Informatika Pertanian Volume 17 No. 2, Roch Widaningsih Statistisi Madya pada Pusat Data dan Informasi Pertanian

Ukuran: px
Mulai penontonan dengan halaman:

Download "Informatika Pertanian Volume 17 No. 2, Roch Widaningsih Statistisi Madya pada Pusat Data dan Informasi Pertanian"

Transkripsi

1 PERBANDINGAN BERBAGAI TEKNIK PENARIKAN CONTOH UNTUK MENDUGA POPUASI SAPI POTONG (Stud Kasus Kabupate Karagasem. Props Bal) Comparato of Samplg Techques to Estmate Cattle Populato Roch Wdagsh Statsts Mada pada Pusat Data da Iformas Pertaa ABSTRACT Surve samplg s oe of the tools whch ca be used to estmate the parameter of a populato. The best surve samplg techque ca produce the hghest relablt, valdt ad accurac of a populato estmato. Ths research studed the varous surve samplg techques (.e. smple radom samplg, sstematc radom samplg, stratfed radom samplg ad two-stage cluster samplg) to estmate cattle populato b makg a smulato of populato estmate ad ts varace. The smulato was coducted for 00 tmes wth the umbers of samples 300, 400, ad 3 500, ad the the were compared to determe whch techque produced the best estmate. The were the compared to the agrculture surve samplg. The result shows that stratfed radom samplg wth 500 has the hghest level of relablt, valdt ad accurac. The smple radom samplg, sstematc radom samplg ad stratfed radom samplg gve a hgher estmate level tha the agrcultural surve samplg, ad the two-stage cluster samplg a lower level. Ke words : Surve Samplg, Relablt, Valdt, Accurac. ABSTRAK Peelta dlakuka utuk megatas permasalaha tekk pegumpula data peteraka, khususa populas terak. Tujua peelta adalah :. Meetuka tekk pearka cotoh ag palg efse utuk meduga populas sap potog d Kabupate Karagasem, da. Membadgka hasl pedugaa beberapa tekk pearka cotoh dega pedugaa tekk pearka cotoh surve pertaa hasl kerjasama DEPTAN dega FAO. Tekk pearka cotoh meetuka tgkat relabltas, valdtas da akuras dugaa parameter populas ag dhaslka. Tgkat relabltas, valdtas da akuras ag tgg adalah ag dharapka dar sebuah tekk pearka cotoh. Peelta mempelajar tekk pearka cotoh acak sederhaa, sstematk, acak berlaps da gerombol dua tahap dalam meghaslka peduga populas. Metode pegamata dlakuka dega cara membuat smulas peduga Iformatka Pertaa Volume 7 No., 008

2 populas da ragam pada berbaga tekk pearka cotoh tersebut datas. Smulas dlakuka sebaak 00 kal dega megambl jumlah sampel 300, 400 da Hasl pedugaa dega berbaga tekk pearka cotoh juga dbadgka dega tekk pearka cotoh pada surve pertaa. Tekk pearka cotoh ag meghaslka dugaa populas dega tgkat relabltas, valdtas da akuras palg tgg adalah tekk pearka cotoh acak berlaps dega sebesar 500. Tekk pearka cotoh acak sederhaa, sstematk da acak berlaps meghaslka dugaa populas dega tgkat relabltas, valdtas da akuras ag lebh tgg darpada tekk pearka cotoh pada surve pertaa. Sedagka tekk pearka cotoh gerombol dua tahap meghaslka relabltas da akuras ag lebh redah. Kata kuc : tekk pearka cotoh, relabltas, valdtas, akuras. PENDAHUUAN atar Belakag Keberhasla pembagua pertaa pada umuma da peteraka khususa perlu ddukug oleh tersedaa data da formas ag akurat serta tepat waktu. Data da formas tersebut sagat petg agar kebjaka ag dambl tepat sasara. Bag pelaku bss d bdag pertaa formas tersebut sagat bergua utuk pegembaga bssa. Salah satu data peteraka ag petg utuk terseda adalah populas terak. Iformas populas terak tertetu d kabupate potesal perlu dketahu sebaga dasar evaluas pembagua ag telah dlaksaaka, dasar peusua recaa pegembaga d masa medatag, da kotrol pelaksaaa suatu perecaaa pembagua. Kabupate Karagasem Provs Bal merupaka setra sap potog (khususa Sap Bal ag merupaka uggula d Idoesa). Iformas populas sap potog d seluruh kabupate tap semester sagat dperluka supaa pegembaga sap potog d masa medatag lebh terarah da berhasl. Pecacaha legkap memerluka waktu, teaga da baa ag cukup besar, sehgga tdak mugk dlaksaaka setap saat, apalag tap semester. Besara baa utuk pegumpula data pada pecacaha legkap terkadag tdak sembag dega mafaat dar data/formas ag dkumpulka. Kelemaha la pada pecacaha legkap sergkal terjad kesalaha dalam pegumpula data karea terlalu baaka obek ag harus dcatat, dtelt atau dperksa sehgga petugas lelah da mejad tdak telt karea beba kerja ag tgg, kesalaha basa dsebut o-samplg error. Perbadga Berbaga Tekk Pearka Cotoh

3 Berdasarka masalah tersebut d atas, perlu dkembagka cara pegumpula data dega metode pearka cotoh ag palg efse utuk bsa meghemat waktu, teaga da baa tapa megurag keakurata data da formas ag dperoleh bearbear meggambarka daerah ag dtelt dega lebh bak. Sedkta jumlah respode ag dwawacara sudah tetu aka megkatka ketelta petugas pegumpul data sehgga osamplg error bsa dkurag. Agar dapat dperoleh cara pegumpula data ag bak da efse, peelta mecoba smulas beberapa tekk pearka cotoh utuk meduga populas sap potog d Kabupate Karagasem, Provs Bal. Tekk pearka cotoh tersebut adalah : tekk pearka cotoh acak sederhaa, sstematk, acak berlaps da gerombol dua tahap. Tujua Peelta Tujua dar peelta adalah memlh tekk pearka cotoh ag palg efse utuk meduga populas sap potog d Kabupate Karagasem Provs Bal. BAHAN DAN METODOOGI Baha Data ag dguaka sebaga baha smulas dega berbaga tekk pearka cotoh adalah data populas sap potog hasl pedaftara rumah tagga pemelhara/ pegusaha sap potog, sesus pertaa 003. Struktur data hasl pedaftara rumah tagga tersebut melput kecamata, desa, blok sesus, ama kepala keluarga da jumlah sap potog ag dkuasa (Tabel ). Yag dmaksud dkuasa ds adalah dpelhara atau dusahaka bak mlk sedr atau mlk orag la. Tabel. Struktur Data Pedaftara Rumah Tagga Pemelhara & Pegusaha Sap Potog, Kabupate Karagasem, Sesus Pertaa 003. No Kode Kecamata Kode Desa No Blok Sesus Nama Kepala Rumah Tagga Populas Sap (ekor) B I Ketut Srg B I.N. Reges B I N.Warjaa B I Negah Pugg Iformatka Pertaa Volume 7 No., 008 3

4 Tabel. Struktur Data Pedaftara Rumah Tagga Pemelhara & Pegusaha Sap Potog, Kabupate Karagasem, Sesus Pertaa 003. No. Kode Kecamata Kode Desa No Blok Sesus Nama Kepala Rumah Tagga ajuta Populas Sap (ekor) B I Ketut Wartka B I Noma Mara B I N.Mutug M M M M M M B I.W. Kutag 703 M M M M M M B I Negah Rata 36 M M M M M M B I Ketut Ser Total rumah tagga pemelhara/pegusaha (RTP) sap potog d Kabupate Karagasem adalah rumah tagga, dega total populas sap potog sebesar 05 5 ekor da ragam populas sebesar.05. Setelah RTP ag mempua la ekstrm dkeluarka dar populas maka RTP ag dguaka utuk smulas sebesar dega total populas sap potog sebesar ekor da ragam populas mejad.078. Metode Secara gars besar, tahapa ag dlakuka dalam aalss adalah sebaga berkut : Membuat smulas dugaa populas da ragam dar peduga populas dega megguaka tekk acak sederhaa, acak sstematk, acak berlaps da tekk gerombol dua tahap.. Membadgka hasl-hasl pedugaa paramater dega berbaga tekk pearka cotoh tersebut dega populas hasl sesus pertaa 003. Smulas dlakuka sebaak 00 kal dega megambl jumlah sampel pertama ( ) 300, 400 orag da Utuk melakuka smulas dguaka program (makro) dega software Mtab. Pada Tabel meujukka rgkasa smulas pedugaa populas sap potog pada berbaga tekk pearka cotoh. 4 Perbadga Berbaga Tekk Pearka Cotoh

5 Tabel. Smulas beberapa tekk pearka cotoh utuk meduga populas sap potog d Kabupate Karagasem. Tekk Pearka Cotoh Acak Sederhaa Baaka Cotoh () Peduga Populas ( τˆ ) ˆ τ ˆ τ ( 00) ˆ τ ˆ τ ( 00) ˆ τ ˆ τ ( ˆ τ ˆ τ ) ˆ 00 τ ( τˆ ) Ragam ( τˆ ) ( 00 ) ( 00 ) ( 00 ) Sstematk ˆ τ ˆ τ ( 00) ˆ τ ( ˆ τ ˆ τ ) ˆ 00 τ ( ˆ τ ˆ τ ) ˆ 00 τ ( 00 ) ( 00 ) ( 00 ) Acak Berlaps ˆ τ ˆ τ ( 00) ˆ τ ˆ τ ( 00) ˆ τ ˆ τ ( 00) ˆ τ ˆ τ ˆ τ ( 00 ) ( 00 ) ( 00 ) TINJAUAN PUSTAKA Teor pearka cotoh mempua tujua utuk membuat pearka cotoh lebh efse. Teor pearka cotoh mecoba utuk megembagka metode pemlha cotoh, dega baa ag sekecl mugk, meghaslka peduga parameter populas ag medekat parameter populasa (Cochra, 99). Pegerta efse dalam teor pearka cotoh adalah tekk pearka cotoh ag meghaslka dugaa palg medekat parameter populas sebeara, membutuhka baa pegumpula data ag sekecl-kecla serta memeuh sarat-sarat data ag bak. ev da emeshow (999) medefska surve sebaga stud terhadap sebaga populas ag dplh dar populas ag lebh besar. Sebaga dar populas aka memberka kesmpula utuk semua populas ag dwakl. Suprato (998) mejelaska alasa megapa tekk pearka cotoh dguaka, atara la : sesus memerluka baak waktu, teaga da baa, sergkal tdak dketahu obeka secara keseluruha, serg terjad kesalaha dalam pegumpula data karea terlalu baaka obek ag harus dtelt. Iformatka Pertaa Volume 7 No., 008 5

6 Meurut ev da emeshow (999) peduga parameter populas mempua beberapa karakterstk sebaga akbat dar memlh sebaga eleme populas atu : a. Bas, B (τˆ ) dar peduga populas (τˆ ) terhadap parameter populas (τ ) ddefska sebaga selsh atara la harapa E(τˆ ) dega la sebeara (τ ), B( ˆ) τ E( ˆ τ ) τ. Peduga populas (τˆ ) dkataka tdak bas jka B( ˆ) τ 0. Dega kata la, τˆ adalah peduga tak bas jka la harapa dar τˆ sama dega τ atau E ( τˆ ) τ 0. b. Mea Square Error, dar peduga populas (τˆ ), dtuls MSE(τˆ ), ddefska sebaga rata-rata smpaga kuadrat peduga total populas dega parameter populas sebeara dkalka peluag c MSE ( τˆ ) ( τˆ τ ) π π.. MSE berbeda dega ragam peduga, karea MSE merupaka rata-rata smpaga kuadrat terhadap parameter sebeara, sedagka ragam peduga merupaka rata-rata smpaga kuadrat terhadap ratarata dstrbus pearka cotoh. Hubuga MSE dega ragam peduga dtulska sebaga berkut: MSE ( ˆ) τ Var ( ˆ) τ + B ( ˆ) τ. c. Relabltas. Karakterstk teradal dar suatu peduga populas berhubuga dega bagamaa kemampua suatu peduga (melalu pegulaga) dalam proses meghaslka suatu la dugaa. Jka kta megasumska tdak ada kesalaha pegukura dalam suatu surve, maka relabltas dar suatu peduga dapat dataka dalam koteks ragam pearka cotoh, atau setara dega stadar error. Mak kecl stadar error suatu peduga, maka mak besar relabltasa. d. Valdtas. Karakterstk vald dar suatu peduga populas berhubuga dega bagamaa la tegah suatu peduga (melalu pegulaga) dalam proses meghaslka suatu dugaa berbeda dega la parameter sebeara. Jka kta megasumska tdak ada kesalaha pegukura, valdtas dapat devaluas dega megamat la bas dar pedugaa. Mak kecl bas, valdtas mak besar. e. Akuras dar suatu peduga berhubuga dega sejauh maa rata-rata suatu la dugaa mempag dar la parameter ag dukur. Akuras suatu peduga pada umuma devaluas 6 Perbadga Berbaga Tekk Pearka Cotoh

7 oleh la MSEa, atau setara dega la akar pagkat dar MSE (dsmbolka sebaga RMSE atau Root Mea Square Error). Mak kecl la MSE suatu peduga, mak besar la akurasa. Akuras dar suatu peduga mecakup kedua karakterstk sebeluma atu relabltas da valdtas. Krtera racaga surve ag bak adalah mempua relabltas da valdtas pedugaa hasl ag tgg (tgkat akuras pedugaa tgg), baa ag dguaka palg kecl da mempua feasbltas tgg d dalam melaksaaka racaga surve. Sumber sumber kesalaha dalam surve dbedaka mejad dua atu: ) Samplg error (kesalaha dalam pearka cotoh), adalah kesalaha ag tmbul berkeaa dega pearka kesmpula tetag populas berdasarka pegamata terhadap sebaga populas (cotoh). ) No-samplg error adalah kesalaha ag tmbul terutama pada tahap pegumpula da pegolaha data. ev da emeshow (999) megemukaka bahwa tekk pearka cotoh dapat dkategorka dalam dua klas atu pearka cotoh berpeluag (probablt samplg) da pearka cotoh tdak berpeluag (oprobablt samplg). Pearka cotoh berpeluag mempua karakterstk bahwa semua eleme ddalam populas telah dketahu, da mempua peluag utuk dplh mejad cotoh. Sedag pearka cotoh tdak berpeluag mempua cr bahwa tdak semua eleme populas dketahu, sehgga ada eleme populas ag berpeluag ol (tdak berpeluag) utuk dplh sebaga cotoh. Yag tergolog dalam tekk pearka cotoh berpeluag adalah: tekk pearka cotoh acak sederhaa, sstematk, acak berlaps da gerombol dua tahap. Pearka Cotoh Acak Sederhaa Pearka cotoh acak sederhaa adalah sebuah metode utuk memlh ut dar N sehgga setap eleme dar N C cotoh ag berbeda mempua kesempata ag sama utuk dplh (Cochra,99). Cotoh dplh secara acak dega megguaka lotere, tabel blaga acak ataupu komputer. Peduga parameter populas utuk total da ragama adalah sebaga berkut : Iformatka Pertaa Volume 7 No., 008 7

8 τˆ µˆ. N N... ) sedagka, ( ˆ τ ) µˆ N s ( dmaa : µˆ peduga rata-rata τˆ )( peduga total populas. N N ) ( ˆ) τ peduga ragam total populas.... ) Pearka Cotoh Sstematk Dalam pearka cotoh sstematk, populas ag terdr dar N ut dber omor sampa N dalam beberapa susua. Utuk memlh sebuah cotoh berukura ut, dambl sebuah ut secara acak dar k ut ag pertama, selajuta megambl setap kelpata k. Sebaga cotoh jka k adalah 5 da ut ag dambl pertama adalah omor 3, uruta omor ut-ut berkuta ag dambl adalah 8, 43, 58 da seterusa. Pemlha dar ut pertama meetuka keseluruha cotoh. Jes dsebut cotoh sstematk kelpata ke-k (Cochra, 99). Jka tdak ada korelas atar eleme populas, maka peduga parameter populas utuk total da ragama adalah sebaga berkut : τˆ µˆ. N N... 3) µˆ s ( τˆ ) N s s (... 4) N )( N )... 5) 8 Perbadga Berbaga Tekk Pearka Cotoh

9 dmaa : τˆ peduga total populas. µˆ s ( ˆ) τ peduga rata-rata populas. peduga ragam. Pearka Cotoh Acak Berlaps Pearka cotoh acak berlaps adalah salah satu metoda d maa eleme -eleme terlebh dahulu dbedaka ke dalam lapsa, dega sarat eleme ag berada dalam satu lapsa ag sama lebh homoge dbadgka dega eleme-eleme dalam lapsa ag la serta semua eleme terbag habs ke dalam lapsa da satu eleme tdak boleh berada dalam dua lapsa atau lebh. Keutuga megguaka pearka cotoh acak berlaps adalah dapat meghaslka kesalaha pedugaa ag lebh kecl, baa surve bsa dhemat (apabla keragka cotoh belum terseda) da dapat meduga parameter d setap lapsa. Pedugaa parameter populas utuk total da ragama adalah sebaga berkut : τˆ ( ˆ) τ N + N N ( N st ) N N s N N...6)... 7) Pearka Cotoh Gerombol Dua Tahap Metode merupaka pegembaga dar metode pearka cotoh gerombol dmaa pegambla cotoh dlakuka secara dua tahap atu tahap pertama, memlh beberapa gerombol dar gerombolgerombol dalam populas secara acak da tahap kedua, memlh beberapa ut cotoh dar tap gerombol terplh secara acak pula (Scheaffer et al. 990). Pedugaa parameter populas utuk total da ragama adalah sebaga berkut : τˆ M µˆ N M... 8) Iformatka Pertaa Volume 7 No., 008 9

10 N N ( ˆ) τ ( )( N ) s b M m + ( M s )( ) m dmaa : N jumlah gerombol dalam populas jumlah gerombol ag terplh dalam acak sedehaa... 9) M jumlah eleme dalam gerombol m jumlah eleme terplh dalam acak sederhaa gerombol N M M jumlah eleme dalam populas M M N rata-rata ukura gerombol populas j observas dalam cotoh dar gerombol ke- m m j j rataa cotoh utuk gerombol ke- s b ( M M ˆ µ )... 0) s m ( j ˆ) µ m... ) HASI DAN PEMBAHASAN Hasl pedugaa populas terak dapat dlhat pada Tabel 3. Tabel 3. Krtera Hasl Pedugaa Populas dega Berbaga TPC TPC m Bas Std.error RSE Ragam (%) (ekor) (%) MSE Acak 300 0, , 3.370, 3, ,5 Sederhaa 400 0, ,7.930,8, , 500 0, ,4.589,0, , Acak 300 0, , 3.787,4 3, ,6 Sstematk 400 0, ,7 3.6, 3, , 500, ,0.75,8, ,0 0 Perbadga Berbaga Tekk Pearka Cotoh

11 Tabel 3. Krtera Hasl Pedugaa Populas dega Berbaga TPC ajuta TPC m Bas Std.error RSE Ragam (%) (ekor) (%) MSE Acak 300 0, ,8.79,6, , Berlaps 400 0, ,3.880,6, , 500 0, ,.673,7, , Gerombol 300 0, , ,8 6, ,5 Dua , ,6 7.79, 7, ,8 Tahap 500 0, , ,, , 300 3, , ,0 5, , , , ,9 7, , , ,9.807,6, , , ,3 6.83,9 5, , , , ,7 7, , 500, ,0.896,7, ,7 Surve Pertaa , , ,0 6, ,0 Dlhat dar la MSE-a terlhat bahwa tekk pearka cotoh acak berlaps meghaslka la MSE palg kecl. Jad tekk pearka cotoh acak berlaps meghaslka dugaa dega tgkat akuras palg tgg. Pada tekk terlhat bahwa semak besar cotoh ag dambl () maka MSE aka semak kecl. Nla MSE pada tekk acak sederhaa maupu acak sstematk cukup kecl, sehgga dua tekk mash bsa dterapka pada pegumpula data sap potog. MSE pada tekk acak sederhaa lebh kecl dar MSE pada tekk acak sstematk berart tekk pearka cotoh acak sederhaa meghaslka dugaa dega tgkat akuras lebh tgg dbadg acak sstematk. Tekk pearka cotoh gerombol dua tahap meghaslka la MSE terbesar datara keempat tekk pearka cotoh ag dujcobaka. Dlhat dar la stadar error da ragam pedugaaa, tekk pearka cotoh acak berlaps meghaslka stadar error da ragam palg kecl. Jad tekk pearka cotoh acak berlaps meghaslka dugaa dega tgkat relabltas ag palg tgg. Pada tekk terlhat bahwa semak besar cotoh ag dambl () maka stadar error da ragam aka semak kecl. Pada tekk pearka cotoh acak sederhaa maupu acak sstematk, semak besar la stadar error da ragam juga semak kecl. Nla stadar error da ragam pada kedua tekk mash cukup kecl, dega ag sama pearka cotoh acak sederhaa meghaslka la stadar error da ragam lebh kecl dbadg tekk pearka cotoh acak sstematk. Tekk pearka cotoh gerombol dua tahap meghaslka la stadar error da ragam terbesar datara keempat tekk pearka cotoh ag dujcobaka. Jad tekk pearka cotoh acak berlaps juga meghaslka relabltas pedugaa palg tgg. Iformatka Pertaa Volume 7 No., 008

12 Demka juga dlhat dar la RSE, tekk pearka cotoh acak berlaps meghaslka la RSE palg kecl, pada tekk terlhat bahwa semak besar cotoh ag dambl () maka RSE aka semak kecl. Pada sebesar 500 RTP meghaslka la RSE sebesar,6%, sebesar 400 la RSE sebesar,8% da sebesar 300 meghaslka RSE sebesar,%. Pada tekk pearka cotoh acak sederhaa maupu acak sstematk semak besar la RSE juga semak kecl. Nla RSE pada kedua tekk mash tergolog cukup kecl, atu berksar atara,5% hgga 3,7%. Dega ag sama pearka cotoh acak sederhaa meghaslka RSE lebh kecl dbadg tekk pearka cotoh acak sstematk. Tekk pearka cotoh gerombol dua tahap meghaslka la RSE terbesar datara keempat tekk samplg ag dujcobaka, atu berksar,3 hgga 6,7%. Jka dlhat dar la bas pedugaa, ampak bahwa bas pedugaa terkecl dhaslka oleh tekk pearka cotoh acak sederhaa pada cotoh sebesar 400, atu meghaslka bas pedugaa 56 ekor. Namu demka bas pedugaa bsa berubah kedudukaa dega kta megaktfka program lag. Secara ratarata bas pedugaa kecl dhaska oleh bak tekk pearka cotoh acak sederhaa, acak sstematk maupu acak berlaps karea laa berksar 0,% hgga,3%. Berart ketga tekk pearka cotoh tersebut meghaslka dugaa populas dega tgkat valdtas tgg. Hasl aalss smulas dega berbaga tekk pearka cotoh meujukka bahwa metode surve ag meghaslka la dugaa populas terbak adalah tekk pearka cotoh acak berlaps, karea meghaslka dugaa dega tgkat akuras da relabltas palg tgg serta dega bas ag kecl, ag berart bahwa tgkat valdtasa tgg. Meskpu demka tekk memerluka baa lebh besar dbadg pearka cotoh acak sederhaa maupu acak sstematk (dalam kasus keragka surve sudah ada) karea sebelum pemlha rumah tagga sebaga cotoh, dlakuka pelapsa terlebh dahulu, dalam hal membag populas ke dalam dua lapsa berdasarka baaka sap potog ag dkuasa oleh rumah tagga atu lapsa pertama meguasa - ekor sap da lapsa kedua meguasa lebh dar ekor sap. Hasl uj coba dega tekk pearka cotoh acak sederhaa meghaslka dugaa ag bak juga, karea meghaslka ragam pedugaa, stadar error, MSE, RSE da bas ag kecl. Tekk memerluka baa ag lebh kecl dbadg tekk acak berlaps, dega asums baa pegumpula data utuk semua respode terplh sama. Jad tekk lebh mugk dlakuka, karea ragam populas tdak aka berubah dega cepat, begtu pula peambaha Perbadga Berbaga Tekk Pearka Cotoh

13 maupu peguraga RTP. Kelemaha tekk adalah dalam hal pegambla cotoh. Megambl secara acak 300 hgga 500 RTP dalam keataa d lapaga sult dlakuka karea kta harus megambl -300 sampa -500 RTP dar RTP ag keberadaaa tersebar dseluruh Kabupate. Tekk pearka cotoh acak sstematk dapat megatas kesulta ag drasaka jka kta megguaka tekk pearka cotoh acak sederhaa, karea RTP ag kta plh sudah berurut, jad jelas dsuatu wlaah berapa ag harus dambl sebaga cotoh. Meskpu dalam uj coba tekk meghaslka dugaa sedkt kurag bak dbadg tekk pearka cotoh acak sederhaa, tetap mash meghaska dugaa dega akuras, relabltas da valdtasa tgg. Pedugaa dega tekk pearka cotoh dua tahap pada Surve Pertaa, memberka hasl bas pedugaaa ag palg tgg dbadgka keempat tekk pearka cotoh ag dujcobaka atu sebesar ekor atau sebesar 7%. Ragam, MSE da RSE-a tekk pearka cotoh pada surve pertaa lebh tgg dbadg tekk pearka cotoh acak berlaps, acak sederhaa maupu acak sstematk, tetap lebh redah dbadg tekk pearka cotoh gerombol dua tahap (desa sebaga gerombol). Jad tekk pearka cotoh dua tahap pada Surve Pertaa meghaslka peduga populas ag lebh redah tgkat valdtasa dbadgka dega keempat tekk pearka cotoh ag dujcobaka, juga lebh redah tgkat relabltas maupu tgkat akurasa dbadg tekk pearka cotoh acak berlaps, acak sederhaa da acak sstematk. Hubuga jumlah sampel () dega MSE, stadar error da ragam pada tekk pearka cotoh acak sederhaa, acak sstematk da acak berlaps dsajka pada Gambar, Gambar da Gambar MSE AD AT A Gambar. Hubuga Jumlah Cotoh () dega MSE pada Berbaga Tekk Pearka Cotoh Iformatka Pertaa Volume 7 No., 008 3

14 Std. Error AD AT A Gambar. Hubuga Jumlah Cotoh () dega Stadar Error Pada Berbaga Tekk Pearka Cotoh. Ragam AD AT A Gambar 3. Hubuga Jumlah Cotoh () dega Ragam Pada Berbaga Tekk Pearka Cotoh Keteraga : AD : Tekk Pearka Cotoh Acak Sederhaa AT : Tekk Pearka Cotoh Acak Sstematk A : Tekk Pearka Cotoh Acak Berlaps 4 Perbadga Berbaga Tekk Pearka Cotoh

15 KESIMPUAN Tekk pearka cotoh acak berlaps, dega jumlah cotoh 500 memberka hasl pedugaa terbak karea ragam pedugaa, stadar error, RSE da MSE palg kecl, atu ragam sebesar.8 juta; stadar error sebesar.6 rbu ekor, RSE sebesar.6% da MSE sebesar.8 juta. Tekk pearka cotoh acak berlaps, acak sederhaa maupu acak sstematk, dega jumlah sampel 300, 400 maupu 500 meghaslka peduga ag mempua relabltas, valdtas da akuras ag tgg. Tekk pearka cotoh acak berlaps, acak sederhaa maupu acak sstematk meghaslka dugaa ag lebh bak dbadg tekk pearka cotoh pada surve pertaa. Tekk pearka cotoh gerombol dua tahap (desa sebaga gerombol), dega besar gerombol 0, 0 da 30 masg-masg dega besar cotoh 300, 400 da 500, memberka hasl kurag bak, dtujukka dega hasl ragam pedugaa, stadar error, RSE da MSE ag tgg. Tekk pearka cotoh dua tahap pada Surve Pertaa meghaslka peduga populas ag lebh redah tgkat valdtasa dbadgka dega keempat tekk pearka cotoh ag dujcobaka. Tekk meghaslka tgkat relabltas maupu tgkat akuras ag lebh redah dbadg tekk pearka cotoh acak berlaps, acak sederhaa & acak sstematk, tetap lebh tgg dbadg tekk pearka cotoh gerombol dua tahap (desa sebaga gerombol). Tekk pearka cotoh acak berlaps, acak sederhaa maupu acak sstematk dapat dterapka utuk pegumpula data populas sap potog d Kabupate Karagasem d masa-masa medatag. DAFTAR PUSTAKA BPS, 00. Metode Samplg. Dterbtka oleh Bada Pusat Statstk (BPS). Jakarta BPS, Depta, FAO. 00. Pedoma Surve Rumah Tagga Peteraka. Dterbtka oleh Departeme Pertaa. Jakarta. BPS Sesus Pertaa 003, Pedoma Pecacah, Pedaftara Bagua Rumah Tagga. Dterbtka oleh Bada Pusat Statstk. Jakarta Cochra, W.G. 00. Tekk Pearka Sampel. Alh bahasa oleh Rudasah. Peerbt Uverstas Idoesa. Jakarta. Iformatka Pertaa Volume 7 No., 008 5

16 ev P.S., emeshow S Samplg of Populatos. A Wle athercsece Publcato. New York. Ott,, Medehall, W., Scheaffer, R Elemetar Surve Samplg. Fourth edto. PWS-KENT Publshg Compa. Bosto. Shmura,T. 99. Cosepts, Methods ad Theores Of The Sample Surve, Ceter of Agrculture Data, Jakarta. Sgarmbu, M., Effed, S.995. Metode Peelta Surva. Cetaka Kedua. P3S. Jakarta. Suprato, J. M.A Tekk Samplg utuk surve & Eksperme. Dterbtka oleh PT Reka Cpta. Jakarta. 6 Perbadga Berbaga Tekk Pearka Cotoh

17 AMPIRAN Program. Program Smulas Pedugaa Total Populas da Ragam Pada Tekk Pearka Cotoh Acak Sederhaa. gmacro sappcas mreset # clear memor do k 3:5 # Isalsas Kostata let k7 0 # salsas sebelum loopg let k8 0 # salsas sebelum loopg do k :00 # baak pegulaga smulas let k3 k*00 # (cotoh) / baak sampel sample k3 c8 c9 # ambl cotoh acak sebaak k3 let k4 cout(c8) # N (populas) let k5 mea(c9) # rata-rata cotoh let k6 stdev(c9)** # ragam cotoh let k7 k7 + k4*k5 # dugaa T utuk populas sebelum dbag 00 let k8 k8 + (k4**)*(k6/k3)*((k4-k3)/k4) # ragam T duga sebelum dbag 00 eddo let k9 k- # salsas bars let c0(k9) k3 # taruh d c0 bars ke k9 baak sampel let C(k9) k7/00 # taruh d c bars ke k9 dugaa T let c(k9) k8/00 # taruh d c bars ke k9 dugaa ragam T eddo erase c9 # meghapus sampel ke 00 ame c0 '_PCAS' ame c 'Tduga' ame c 'var Tduga' edmacro Program. Program Smulas Pedugaa Total Populas da Ragam Pada Tekk Pearka Cotoh Sstematk. gmacro sapsistematik mreset # clear memor do k 3:5 # salsas sebelum loopg let k 0 # salsas sebelum loopg let k3 0 # salsas sebelum loopg do k :00 # salsas sebelum loopg let k3 k*00 # (cotoh) let k4 cout(c8) # N (populas) let k5 roud(k4/k3) # k pembulata N/ selag/kelompok populas radom c00; # membagktka blaga uform uform.0 k5. # dega la smp k5 cop c00 k6 # taruh sebaga k6 erase c00 Iformatka Pertaa Volume 7 No., 008 7

18 let k6 roud(k6) # l ag d plh secara acak do k7 :k3 # pearka cotoh sstematk let k9 k5 + (k7-)*k6 # j k + a*l let c9(k7) c8(k9) # Peusua sampel eddo let k0 mea(c9) # rata-rata cotoh let k stdev(c9)** # ragam cotoh let k k + k4*k0 # dugaa T utuk populas let k3 k3 + (k4**)*(k/k3)*((k4-k3)/k4) # ragam T duga eddo let k4 k- # salsas bars let c0(k4) k3 # taruh d c0 bars ke k4baak sampel let C(k4) k/00 # taruh d c bars ke k4dugaa T let c(k4) k3/00 # taruh d c bars ke k4dugaa ragam T eddo erase c9 ame c0 '_sstematk' ame c 'Tduga' ame c 'var Tduga' edmacro Program 3. Program Smulas Pedugaa Total Populas da Ragam pada Tekk Pearka Cotoh Acak Berlaps gmacro sapstratified mreset # clear memor Ustack ('Jumlah Sap'); # memsahka populas stratf da stratf Subscrpts 'Kode Stratfed'; # dasar pemsaha After; VarNames. let k cout(c9) # N jumlah populas RT d stratf let k cout(c0) # N jumlah populas RT d stratf let k3 k + k # N (surve) jumlah populas keseluruha do k4 3:5 # salsas let k 0 # salsas sebelum loopg let k3 0 # salsas sebelum loopg do k5 :00 # baak pegulaga smulas let k6 roud((k/k3)*k4*00) # (stratum) pps N/N * 300 let k7 k4*00-k6 # (stratum) pps N/N * 300 (da 400,500 sample k6 c9 c # ambl sampel acak dar stratf (c9) sebaak k6 taruh d c sample k7 c0 c let k8 mea(c) # rata-rata stratum let k9 stdev(c)** # ragam stratum let k0 mea(c) # rata-rata stratum let k stdev(c)** # ragam stratum let k k + k*k8 + k*k0 # dugaa T utuk populas let k3 k3 + (k**)*(k9/k6)*((k-k6)/k) + (k**)*(k/k7)*((k-k7)/k) 8 Perbadga Berbaga Tekk Pearka Cotoh

19 eddo let k4 k4- let c4(k4) k4*00 let c5(k4) k6 let c6(k4) k7 let C7(k4) k/00 let c8(k4) k3/00 eddo erase c c ame c4 '_stratfed' ame c5 '_stratum' ame c6 '_stratum' ame c7 'Tduga' ame c8 'var Tduga' edmacro # baak sampel # baak data d stratf ag terambl sebaga sampel # baak data d stratf ag terambl sebaga sampel # T dugaa # ragam T dugaa Program 4. Program Smulas Pedugaa Total Populas da Ragam pada Tekk Pearka Cotoh Gerombol Dua Tahap gmacro CUSTERSATU mreset Ustack (c8); # Psahka/bag c8 Subscrpts c4; # berdasarka c4 (gerombol ) After; # taruh d colom setelaha VarNames. # ber ama varabel let k4 stdev(c8)** # Htug stdv populas Set c00 # buat d c00 la 9-79 (9:79/) Ed. let k8 cout(c00) # Jumlah gerombol let k9 5067/k8 # rata-rata ukura gerombol let k6 0 # Isalsas ame c03 '_cluster' ame c04 'cluster' ame c05 'Tduga' ame c06 'var Tduga' do k :3 # Isalsas do k3 3:5 # Isalsas let k70 # Isalsas let k50 # Isalsas do k :00 # Isalsas baak loopg smulas let k4 k*0 # baak cluster (0,0,30) sample k4 c00 c0 # Megacak cluster ag aka dplh sebaga sampel let k0 # Isalsas let k30 # Isalsas let k00 do k5 :k4 # Isalsas pegambla cluster ag jad sampel Iformatka Pertaa Volume 7 No., 008 9

20 let k6 c0(k5) # deks gerombol ke let k cout(ck6) # jumlah RT dalam gerombolke-(m) let k7 k/5076 # propors gerombol to N let k0 k0 + k7 eddo do k :k4 let k3 c0(k) # deks gerombol ke let k cout(ck3) let k4 k/5076/k0 let k8 roud(k4*k3*00) # jumlah sample utuk gerombol ke- f k8 0 let k8 edf f k8 > k let k8 k. edf sample k8 ck3 c0 # pearka cotoh gerombol ke- let k9 mea(c0) # rata-rata cotoh gerombol ke- let k0 stdev(c0) # stadar error cotoh gerombol ke- let k k + k8*k*k9/k4 # dugaa T utuk masg-masg cluster let k3 k3 + (/k9)*k*k9/k4 # smpa mu duga let c08(k) k*k9 # M kal bar ke- (suku pertama jumlah kuadrat dalam rumus Sb) let c07(k) k0***(k-k8)/(k*k8) # smpa ragam setap gerombol cotoh (sudah dkal faktor koreksa) eddo let c09 (c08-k9*k3)** # jumlah kuadrat dalam rumus Sb let k5 k5 + (k8-k4)*k8**/(k8*k4)*sum(c09)/(k4-)+sum(c07) # loopg dugaa ragam T duga let k7 k7 + k # loopg dugaa T erase c07 c08 c09 # dhapus utuk loopg selajuta eddo let k6 k6 + # salsas let c03(k6) k*0 # salsas jumlah sampel let c04(k6) k3*00 # salsas jumlah cluster let c05(k6) k7/00 # dugaa T let c06(k6) k5/00 eddo eddo edmacro # ragam T duga 30 Perbadga Berbaga Tekk Pearka Cotoh

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Pengajar: Dr. Agus M Soleh

Pengajar: Dr. Agus M Soleh Pegajar: Dr. Agus M Soleh Surve percobaa populato sample hmpua semua objek ag mejad mat pegambla kesmpula hmpua baga dar populas melakuka pegamata terhadap seluruh populas sergkal tdak mugk dlakuka ketka

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

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

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN A. Jes Peelta Dalam pelta peelt megguaka racaga eksperme. Eksperme adalah observas dbawah kods buata (artfcal codto), dmaa kods tersebut dbuat da d atur oleh s peelt. Dega

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan III BAHAN/OBJEK DAN METODE PENELITIAN 3.1. Baha da Alat Peelta 3.1.1. Baha Peelta Objek yag dguaka dalam peelta adalah 50 ekor sap Pasuda jata da beta dewasa dega umur -3 tahu da tdak butg utuk meghdar

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka strateg umum yag d aut dalam pegumpula data da aalss data yag dperluka, gua mejawab persoala yag dhadap. Meurut Arkuto (006 : 3) peelta

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

TINJAUAN MATA KULIAH BAB I PENDAHULUAN

TINJAUAN MATA KULIAH BAB I PENDAHULUAN TINJAUAN MATA KULIAH BAB I PENDAHULUAN I. Beberapa Defs Dalam berbaga meda serg djumpa hasl jejak pedapat dar masarakat tetag su tertetu, jejak pedapat tu dlakuka utuk megetahu gambara pedapat dar masarakat

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departeme Statstka FMIPA IPB PEETUA ILAI PEMBOBOTA DA PEDUGA RAGAM UTUK PEARIKA COTOH BERTAHAP (Stud Kasus : Surve Pra Pemlha Guberur da Wakl Gubeur Jawa Barat d

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA

IMPUTASI MENGGUNAKAN PENAKSIR REGRESI UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING GANDA IMPUTAI MEGGUAKA PEAKIR REGREI UTUK MEAKIR RATA-RATA POPUAI PADA AMPIG GADA Berad Fudka Marpaug * Rustam Efed Haposa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu 47 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta yag dguaka dalam peelta adalah metode eksperme. Metode dguaka atas pertmbaga bahwa sfat peelta ekspermetal yatu mecobaka suatu program latha

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS = 1 + + + + k k + u PowerPot Sldes baa Rohmaa Educato Uverst of Idoesa 007 Laboratorum Ekoom & Koperas Publshg Jl. Dr. Setabud

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc STUDI KELAYAKAN: ASPEK FINANSIAL F.Hafz Saragh SP, MSc Pajak Baya bag perusahaa/ usahata, sehgga merupaka peguraga dar beeft Subsd FINANSIAL Peguraga baya bag perusahaa/ usahata, sehgga merupaka tambaha

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE ESTIMATION OF PARAMETER REGRESION MODEL USING BOOTSTRAP AND JACKKNIFE Hed (Staf Pegajar UP MKU Poltekk Neger Badug)

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak

BAB III METODE PENELITIAN. Penelitian ini dilakukan di PT. Mulya Agro Bioteknologi yang terletak BAB III METODE PENELITIAN 3.1 Lokas da Waktu Peelta Peelta dlakuka d PT. Mulya Agro Botekolog yag terletak Perumaha Tegalgodo Asr Blok H III No. 10 Kecamata Karagploso, Kabupate Malag. Pemlha lokas peelta

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci