 n n ( 1) ( 1) s n

4 Ilustrasi (1) Survei dilakukan terhadap 20 rumah tangga (RT) di suatu kota untuk menduga besarnya rata-rata biaya pendidikan (juta Rp/thn/RT). Datanya diperoleh sebagai berikut: RT Biaya Pendi (juta Rp) RT Biaya Pendi (juta Rp) a. Dugalah rata-rata biaya pendidikan per RT per tahun b. Buatlah selang kepercayaan 95%. Asumsikan biaya pendidikan mengikuti sebaran normal.

5 Ilustrasi (1) Jawab: Descriptive Statistics: y Variable Mean SE Mean StDev Minimum Q1 Median Q3 Maximum y a. Penduga rata-rata biaya pendidikan ˆ y 6.438

6 Ilustrasi (1) Jawab: One-Sample T: y Variable N Mean StDev SE Mean 95% CI y ( , ) b. Selang kepercayaan 95% s s / n / t y (0.05/2; db19)

7 Statistik? Nilai Tengah Perhatikan :, Kita memiliki. Pertanyaannya : Statistik yang mana yang akan digunakan untuk menduga? 1. Penduga Tak Bias Terbaik 2. memiliki ragam minimum

8 Statistik? Nilai Tengah Penduga Tak Bias Bias : Jika tak bias, maka dan Ilustrasi :

9 Statistik? Nilai Tengah Penduga Tak Bias Terbaik tak bias. memiliki ragam terkecil dari semua kemungkinan penduga tak bias lainnya. Mean Square Error (MSE)

10 Ilustrasi : Teorema Limit Pusat Sebaran rataan contoh, n = 30

11 Penduga Selang Perhatikan : maka dan, sehingga :

12 Penduga Selang Perhatikan : Peluang selang acak (BB,BA) memuat µ adalah 1 - α.

13 Penduga Selang Perhatikan : Peluang selang acak (BB,BA) memuat µ adalah 1 - α. Dari seratus kali pengambilan contoh acak (selang acak) maka ada sebanyak kurang lebih (1 α) x 100% yang memuat µ. Selang kepercayaan 95% : kita yakin kalau mengambil 100 contoh acak (selang acak) maka ada 95 selang yang terbentuk akan memuat µ (nilai tengah populasi).

14 Ilustrasi (2) Diperoleh data hasil pengukuran tinggi badan (Y ) dalam cm di suatu kelas STK511 dari 25 orang mahasiswa sebagai berikut : Jika diketahui 10, buat selang kepercayaan 95% bagi Y. Y

15 Jawab : y y Z /2 10 / Ilustrasi (2) SK-nya adalah : ;163.32

16 Jawab : y y Z /2 10 / Ilustrasi (2) SK-nya adalah : ; Minitab : The assumed standard deviation = 10 Variable N Mean StDev SE Mean 95% CI TB ( , )

17 Masalah Ukuran Contoh Minimum Perhatikan : Suatu selang kepercayaan (1 α) x 100% untuk µ berdasarkan. B = margin of error. Maka untuk suatu margin error dan tingkat kepercayaan tertentu serta ragam yang diketahui, ukuran contoh minimum adalah :

18 Ilustrasi (3) Rata-rata konsentrasi seng yang diperoleh dari suatu contoh yang berasal dari 36 lokasi yang berbeda di sebuah sungai adalah 2.6 gram/ml. Jika diketahui simpangan baku populasi sebesar 0.3 gram/ml, Berapa besar ukuran contoh minimum yang harus diambil jika kita ingin yakin 95% bahwa nilai dugaan kita berbeda dari tidak lebih dari 0.05 gram/ml? Jawab : n z e (0.3) n

19 Perhatikan : Selang Kepercayaan 2 Contoh Acak Saling Bebas dengan dan Sehingga untuk :

20 . Selang Kepercayaan 2 Contoh Acak Saling Bebas Rumus jadi : dengan

21 Ilustrasi (4) Dalam suatu percobaan, dicobakan 2 metode (A dan B) dan diperoleh data sbb. : Buat selang kepercayaan 90% bagi jika.

22 Ilustrasi (4) Dalam suatu percobaan, dicobakan 2 metode (A dan B) dan diperoleh data sbb. : Buat selang kepercayaan 90% bagi jika. Jawab : Selang Kepercayaan :

23 Ilustrasi (4) Jawab : Minitab Two-Sample T-Test and CI: A, B Two-sample T for A vs B N Mean StDev SE Mean A B Difference = mu(a) - mu(b) Estimate for difference: % CI for difference: ( , ) Both use Pooled StDev =

24 Perhatikan : Selang Kepercayaan 2 Contoh Acak Saling Bebas Bagaimana kalau? dengan

25 Selang Kepercayaan untuk Proporsi Perhatikan : untuk n besar, berlaku : Diperoleh selang kepercayaan (1 - α) 100% bagi p adalah

26 Perhatikan : Selang Kepercayaan untuk Proporsi 2 Contoh Acak untuk n besar, berlaku : Diperoleh selang kepercayaan (1 - α) 100% bagi p adalah

27 Ilustrasi (5) Catatan medis di suatu rumah sakit menunjukkan bahwa dalam contoh yang terdiri dari 1000 laki-laki, 52 diantaranya menderita penyakit jantung, sedangkan dari 1000 perempuan, 23 diantaranya yang menderita penyakit tersebut. Buatlah selang kepercayaan 95% bagi beda proporsi laki-laki dan perempuan yang menderita penyakit jantung. Jawab : Selang Kepercayaan 95% bagi p 1 p 2 : 0.052( ) 0.023( )

28 Ilustrasi (6) Perhatikan pada suatu pemilihan umum, misalkan peluang Si A dan Si B menang pada suatu TPS adalah sama, tentukan ukuran contoh TPS minimum jika diinginkan kesimpulan yang diperoleh memiliki tingkat kepercayaan 95% dengan margin error 5%. Jawab : n Z /2 x pq Z /2 B B 2 2 pq 1.96 x 0.25 n

29 Ilustrasi (7) Suatu klub kesegaran jasmani ingin mengevaluasi program diet, kemudian dipilih secara acak 10 orang anggotanya untuk mengikuti program diet tersebut selama 3 bulan. Data yang diambil adalah berat badan sebelum dan sesudah program diet dilaksanakan, yaitu: Berat Badan Peserta Sebelum (X1) Sesudah (X2) D = X1 - X Dugalah rata-rata beda berat badan sebelum dan sesudah mengikuti program diet, lengkapi dengan selang kepercayaan 95%!

30 Selang Kepercayaan Nilai Tengah Data Berpasangan Penduga Selang Beda nilai tengah bagi contoh berpasangan: d Selang kepercayaan (1-)100% bagi d s d t d t n d ( n1) d ( n1) 2 2 s d n Pasangan n Sampel 1 (X1) x11 x12 x13 x1n Sampel 2 (X2) x21 x22 x23 x2n D = (X1-X2) d1 d2 d3 dn ( d d) s n 1 x x 2 i 2 i d dan di 1i 2i

31 Ilustrasi (7) Minitab Paired T-Test and CI: X1, X2 Paired T for X1 - X2 N Mean StDev SE Mean X X Difference % CI for mean difference: ( , )

32 Ilustrasi (7) Minitab Descriptive Statistics: D Variable Mean SE Mean StDev D One-Sample T: D Variable N Mean StDev SE Mean 95% CI D ( , )

33 Bersambung.

34 Tabel t-student

STK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2)

STK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2) STK511 Analisis Statistika Pertemuan 6 Statistika Inferensia () 6. Statistika Inferensia () Pengujian Hipotesis x? s p 6. Statistika Inferensia () Pengujian Hipotesis Rataan populasi: nilainya tidak diketahui

Lebih terperinci

1/8/2011. TUJUAN: Dapat menggunakan MINITAB 13 untuk melakukan pengujian nilai tengah, baik untuk nilai tengah satu populasi maupun dua populasi.

1/8/2011. TUJUAN: Dapat menggunakan MINITAB 13 untuk melakukan pengujian nilai tengah, baik untuk nilai tengah satu populasi maupun dua populasi. UJI NILAI TENGAH MATERI MUATAN LOKAL MATA KULIAH PENERAPAN KOMPUTER TUJUAN: Dapat menggunakan MINITAB 13 untuk melakukan pengujian nilai tengah, baik untuk nilai tengah satu populasi maupun dua populasi.

Lebih terperinci

Pengujian Hipotesis - Sipil Geoteknik 2013 PENGUJIAN HIPOTESIS. Dr. Vita Ratnasari, M.Si 02/10/2013

Pengujian Hipotesis - Sipil Geoteknik 2013 PENGUJIAN HIPOTESIS. Dr. Vita Ratnasari, M.Si 02/10/2013 1 PENGUJIAN HIPOTESIS Dr. Vita Ratnasari, M.Si Pengertian hipotesis 2 Hipotesis merupakan pernyataan tentang sebuah parameter yang masih harus diuji kebenarannya. Pengujian hipotesis adalah prosedur untuk

Lebih terperinci

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis STK 5 Analisis statistika Materi 6 Pengujian Hipotesis Pendahuluan Dalam mempelajari Karakteristik Populasi kita sering telah memiliki pernyataan/anggapan tertentu. pemberian DHA pada anak-anak akan menambah

Lebih terperinci

STK 211 Metode Statistika PENGUJIAN HIPOTESIS

STK 211 Metode Statistika PENGUJIAN HIPOTESIS STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka

Lebih terperinci

Praktikum Pengujian Hipotesis

Praktikum Pengujian Hipotesis Praktikum Pengujian Hipotesis 1. Pengujian Hipotesis dan Selang Kepercayaan bagi Nilai Tengah untuk Satu Populasi Komputasi untuk pengujian hipotesis dan selang kepercayaan (1-α)% bagi Nilai Tengah di

Lebih terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

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

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar

STK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar STK511 Analisis Statistika Pertemuan 2 Review Statistika Dasar Statistika Populasi Sampling Pendugaan Contoh Deskriptif Tingkat Keyakinan Statistika Deskriptif vs Statistika Inferensia Ilmu Peluang Parameter

Lebih terperinci

TEORI PENDUGAAN (TEORI ESTIMASI)

TEORI PENDUGAAN (TEORI ESTIMASI) TEORI PENDUGAAN (TEORI ESTIMASI) Tujuan Pembelajaran Mempelajari bagaimana cara melakukan pendugaan parameter populasi berasarkan statistik yang dihitung dari sampel A. Pendahuluan Pendahuluan : Tujuan

Lebih terperinci

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

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

Lebih terperinci

STATISTIK PERTEMUAN VII

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

Lebih terperinci

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Metode Statistika Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Pengantar Seringkali kita tertarik dengan karakteristik umum dari suatu populasi parameter Misalnya saja berapa rata-rata

Lebih terperinci

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh

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

Lebih terperinci

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Materi : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Pendahuluan Suatu pernyataan / anggapan yang mempunyai nilai mungkin benar / salah atau suatu pernyataan /anggapan yang mengandung

Lebih terperinci

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN Taksiran suatu parameter populasi dapat diberikan berupa taksiran titik atau berupa taksiran selang. Taksiran titik suatu parameter populasi θ merupakan nilai

Lebih terperinci

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

S T A T I S T I K A OLEH : WIJAYA S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.

Lebih terperinci

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1 ESTIMASI Podojoyo, SKM, M.Kes Podojoyo 1 Definisi Estimasi Suatu metode dimana kita dapat memperkirakan nilai populasi (parameter) dengan memakai nilai sampel (statistik) Podojoyo 2 Didalam estimasi nilai

Lebih terperinci

(ESTIMASI/ PENAKSIRAN)

(ESTIMASI/ PENAKSIRAN) ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun

Lebih terperinci

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α Pengujian Hipotesis Hipotesis: kesimpulan sementara dari penelitian, yang akan dibuktikan dengan data empiris Utk diuji secara statistik hipotesis statistik (Ho vs H1) : pernyataan (dugaan) mengenai satu

Lebih terperinci

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

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

Lebih terperinci

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND Kompetensi Khusus menjelaskan mengenai pengujian hipotesis dan hal-hal yang terkait menguraikan langkah-langkah pengujian

Lebih terperinci

SEBARAN PENARIKAN SAMPEL LOGO

SEBARAN PENARIKAN SAMPEL LOGO SEBARAN PENARIKAN SAMPEL LOGO KOMPETENSI menentukan sebaran penarikan sampel bagi suatu statistik A menentukan sebaran penarikan sampel bagi nilai tengah menentukan sebaran penarikan sampel bagi selisih

Lebih terperinci

HASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam

HASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam HASIL DAN PEMBAHASAN Deskripsi Data Tabel 4 menunjukkan deskripsi dari data suara sah calon nomor urut 2, 3, dan 4. Jumlah suara tertinggi diperoleh calon nomor urut 2. Sedangkan suara sah calon nomor

Lebih terperinci

Ummu Kalsum UNIVERSITAS GUNADARMA

Ummu Kalsum UNIVERSITAS GUNADARMA Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)

Lebih terperinci

SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2)

SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2) SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2) Pustaka Scheaffer RL, Mendenhall W, Ott RL. 2006. Elementary Survey Sampling, 6th ed. Belmont: Duxbury Press. Levy PS, Lemeshow S. 1999. Sampling

Lebih terperinci

STK 211 Metode statistika. Agus Mohamad Soleh

STK 211 Metode statistika. Agus Mohamad Soleh STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate

Lebih terperinci

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,

Lebih terperinci

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak

Lebih terperinci

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

STK 211 Metode statistika. Materi 2 Statistika Deskriptif STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan

Lebih terperinci

Statistika Deskriptif

Statistika Deskriptif Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan

Lebih terperinci

SEBARAN PENARIKAN CONTOH

SEBARAN PENARIKAN CONTOH STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean

Lebih terperinci

Perancangan Percobaan STK222 / 3(2-2)

Perancangan Percobaan STK222 / 3(2-2) Perancangan Percobaan STK222 / 3(2-2) SKS RANCOB - 3 (2-2) Apa maksudnya 1 sks? Satu sks dengan metode kuliah meliputi 3 jam kegiatan per minggu dalam satu semester dengan perincian sebagai berikut : Kegiatan

Lebih terperinci

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1. 11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter

Lebih terperinci

Statistika (MMS-1403)

Statistika (MMS-1403) Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang

Lebih terperinci

UJI HIPOTESA PERBEDAAN. t-test

UJI HIPOTESA PERBEDAAN. t-test UJI HIPOTESA PERBEDAAN t-test T-test Digunakan untuk menguji hipotesa komparatif (uji perbedaan) Digunakan untuk sample kecil & varian populasi tidak diketahui Merupakan salah satu tehnik statistik parametrik

Lebih terperinci

MODUL PRAKTIKUM METODE STATISTIKA I. Oleh: Dr. Suci Astutik, S.Si., M.Si. Darmanto, S.Si.

MODUL PRAKTIKUM METODE STATISTIKA I. Oleh: Dr. Suci Astutik, S.Si., M.Si. Darmanto, S.Si. MODUL PRAKTIKUM METODE STATISTIKA I Oleh: Dr. Suci Astutik, S.Si., M.Si. Darmanto, S.Si. PRODI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 0

Lebih terperinci

KATA PENGANTAR Revisi Petunjuk Praktikum

KATA PENGANTAR Revisi Petunjuk Praktikum KATA PENGANTAR Ucapan syukur alhamdulillah kami panjatkan kepada Allah Swt, karena kegiatan revisi petunjuk praktikum yang sudah direncanakan dapat terlaksana dengan baik. Pelaksanaan kegiatan Revisi Petunjuk

Lebih terperinci

Bab 5 Distribusi Sampling

Bab 5 Distribusi Sampling Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n

Lebih terperinci

KONSEP DASAR SAMPLING

KONSEP DASAR SAMPLING TEKNIK SAMPLING KONSEP DASAR SAMPLING LOGO HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND TEKNIK SAMPLING Metode pengambilan sebagian anggota populasi sedemikian rupa sehingga contoh yang

Lebih terperinci

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Distribusi Sampling 6.2. Debrina Puspita Andriani    / 6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling

Lebih terperinci

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan PENGUJIAN HIPOTESIS Hipotesis : Merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah mengenai sesuatu hal, dan dibuat untuk menjelaskan sesuatu hal tersebut sehingga memerlukan pengecekan

Lebih terperinci

KONSISTENSI ESTIMATOR

KONSISTENSI ESTIMATOR KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 3 HASIL DAN PEMBAHASAN Analisis Dekriptif Analisis deskripsi merupakan teknik eksplorasi data untuk melihat pola data secara umum. Dari data TIMSS 7 rata-rata capaian matematika siswa Indonesia sebesar

Lebih terperinci

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk

Lebih terperinci

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

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

Lebih terperinci

Uji Perbandingan Rata-Rata

Uji Perbandingan Rata-Rata Uji Perbandingan Rata-Rata Pengujian hipotesis perbandingan rata-rata dilakukan untuk melihat kesesuaian dugaan peneliti terhadap suatu objek yang diteliti dengan kenyataannya. Misalnya seorang peniliti

Lebih terperinci

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler

Lebih terperinci

2 Departemen Statistika FMIPA IPB

2 Departemen Statistika FMIPA IPB Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Dua Populasi Uji Mann-Whitney Uji beda proporsi contoh besar

Lebih terperinci

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION) SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION) Andaikan ada suatu populasi dengan jumlah anggotanya sebanyak N diambil contoh sebanyak n. Apabila dari setiap kemungkinan contoh tersebut dihitung suatu

Lebih terperinci

STATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP

STATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP STATISTICS WEEK 7 By: Hanung N. Prasetyo Ada macam, sampel probabilitas dan non probabilitas. Sampel probabilitas ada empat teknik yang semuanya dapat dilakukan dengan pengembalian atau tanpa pengembalian,

Lebih terperinci

STK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi

STK 511 Analisis statistika. Materi 7 Analisis Korelasi dan Regresi STK 511 Analisis statistika Materi 7 Analisis Korelasi dan Regresi 1 Pendahuluan Kita umumnya ingin mengetahui hubungan antar peubah Analisis Korelasi digunakan untuk melihat keeratan hubungan linier antar

Lebih terperinci

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1)

STK511 Analisis Statistika. Pertemuan 7 ANOVA (1) STK511 Analisis Statistika Pertemuan 7 ANOVA (1) Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumber-sumber keragaman data Dapat menciptakan jenis

Lebih terperinci

Pertemuan III Statistika Dasar (Basic Statistics)

Pertemuan III Statistika Dasar (Basic Statistics) Pertemuan III Statistika Dasar (Basic Statistics) Jika punya data mengenai daya hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran pemusatan Seberapa besar variasi dari data ukuran

Lebih terperinci

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 1 Pertanyaan Jika kita punya data mengenai daya hidup dari baterai Laptop merk XXX Dimana lokasi atau

Lebih terperinci

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh Metode Statistika (STK11) Pertanyaan Jika punya data mengenai daya Pertemuan III Statistika ti tik Dasar (Basic Statistics) ti ti hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih PENGUJIAN HIPOTESIS. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran

Lebih terperinci

STK511 Analisis Statistika. Bagus Sartono

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

Lebih terperinci

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan

Lebih terperinci

Uji Z atau t Uji Z Chi- square

Uji Z atau t Uji Z Chi- square UJI FRIEDMAN SEBAGAI PENDEKATAN ANALISIS NONPARAMETRIK UNTUK MENGUJI HOMOGENITAS RATA-RATA retnosubekti@uny.ac.id Pendahuluan Uji parametrik memerlukan pemenuhan asumsi-asumsi tentang distribusi populasi

Lebih terperinci

SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih

SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih MATEMATIKANET.COM Data berikut untuk soal nomor 1 4 Nilai ulangan harian matematika dari 14 orang siswa yang diambil secara acak adalah 7, 5, 8, 6, 7, 8,

Lebih terperinci

Tabel 2. Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis tahun

Tabel 2. Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis tahun Tabel 1. Jumlah Kecelakaan, Koban Mati, Luka Berat, Luka Ringan, dan Kerugian Materi yang Diderita Tahun 1992-2009 Tahun Jumlah Luka Korban Mati Luka Berat Kecelakaan Ringan Kerugian Materi (Juta Rp) 1992

Lebih terperinci

DISTRIBUSI SAMPLING besar

DISTRIBUSI SAMPLING besar DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan

Lebih terperinci

LATIHAN SPSS I. A. Entri Data

LATIHAN SPSS I. A. Entri Data A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran

Lebih terperinci

Ayundyah Kesumawati. April 27, 2015

Ayundyah Kesumawati. April 27, 2015 Kesumawati Prodi Statistika FMIPA-UII April 27, 2015 Estimasi interval Jika diperhatikan, terdapat kesamaan rumus-rumus yang dipakai pada saat pengujian hipotesis dan pendugaan selang kepercayaan. Untuk

Lebih terperinci

Lampiran 1. Perkembangan GDP Riil Pertanian (Constant 2000, Juta US$) Negara Berkembang Tahun Indonesia Thailand Cina India Brasil Argentina Meksiko

Lampiran 1. Perkembangan GDP Riil Pertanian (Constant 2000, Juta US$) Negara Berkembang Tahun Indonesia Thailand Cina India Brasil Argentina Meksiko Lampiran 1. Perkembangan GDP Riil Pertanian (Constant 2, Juta US$) Negara Berkembang Tahun Indonesia Thailand Cina India Brasil Argentina Meksiko Mesir Afrika Selatan Turki 198 14751.87 6487.26 68232.337

Lebih terperinci

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui

Lebih terperinci

STATISTIKA II (BAGIAN

STATISTIKA II (BAGIAN STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis

Lebih terperinci

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi TINJAUAN PUSTAKA Teori penarikan contoh mempunyai tujuan untuk membuat penarikan contoh menjadi lebih efisien. Teori penarikan contoh mencoba untuk mengembangkan metode pemilihan contoh dengan biaya yang

Lebih terperinci

BAB 6 PENAKSIRAN PARAMETER

BAB 6 PENAKSIRAN PARAMETER BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang

Lebih terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang

Lebih terperinci

Pendahuluan. Pertemuan I

Pendahuluan. Pertemuan I Pendahuluan Pertemuan I Apa data? Data merupakan hasil pengukuran terhadap suatu objek/individu yang menjadi pusat perhatian. Pengukuran dapat dilakukan secara kualitatif maupun kuantitatif Secara umum,

Lebih terperinci

Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 963-966 Pendugaan Galat Baku Nilai Tengah Menggunakan Metode Resampling Jackknife dan Bootstrap Nonparametric dengan Software R 2.15.0 * Septiana Wulandari,

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari

BAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari BAB 5 HASIL DAN PEMBAHASAN 5. Plot Sebaran Normal Pada Gambar 5. dapat dilihat plot sebaran normal pertumbuhan Spheres dari pengguna lensa OPTRON ANTI-EMI SV. Probability Plot of spheres ANTI-EMI SV Normal

Lebih terperinci

SEBARAN PENARIKAN CONTOH

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

Lebih terperinci

PENGUJIAN HIPOTESIS 2

PENGUJIAN HIPOTESIS 2 PENGUJIAN HIPOTESIS. Menguji Kesamaan Dua Rata-rata a. Uji Dua Pihak Misalkan ada dua populasi berdistribusi normal dengan masing-masing rata-rata dan simpangan baku secara berturut-turut μ dan μ dan σ

Lebih terperinci

Perbedaan Analisis Univariat dan Multivariat

Perbedaan Analisis Univariat dan Multivariat Perbedaan Analisis Univariat dan Multivariat Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data tersebut dikategorikan analisis multivariat, bisa saja analisis

Lebih terperinci

. Enter. Model Summary b. a. Predictors: (Constant), UMR, SLTP, SLTA, Jumlah penduduk, Perguruan tinggi. ANOVA b

. Enter. Model Summary b. a. Predictors: (Constant), UMR, SLTP, SLTA, Jumlah penduduk, Perguruan tinggi. ANOVA b LAMPIRA Complete / b,,, penduduk, b. Dependent Variable: PDRB Summary b Durbin- Watson,993 a,985,977 952659,2 3,07 a. Predictors:,,,,, tinggi b. Dependent Variable: PDRB 2,32E+7 5 4,63E+6 2,460,000 a 3,43E+5

Lebih terperinci

Pengaruh Profitabilitas Dan Leverage Keuangan Terhadap Harga Saham Pada Perusahaan Jasa Yang Terdaftar Di Bursa Efek Indonesia (Sektor Keuangan

Pengaruh Profitabilitas Dan Leverage Keuangan Terhadap Harga Saham Pada Perusahaan Jasa Yang Terdaftar Di Bursa Efek Indonesia (Sektor Keuangan Pengaruh Profitabilitas Dan Leverage Keuangan Terhadap Harga Saham Pada Perusahaan Jasa Yang Terdaftar Di Bursa Efek Indonesia (Sektor Keuangan Subsektor Bank Periode 2008-2012) Latar Belakang Sejak terjadinya

Lebih terperinci

MEMBACA HASIL ANALISIS DENGAN SPSS

MEMBACA HASIL ANALISIS DENGAN SPSS MEMBACA HASIL ANALISIS DENGAN SPSS Oleh : Teguh Wahyono, S.Kom Staff Pengajar Teknik Informatika UKSW 1. ANALISA TABEL FREKUENSI Berikut adalah contoh data hasil penelitian tentang tinggi badan 20 orang

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun

BAB 2 LANDASAN TEORI. Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi (regression analysis) merupakan suatu teknik untuk membangun persamaan dan menggunakan persamaan tersebut untuk membuat perkiraan (prediction).

Lebih terperinci

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan TINJAUAN PUSTAKA Penduga Titik dan Selang Kepercayaan Penduga bagi parameter populasi ada dua jenis, yaitu penduga titik dan penduga selang atau disebut sebagai selang kepercayaan. Penduga titik dari suatu

Lebih terperinci

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode

Lebih terperinci

Histogram (contoh MINITAB) Distribusi Frekuensi. Ungrouped Data vs Grouped data Range Class midpoint Frekuensi Relatif Frekuensi Kumulatif

Histogram (contoh MINITAB) Distribusi Frekuensi. Ungrouped Data vs Grouped data Range Class midpoint Frekuensi Relatif Frekuensi Kumulatif Kursus Statistika Dasar Bagian Statistika Deskriptif Pengelompokan Statistika Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai

Lebih terperinci

UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009

UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 Dengan Materi: STATISTIKA DESKRIPTIF Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 STATISTIK DESKRIPTIF Metode statistik adalah prosedur-prosedur yang yang digunakan

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Tabel. 4.1 Data Laporan Keuangan PT Mayora Indah Tbk.

BAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Tabel. 4.1 Data Laporan Keuangan PT Mayora Indah Tbk. BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Berikut adalah data laporan keuangan PT Mayora Indah Tbk (dalam juta Rupiah), selama tahun 2007 sampai dengan 2010.

Lebih terperinci

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil

Lebih terperinci

SOAL TUGAS STATISTIKA PENDIDIKAN. 2010, Prof. Ir. Sigit Nugroho, M.Sc., Ph.D.

SOAL TUGAS STATISTIKA PENDIDIKAN. 2010, Prof. Ir. Sigit Nugroho, M.Sc., Ph.D. SOAL TUGAS STATISTIKA PENDIDIKAN Dosen : Prof. Ir. Sigit Nugroho, M.Sc., Ph.D. 1. Berikut ini disajikan data banyaknya siswa yang lewat di depan kelas yang diambil secara sistematis dengan interval waktu

Lebih terperinci

1. PENGERTIAN. Manfaat Sampling :

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,

Lebih terperinci

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan

Lebih terperinci

ANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA

ANALISIS REGRESI 1. Pokok Bahasan : REGRESI LINIER SEDERHANA ANALISIS REGRESI Pokok Bahasan : REGRESI LINIER SEDERHANA Deskripsi Model Macam-macam Model Regresi Model Regresi peubah penjelas > peubah penjelas Sederhana Berganda Linier Non Linier Linier Non Linier

Lebih terperinci

PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE

PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Vol. 12, No. 1, 9-18, Juli 2015 PENAKSIRAN RATAAN DAN VARIANSPOPULASI PADA SAMPEL ACAK TERSTRATIFIKA DENGAN AUXILIARY VARIABLE Raupong, M. Saleh AF, Hasruni Satya Taruma Abstrak Penaksiran rataan dan variansi

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1

Lebih terperinci

STATISTIKA DESKRIPTIF

STATISTIKA DESKRIPTIF STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia

Lebih terperinci

ESTIMASI. A. Dasar Teori

ESTIMASI. A. Dasar Teori ESTIMASI A. Dasar Teori 1. Penaksiran atau Estimasi Penaksiran atau estimasi adalah metode untuk memperkirakan nilai populasi dengan menggunakan nilai sampel. Nilai penduga disebut estimator, estimator

Lebih terperinci

The Central Limit Theorem

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

Lebih terperinci