STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
|
|
- Verawati Sugiarto
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
2 OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard error of estimate Pedugaa Iterval da Pegujia parameter (kostata & koefisie) regresi prediksi ilai coditioal mea (E(/)) & idividu ()
3 3 REGRESI SEDERHANA OLS Tujua Mecari garis duga yag palig represetatif mewakili pola data Melihat hubuga atara variabel Garis duga yag terbaik adalah garis duga yag error = 0 memiimumka SSE ( i i ) Mi e i = mi = mi ( i b0 b1 i ) Ordiary Least Square VS Maximum Likelihood Miimisasi Error Maksimisasi Peluag
4 Nilai IPK 4 Nilai IPK da Ujia Masuk 8 siswa Siswa Ujia masuk IPK Nilai Ujia Masuk
5 Nilai IPK 5 lajuta Nilai Ujia Masuk?
6 6 Peetua Garis Regresi ˆ a b Variabel Depede Itercept Slope garis Variabel idepede Arti dr paramaeter a da b?
7 7 Liier VS No Liier Liier & No Liier dlm Variabel (disebut juga fugsi) ˆ a b ˆ a b Liier & No Liier dlm Parameter ˆ a b ˆ a b g kita pelajari adalah liier dalam variabel & parameterya
8 8 Statistik VS Fugsioal/Determiistik Dlm aalisa regresi hubuga scr statistik, buka fugsioal/determiistik Hub. Statistik variabel terikat bersifat radom/stokastik (memiliki probabilitas) Hub. Statistik ditadai dg error term (e) atau peulisa variabel terikat dg megguaka tada topi/cap/prime
9 } 9 Ordiary Least Square Regressio Plot i Error: i { } 1 = Slope E[]= = Itercept i
10 10 Ordiary Least Square
11 11 Ordiary Least Square: Estimasi yag BLUE Hasil estimasi OLS serig disebut dega istilah BLUE (Best Liier Ubiased Estimator): Best ~ Efisie, artiya hasil ilai estimasi memiliki varias error yag miimum da tidak bias. Liier ~ Liier dalam parameter Ubiased ~ Tidak bias, artiya hasil ilai estimasi sesuai dega ilai parameter. Kosiste, artiya jika ukura sampel ditambah tapa batas maka hasil ilai estimasi aka medekati parameter populasi yag sebearya.
12 1 Ordiary Least Square: Asumsi Utuk dapat meghasilka ilai parameter yag BLUE (Best Liear Ubiased Estimator) diperluka asumsi: Model regresi adalah liier dalam parameter. Error term (e) memiliki distribusi ormal. Varias error tetap/kosta (homoskedasticity) mejami efisie (kalau miimum) & tidak bias Tidak ada hubuga atara variabel bebas da error term Tidak ada korelasi serial atara error (oautocorrelatio) (atar observasi)
13 13 Step 1 : Meetuka Variabel da Variabel (Variabel Depede) variabel yag ilai peyelesaiaya dicari melalui model. Nilai variabel yag ditayaka soal Variabel yag dipegaruhi oleh variabel lai.
14 14 Lajuta Variabel (Variabel Idepede) variabel yag ilaiya ditetuka oleh kekuata dari luar model da ilai-ilai variabel tersebut berasal dari data yag ada. Variabel yag diaggap mempegaruhi variabel lai.
15 15 lajuta Cotoh : C = a + b. C : kosumsi : Pedapata Meurut Teori. C : Variabel depedet : Variabel idepedet (pgaruhya (+))
16 16 lajuta Qd = a-bp Qd : Quatity demad P : harga Meurut Teori Qd : Variabel depede P : variabel idepede (utuk brg ormal, pegaruhya (-))
17 17 Step : Meghitug Slope da Itercept b a b
18 18 Kasus 1: Data Pegeluara da Profit (juta $) ear Expediture Aual Profit () () sum
19 lajuta a 30-()(5) 0 b b (6) (5) (30) 00- (6) (5)
20 0 Lajuta 0 Persamaa Garis Duga = Persamaa regresi
21
22 Apakah memiimumka error? ear Aual Profit Idividual () 0+ error Total Error 0 Miimum error
23 3 ANALISIS VARIANS Nilai yag diobservasi Deviasi yag tidak dapat dijelaska ( ˆ) Garis regresi ˆ Deviasi yag dapat dijelaska ( ˆ ) ( )
24 4 Koefisie Determiasi r ( i i ) ( i i) ( i i TSS = RSS + ESS 1 = RSS/TSS + ESS/TSS ) RSS/TSS = r ˆ 1 Variasi sekitar garis regresi ˆ Koefisie determiasi Variasi sekitar
25 Koefisie Determiasi b a ˆ ] ) ( ][ ) ( [ )] )( ( [ r 5 ˆ 1 r r b b a
26 6 Koefisie Determiasi r r [ [ ( )( ( ) ][ )] ( ) ] Peambaha variabel bebas, tdk meuruka koefisie determiasi, tetapi meigkat maki medekati 1 Kelemaha: koef. Determiasi meyiggug variasi regresi & residual, tetapi tidak memperhitugka derajat bebasya peafsira koef. determiasi sulit jika itersept-ya = 0 koef determiasi tidak harus di atara 0 & 1
27 7 Koefisie Korelasi (r) r r b r s s y x r ( 1 ( ) ) 1
28 8 STANDARD ERROR OF ESTIMATE Megukur variasi titik-titik di sekitar garis regresi Jika Se = 0: titik-titik tepat di garis regresi artiya garis regresi adalah estimator yag sempura utuk variabel depede. S e e Derajat bebasya - kr ada prmtr yg aka diduga
29 9 Lajuta S e e S e ˆ S e a b
30 30 Meghitug Stadar Error ear Aual Profit Idividual () 0+ error ˆ 4 ˆ
31 31 lajuta S e ˆ
32 SEE jika terdistribusi ormal S S e b S S e b ) ( ) (. Se S a ) (. Se S a 3
33 33 Mafaat Stadar error Jika observasi terdistribusi ormal disekitar garis regresi maka: 1s e ˆ a b 1 68% obs berada 95.5 % obs berada 99.7 % obs berada s e s e ˆ a b ˆ a b 3 s e s e 3s e
34 34 PENDUGAAN INTERVAL PARAMETER Parameter B P ( b t(, / ) sb B b t(, / ) sb ) 1 S b S e
35 35 PENDUGAAN INTERVAL PARAMETER Parameter A P ( a t(, / ) sa A a t(, / ) sa) 1 S a (. Se )
36 36 Kasus 1 b s b b b 0.46 t s t s b b (.13)(0.46).981 (.13)(0.46) P(1.019 B.981) 90% Jika persobaa dilakuka berulag maka dalam jagka pajag B aka masuk dalam iterval diatas sebayak 90% dari keseluruha waktu
37 37 PENGUJIAN PARAMETER Dasar: apakah yg diperoleh dr pegamata, cocok dg yg dihipotesaka? Asumsi ormalitas, maka pegujia megguaka distribusi t Dapat dilakuka, utuk parameter a & b t b B Sb t a A Sa
38 38 Pegujia Parameter B (1) 1. H o : B.1 H 1 : B.1 Misalka dari data masa lalu diketahui B.1. Daerah Peolaka Tolak Ho jika t stat t (0.1/, 4) atau t stat - t (0.1/, 4) df - t (0.1/, 4).13
39 39 lajuta 3. Meghitug t b - B S b -.1 t Kesimpula Terima Ho. ilai -statistik Nilai b masih sama t b da B sama dega ilai yaitu.1 masa lalu.
40 40 Pegujia Parameter B () 1. H o : B 0 H1 : B 0. Daerah Peolaka Tolak Ho jika t stat t (0.1/, 4) atau t stat - t (0.1/, 4) df - t (0.1/, 4).13
41 41 lajuta 3. Meghitug t b - B S b - 0 t Kesimpula Tolak Ho. b sigifika ada korelasi atara t -statistik berbeda dega ol da
42 4 PREDIKSI Salah satu mafaat dr regresi masa lalu adalah utuk peramala/prediksi Ada prediksi: 1) prediksi ilai coditioal mea E(/) (rata-rata pada ilai tertetu) titik pd regresi populasi => prediksi rata-rata (variasi relatif kecil) Cofidece Iterval ) Prediksi ilai idividu pd ilai tertetu => prediksi idividu (variasi relatif besar) Predictio Iterval
43 Iterval Prediksi Rata-rata ) ( o b b y E e i i s x x t y 1 1, 1 ) ( 1
44 Iterval Prediksi Idividu 44 e b b y o e i i s x x t y 1 1, 1 ) ( 1 1
45 45 Kasus Diambil dari : Kosumsi : Pedapata JIka maka (100)
46 46 Lajuta Idividu x i Se t, / x i1 1 ( x i ) s e i1 ( ) P( (.086) ( )) 1 (6.501 (.086) ( )) 1- P( ) 95%
47 47 Lajuta Rata-rata x i Se t, / x i1 1 ( x i ) s e i1 ( ) P( (.086) (43.77)) 1 (6.501 (.086) (43.77)) 1- P( ) 95%
48 Terima Kasih 48
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 terperinciBAB 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 terperinciREGRESI 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 terperinciSTATISTICS. 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 terperinciNama : 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 terperinciREGRESI 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 terperinciNama : 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 terperinciREGRESI 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 terperinciTUGAS ANALISIS REGRESI (HALAMAN
TUGAS ANALISIS REGRESI (HALAMAN 85-88) 1. Tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b. Hitug Sum of Square for Residual c. Hitug Mea Sum of Square for Regresssio
Lebih terperinciProgram 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 terperincix = 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 terperinciPengenalan Pola. Regresi Linier
Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciSTATISTIKA ANALISIS REGRESI ANALISIS REGRESI LINIER LEKTION ACHT(#8) ANALISIS REGRESI
ANALISIS REGRESI STATISTIKA LEKTION ACHT(#8) ANALISIS REGRESI Regresi: kembali ke tahap perkembaga sebelumya (psi.). Aalisis regresi: aalisis yag diguaka utuk megetahui relasi depedesi (pegaruh) dari satu
Lebih terperinci4/19/2016. Regresi Linier Berganda. Regresi Berganda. Model Regresi Berganda. Model Regresi Berganda. Asumsi Regresi Berganda. Model Regresi Berganda
4/9/06 Regresi Liier Bergada Program Studi Tekik Idustri Uiversitas Brawijaa Ihwa Hamdala, ST., MT SI - Regresi & Korelasi Bergada Regresi Bergada Cotoh SI - Regresi & Korelasi Bergada Meguji huuga liier
Lebih terperinciANALISIS 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 terperinciREGRESI 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 terperinciESTIMASI. (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 terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciBAB 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 terperinciBAB 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 terperinciPertemuan 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 terperinciPendugaan 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 terperinciJENIS 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 terperinciProbabilitas 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 terperinciPemilihan 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 terperinciPengertian 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 terperinciStatistika 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 terperinciTINJAUAN 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 terperinciBAB 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 terperinciUji 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 terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Subjek Peelitia Peelitia ii dilaksaaka di kawasa huta magrove, yag berada pada muara sugai Opak di Dusu Baros, Kecamata Kretek, Kabupate Batul. Populasi dalam peelitia ii adalah
Lebih terperinciBAB 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 terperinciChapter 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 terperinciESTIMASI TITIK DAN INTERVAL KEPERCAYAAN
8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika
Lebih terperinciBAB II METODOLOGI PENELITIAN. kualitatif. Kerangka acuan dalam penelitian ini adalah metode penelitian
BAB II METODOLOGI PEELITIA 2.1. Betuk Peelitia Betuk peelitia dapat megacu pada peelitia kuatitatif atau kualitatif. Keragka acua dalam peelitia ii adalah metode peelitia kuatitatif yag aka megguaka baik
Lebih terperinciMAKALAH STATISTIKA MATEMATIKA 2 REGRESI LINEAR BERGANDA
MAKALAH STATISTIKA MATEMATIKA 2 REGRESI LINEAR BERGANDA Oleh : Magdalea Iriai Kehi (2013220030) Maria Liliaa Jeia (2013220038) FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN PRODI PENDIDIKAN MATEMATIKA UNIVERSITAS
Lebih terperinciBAB 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 terperinciIII 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 terperinciBAB 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 terperinciBAB III METODE PENELITIAN Variabel Penelitian dan Definisi Operasional Variabel. miskin Kabupaten/Kota di Provinsi DIY. Jumlah penduduk miskin
BAB III METODE PENELITIAN 3.1. Variabel Peelia da Defiisi Operasioal Variabel 3.1.1. Variabel Depede Dalam peelia ii variabel depedeya adalah jumlah peduduk miski Kabupate/Kota di Provisi DIY. Jumlah peduduk
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciSTATISTIKA 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 terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciBAB 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 terperinciUkuran 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 terperinciStatistika 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 terperinciBAB 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 terperinciDistribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,
DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara
Lebih terperinciMakalah 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 terperinciMata 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 terperinci9 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 terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciPENGUJIAN 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 terperinciBAB 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 terperinciBAB 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 terperinciIMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN VARIABEL INTERVENING
Versi Olie: https://joural.ubm.ac.id/idex.php/alu Vol.I (No. ) : 9-4. Th. 08 Implemetasi Rumus Sobel Pada Regresi Liear ISSN: 60-60 IMPLEMENTASI RUMUS SOBEL PADA WEB DENGAN TOPIK REGRESI LINIER MENGGUNAKAN
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciMANAJEMEN 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 terperinciPedahulua 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 terperinciBAB II LANDASAN TEORI
1 BAB II LANDASAN TEORI 1.1 Loyalitas Pelagga Meurut Griffi (00:4) loyalty is defied as o radom purchase expressed over time by some decisio makig uit. Berdasarka defeisi tersebut dapat dijelaska bahwa
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciPERTEMUAN 1-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK
PERTEMUAN 1-MPC PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Utuk meigkatka presisi (meguragi varias samplig), desai samplig serig memafaatka auxiliarry variable yag mempuyai hubuga yag erat
Lebih terperinciPENGUJIAN 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 terperinciBAB 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 terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciAPLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS
APLIKASI REGRESI RIDGE LEAST ABSOLUTE DEVIATION PADA KASUS PELANGGARAN ASUMSI KENORMALAN DAN MULTIKOLINIERITAS Idah Ayustia, Aa Islamiyati, Raupog Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK
Lebih terperinciMasih 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciSelang 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 terperinciESTIMASI. (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 terperinciBAB 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 terperinciBAB 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 terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Metode Kuadrat Terkecil Aalisis regresi merupaka aalisis utuk medapatka hubuga da model matematis atara variabel depede (Y) da satu atau lebih variabel idepede (X). Hubuga atara
Lebih terperinciKuliah : 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 terperinciPETA 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 terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI 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 (99 :
Lebih terperinciPENGUJIAN HIPOTESIS PADA REGRESI KUANTIL
PENGUJIAN HIPOTESIS PADA REGRESI KUANTIL Nurwahida Astari, Amra, Adi Kresa Jaya Departeme Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiversitas Hasauddi E-mail: urwahida.astari95yahoo.co.id
Lebih terperinciPENGUJIAN HIPOTESIS. Pertemuan minggu ke 1 dan 2.
PENGUJIAN HIPOTESIS Tujua Istruksioal Umum :. Mahasiswa mampu memahami apa yag dimaksud dega Hipotesis atau dugaa semetara. Mahasiswa mampu memahami berbagai pegujia hipotesis 3. Mahasiswa mampu memahami
Lebih terperinciPENGANTAR MODEL LINEAR Oleh: Suryana
PENGANTAR MODEL LINEAR Oleh: Suryaa Model liear meyagkut masalah statistik yag ketergatugaya terhadap parameter secara liear. Betuk umum model liear adalah 0 1X1... px p, dega = Variabel respo X i = Variabel
Lebih terperinciMENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN
Saitia Matematika ISSN: 337-9197 Vol. 0, No. 03 (014), pp. 5 35. MENENTUKAN KOEFISIEN DETERMINASI ANTARA ESTIMASI M DENGAN TYPE WELSCH DENGAN LEAST TRIMMED SQUARE DALAM DATA YANG MEMPUNYAI PENCILAN Sabam
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciProses 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 terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciPENDAHULUAN. 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 terperinciIII. 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 terperinciBAB III OBYEK DAN METODE PENELITIAN
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peelitia Meurut Sugiyoo (2010, hlm. 3) pegertia dari obyek peelitia adalah sasara ilmiah utuk medapatka data dega tujua da keguaa tertetu tetag sesuatu hal
Lebih terperinciAnalisa 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 terperinciSEBARAN 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 terperinciIII. 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 terperincimempunyai 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 terperinciIII BAHAN DAN METODE PENELITIAN
27 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Objek yag diguaka dalam peelitia ii adalah kuda Sumba (Sadelwood) betia da jata berjumlah 30 ekor dega umur da berat yag relatif
Lebih terperinciPersamaan Non-Linear
Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode
Lebih terperinciIII. 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 terperinciUKURAN PEMUSATAN UKURAN PENYEBARAN
UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU
Lebih terperinciBAB 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 terperinciPENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON
E-Jural Matematika Vol., No., Mei 013, 6-10 ISSN: 303-1751 PENERAPAN REGRESI BINOMIAL NEGATIF UNTUK MENGATASI OVERDISPERSI PADA REGRESI POISSON PUTU SUSAN PRADAWATI 1, KOMANG GDE SUKARSA, I GUSTI AYU MADE
Lebih terperinci