Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2
|
|
- Ade Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Samplig Process ad Samplig Distributio Iferece : Poit ad Iterval Estimates Pertemua 1
2 CAKUPAN MATERI: Pemahama tetag Samplig Sampel Acak Sederhaa (Simple Radom Samplig SRS) Estimasi Titik (Poit Estimatio) Distribusi Samplig utuk Rata-rata Distribusi Samplig utuk Proporsi Sifat Peaksir (estimator) Titik Estimasi Iterval (Iterval Estimatio) Meguji ketepata samplig
3 PENGANTAR Populasi adalah seluruh obyek yag diteliti Megumpulka iformasi dari populasi disebut sesus, dari sii diperoleh parameter Samplig megumpulka iformasi dari sebagia usur populasi diperoleh statistik Samplig diguaka utuk meduga karakteristik dari populasi 3
4 INFERENSIA STATISTIK Tujua dari iferesia statistik adalah utuk memperoleh iformasi tetag populasi berdasarka iformasi sampel. Hasil dari sampel adalah ilai estimasi dari karakteristik populasi. Dega metode samplig yag sesuai/tepat, sampel yag terpilih adaka meghasil estimator yag baik megeai karakteristik populasi. 4
5 INFERENSIA STATISTIK (L) Iferesi Statistik meliputi: 1. Estimasi Parameter, terdiri dari: Estimasi Titik (Poit Estimatio), yaitu suatu ilai dari sampel sebagai estimator parameter Estimasi Iterval (Iterval Estimatio), yaitu suatu iterval yag dega tigkat kepercayaa tertetu memuat ilai parameter.. Pegujia Hipotesis 5
6 PENGGUNAAN SAMPLING Pegujia produk Dalam proses pemeriksaa / audit : Pemiliha uit yag aka diperiksa Pemiliha trasaksi yag aka diperiksa Pemiliha karyawa yag aka diiterview dalam pegujia iteral kotrol Pegujia perilaku kosume Peelitia teoritis, sampel diguaka utuk membuat geeralisasi 6
7 Metode Samplig Metode yag diguaka utuk megambil sampel dari populasi yag ada dua yaitu : radom samplig / probability samplig o radom samplig / judgmet samplig Tidak ada cara yag terbaik Cara yag cocok utuk pegambila sampel ditetuka oleh sifat-sifat populasi da ketrampila peeliti 7
8 Radom Sampel Sampel radom adalah sampel yag probabilitas pemiliha masig-masig usur dalam populasi diketahui sebelum pemiliha da tidak sama dega ol. Simple radom samplig Systematic samplig Stratified samplig Cluster samplig 8
9 Simple Radom Samplig Suatu metode pemiliha sampel yag sedemikia rupa sehigga : Setiap usur dalam populasi mempuyai kesempata yag sama utuk dipilih Setiap ukura sample () mempuyai kesempata yag sama utuk dipilih. Merupaka dasar statiska iferesia adalah Simple Radom Samplig Ilustrasi ada empat aak A, B, C, da D. Jika diambil aak utuk pergi berlibur maka kombiasi yag mugki AB, AC, AD, BC, BD, CD. Setiap kemugkia memiliki probabilita yag sama Masig-masig aak memiliki probabilita yag sama utuk terpilih. 9
10 Stratified Radom Samplig Populasi dibagi ke dalam kelompok (strata) yag relatif homoge da sampel dibetuk dari masig-masig kelompok. Pegelompoka dimaksudka utuk memperbaiki pedugaa ciri populasi Cotoh Auditor melakuka audit atas piutag. Piutag dikelompokka berdasarka ilaiya atau kolektibilitas Masig-masig kelompok diambil sampel. 10
11 Cluster Radom Samplig Ada dua tahap dalam radom cluster samplig Memilih secara radom kelompok (cluster) dari populasi Semua eleme dari masig-masig kelompok (atau haya sebagia eleme dari masig-masig kelompok) diikutsertaka dalam sample Cluster radom samplig aka memberika ketepata yag tiggi jika variasi dalam kelompok lebih besar dibadig variasi atar kelompok 11
12 Systematic Samplig Eleme dipilih dari populasi pada satu iterval waktu atau uruta. Persamaa dea simple radom samplig setiap eleme memiliki kemugkia yag sama tetapi setiap ukura sampel yag dipilih tidak memiliki kesempata yag sama utuk dipilih. Utuk megiterview pelagga, dipilih dari daftar ama pelagga yag ke 10, 0 dst. 1
13 No Radom Samplig Sampel yag didasarka pada keahlia seseorag tetag populasi. Kualitas o radom sample ditetuka ole keahlia peeliti. Tidak ditetuka berdasarka tekik statistika Sulit meduga secara obyektif karea dipegaruhi oleh subyektifitas pegambil sampel 13
14 SAMPEL ACAK SEDERHANA (SIMPLE RANDOM SAMPLING SRS) 1. Populasi Terbatas (Fiite Populatio) SRS utuk populasi terbatas berukura N adalah sampel yag dipilih sedemikia sehigga masig- masig kemugkia sampel berukura memiliki peluag yag sama utuk terpilih. Ada (dua) tipe, yaitu: Dega Pegembalia (with replacemet - WR) Tapa Pegembalia (without replacemet - WOR) 14
15 SAMPEL ACAK SEDERHANA (SIMPLE RANDOM SAMPLING SRS). Populasi Tak Terbatas (Ifiite Populatio) SRS dari populasi tak terbatas merupaka sampel yag dipilih sedemikia sehigga kodisi berikut terpeuhi: Masig-masig eleme dipilih dari populasi yag sama Setiap eleme dipilih secara bebas (idepedet) 15
16 Desai Peelitia Perecaaa peelitia Samplig haya merupaka bagia dari keseluruha desai peelitia Fase-Fase dalam Desai Peelitia Meetapka tujua Apa yag aka diukur utuk memeuhi tujua yag diigika Seberapa besar ukura sampel Melaksaaka peelitia Aalisis data Seberapa keyakia kita terhadap hasil peelitia Sesuatu dapat ditelliti dega berbagai cara 16
17 Samplig Distributio Sampel memiliki atribut statistik Populasi memiliki atribut parameter Masig-masig kombiasi sampel memiliki ilai statistik Statistik merupaka suatu variabel radom yag memiliki distribusi probabilitas atau statistic stochastic variable Distribusi samplig adalah distribusi probabilita dega statistik sampel sebagai variabel radomya Distribusi rata-rata sampel adalah semua kemugkia rata-rata dari sampel yag mugki dibetuk samplig distributio of the mea 17
18 Samplig Distributio Membetuk seluruh kombiasi sampel kemudia meghitug rata-rata da stadar deviasi tidak mugki, melelahka Sampel diguaka utuk meduga populasi Seberapa kedekata ilai statistik sampel dega parameter dari populasi 18
19 DISTRIBUSI SAMPLING UNTUK X Proses Iferesi Statistik Populatio dg Rata-rata m =? Sampel Acak sederhaa berukura dipilih dari populasi. Nilai diguaka Utuk membuat iferesi tetag m. Data sampel meghasilka ilai rata-rata sampel. 19
20 DISTRIBUSI SAMPLING µ atau X Distribusi samplig utuk adalah distribusi probabilita dari semua kemugkia ilai rata-rata sampel. Epected Value E( ) = µ atau µ = µ dimaa µ = rata-rata populasi Simpaga baku dari Populasi Terbatas Populasi Tak terbatas σ = ( σ ) N N (N ) merupaka faktor koreksi (N 1) 1 σ = σ 0
21 DISTRIBUSI SAMPLING X Dari rumus dapat disimpulka : σ aka turu jika bertambah σ lebih kecil dibadigka dega σ,kecuali jika seluruh usur populasi ilaiya sama besar sehigga σ =σ=0 Dapat diguaka Tabel distribusi ormal utuk meghitug probabilita dari ilai sampel. z = µ σ σ 1
22 DISTRIBUSI SAMPLING X Tabuga sebuah bak tersdistribusi secara ormal dega rata-rata 000 da stadar deviasi 600. Bak tersebut megambil sampel. Sebuah sampel 100 tabuga asabah bak dibetuk. Berapa probabilita ratarata tabuga dari sampel tersebut atara 1900 da σ = z = = 1,67 0, z = = 0,83 0, p = 0, ,967 = 0,749
23 The Cetral Limit Theorem Distribusi populasi berarti distribusi probabilitas dari suatu variabel radom Populasi ifiite yag memiliki distribusi ormal aka memiliki distribusi samplig rata-rata yag ormal berapapu ukura sampelya. Jika bertambah medekati tak terhigga maka distribusi samplig rata-rata aka semaki kecil Distribusi populasi tidak ormal distribusi samplig rata-rata aka medekati ormal jika ukura sampel cukup besar >30 3
24 The Cetral Limit Theorem Rata-rata distribusi samplig rata-rata aka sama dega rata-rata populasi Epected Value E( ) = µ atau µ = µ dimaa µ = rata-rata populasi Stadard error atau Simpaga baku dari Populasi Terbatas Populasi Tak terbatas σ = ( σ ) N N 1 σ = σ 4
25 STANDARD ERROR ATAU SAMPLING ERROR Samplig error merupaka perbedaa absolut atara estimator tak bias (ubiased) dega paramemter populasi. Cotoh samplig error: µ s σ pˆ p utuk rata-rata sampel utuk simpaga baku sampel utuk proportsi sampel 5
26 CONTOH 1 Suatu perusahaa igi meduga pejuala per bula berdasar rata-rata sampel yag dilakuka selama 100 bula. Misalka rata-rata per bula sebearya da stadar deviasi 700 Berapa bayak bula dari sampel tersebut aka memiliki rata-rata sampel atara da
27 CONTOH Dalam sampel yag terdiri 5 observasi dari populasi yag terdistribusi ormal dega rata-rata 98,6 da stadar deviasi 17,. Hitug probabilita rata-rataya terletak atara 9 sampai 100 Bagaima jika jumlah sampelya 36? Adi seorag kreditor di sebuah bak. Rata-rata tagiha kredit asabah per bula 11 da stadar deviasi 56. Secara acak ia memilih 50 tagiha, berapa probabilita dari sampel yag terpilih rata-rataya: Dibawah 100 Atara 100 da 130 7
28 CONTOH 3 Dari populasi 15 item dega rata-rata 105 da stadar deviasi 17,64. Jika diambil sampel 64? Berapaka stadar error dari rata-rata? Berapa probabilita rata-rataya atara 107,5 da 109 Ita melakuka peelitia kosumsi kopi dari rumah tagga tiap tahu. Diketahui distribusi populasi kopi ormal dega rata-rata tidak diketahui da stadar deviasi 1,5. Jika diambil 36 rumah tagga sebagai sampel da dhitug komsumsi kopiya per tahu. Berapa probabilita rata-rata sampel setegah poud dari rata-rata populasiya. Seberapa besar sampel harus diambil utuk memastika bahwa 98% rata-rata sampel berada pada setegah poud rata-rata populasi. 8
29 PROPORSI Rata-rata proporsi µ p = p Stadar deviasi σ = p ( p µ p Didekati dega distribusi ormal : p µ ( p ± 1/ ) µ p p Z = = σ p Koreksi dilakuka karea proporsi merupaka variabel radom diskret σ p ) 9
30 BEDA RATA-RATA Beda rata-rata Stadar deviasi µ µ µ µ µ = = σ σ σ σ σ + = = 30 Stadar deviasi Didekati dega distribusi ormal : ) ( ) ( 1 1 Z = σ µ µ
31 BEDA PROPORSI Beda rata-rata Stadar deviasi P P p p p p = = µ µ µ ) (1 ) (1 P P P P p p p p + = = σ σ σ 31 Stadar deviasi Didekati dega distribusi ormal : p p p p 1 ) ( ) ( 1 1 p p P P p p Z = σ
32 LATIHAN Carilah probabilita bahwa rata-rata suatu sampel radom sebayak 5 usur dari suatu populasi yag didistribusika ormal dega rata-rata 90 da stadar deviasi lebih besar dari 100? Lima perse barag dalam gudag Pekabaru cacat, sedagka sepuluh perse dari gudag Dumai cacat. Bila diambil sampel radom sebayak 00 dari gudag Pekabaru da 300 dari gudag Dumai, berapa probabilitas beda prosetase barag yag cacat dalam gudag Dumai % lebih besar dibadigka dega gudag Pekabaru Dega megaggap probabilitas kelahira bayi pria da waita adalah sama. Carilah probabilitas bahwa 00 aak yag aka lahir kurag dari 40%ya adalah pria 3
33 ESTIMASI Seberapa jauh parameter populasi yag tidak diketahui berada di sekitar statistik sampel. Estimasi merupaka suatu bagia statistik iferesia yaitu peryataa megeai parameter populasi yag tidak diketahui berdasarka iformasi dari sampel radom sederhaa yag diambil dari populasi tersebut 33
34 SIFAT PENAKSIR (ESTIMATOR) Sebelum megguaka suatu ilai sampel sebagai estimator titik, perlu diperiksa apakah ilai sampel tersebut memeuhi sifat-sifat sebagai estimator yag baik, yaitu: a. Tak bias (Ubiased), yaitu jika ilai harapa dari estimator sama dega ilai parameter populasi yag diestimasi. b. Efisie (Efficiet), yaitu jika estimator tersebut memiliki stadar error (varia) yag palig kecil dibadigka estimator tak bias yag lai. c. Kosiste (Cosistet) 34
35 SIFAT PENAKSIR (ESTIMATOR) c. Kosiste (Cosistet) Suatu estimator dikataka memiliki sifat kosiste, apabila estimator tersebut cederug medekati ilai parameter populasi jika ukura sampel ditigkatka (semaki besar). Jika ukura sampel ditambah tapa batas distribusi samplig peduga aka mejadi satu garis tegak lurus di atas paramater yag sesugguhya. 35
36 ESTIMASI TITIK (POINT ESTIMATION) Dalam estimasi titik kita megguaka data sampel utuk meghitug suatu ilai statistik sebagai estimasi parameter populasi. Cotoh: sebagai estimator titik dari rata-rata populasi, µ. s sebagai estimator titik dari simpaga baku populasi, σ. pˆ sebagai estimator titik dari proporsi populasi, P. 36
37 POINT ESTIMATION Rata-rata = Stadar deviasi s ( ) = bias s = ( 1 ) 37
38 CONTOH Sebuah bak berusaha utuk meetuka berapa jumlah teller yag tersedia pada saat istirahat di hari Jumat. Utuk itu dilakuka pegamata selama tiga bula pada tiap hari jumat. Berikut data yag diperoleh : z α Estimasi rata-rata da stadar deviasi populasiya? 38
39 ESTIMASI INTERVAL (INTERVAL ESTIMATION) Iterval kepercayaa utuk rata-rata populasi ormal. Varia populasi diketahui. Misalka variabel acak observasi/sampel dari suatu populasi berdistribusi ormal dega rata-rataµda varia σ. Jika σ diketahui da rata-rata sampel yag diobservasi adalah maka iterval kepercayaa 100(1 α)% utuk rata-rata populasi adalah: zα σ zα σ < µ < + dimaa memeuhi z α P(Z > z ) α = da Z mempuyai distribusi ormal baku. α 39
40 ESTIMASI INTERVAL (INTERVAL ESTIMATION) (L) Iterval kepercayaa utuk rata-rata populasi: sampel dega ukura besar Misalya observasi/sampel dari suatu populasi dega rata-rata µ. Maka jika besar, iterval kepercayaa 100(1 α)% utuk µ adalah: z s z α α < µ < + s dimaa s = simpaga baku sampel Peafsira ii secara khusus aka tetap sesuai walaupu distribusi populasi buka ormal. 40
41 DISTRIBUSI t Kurva dari distribusi t memiliki betuk mirip dega kurva ormal, amu lebih rucig. Ciri khusus: distribusi t tergatug pada suatu parameter yag disebut derajat bebas (degrees of freedom). Jika derajat bebas meigkat maka perbedaa distribusi t dega distribusi ormal baku semaki kecil. Distribusi t dega derajat bebas yag lebih besar memiliki varia yag lebih kecil. Rata-rata dari distribusi t = 0 (ol). 41
42 DISTRIBUSI t Membaca Tabel Studet s t Misalka α = 0,05 da = 10, maka ilai tabel t -1,α/ = t (10-1);0,05 =,6 Degrees Area i Upper Tail of Freedom
43 UKURAN SAMPEL UNTUK ESTIMASI INTERVAL RATA-RATA POPULASI Misalka E = ilai samplig error maksimum yag ditetuka. E serig disebut sebagai batas kesalaha (margi of error). maka sehigga E = z (z α α = ) E σ σ 43
44 ESTIMASI INTERVAL (INTERVAL ESTIMATION) (L) Iterval kepercayaa utuk rata-rata populasi ormal: varia populasi tidak diketahui Misalya observasi dari variabel acak dari populasi berdistribusi ormal dega rata-rata µ da varia tidak diketahui. Iterval kepercayaa 100(1-α)% utuk rata-rata populasi adalah t 1, α s < µ < dimaa t -1,α/ memeuhi P(t -1 > t -1,α/ ) = α/ Variabel acak t -1 mempuyai distribusi studet s t dega derajat bebas ( 1). + t 1, α s 44
45 ESTIMASI INTERVAL (INTERVAL ESTIMATION) (L) Iterval kepercayaa utuk proprosi populasi (sampel besar) Jika pˆ meotasika proporsi sukses dalam sampel acak dari observasi suatu populasi dega proporsi sukses p. Maka, jika besar, iterval kepercayaa 100(1 α)% utuk proporsi populasi adalah pˆ (1 pˆ ) pˆ (1 pˆ ) pˆ zα < p < pˆ + zα dimaa z α/ memeuhi P (Z > z α/ ) = α/ Z mempuyai distribusi ormal baku. 45
46 UKURAN SAMPEL UNTUK ESTIMASI INTERVAL PROPORSI POPULASI Misalka E = ilai samplig error maksimum yag ditetuka. E serig disebut sebagai batas kesalaha (margi of error). maka E = z α p(1 p) sehigga (z α = ) p(1 p) E 46
47 CONTOH ESTIMASI INTERVAL 1. Suatu proses memproduksi katog-katog gula. Berat katog-katog diketahui berdistribusi ormal dega simpaga baku 1, os. Suatu sampel 5 katog diambil da memiliki rata-rata 19,8 os. Buatlah selag kepercayaa 95% utuk rata-rata populasi berat katog gula! SOLUSI: α = 0,05 z α/ = 1,96 zα σ zα σ < µ < + (1,96)(1,) (1,96)(1,) 19,8 < µ < 19, ,33 < µ < 0,7 47
48 CONTOH ESTIMASI INTERVAL (L). Sampel acak berukura 17 mahasiswa akutasi ditaya pedapat mereka ttg petigya suatu pekerjaa dega skala 1 (tidak petig) s.d. 5 (sagat petig). Teryata diperoleh rata-rata ilai adalah 4,38 dega stadar deviasi 0,7. Buat selag kepercayaa 99% utuk rata-rata populasi. SOLUSI: α = 0,01 z α/ =,575 z s z α α < µ < + (,575)(0,7) 4,38 < µ < 4, ,4 < µ < 4,5 s (,575)(0,7) 17 48
49 CONTOH ESTIMASI INTERVAL (L) 3. Sampel acak berukura 6 mobil dari suatu model tertetu memiliki kosumsi baha bakar sbb (mil per galo): 18,6 18,4 19, 0,8 19,4 0,5 Buat selag kepercayaa 90% utuk rata-rata kosumsi baha bakar populasi. SOLUSI: α = 0,10 t -1,α/ = t 5;0,05 =,015 t 1, α s < µ < + t 1, α (,015)(0,98) (,015)(0,98) 19,48 < µ < 19, ,67 < µ < 0,9 s 49
50 CONTOH ESTIMASI INTERVAL (L) 4. Sampel acak berukura 344 pemilik perusahaa ditaya megeai kebijaka perusahaa pada bagia pembelia barag jika diberi hadiah oleh pemasok. Teryata, 83 meyataka tidak ada kebijaka apapu. Buat selag kepercayaa 90% utuk proporsi populasi yg meyataka tidak ada kebijaka apapu berkeaa dg hal tersebut. SOLUSI: α = 0,10 z α/ = 1,645 pˆ z α pˆ (1 pˆ ) < p < pˆ + z α pˆ (1 pˆ (0,41)(0,759) 0,41 1,645 < p < 0,41 + 1, ,03 < p < 0,79 ) (0,41)(0,759)
51 CONTOH Suatu sampel radom sebayak 100 mahasiswa meghasilka rata-rata berat bada 60 kg da stadar deviasi 10. Jika populasi 50 Buatlah iterval keyakia rata-rata populasi kalau diguaka tigkat keyakia 90% Berapa tigkat keyakia diguaka agar ratarata populasi terletak dalam iterval
JENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih 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 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 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 terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih 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 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 terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih 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 terperinciSTATISTIK PERTEMUAN VIII
STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag
Lebih 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 terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciII. 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 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 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 terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih 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 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 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 terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
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 terperinciHazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand
TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih 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 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 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 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 V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih 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 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 terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih 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 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 terperinciDistribusi Sampel Sampling Distribution
Chapter 5 Studet Lecture otes 5-1 Samplig Distributio Pegatar Distribusi mea Sampel dari ilai Rata-rata Distribusi mea Sampel dari ilai Proporsi Chap 5-1 Distribusi sampel adalah f() distribusi dari ratarata
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga
Lebih terperinciBab 6 PENAKSIRAN PARAMETER
Bab 6 PENAKSIRAN PARAMETER Stadar Kompetesi : Setelah megikuti kuliah ii, mahasiswa dapat memahami hubuga ilai sampel da populasi da meetuka distribusi samplig yag tepat utuk diguaka Kompetesi Dasar :
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 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 terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemua VI Sebara Pearika Cotoh Septia Rahardiatoro - STK IPB 1 Sebara Pearika Cotoh Megidetifikasi sebara suatu fugsi dari cotoh ketika diambil dari suatu populasi X
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinciStatistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pegujia Hipotesis Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : = 0 Butuh pembuktia berdasarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : x 5 Hal itu merupaka
Lebih 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 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 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 terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih 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 terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih 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 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 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 terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 20 Bandar Lampung, dengan populasi
5 III. METODE PENELITIAN A. Populasi da Sampel Peelitia ii dilaksaaka di SMPN 0 Badar Lampug, dega populasi seluruh siswa kelas VII. Bayak kelas VII disekolah tersebut ada 7 kelas, da setiap kelas memiliki
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih 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 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 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 terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih 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 terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih 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 terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciPenarikan Sampel Acak Sederhana
Tekik Samplig Pearika Sampel Acak Sederhaa Hazmira Yozza- Jur. Matematika Uad 17/11/014 Tujua Pearika Sampel Megambil kesimpula megeai populasi berdasarka iformasi yag terkadug pada sampel Ukura sampel
Lebih terperinciTEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand
Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciPENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA
PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas
Lebih terperinciSebaran Penarikan Contoh. Dept Statistika FMIPA IPB
Sebara Pearika Cotoh Dept Statistika FMIPA IPB Statistik: karakteristik umerik yag diperoleh dari data cotoh Dari sebuah populasi dapat diperoleh bayak cotoh acak. Dari setiap cotoh acak, dapat dihitug
Lebih terperinciPenaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
Lebih 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 terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih 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 terperinciBAB III METODOLOGI PENELITIAN
22 BAB III METODOLOGI PENELITIAN 3.1 Lokasi da Waktu Peelitia Peelitia ii dilaksaaka di tiga kator PT Djarum, yaitu di Kator HQ (Head Quarter) PT Djarum yag bertempat di Jala KS Tubu 2C/57 Jakarta Barat,
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 terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciBAB III METODOLOGI DAN PELAKSANAAN PENELITIAN. Perumusan - Sasaran - Tujuan. Pengidentifikasian dan orientasi - Masalah.
BAB III METODOLOGI DAN PELAKSANAAN PENELITIAN 3.1. DIAGRAM ALIR PENELITIAN Perumusa - Sasara - Tujua Pegidetifikasia da orietasi - Masalah Studi Pustaka Racaga samplig Pegumpula Data Data Primer Data Sekuder
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 ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARSA DAN FAKTOR DISKON
BAB III ECONOMIC ORDER QUANTITY MULTIITEM DENGAN MEMPERTIMBANGKAN WAKTU KADALUARA DAN FAKTOR DIKON 3.1 Ecoomic Order Quatity Ecoomic Order Quatity (EOQ) merupaka suatu metode yag diguaka utuk megedalika
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 terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciBAB III METODE PENELITIAN. Lokasi penelitian ini dilakukan di Puskesmas Limba B terutama masyarakat
38 3.1 Lokasi da Waktu Peelitia 3.1.1 Lokasi Peelitia BAB III METODE PENELITIAN Lokasi peelitia ii dilakuka di Puskesmas Limba B terutama masyarakat yag berada di keluraha limba B Kecamata Kota Selata
Lebih terperinciPENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA
PENAKSIR RANTAI RASIO DAN RANTAI PRODUK YANG EFISIEN UNTUK MENAKSIR RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA V. M. Vidya *, Bustami, R. Efedi Mahasiswa Program S Matematika Dose Jurusa Matematika
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 terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciHimpunan. Himpunan 3/28/2012. Semesta Pembicaraan Semua mobil di Indonesia
Himpua Suatu himpua atau gugus adalah merupaka sekumpula obyek. Pada umumya aggota dari gugus tersebut memiliki suatu sifat yag sama. Suatu himpua bagia atau aak gugus merupaka sekumpula obyek yag aggotaya
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih 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 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 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 terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciBAB V METODOLOGI PENELITIAN
BAB V METODOLOGI PEELITIA 5.1 Racaga Peelitia Peelitia ii merupaka peelitia kualitatif dega metode wawacara medalam (i depth iterview) utuk memperoleh gambara ketidaklegkapa pegisia berkas rekam medis
Lebih terperinci