BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
|
|
- Adi Budiono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 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, metode klasik, yaitu iferesi didasarka haya pada iformasi yag didapatka dari sampel acak yag dipilih dari populasi. Kedua, metode Bayesia, yaitu dega megguaka pegetahua sebelumya tetag distribusi probabilitas dari parameter yag tidak dketahui terkait dega data sampel. Statistik iferesial diguaka utuk dua hal utama, yaitu Estimasi da uji hipotesis. 8. Estimasi dega metode klasik Poit estimate dari suatu parameter populasi θ adalah suatu ilai tuggal θˆ dari suatu statistik Θˆ. Misal: ilai x dari statistik X yag dihitug dari sampel adalah suatu titik perkiraa dari parameter populasi μ. biased estimator Defiisi: Statistik Θˆ dikataka ubiased estimator dari parameter θ bila ( Θˆ ) θ μ Θˆ E Varias dari poit estimator Bila ˆΘ 1 da ˆΘ adalah dua ubiased estimator dari parameter populasi yag sama θ, maka yag dipilih adalah estimator yag meghasilka varias lebih kecil. VIII - 1
2 Estimasi Iterval Estimasi iterval parameter populasi θ adalah iterval dalam betuk ˆ θ < θ < ˆ θ, dimaa ˆ θ da ˆ θ tergatug pada ilai statistik Θˆ utuk sampel tertetu da juga pada samplig distributio Θˆ. Iterpretasi Estimasi Iterval Karea sampel yag berbeda aka meghasilka ilai Θˆ yag berbeda da juga ilai ˆ θ da ˆ θ yag berbeda. Dari distribusi samplig Θˆ kita harus dapat meetuka Θˆ da Θˆ ( ) α sedemikia rupa sehigga: P Θˆ < θ < Θˆ 1 utuk 0 < α < 1, Iterval ˆ θ < θ < ˆ θ yag dihitug dari sampel yag dipilih disebut (1- α)100% iterval keyakia (cofidece iterval). 1- α diamaka koefesie keyakia (cofidece coefficiet) atau tigkat keyakia (degree of cofidece), da ˆ θ da ˆ dsiebut batas keyakia (cofidece limit). Sehigga bila α 0.05; θ berarti iterval keyakia adalah 95%. Semaki lebar iterval keyakia semaki yaki dalam peetua parameter. 8.3 Sampel tuggal: meaksir rata-rata Bila x adalah rata-rata dari sampel acak dari populasi dega varias, iterval keyakia (1- α)100% utuk μ adalah: x z / < μ < x + z α α / z α / adalah ilai z yag terletak disisi kaa α/. Bila jumlah sampel kurag dari 30, hasil yag diperoleh tidak akurat. Sebalikya bila sampel lebih besar dari 30 hasil yag didapat terjami lebih akurat. VIII -
3 Cotoh: rata-rata kosetrasi ikel dari 36 lokasi sampel sugai adalah.6 gram/mm. Tetuka iterval keyakia 95% da 99% utuk rata-rata kosetrasi ikel. Asumsika deviasi stadar populasi adalah 0.3. Titik perkiraa μ adalah x.6. Nilai z α z (lihat tabel distribusi / 0.05 ormal). Maka pada iterval keyakia 95% adalah x zα / < μ < x + zα /.6 ( 1.96) < μ <.6 + ( 1.96).50 < μ <. 70 pada iterval keyakia 99%; z. 575 z α / (.575) < μ <.6 + (.575).47 < μ <. 73 Dari hasil diatas meujukka dibutuhka iterval yag lebih lebar utuk meigkatka tigkat keyakia. Teorema: bila x diguaka utuk meaksir μ, kita dapat yaki (1- α)100% bahwa kesalaha tidak melebihi z α /. Dari cotoh, sebelumya kita yaki 95% bahwa rata-rata sampel x.6 berbeda dari rata-rata sebearya μ sebesar tidak lebih dari 0.1. VIII - 3
4 Teorema: bila x diguaka utuk meaksir μ, kita dapat yaki (1- α)100% bahwa kesalaha tidak melebihi jumlah tertetu e bila jumlah sampel adalah: α /. z e Cotoh: Berapa bayak sampel diperluka pada cotoh sebelumya bila kita meghedaki tigkat keyakia 95% dega tigkat kesalaha kurag dari ( 1.96)( 0.3) α / z e KASS: tidak diketahui Serig dalam beberapa kasus, kita megestimasi rata-rata populasi dega varias yag tidak diketahui. Bila kita ambil sampel acak dega distribusi ormal, maka variabel acak, X μ T S / adalah Studet s t-distributio dega derajat kebebasa -1. S stadar deviasi sampel. T dapat diguaka utuk membuat iterval keyakia. Prosedur sama dega sebelumya, haya digati dega S da ditribusi ormal stadar digati dega distribusi t. Sehigga kita dapat meyataka bahwa: P ( t < T < ) 1 α α / tα / X μ P tα / < < tα / 1 α S / P X S S tα / < μ < X + tα / 1 α VIII - 4
5 Iterval keyakia pada sampel besar Bila 30, maka s dapat meggatika da iterval keyakiaya adalah: s x ± zα / 8.4 Kesalaha stadar (stadard error) Stadard deviasi dari X merupaka stadard error dari X, diyataka sebagai adalah /. Sehigga batas keyakiaya (cofidece limit) adalah: x ± zα / da ditulis sebagai x ± zα / s.e. ( x) tuk kasus tidak diketahui, maka: s x ± tα / da ditulis sebagai x ± tα / s.e. ( x) 8.5 Prediksi iterval Dalam beberapa kasus seorag peeliti igi memprediksi kemugkia ilai pegamata aka datag (value of a future observatio) dega megguaka ilai pegamata sebelumya. Prediksi iterval utuk suatu pegamata aka datag dega tigkat keyakia (1- α)100% dari suatu pegegamata sebelumya yag terdistribusi ormal dega rata-rata μ yag tidak diketahui da varias diketahui adalah : x z + 1/ < x < x + z 1 1/ α / 1 0 α / + Cotoh: Karea peurua suku buga perbaka, suatu Bak bayak meerima aplikasi peggadaia. Berdasarka pegalama 50 pemijama peggadaia sebelumya meujukka bahwa rata-rataya 18,300 $. Asumsika deviasi VIII - 5
6 stadar 15,000 $. Tetuka 95% prediksi iterval jumlah pijama peggadaia. x z + 1/ < x < x + z 1+ 1/ α / 1 0 α / ( 1.96)( 15000) 1+ 1/ 50 < < ( 1.96)( 15000) 1+ 1/ x < x < tuk kasus tidak diketahui, formulasi diyataka sebagai berikut: x t s + 1/ < x < x + t s 1 1/ α / 1 0 α / Megestimasi perbedaa dua rata-rata Bila x 1 da x adalah rata-rata sampel acak bebas 1 da dari suatu populasi dega varias utuk μ 1 - μ diyataka sebagai: Cotoh: 1 da. Iterval dega tigkat keyakia (1- α)100% 1 α / zα / ( x x ) z + < μ μ < ( x x ) 1 Suatu percobaa tetag kebutuha baha bakar dilakuka pada dua tipe mesi, A da B. 50 percobaa dilakuka pada mesi tipe A, da 75 utuk tipe B. Ratarata mesi A dapat meempuh jarak 36 miles utuk setiap galo baha bakar, sedagka utuk mesi B adalah 4 miles per galo. Tetuka μ 1 - μ dega tigkat keyakia 96%. Asumsika deviasi stadar A da B adalah 6 da 8. pada iterval keyakia 96%; z α z. 05 (lihat tabel) μ / 0.0 ( 36).05 + < μ < ( 4 36) < μ μ 1 < VIII - 6
Statistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih 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 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 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 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 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 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 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 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 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 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 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 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 terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciSampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2
Samplig Process ad Samplig Distributio Iferece : Poit ad Iterval Estimates Pertemua 1 CAKUPAN MATERI: Pemahama tetag Samplig Sampel Acak Sederhaa (Simple Radom Samplig SRS) Estimasi Titik (Poit Estimatio)
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 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 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 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 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 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 terperinciSTATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1)
STATISTICS Cofidece Iterval (Retag Keyakia) Cofidece Iterval () Etimai Parameter Ditribui abilita memiliki ejumlah parameter. Parameter-parameter tb umumya tak diketahui. Nilai parameter terebut diperkiraka
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 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 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 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 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 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 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 terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih 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 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 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 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 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 terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
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 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 terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih 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 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 terperinciDistribusi Sampel, Likelihood dan Penaksir
BAB 1 Distribusi Sampel, Likelihood da Peaksir 1.1 Sampel Acak Misalka X 1, X 2,..., X sampel acak berukura (radom sample of size ). Fugsi peluag -variat ya adalah f X1,X 2,,X (x 1, x 2,..., x ) = f Xi
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 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 terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih 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 terperinciBAHAN AJAR STATISTIKA MATEMATIKA 2 Matematika STKIP Tuanku Tambusai Bangkinang. 7. PENAKSIRAN ( Taksiran Interval untuk rataan, varian dan proporsi)
Pertemua0 BAHAN AJAR STATISTIKA MATEMATIKA 2 Matematika STKIP Tuaku Tambusai Bagkiag 7. PENAKSIRAN ( Taksira Iterval utuk rataa, varia da proporsi) 7.1 Pedahulua Pada pembahasa sebelumya adalah meletakka
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 terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih 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 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 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 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 terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciTaksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution
Prosidig Statistika ISSN: 460-6456 Taksira Iterval bagi Rata-rata Parameter Distribusi Poisso Iterval Estimate for The Average of Parameter Poisso Distributio 1 Putri Aggita Nuraei, Teti Sofia Yati, 3
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih 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 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 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 terperinciPenyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.
2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug
Lebih terperinciINFERENSI STATISTIS: UJI HIPOTESIS
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga INFERENSI STATISTIS: UJI HIPOTESIS Statistika da Probabilitas Model Matematis vs Pegukura komparasi garis teoretik (prediksi meurut
Lebih terperinciBarisan. Barisan Tak Hingga Kekonvergenan barisan tak hingga Sifat sifat barisan Barisan Monoton. 19/02/2016 Matematika 2 1
Barisa Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 9/0/06 Matematika Barisa Tak Higga Secara sederhaa, barisa merupaka susua dari bilaga bilaga yag urutaya berdasarka bilaga
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 terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciYang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Lebih terperinciCATATAN KULIAH #12&13 Bunga Majemuk
CATATAN KULIAH #12&13 Buga Majemuk 10.1 Pedahulua Pada pembahasa sebelumya diasumsika bahwa P atau ilai pokok pembayara tidak megalami perubaha dari awal higga akhir sehigga ilai buga selalu dihitug dari
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 terperinciBAB 2 LANDASAN TEORI
7 BAB LANDASAN TEORI. Kosep Dasar Peaksira Parameter Statistik iferesi adalah Statistik yag dega segala iformasi dari sampel diguaka utuk mearik kesimpula megeai karakteristik populasi dari maa sampel
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.
Lebih 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 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 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 terperinciPendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO
Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih 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 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
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 terperinciKEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA. Fitriani Agustina, Math, UPI
KEKONVERGENAN MODEL BINOMIAL UNTUK PENENTUAN HARGA OPSI EROPA Fitriai Agustia, Math, UPI 1 Fiacial Derivative Opsi Mafaat Opsi Opsi Eropa Peetua Harga Opsi Kekovergea Model Biomial Fitriai Agustia, Math,
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 terperinciMATEMATIKA EKONOMI 1 Deret. DOSEN Fitri Yulianti, SP, MSi.
MATEMATIKA EKONOMI 1 Deret DOSEN Fitri Yuliati, SP, MSi. Deret Deret ialah ragkaia bilaga yag tersusu secara teratur da memeuhi kaidah-kaidah tertetu. Bilaga-bilaga yag merupaka usur da pembetuk sebuah
Lebih terperinciANUITAS. 9/19/2012 MK. Aktuaria Darmanto,S.Si.
ANUITAS 9/19/2012 MK. Aktuaria Darmato,S.Si. 1 OVERVIEW Auitas adl suatu pembayara dalam jumlah tertetu, yag dilakuka setiap selag waktu da lama tertetu, secara berkelajuta. Suatu auitas yg pasti dilakuka
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciBAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN
BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi
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 terperinciBARISAN DAN DERET. 05/12/2016 Matematika Teknik 1 1
BARISAN DAN DERET 05//06 Matematika Tekik BARISAN Barisa Tak Higga Kekovergea barisa tak higga Sifat sifat barisa Barisa Mooto 05//06 Matematika Tekik Barisa Tak Higga Secara sederhaa, barisa merupaka
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 terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciNama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL
Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciMETODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu.
ENAKIRAN eaksira Titik eaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk MA 08 tatistika Dasar Dose : Udjiaa. asaribu Utriwei Mukhaiyar 6 April 009 METODE ENAKIRAN. eaksira Titik Nilai tuggal dari
Lebih terperinci4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN
4.7 TRANSFORMASI UNTUK MENDEKATI KENORMALAN Saat asumsi keormala tidak dipuhi maka kesimpula yag kita buat berdasarka suatu metod statistik yag mesyaratka asumsi keormala meadi tidak baik, sehigga mucul
Lebih terperinciBAB II CICILAN DAN BUNGA MAJEMUK
BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya
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 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 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 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 terperinci