KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

Ukuran: px
Mulai penontonan dengan halaman:

Download "KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN"

Transkripsi

1 KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com Abstrak Karakterstk flas bulaa kota-kota d Idoesa mempresetaska sfat-sfat flas bulaa melput rata-rata besara flas bulaa, stabltas flas bulaa, skewess da kurtoss dstrbus flas bulaa serta peguja hpotess apakah dstrbus data flas bulaa ormal atau tdak. Perode waktu yag damat adalah bula Jauar 009 sampa dega bula Me 03. Aalss koefse korelas dlakuka utuk mejawab pertayaa apakah ada kota yag cederug mempuya sfat flas bulaa yag tdak bergatug dega sebaga besar kota-kota d Idoesa. D sampg tu juga mempresetaska sfat-sfat flas bulaa utuk setap perode bula Jauar sampa dega bula Desember. Lebh lajut, juga dlakuka peguja hpotess apakah rata-rata flas bulaa utuk masg-masg kota sama atau ada yag berbeda secara sgfka. Demka juga, utuk kota-kota yag mejad perhata, apakah rata-rata flas bulaa utuk bula Jauar sampa bula Desember sama atau ada yag berbeda secara sgfka. Kata kuc: flas bulaa, skewess, kurtoss, dstrbus flas bulaa A. PENDAHULUAN Setap bula Bada Pusat Statstk (BPS) megumumka besarya flas bulaa 66 kota yag dguaka dalam perhtuga flas d Idoesa. D sampg tu, BPS kota kabupate yag tdak dguaka dalam perhtuga flas juga turut megeluarka formas tetag flas bulaa d kota-kota tersebut. Iformas tersebut sagat petg dalam pegambla keputusa d bdag bss da dustr. Karakterstk flas bulaa kota-kota d Idoesa perlu ddetfkas agar kta dapat melakuka atspas agar flas bulaa dapat dkedalka. Skewess, kurtoss da koefse varas telah dguaka dalam medeskrpska flas bulaa d kota-kota d Jawa Tegah (Setawa, 0a, Setawa 0b). Karakterstk flas kota-kota d Jawa Tegah telah djelaska dalam makalah Agustus dkk (03). D sampg tu, karakterstk flas bulaa kota-kota d Idoesa baga Tmur telah djelaska dalam makalah Setawa (03). Dalam makalah aka djelaska tetag karakterstk flas bulaa kota-kota yag dguaka dalam perhtuga flas bulaa d Idoesa pada perode Jauar 009 da Me 03. Pemlha perode waktu tersebut adalah bahwa dalam perode waktu tersebut tdak terjad keaka/perubaha harga BBM sehgga flas bulaa tdak bayak terpegaruh oleh keaka harga BBM. Perlu dketahu bahwa pada harga BBM yag berlaku sekarag adalah akbat keaka harga pada taggal Ju 03. B. DASAR TEORI Dalam pasal djelaska tetag statstk rata-rata, meda, skewess, kurtoss da koefse varas. Statstk tersebut atya aka dguaka utuk medeskrpska karakterstk flas bulaa kota-kota yag dguaka dalam perhtuga flas d Idoesa. Utuk dasar Makalah dpresetaska dalam Semar Nasoal Matematka da Peddka Matematka dega tema Peguata Pera Matematka da Peddka Matematka utuk Idoesa yag Lebh Bak" pada taggal 9 November 03 d Jurusa Peddka Matematka FMIPA UNY

2 teor yag berkata dega uj korelas, uj ormaltas da aalss varas dapat dlhat dalam Harald (005). Msalka dmlk sampel,,..., yag berasal dar populas yag mempuya dstrbus tertetu yag tergatug pada satu atau lebh parameter. Rata-rata ddefska sebaga sedagka meda ddefska sebaga ~ jka gajl da jka geap ddefska sebaga ~. Skewess dar suatu varable radom yag dotaska dega Skew[] ddefska sebaga 3 E[( ) ] Skew [ ] E[( ) ] 3/ dega µ = E[ ]. Skewess juga damaka skewess populas. Skewess merupaka ukura dar kesmetrsa atau lebh tepatya kekurag-smetrsa. Suatu dstrbus dkataka smetrs jka dstrbus tersebut ampak sama atara sebelah kaa da sebelah kr ttk pusatya. Dstrbus yag smetrs msalya dstrbus ormal, dstrbus t da dstrbus seragam. Dstrbus yag mempuya kemecega postf msalya dstrbus ekspoesal, dstrbus ch-kuadrat, dstrbus Posso da dstrbus Bomal dega p > 0.5 sedagka dstrbus yag mempuya skewess egatf msalya dstrbus Bomal dega p < 0.5 (lhat Tabel ). Jka dmlk sampel,,, yag dambl dar suatu populas maka skewess dstrbus populasya dapat destmas dega skewess sampel yatu ^ 3 3 /. Kurtoss dar suatu varable radom ddefska sebaga 4 E [ ( ) ]. E [ ( ) ] Kurtoss merupaka ukura apakah dstrbus lebh rata secara relatf dar dstrbus ormal atau sebalkya. Dstrbus yag mempuya kurtoss lebh kecl dar 3 maka kurag rata (flat) dbadgka dega dstrbus ormal. Dega kata la, dstrbus yag mempuya dstrbus yag mempuya kurtoss lebh dar 3 msalya dstrbus ekspoesal, ch-kuadrat, dstrbus t, dstrbus Bomal da dstrbus Posso, sedagka yag mempuya kurag dar 3 msalya dstrbus seragam (lhat Tabel ). Kurtoss dar sampel,,, yag ddefska sebaga Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS -

3 ^ dapat dguaka utuk megestmas kurtoss populas. Pada Tabel berkut dberka skewess da kurtoss populas utuk berbaga macam dstrbus yag basa dguaka (de Gust da va der Vaart, 993). Kurtoss dapat juga ddefska dega megurag 3 yatu kurtoss dar dstrbus ormal sehgga sampel yag mempuya kurtoss postf berart bahwa dstrbus sampel tersebut lebh tebal ekorya dar pada dstrbus ormal da sebalkya utuk yag egatf. Hasl statstk deskrptf pada Tabel megguaka defs yag terakhr. Koefse varas (coeffcet of varato) atau koefse dspers adalah ukura persebara yag dormalka dar suatu dstrbus probabltas. Kadag-kadag la dar koefse varas dyataka dalam perse (Harald, 007). Harga mutlak dar koefse varas kadag-kadag dkeal dega ama smpaga baku relatf (relatve stadard devato RSD). Koefse varas ddefska sebaga raso dar stadard devas dega mea yatu da estmas dar koefse varas dguaka dega x x da s s x c v ^ cv x s x. Tabel. Skewess da Kurtoss Populas utuk Beberapa Bstrbus. Dstrbus Skewess Kurtoss Bomal p 6 p ( p ) 3 Bom(,p) p ( p ) p ( p ) Posso Pos( µ ) / 3 Normal N(µ, ) 0 3 Seragam U(a,b) 0 9/5 Dstrbus t t 0 ( > 3) ( 4) Ch-kuadrat / (/ v ) 3 Ekspoesal Exp( ) 9 4 C. METODE PENELITIAN Data yag dguaka adalah data flas bulaa utuk bula Jauar 009 sampa dega Me 03 yag dperoleh pada webste resm Bada Pusat Statstk (BPS). Dplhya kuru waktu tersebut karea dalam kuru waktu tu tdak terjad keaka harga BBM sehgga data flas bulaa tdak bayak terpegaruh oleh perubaha harga BBM. Data flas bulaa dlakuka aalss statstk dega dasar statstk rata-rata, meda, skewess, kurtoss, koefse varas, aalss korelas, uj ormaltas da aalss varas. Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 3

4 D. HASIL DAN PEMBAHASAN Iflas bulaa d Idoesa dhtug berdasarka flas bulaa 66 kota yag terdr dar 33 bu kota provs da 33 kota/kabupate petg d Idoesa. Utuk memberka gambara seklas tetag 66 kota tersebut, pada Gambar dberka grafk gars data flas bulaa utuk kota Jakarta, kota Ambo, kota Bada Aceh da kota Jayapura. Pemlha kota Jakarta, kota Bada Aceh da kota Jayapura ddasarka pada besarya koefse varas. Kota Jakarta mempuya koefse varas terkecl (yatu sebesar 0,99) dbadgka dega kota-kota yag la, sedagka kota Jayapura da kota Bada Aceh masg-masg mempuya koefse varas terbesar (yatu sebesar 3,55) da koefse varas terbesar kedua (yatu sebesar 3,8). D sampg tu pemlha kota Ambo ddasarka pada koefse korelas Pearso kota Ambo dega 47 kota yag la yag tdak sgfka (lebh kecl dar 0,5 utuk ukura sampel = 53) sehgga karakterstk flas bulaa kota Ambo jauh berbeda dega kota Jakarta, kota Bada Aceh da kota Jayapura. Koefse korelas kota Ambo dega kota Terate msalya, mempuya karakterstk yag cederug sama karea mempuya koefse korelas yag sgfka yatu sebesar 0, Ja-09 Apr-09 Jul-09 Okt-09 Ja-0 Apr-0 Jul-0 Okt-0 Ja- Apr- Jul- Okt- Ja- Apr- Jul- Okt- Ja-3 Apr-3 JAKARTA AMBON BANDAACEH JAYAPURA -3-4 Gambar. Grafk gars data flas bulaa kota Jakarta, kota Ambo, kota Bada Aceh da kota Jayapura. Tabel meyataka statstk deskrptf umerk data flas bulaa d kota-kota tersebut d atas. Rata-rata flas bulaa d kota Bada Aceh lebh redah dbadgka dega ketga kota tersebut bahka kota Bada Aceh mempuya rata-rata teredah dbadgka dega kota-kota la d Idoesa. Namu demka, koefse varas kota Bada Aceh terbesar kedua dbadgka dega kota-kota la d Idoesa sehgga data flas bulaaya sagat fluktuatf artya cederug tdak stabl atau kadag besar da kadag kecl. Lebh jauh, jagkaua (rage) kota Bada Aceh cukup besar yatu sebesar 3,8 % (badgka dega jagkaua kota Ambo yatu sebesar 5,78 %). Hal yag sama juga berlaku pada kota Jayapura. Koefse varas yag relatf kecl meujukka bahwa data flas bulaa d kota tersebut relatf stabl. Karea kota Jakarta mempuya koefse korelas yag kecl maka hal tu berart flas bulaa d kota Jakarta cederug stabl artya tdak sagat berfluktuas. Hal tu jelas sagat petg bag Iflas d Idoesa karea bobot kota Jakarta dalam perhtuga flas bulaa Idoesa adalah sebesar 7,66 % sehgga jka flas d kota Jakarta cederug tdak stabl maka aka sagat berpegaruh terhadap stabltas flas bulaa d Idoesa. Badgka dega koefse varas Idoesa sebesar,. Koefse varas data flas bulaa tersebut sagat terkat dega jagkauaya, hal tersebut dtujukka dega koefse korelas Pearso Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 4

5 datara keduaya yag sgfka yatu sebesar 0,77. Hal tu berart koefse varas yag besar cederug terkat dega jagkaua yag besar da sebalkya koefse varas yag kecl terkat dega jagkaua yag kecl. Tabel. Statstk deskrptf umers dar data flas bulaa melput kota Jarta, Ambo, Bada Aceh, Jayapura da dbadga dega asoal/idoesa. JAKARTA AMBON BANDA ACEH JAYAPURA INDONESIA mea 0,35 0,5 0,4 0,9 0,37 meda 0,33 0,50 0,8 0,37 0,9 stdev 0,34,35 0,78,04 0,4 m -0,6 -,70 -,9 -,63-0,3 max,5 3,76,89 3,5,57 Koef varas 0,99,6 3,8 3,55, skewess 0,34-0,0 0,03-0,06 0,49 kurtoss -0, 0,6 0,53,0-0, rage,4 6,46 3,8 5,78,89 Koefse varas robust 0,90,34 3,7,36,43 Kota Jakarta, kota Bada Aceh da Idoesa mempuya skewess postf yatu berturut-turut sebesar 0,34, 0,03 da 0,49 sedagka kota Ambo da kota Jayapura mempuya skewess egatf amu keduaya hampr 0. Skewess kota Bada Aceh, kota Ambo da kota Jayapura hampr 0 sehgga destas data flas bulaaya hampr smetrs. Gambar memberka perbadga atara skewess yag terkecl (Sgkawag yatu sebesar -0,36) maupu terkecl kedua (kota Potaak yatu sebesar -0,34) dbadgka dega skewess terbesar kedua (kota Bogor yatu sebesar,36) da skewess terbesar (Probolggo yatu sebesar,46). Terlhat bahwa skewess egatf mempuya ekor d sebelah kr sedagka skewess postf mempuya ekor d sebelah kaa. Kurtoss kota Ambo, kota Bada Aceh da kota Jayapura berla postf artya lebh besar dar dstrbus ormal sedagka kota Jakarta da Idoesa berla egatf artya lebh kecl dar dstrbus ormal. Gambar 3 memperlhatka destas data flas bulaa kota yag mempuya kurtoss terkecl, terkecl kedua, kota Bada Aceh, kota Jayapura, kota terbesar kedua da kota terbesar. Kurtoss yag kecl cederug terkat dega jagkaua yag kecl da kurtoss besar cederug terkat dega jagkaua yag besar, hal tu dperkuat dega keyataa bahwa koefse korelas datara keduaya sgfka yatu sebesar 0,3. Karakterstk flas bulaa utuk kota-kota tersebut dbadgka dega data flas bulaa asoal (Idoesa) dyataka pada Gambar 4. Kota Ambo cederug mempuya flas bulaa tgg pada bula Desember yatu sebesar,5 dbadgka dega flas bulaa Bada Aceh, Jakarta da Idoesa pada bula Desember yatu sebesar 0,6 bahka jauh lebh besar dar rata-rata flas bulaa Idoesa yatu 0,37. Kemugka besar hal dsebabka oleh adaya har raya Natal da lbura mejelag perayaa Tahu Baru. Iflas bulaa tgg tersebut juga mash terjad pada bula Jauar yatu sektar,4 perse sedagka d kota-kota la sepert Bada Aceh, Jayapura da Jakarta haya sektar 0,5 perse. Iflas cukup tgg d kota Ambo juga terjad pada bula Agustus, kemugka hal tu dsebabka oleh adaya bula puasa yag pada perode tersebut jatuh sektar bula Agustus. Deflas cukup tgg yatu sektar -0,5 perse terjad pada bula Oktober utuk kota Ambo, Bada Aceh da Jayapura sedagka utuk kota Jakarta tdak terjad deflas. Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 5

6 Sgkawag, sk=-0,36 Potaak, sk = -0, N = 53 Badw dth = N = 53 Badw dth = Ambo, sk = -0,0 Jakarta, sk = 0, N = 53 Badw dth = N = 53 Badw dth = 0.4 Bogor, sk =,36 Probolggo, sk =, N = 53 Badw dth = 0.67 N = 53 Badw dth = Gambar. Destas data flas bulaa dar kota-kota dega skewess terkecl (kota Sgkawag), terkecl kedua (kota Potaak), kota Ambo, kota Jakarta, skewess terbesar kedua (kota Bogor) da terbesar (kota Probolggo). Task Malaya, kurt=-0,93 Bma, kurt = -0,90 N = 53 Badw dth = 0.74 N = 53 Badwdth = Bada Aceh, kurt = 0,53 Jayapura, kurt =,0 N = 53 Badw dth = N = 53 Badwdth = Gorotalo, kurt = 3,60 Probolggo, kurt = 4,87 N = 53 Badw dth = N = 53 Badwdth = Gambar 3. Destas data flas bulaa dar kota-kota dega kurtoss terkecl, terkecl kedua, kota Ambo, kota Jakarta, kurtoss terbesar kedua da terbesar JAKARTA AMBON BANDAACEH JAYAPURA INDONESIA -.00 Gambar 4. Karakterstk rata-rata flas bulaa utuk tap bula utuk kota Jakarta, kota Ambo, kota Bada Aceh, kota Jayapura dbadgka dega Idoesa. Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 6

7 Tabel 3. Tabel koefse korelas Pearso atara kota-kota : Jakarta, Bada Aceh, Ambo da Jayapura, da juga dbadgka dega asoal/idoesa. JAKARTA AMBON BANDA ACEH JAYAPURA INDONESIA JAKARTA AMBON 0,7 BANDAACEH 0,59 0,07 JAYAPURA 0,4 0,0 0,39 INDONESIA 0,88 0,3 0,66 0,38 Tabel 3 memperlhatka koefse korelas atara kota-kota Jakarta, Bada Aceh, Ambo da Jayapura, da juga dbadgka dega Idoesa. Terlhat bahwa kota Ambo tdak berkorelas dega kota Jakarta, Bada Aceh da Jayapura, bahka apabla dtelt lebh lajut kota Ambo juga tdak berkorelas dega 47 kota-kota la d Idoesa. Hal tu berart flas bulaa d kota Ambo, cederug tdak bergatug (depedet) dega kota-kota yag tdak berkorelas tersebut. Kota la yag mempuya sfat yag hampr sama adalah kota Sorog yatu tdak bergatug dega 43 kota la d Idoesa. Hal tu berart bahwa kota Ambo maupu kota Sorog cederug mempuya karakterstk flas bulaa yag berbeda dega sebaga besar kota d Idoesa. Apabla dguaka uj ormaltas Lllefors utuk kota Jakarta, kota Bada Aceh, kota Ambo da kota Jayapura maka berturut-turut mempuya la-p 0,5, 0,45, 0,34 da 0,7 sehgga tdak ada alasa utuk meolak asums ormaltas data flas bulaa utuk kota-kota tersebut dalam perode peelta. Demka juga dega megguaka uj Aderso-Darlg berturut-turut dperoleh la-p berkut : 0,39, 0,34, 0,9, 0,30 ; da utuk uj Cramer-vo Mses dperoleh la-p berkut : 0,35, 0,46, 0,, 0,4. Hal tu berart dega ketga uj, tdak ada alasa utuk meolak asums ormaltasya. Karea asums ormaltas data flas tdak dtolak maka dapat dlakuka uj varas satu arah (oe way aova) utuk data tersebut da dperoleh la-p sebesar 0,488 sehgga tdak ada alasa utuk meolak hpotess yag meyataka bahwa rata-rata flas bulaa utuk keempat kota tersebut sama. Demka juga kta dapat meambahka kota Taraka (kota yag mempuya rata-rata flas bulaa tertgg d Idoesa yatu sebesar 0,59 % yag telah duj berdstrbus ormal) dalam daftar kota-kota yag aka dlakuka aalss varas satu arah da dperoleh la-p sebesar 0,7. Akbatya rata-rata flas bulaa utuk kelma kota tersebut cederug sama. Selajutya utuk kota-kota yag memeuh asums dstrbus ormal (dega uj ormaltas Lllefors, msalya) yatu sebayak 58 kota, dapat dlakuka aalss varas satu arah da aka dperoleh hasl yag sama. D sampg tu dapat dtark kesmpula bahwa flas bulaa sebaga besar kota-kota d Idoesa yag dguaka utuk perhtuga flas bulaa cederug mempuya dstrbus ormal. Hal tu berart bahwa pergeraka flas bulaa cederug dalam keadaa ormal yatu yag basa dtemu dalam alam. Kota-kota la d seluruh Idoesa yag tdak berdstrbus ormal berdasarka ketga uj ormaltas d atas dega tgkat sgfkas α = 0,05 adalah kota Yogyakarta, kota Probolggo, kota Sukabum, kota Crebo, Sbolga, kota Balkpapa da kota Samarda. Jka dguaka tgkat sgfkas α = 0,0 berdasarka ketga uj ormaltas d atas hayalah kota Balkpapa yag tdak berdstrbus ormal. Karea utuk 58 kota yag memeuh asums dstrbus ormal mempuya rata-rata flas bulaa yag sama maka perlu dlakuka aalss varas satu arah utuk masg-masg kota utuk meguj hpotess yag meyataka bahwa rata-rata flas bulaa utuk tap bula (Jauar, Februar sampa dega Desember) sama atau tdak. Pada kota Jakarta, la-p utuk aalss varas adalah 0,00 sehgga ada rata-rata flas bulaa suatu bula yag berbeda dega bula yag la. Dataraya rata-rata flas bulaa utuk bula Agustus berbeda dega rata-rata flas bulaa utuk bula Februar, Maret, Aprl, Me da Oktober. Pada ss Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 7

8 la, jka prosedur tersebut dlakuka pada data flas bulaa kota Taraka, rata-rata flas bulaa utuk bula Desember berbeda dega rata-rata flas bulaa utuk bula Aprl, bula Me da bula Oktober. Namu demka hal tersebut tdak berlaku utuk kota Bada Aceh, Ambo da Jayapura. Kota yag palg bayak megalam deflas (flas egatf) utuk perode d atas adalah Bada Aceh yatu sebayak 3 bula dar 53 bula yag damat sedagka kota yag palg sedkt megalam deflas adalah kota Jakarta yatu 5 bula. Bayakya bula deflas tu kemugka dsebabka oleh fluktuas harga-harga komodtas yag dguaka dalam perhtuga flas. E. KESIMPULAN DAN SARAN Dalam makalah telah dpresetaska karaketerstk kota-kota d Idoesa berdasarka data flas bulaa perode Jauar 03 sampa dega Me 03. Peelta dapat juga dperluas utuk perode waktu yag lebh pajag berdasarka data yag dsedaka oleh Bada Pusat Statstk (BPS). F. DAFTAR PUSTAKA Agustus, Yud; Ad Setawa; Bambag Susato, 03, Peerapa Metode Bootstrap Pada Uj Komparatf No Parametrk Sampel, Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA FMIPA UNY Yogyakarta 8 Me 03. de Gust & va der Vaart, 993, Statstche Data Aalyse, Vrje Uverstet Amsterdam. Harald, 005, Prsp-prsp Statstk utuk Tekk da Sas, Peerbt Erlagga, Jakarta. Setawa, Ad, 0a, Peetua Dstrbus Skewess da Kurtoss dega Metode Resamplg berdasar Destas Kerel (Stud Kasus Pada Aalss Iflas Bulaa Komodtas bawag Merah, Dagg Ayam ras da Myak Goreg d Kota Semarag), Prosdg Semar Nasoal Sas da Peddka Sas, Vol 3 No. Setawa, Ad, 0b Perbadga Koefse Varas atara Sampel dega Metode Bootstrap (Stud Kasus pada Aalss Iflas Bulaa Komodtas Beras, Cabe Merah da Bawag Puth d Kota Semarag) Joral De Cartesa Uverstas Sam Ratulag Maado Volume No. Setawa, Ad, 03, Statstka d Era Super Data Set, Prosdg Semar Nasoal Matematka, Sas da Tekolog Iformas Uverstas Sam Ratulag 4 Ju 03. Semar Nasoal Matematka da Peddka Matematka FMIPA UNY Yogyakarta, 9 November 03 MS - 8

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT

KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Prosdg Semar Nasoal Sas da Peddka Sas I, Fakultas Sas da Matematka, UKSW Salatga, 2 Ju 204, Vol 5, No., ISSN :2087-0922 KARAKTERISTIK INFLASI KOTA-KOTA DI INDONESIA BAGIAN BARAT Ad Setawa Program Stud

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 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

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

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

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

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

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

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

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

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. 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

* 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

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

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

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 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 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

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

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

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

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

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

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

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

ANALISIS DATA STATISTIK. Adi Setiawan

ANALISIS DATA STATISTIK. Adi Setiawan ANALISIS DATA STATISTIK Ad Setawa Peerbt Tsara Grafka Salatga 017 Katalog Dalam Terbta 519.5 ADI Ad Setawa a Aalss data statstk/ Ad Setawa. -- Salatga : Tsara Grafka, 017. v, 5 p. ; 5 cm. ISBN 978-60-9493-5-8

Lebih terperinci

Bab I Pendahuluan & Statistika Deskriptif

Bab I Pendahuluan & Statistika Deskriptif Bab I Pedahulua & Statstka Deskrptf Pegerta Statstka Dstrbus Frekues Cetral Tedecy Measure of Dsperso Pegerta Statstka Statstk (statstc) vs statstka (statstcs) Statstk: agka-agka Statstka: pegguaa data

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

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

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

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

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

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

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

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

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

PEDOMAN STATISTIK UJI PROFISIENSI

PEDOMAN STATISTIK UJI PROFISIENSI DPLP 3 Rev. 0 PEDOMAN STATISTIK UJI PROFISIENSI Komte Akredtas Nasoal Natoal Accredtato Body of Idoesa Gedug Maggala Waabakt, Blok IV, Lt. 4 Jl. Jed. Gatot Subroto, Seaya, Jakarta 070 Idoesa Tel. : 6 5747043,

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

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

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

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 IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

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

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

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

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

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

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

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

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

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

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

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

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

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

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

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 1 Paleleh pada semester genap BAB III METODOLOGI PENELITIAN 3. Lokas Da Waktu Peelta Peelta dlaksaaka d SMP Neger Paleleh pada semester geap tahu ajara 0/0. Peelta berlagsug selama 4 bula (Aprl, Me, Ju, Jul) mula dar persapa hgga pelaksaaa

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif

Pemodelan Jumlah Kematian Ibu di Jawa Timur dengan Pendekatan Generalized Poisson Regression (GPR) dan Regresi Binomial Negatif Pemodela Jumlah Kemata Ibu d Jawa mur dega Pedekata Geeralzed Posso Regresso (GPR) da Regres Bomal Negatf Retdasyah Rsky Agga Permaa, Mutah Salamah Jurusa Statstka, Fakultas MIPA, Isttut ekolog Sepuluh

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

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

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

*Corresponding Author:

*Corresponding Author: Prosdg Semar Sas da Tekolog FMIPA Umul Vol. No. Jul 0, Samarda, Idoesa ISSN : - 0 STRUCTURAL EQUATION MODELLING DENGAN PENDEKATAN PARTIAL LEAST SQUARE (Stud Kasus: Pegaruh Locus of Cotrol, Self Effcacy,

Lebih terperinci

PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK

PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK PENGHITUNGAN SENSITIVITAS HARGA OPSI EROPA DALAM BERBAGAI METODE NUMERIK Ddt Bud Nugroho Program Stud Matematka, Fakultas Sas da Matematka Uverstas Krste Satya Wacaa Jl. Dpoegoro 5-60 Salatga 507 Jawa

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

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

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

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

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

Statistika Deskriptif

Statistika Deskriptif Statstka Deskrptf Statstka Deskrptf Statstka deskrptf (descrptve statstcs) berkata dega peerapa metode statstk utuk megumpulka, megolah, meyajka, da megaalss data kuattatf secara deskrptf. Statstka Deskrptf

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

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

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson.

Pemodelan Faktor-Faktor yang Mempengaruhi Jumlah Kasus HIV & AIDS di Provinsi Jawa Timur Tahun 2013 Menggunakan Bivariate Poisson. JURNAL SAINS DAN SENI IS Vol. 4, No., (5) 337-35 (3-98X Prt) D45 Pemodela Faktor-Faktor yag Mempegaruh Jumlah Kasus IV & AIDS d Provs Jawa mur ahu 3 Megguaka Bvarate Posso Regresso Lucy Da Pusptasar da

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

Notasi Sigma. Fadjar Shadiq, M.App.Sc & Notas Sgma Fadjar Shadq, M.App.Sc (fadjar_pg@yahoo.com & www.fadjarpg.wordpress.com Notas sgma memag jarag djumpa dalam kehdupa sehar-har, tetap otas tersebut aka bayak djumpa pada baga matematka yag la,

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

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

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

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB III LANDASAN TEORI. Pengisian data hujan yang hilang dapat dilakukan dengan reciprocal method

BAB III LANDASAN TEORI. Pengisian data hujan yang hilang dapat dilakukan dengan reciprocal method BAB III LANDASAN TEORI 3.1 Perbaka Data Pegsa data huja yag hlag dapat dlakuka dega recprocal method P x 1 1 P L 1 L (3.1) Px = data stasu huja yag hlag P = data huja d stasu L = jarak ke stasu 3. Uj Kosstes

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

IV HASIL DAN PEMBAHASAN

IV HASIL DAN PEMBAHASAN 9 3.3.2.6 Perbadga Kualtas Data dega Parameter Statstka Parameter statstka yag dguaka sebaga alat batu pelaa perbadga kualtas kedua data adalah raso, korelas, MAE, da RMSE. Raso Data CH Dugaa R Data CH

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

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

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA

ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA Jural Ilmah MEDIA ENGINEERING Vol., No., Jul 0 ISSN 087-9334 (96-0) ANALISA GARIS KEINGINAN PERGERAKAN DI KABUPATEN BOLAANG MONGONDOW UTARA Johas E. Lolog Dose Jurusa Spl Fakultas Tekk Uverstas Sam Ratulag

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

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

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

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