BAB V HASIL DAN PEMBAHASAN

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB V HASIL DAN PEMBAHASAN"

Transkripsi

1 BAB V HASIL DAN PEMBAHASAN.1. Karakteristik Data Pengamatan karakteristik tegakan hutan seumur puspa dilakukan pada dua plot di Hutan Pendidikan Gunung Walat dengan luas masing-masing plot berukuran 1 m x 1 m (1 ha). Di dalamnya terdapat petak-petak kecil berukuran m x m. Letak petak pengukuran diambil secara acak untuk mewakili keterwakilan data karakteristik berupa diameter, tinggi, serta luas bidang dasar dari tegakan hutan seumur jenis puspa (Schima wallichii). Berdasarkan data yang diambil dari tegakan puspa didapatkan karakteristik tegakan hutan seumur puspa seperti tercantum pada Tabel 2 dan Tabel 3 berikut ini. Tabel 2 Data nilai karakteristik tegakan hutan seumur puspa pada plot A berdasarkan variabel yang diukur Puspa Plot A Diameter Tinggi LBDS Min 21 cm 1 m.3 m 2 Max 7 cm 3 m.39 m 2 Rata-rata 43.1 cm 23.1 m. m 2 Simpangan baku 11.2 cm 3.6 m.79 m 2 Ragam cm 13.3 m.6 m 2 Jumlah Modus 38 cm 21 m.12 m 2 Median 43 cm 23 m.14 m 2 Rentang kelas 49 cm m.36 m 2 Interval kelas Sturges.767 cm m.424 m 2 Interval kelas I 4 cm 2 m. m 2 Interval kelas II 8 cm 4 m. m 2

2 Tabel 3 Data nilai karakteristik tegakan hutan seumur puspa pada plot B berdasarkan variabel yang diukur Puspa Plot B Diameter Tinggi LBDS Min 24 cm 14 m. m 2 Max 7 cm 31 m.44 m 2 Rata-rata 4.4 cm 22.8 m.13 m 2 Simpangan baku 9.6 cm 3.4 m.68 m 2 Ragam 92.1 cm 11.6 m.4 m 2 Jumlah Modus 42 cm 23 m.1 m 2 Median 39 cm 23 m.12 m 2 Rentang kelas 1 cm 17 m.39 m 2 Interval kelas Sturges cm 2.8 m.48 m 2 Interval kelas I 4 cm 2 m. m 2 Interval kelas II 8 cm 4 m. m 2.2. Penyusunan Data Dari data yang telah diambil disusun dalam tally-sheet pada tabel data pengamatan sesuai dengan kelas-kelasnya, yaitu : diameter, tinggi, luas bidang dasar pohon. Penentuan kelas-kelas data baik kelas diameter, kelas tinggi, dan kelas luas bidang dasar berdasarkan interval kelas yang ditentukan melalui kaidah Sturges. Kelas pada plot A yang dibentuk berdasarkan kaidah Sturges untuk peubah diameter sebesar.767, peubah tinggi sebesar 2.942, dan peubah luas bidang dasar sebesar.424. Sedangkan pada plot B kelas yang dibentuk berdasarkan kaidah Sturges untuk peubah diameter sebesar 6.241, peubah tinggi sebesar 2.8, dan peubah luas bidang dasar sebesar.48. Dari interval kelas yang didapat melalui kaidah Sturges dibuat satu kelas dibawah kaidah Sturges dan satu kelas diatas kaidah Sturges dalam penyusunan data. Pada Tabel 2 dan Tabel 3 yang masuk kedalam masing-masing kelas serta total dari jumlah pohon puspa pada masing-masing plotnya. Untuk kelas diameter ditentukan satu kelas dibawah dengan interval kelas sebesar 4 cm dan satu kelas diatas dengan interval kelas sebesar 8 cm pada plot A dan plot B. Untuk peubah tinggi ditentukan satu kelas dibawah dengan interval kelas sebesar 2 m dan satu kelas diatas dengan interval kelas 4 m pada plot A dan plot B. Sedangkan untuk peubah luas bidang dasar ditentukan satu kelas dibawah dengan interval kelas

3 sebesar. cm 2 dan satu kelas diatas dengan interval kelas sebesar. cm 2. Penentuan kelas ini dilakukan untuk membandingkan data tegakan puspa hasil pengamatan pada masing-masing kelas dengan data tegakan puspa berdasarkan sebaran normal..3. Tegakan Puspa Untuk mengetahui data tegakan puspa berdasarkan sebaran normal dilakukan perhitungan frekuensi berdasarkan nilai peluang sebaran normal terhadap selang-selang kelas pada masing-masing kelas untuk peubah diameter, tinggi, dan luas bidang dasar. Kemudian karakteristik tegakan puspa berupa nilai tengah (μ), standar deviasi (σ), dan varians (σ²) digunakan untuk menentukan sebaran normal dari diameter, tinggi, serta luas bidang dasar tegakan puspa pada masing masing plotnya. Data frekuensi sebaran normal tegakan puspa yang telah didapat dibandingkan dengan data sebenarnya hasil pengamatan. Hasil pengukuran frekuensi sebaran normal tegakan puspa dan frekuensi data hasil pengamatan pada kelas berdasarkan kaidah Sturge, kelas dibawah kaidah Sturge (interval kelas I), dan kelas diatas kaidah Sturges (interval kelas II) dapat dilihat pada Gambar 3 hingga Gambar 8.

4 Jumlah Pohon (a) Diameter Jumlah Pohon (b) Tinggi Jumlah Pohon LBDS (m2) Luas Bidang Dasar (m 2 ) (c) Luas bidang dasar Gambar 3 Histogram data pengamatan dan kurva sebaran normal berdasarkan kelas kaidah Sturge tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot A.

5 Jumlah Pohon Kelas Stugers (a) Diameter Jumlah Pohon Kelas Stugers (b) Tinggi Jumlah Pohon Kelas Stugers Luas Bidang Dasar (m 2 ) (c) Luas bidang dasar Gambar 4 Histogram data pengamatan dan kurva sebaran normal berdasarkan kelas kaidah Sturge tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot B.

6 (a) Diameter (b) Tinggi LBDS (m2) LBDS (m 2 ) (c) Luas bidang dasar Gambar Histogram data pengamatan dan kurva sebaran normal berdasarkan interval kelas I tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot A.

7 (a) Diameter (b) Tinggi Data Pengamatan Sebaran Normal LBDS (m2) Diameter (m) (c) Luas bidang dasar Gambar 6 Histogram data pengamatan dan kurva sebaran normal berdasarkan interval kelas I tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot B.

8 (a) Diameter (b) Tinggi LBDS (m2) LBDS (m 2 ) (c) Luas bidang dasar Gambar 7 Histogram data pengamatan dan kurva sebaran normal berdasarkan interval kelas II tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot A.

9 Data pengamatan (a) Diameter Data pengamatan (b) Tinggi Data pengamatan LBDS (m2) LBDS (m 2 ) (c) Luas bidang dasar Gambar 8 Histogram data pengamatan dan kurva sebaran normal berdasarkan interval kelas II tegakan puspa : (a) diameter, (b) tinggi, dan (c) luas bidang dasar tegakan puspa pada Plot B.

10 Berdasarkan histogram perbandingan antara data pengamatan dengan sebaran normal didapatkan untuk peubah diameter dan luas bidang dasar pohon bahwa frekuensi data pengamatan lebih banyak pada kelas yang lebih kecil dibandingkan frekuensi pada sebaran normal. Sedangkan untuk peubah tinggi pohon frekuensi data pengamatan lebih banyak pada kelas yang lebih besar dibandingkan frekuensi pada sebaran normal. Dari histogram tersebut dapat disimpulkan bahwa tegakan puspa hasil pengamatan memiliki diameter dan luas bidang dasar yang kecil dengan tinggi pohon yang besar. Hal ini dapat disebabkan oleh pola penanaman tegakan puspa yang cenderung rapat sehingga menyebabkan pertumbuhan diameter yang kecil dan persaingan pertumbuhan tinggi untuk mendapatkan sinar matahari. Apabila pola penanaman tegakan tidak rapat serta nutrisi tanah tempat tumbuh cukup maka pertumbuhan diameter dan luas bidang dasar pohon akan besar dan pertumbuhan tinggi pohon akan normal karena kecenderungan pohon mendapatkan sinar matahari yang cukup akibat persaingan yang tidak tinggi..4. Kemencengan Sebaran Peubah Tegakan Puspa Berdasarkan data hasil pengamatan tegakan puspa di Hutan Pendidikan Gunung Walat, didapatkan ketidaksimetrisan (kemiringan) data pengamatan terhadap sebaran normal dari data tersebut. Kemiringan data tersebut dapat diketahui melalui perhitungan analisis nilai koefisien skewness (SK). Apabila nilai koefisien skewness tersebut bernilai positif (+) maka data pengamatan memiliki sebaran lebih banyak pada kelas yang lebih kecil daripada sebaran normal data tersebut, sedangkan jika data tersebut memiliki nilai koefisien skewness negatif (-) maka data pengamatan memiliki sebaran lebih banyak pada kelas yang lebih besar daripada sebaran normal data tersebut. Sedangkan untuk data yang memiliki nilai koefisien skewness (SK) mendekati nol (SK ) maka data tersebut menyebar secara simeteris. Hal ini disebutkan dalam Prihanto dan Muhdin (6) bahwa penyebaran data disekitar ukuran pemusatannya dapat membentuk bermacam-macam pola, yakni simetris, miring ke kiri, dan miring ke kanan. Data yang penyebarannya simetris dicirikan oleh nilai median dan nilai tengah yang berimpit. Jika SK,

11 maka data dikatakan menyebar secara simetris. Jika SK > dikatakan miring positif atau ke kiri dimana sebagian besar data mengumpul di ekor sebelah kiri sehingga di ekor sebelah kanan data tidak terlalu banyak. Kondisi sebaliknya jika SK < dikatakan miring negatif atau ke kanan. Pada Tabel 4 dan Tabel menunjukan hasil perhitungan nilai skewness pada plot A dan plot B, baik pada kelas berdasarkan kaidah Sturges serta pada kelas berdasarkan interval kelas I dan II. Tabel 4 Hasil perhitungan nilai skewness pada plot A Peubah Nilai Interval kelas tegakan statistik Interval I Kaidah Sturges Interval II Diameter Modus Median Rata-rata Skewness Tinggi Modus Median Rata-rata Skewness Lbds Modus Median Rata-rata Skewness Tabel Hasil perhitungan nilai skewness pada plot B Peubah Nilai Interval kelas tegakan statistik Interval I Kaidah Sturges Interval II Diameter Modus Median Rata-rata Skewness Tinggi Modus Median Rata-rata Skewness Lbds Modus Median Rata-rata Skewness

12 Pada tabel 4 dan perhitungan nilai koefisien skewness dihitung berdasarkan nilai modus. Pada tabel 4 dapat dilihat untuk peubah tegakan berupa diameter dan luas bidang dasar pohon pada plot A baik pada semua interval kelas memiliki nilai koefisien skewness diatas nol atau positif (+). Hal ini disebabkan karena diameter dan luas bidang dasar pohon pada plot A memiliki nilai modus lebih kecil daripada nilai rata-ratanya. Selain itu diameter dan luas bidang dasar pohon tersebut memiliki nilai median lebih kecil dari nilai rata-ratanya. Untuk peubah tegakan berupa tinggi pohon pada plot A baik pada interval kelas I, II, dan kaidah Sturges memiliki nilai koefisien skewness lebih kecil dari nol atau negatif (-). Hal ini disebabkan karena tinggi pohon memiliki nilai modus yang lebih tinggi daripada nilai rata-ratanya, walaupun ada nilai median yang sama dengan nilai rata-ratanya. Pada Tabel plot B peubah tegakan berupa diameter dan luas bidang dasar pohon memiliki nilai koefisien skewness diatas nol atau positif (+). Hal ini berlaku untuk interval kelas I, II, dan kaidah Sturges. Nilai tersebut bisa bernilai positif (+) karena nilai modus diameter dan luas bidang dasar pada tiap kelas lebih kecil dari nilai rata-ratanya. Begitu pula untuk nilai mediannya yang lebih kecil dari nilai rata-ratanya. Sedangkan untuk tinggi pohon pada semua interval kelas memiliki nilai koefisien skewness dibawah nol atau negatif (-). Hal ini disebabkan oleh nilai modus tinggi pohon lebih besar dari nilai rata-ratanya. Begitu pula dengan nilai median tinggi pohon yang lebih besar dari nilai rata-ratanya. Dari tabel hasil perhitungan skewness diatas diketahui bahwa jika suatu peubah tegakan baik diameter, tinggi, serta luas bidang dasar pohon memiliki nilai modus yang lebih kecil dari nilai rata-ratanya (modus < rata-rata) maka nilai koefisien skewness akan bernilai positif (+). Hal ini menunjukan bahwa tegakan didominasi oleh peubah tegakan yang lebih kecil dari rata-ratanya Sedangkan jika suatu peubah tegakan baik diameter, tinggi, serta luas bidang dasar pohon memiliki nilai modus yang lebih besar dari nilai rata-ratanya (modus > rata-rata) maka nilai koefisien skewness akan bernilai negatif (-). Hal ini menunjukan bahwa tegakan didominasi oleh peubah tegakan yang lebih besar dari rata-ratanya.

13 Selain itu didapatkan bahwa interval kelas berpengaruh pada besarnya nilai koefisien skewnessnya. Semakin besar interval kelasnya maka semakin kecil nilai koefisen skewnessnya. Buktinya pada Tabel 4 dan Tabel dari interval kelas I ke kaidah Sturges lalu interval kelas II yang makin besar interval kelasnya memiliki nilai koefisien skewness yang semakin kecil atau semakin mendekati nol.. Tindakan Silvikultur Hasil penelitian ini menunjukan bahwa tegakan puspa di Hutan Pendidikan Gunung Walat memiliki sebaran diameter yang kecil dengan sebaran tinggi yang besar. Hal ini berarti bahwa tegakan puspa didominasi oleh pohonpohon berdiameter kecil dengan tinggi pohon yang besar sehingga dalam pengelolaannya membutuhkan tindakan penjarangan. Kegiatan penjarangan tersebut dilakukan agar tegakan puspa mendapatkan ruang tumbuh agar tegakan puspa memiliki diameter yang seimbang dengan tinggi pohon tersebut. Dengan mendapatkan ruang tumbuh tegakan puspa dapat tumbuh secara optimal, tidak terbatasi oleh tegakan lain yang menutupi ruang tumbuh dari tegakan puspa tersebut.

BAB IV METODE PENELITIAN

BAB IV METODE PENELITIAN BAB IV METODE PENELITIAN 4.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan pada bulan Maret hingga April 2011 dengan lokasi penelitian berada di Hutan Pendidikan Gunung Walat, Kabupaten Sukabumi.

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 17 BAB V HASIL DAN PEMBAHASAN 5.1. Pemeriksaan Data Pengamatan struktur tegakan dilakukan dilima petak ukur dengan luasan masing-masing satu hektar. Sample atau contoh diambil menggunakan metode purposive

Lebih terperinci

UKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT

UKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT UKURAN NILAI SENTRAL&UKURAN PENYEBARAN Tita Talitha, MT DISTRIBUSI FREKWENSI PENGERTIAN distribusi frekwensi adalah suatu tabel dimana banyaknya kejadian / frekwensi didistribusikan ke dalam kelas-kelas

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 14 BAB V HASIL DAN PEMBAHASAN.1. Hasil Penelitian.1.1 Pertumbuhan diameter S. leprosula Miq umur tanam 1 4 tahun Hasil pengamatan dan pengukuran pada 4 plot contoh yang memiliki luas 1 ha (0 m x 0 m) dapat

Lebih terperinci

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation) DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

Lebih terperinci

Distribution. Contoh Kasus. Widya Rahmawati

Distribution. Contoh Kasus. Widya Rahmawati Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis

Lebih terperinci

KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA

KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA (Schima wallichii) MENURUT BENTUK SEBARAN DIAMETER, TINGGI, DAN LUAS BIDANG DASAR DI HUTAN PENDIDIKAN GUNUNG WALAT TUBAGUS LUQMANIANDRI DEPARTEMEN MANAJEMEN

Lebih terperinci

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.

TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi. TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh

Lebih terperinci

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016 Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel

Lebih terperinci

Statistik Deskriptif: Central Tendency & Variation

Statistik Deskriptif: Central Tendency & Variation Statistik Deskriptif: Central Tendency & Variation Widya Rahmawati Central Tendency (Ukuran Pemusatan) dan Variation (Ukuran Simpangan) 1) Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

statistika untuk penelitian

statistika untuk penelitian statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,

Lebih terperinci

MAKALAH. Mata Kuliah STATISTIKA KHADEEJAH ASWI AKBAR PUTRI DESSY VIVIT L IGA ANDRIANITA

MAKALAH. Mata Kuliah STATISTIKA KHADEEJAH ASWI AKBAR PUTRI DESSY VIVIT L IGA ANDRIANITA MAKALAH Mata Kuliah STATISTIKA KHADEEJAH ASWI AKBAR 13050394007 PUTRI DESSY VIVIT L 13050394053 IGA ANDRIANITA 13050394055 S1 Pendidikan Tata Boga 2013 JURUSAN PENDIDIKAN KESEJAHTERAAN KELUARGA FAKULTAS

Lebih terperinci

FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian tidak terantisipasi yang menyebabkan kerugian perusahaan. Depresi tajam dan cepat terhadap

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) III. DISTRIBUSI FREKUENSI 3.1 Pendahuluan Tujuan dari pembuatan tabel distribusi frekuensi adalah untuk mengatur data mentah (data yang belum dikelompokkan) ke dalam bentuk yang rapi tanpa mengurangi inti

Lebih terperinci

Statistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom

Statistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom Statistika Materi 5 Ukuran Penyebaran (Lanjutan) Hugo Aprilianto, M.Kom UKURAN PENYEBARAN RELATIF yaitu mengubah ukuran penyebaran dari berbagai satuan menjadi ukuran relatif atau persen. Penggunaan ukuran

Lebih terperinci

SATUAN ACARA PERKULIAHAN

SATUAN ACARA PERKULIAHAN Topik Bahasan : Membahas Silabus Perkuliahan Tujuan Umum : Mahasiswa Mengetahui Komponen Yang Perlu Dipersiapkan Dalam Matakuliah Ini satu kali Tujuan 1 Menjelaskan tentang Mengakomodasi berbagai masukan

Lebih terperinci

Distribusi Frekuensi

Distribusi Frekuensi Distribusi Frekuensi Statistik Industri Beberapa Istilah 1 Beberapa (cont ) Kelas interval : banyaknya objek yang dikumpulkan dalam kelompok tertentu, berbentuk interval a b ex: kelas interval pertama

Lebih terperinci

3.3 Pengumpulan Data Primer

3.3 Pengumpulan Data Primer 10 pada bagian kantong, dengan panjang 200 m dan lebar 70 m. Satu trip penangkapan hanya berlangsung selama satu hari dengan penangkapan efektif sekitar 10 hingga 12 jam. Sedangkan untuk alat tangkap pancing

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1. Tinjauan Umum tentang Schima wallichii Jenis pohon puspa atau Schima wallichii Korth., termasuk ke dalam famili Theaceae. Terdiri dari empat subspecies, yaitu Schima wallichii

Lebih terperinci

PROBLEM SOLVING STATISTIKA LANJUT

PROBLEM SOLVING STATISTIKA LANJUT PROBLEM SOLVING STATISTIKA LANJUT 1. Ujilah validitas dan reliabilitas hasil koesioner gaya kepemimpinan yang terdiri dari 12 item dan diisi oleh 44 responden dalam data pada file Excel. 2. Berikan gambaran

Lebih terperinci

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana) KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa

Lebih terperinci

STATISTIK. Materi Pertemuan V Ukuran Dispersi (Penyebaran)

STATISTIK. Materi Pertemuan V Ukuran Dispersi (Penyebaran) STATISTIK Materi Pertemuan V Ukuran Dispersi (Penyebaran) Ukuran Dispersi (Penyebaran) Ukuran dispersi merupakan suatu metode analisis data yang ditunjukan dengan penyimpangan/penyebaran dari distribusi

Lebih terperinci

BAB 2 LANDASAN TEORI. 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial

BAB 2 LANDASAN TEORI. 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial BAB 2 LANDASAN TEORI 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial Risiko adalah kerugian akibat kejadian yang tidak dikehendaki muncul. Risiko diidentifikasikan berdasarkan faktor penyebabnya,

Lebih terperinci

BAB 3: NILAI RINGKASAN DATA

BAB 3: NILAI RINGKASAN DATA BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum

Lebih terperinci

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg

Lebih terperinci

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

BAB I PENDAHULUAN 1.1 LATAR BELAKANG BAB I PENDAHULUAN 1.1 LATAR BELAKANG Risiko adalah kerugian karena kejadian yang tidak diharapkan terjadi. Misalnya, kejadian sakit mengakibatkan kerugian sebesar biaya berobat dan upah yang hilang karena

Lebih terperinci

V. HASIL DAN PEMBAHASAN

V. HASIL DAN PEMBAHASAN V. HASIL DAN PEMBAHASAN Pengaturan hasil saat ini yang berlaku pada pengelolaan hutan alam produksi di Indonesia menggunakan sistem silvikultur yang diterapkan pada IUPHHK Hutan Produksi dalam P.11/Menhut-II/2009.

Lebih terperinci

Statistik Deskriptif Ukuran Dispersi

Statistik Deskriptif Ukuran Dispersi MAKALAH STATISTIKA DASAR Statistik Deskriptif Ukuran Dispersi Oleh: Kelompok 1 Dwireta Ramadanti Aliv Vito Palox Arif Rahman Hakim Asrar Halim Desi Anggraini Eki Maruci Hary Sentosa Monalisa Muhammad Irvand

Lebih terperinci

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg

Lebih terperinci

5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b

5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b . STATISTIKA A. Membaca Sajian Data dalam Bentuk Diagram. UN 00 IPS PAKET A Diagram lingkaran berikut menunjukan persentase jenis pekerjaan penduduk di kota X. Jumlah penduduk seluruhnya adalah 3.600.000

Lebih terperinci

Kuliah 4. Ukuran Penyebaran Data

Kuliah 4. Ukuran Penyebaran Data Kuliah 4. Ukuran Penyebaran Data Mata Kuliah Statistika Dr. Ir. Rita Rostika MP. 21 Maret 2012 Prodi Perikanan Fakultas Perikanan dan Ilmu Kelautan Universitas Padjadjaran Content Rentang Data Rentang

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

BAB I PENDAHULUAN. TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS ITALIC 1.2 Rumusan Masalah

BAB I PENDAHULUAN. TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS ITALIC 1.2 Rumusan Masalah BAB I PENDAHULUAN TNR 14 BOLD 1.1 Latar Belakang (1 halaman. min 4 paragraf.) TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS 1.2 Rumusan Masalah Rumusan masalah yang digunakan

Lebih terperinci

S T A T I S T I K A. Pertemuan ke-2

S T A T I S T I K A. Pertemuan ke-2 S T A T I S T I K A Pertemuan ke-2 Dasar-dasar Penghitungan Gejala Pusat Mean / Average / Rata-rata / Median / Me Mode / Modus / Mo Standard Deviation / Simpangan Baku / s Contoh : Susunlah data hasil

Lebih terperinci

CIRI-CIRI DISTRIBUSI NORMAL

CIRI-CIRI DISTRIBUSI NORMAL DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan

Lebih terperinci

II. TINJAUAN PUSTAKA WRPLOT View (Wind Rose Plots for Meteorological Data) WRPLOT View adalah program yang memiliki kemampuan untuk

II. TINJAUAN PUSTAKA WRPLOT View (Wind Rose Plots for Meteorological Data) WRPLOT View adalah program yang memiliki kemampuan untuk II. TINJAUAN PUSTAKA 2.1. WRPLOT View (Wind Rose Plots for Meteorological Data) WRPLOT View adalah program yang memiliki kemampuan untuk mempresentasikan data kecepatan angin dalam bentuk mawar angin sebagai

Lebih terperinci

Distribusi Frekuensi dan Statistik Deskriptif Lainnya

Distribusi Frekuensi dan Statistik Deskriptif Lainnya BAB 2 Distribusi Frekuensi dan Statistik Deskriptif Lainnya Misalnya seorang penjaga gudang mencatat berapa sak gandum keluar dari gudang selama 15 hari kerja, maka diperoleh distribusi data seperti berikut.

Lebih terperinci

Statistika & Probabilitas

Statistika & Probabilitas Statistika & Probabilitas Dispersi Data Dispersi Data Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Beberapa jenis ukuran dispersi data : Jangkauan (range) Simpangan rata-rata

Lebih terperinci

Oleh Azimmatul Ihwah

Oleh Azimmatul Ihwah Oleh Azimmatul Ihwah Kasus: Di 5 perusahaan sejenis di kota Malang, yaitu perusahaan A, B, C, D dan E, seorang manufacturer ingin mengetahui perusahaan mana dengan kinerja karyawan terbaik. Diambil 50

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

Proses Pemulihan Vegetasi METODE. Waktu dan Tempat Penelitian

Proses Pemulihan Vegetasi METODE. Waktu dan Tempat Penelitian 4 praktek perambahan masyarakat lokal melalui aktivitas pertanian atau perladangan berpindah dan mampu menyerap tenaga kerja yang lebih banyak. Hal ini sesuai dengan karakteristik usaha kehutanan yang

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2 SATUAN ACAA PEKULIAHAN MATA KULIAH : STATISTIKA DASA JUUSAN : TEKNIK KOMPUTE Minggu Pokok Bahasan ke dan TIU 1 Pendahuluan tentang konsep statistika dan notasi Sub Pokok Bahasan dan Sasaran Belajar Konsep

Lebih terperinci

PENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 6

PENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 6 PENGANTAR STATISTIK JR113 Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI 2008 Pertemuan 6 MODUS Modus (Mo) adalah sebuah ukuran untuk menyatakan fenomena yang paling banyak terjadi atau

Lebih terperinci

BAB 1 PENDAHULUAN. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Universitas Sumatera Utara 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian yang menyebabkan kerugian pada perusahaan. Depresi tajam dan cepat terhadap rupiah (krisis

Lebih terperinci

By : Hanung N. Prasetyo

By : Hanung N. Prasetyo theory STATISTIKA DESKRIPTIF By : Hanung N. Prasetyo UKURAN PEMUSATAN Nilai tunggal yang mewakili semua data atau kumpulan pengamatan dimana nilai tersebut menunjukkan pusat data. Yang termasuk ukuran

Lebih terperinci

Ujian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..

Ujian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:.. OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,

Lebih terperinci

Ujian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..

Ujian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:.. OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,

Lebih terperinci

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi

Lebih terperinci

UNIVERSITAS NEGERI MALANG FAKULTAS ILMU KEOLAHRAGAAN JURUSAN ILMU KESEHATAN MASYARAKAT

UNIVERSITAS NEGERI MALANG FAKULTAS ILMU KEOLAHRAGAAN JURUSAN ILMU KESEHATAN MASYARAKAT UKURAN PEMUSATAN MAKALAH UNTUK MEMENUHI TUGAS MATAKULIAH Dasar-dasar Biostatistik Deskriptif Yang dibina oleh Bapak Dr. Saichudin, M.Kes Ibu dr. Anindya, S.Ked Oleh : Derada Imanadani 130612607847/2013

Lebih terperinci

PERTEMUAN 2 STATISTIKA DASAR MAT 130

PERTEMUAN 2 STATISTIKA DASAR MAT 130 PERTEMUAN 2 STATISTIKA DASAR MAT 130 Data 1. Besaran Statistika berbicara tentang data dalam bentuk besaran (dimensi) Besaran adalah sesuatu yang dapat dipaparkan secara jelas dan pada prinsipnya dapat

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 B. Pembelajaran 2 1. Silabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah

Lebih terperinci

III. METODE PENELITIAN. Waktu penelitian dilaksanakan dari bulan Mei sampai dengan Juni 2013.

III. METODE PENELITIAN. Waktu penelitian dilaksanakan dari bulan Mei sampai dengan Juni 2013. 30 III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilakukan di Pekon Gunung Kemala Krui Kabupaten Lampung Barat. Waktu penelitian dilaksanakan dari bulan Mei sampai dengan Juni 2013.

Lebih terperinci

BAB I PENDAHULUAN. Universitas Sumatera Utara

BAB I PENDAHULUAN. Universitas Sumatera Utara 1 BAB I PENDAHULUAN 1.1. Belakang Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian yang menyebabkan kerugian pada perusahaan. Depresi tajam dan cepat terhadap rupiah (krisis moneter),

Lebih terperinci

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan

Skala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,

Lebih terperinci

LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA

LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Beberapa bentuk penyajian data, sebagai berikut: Kompetensi Dasar (KURIKULUM 2013): 3.15 Memahami dan menggunakan berbagai ukuran

Lebih terperinci

Contoh: Pada data Tabel satu diperoleh range pada masing masing mata kuliah. adalah: Matakuliah Max min range A B C

Contoh: Pada data Tabel satu diperoleh range pada masing masing mata kuliah. adalah: Matakuliah Max min range A B C POKOK BAHASAN : Ukuran Penyebaran SUB POKOK BAHASAN : a. Range, b. RAK, c. SD, d. Varians, TIK : Mahasiswa dapat : a. Menjelaskan analisa deskriptif dengan ukuran penyebaran b. mampu melakukan analisa

Lebih terperinci

Pengantar Statistik. Nanang Erma Gunawan

Pengantar Statistik. Nanang Erma Gunawan Pengantar Statistik Nanang Erma Gunawan nanang_eg@uny.ac.id Sekilas tentang sejarah Statistik Statistik: pada awal zaman Masehi, bangsa-bangsa mengumpulkan data untuk mendapatkan informasi mengenai pajak,

Lebih terperinci

1. UN A35, B47, C61, D74, dan E Data yang diberikan dalam tabel frekuensi sebagai berikut. Nilai modus dari data pada tabel adalah.

1. UN A35, B47, C61, D74, dan E Data yang diberikan dalam tabel frekuensi sebagai berikut. Nilai modus dari data pada tabel adalah. . SOAL-SOAL 1. UN A, B, C1, D, dan E101 Data yang diberikan dalam tabel rekuensi sebagai berikut. Nilai modus dari data pada tabel adalah. A. B. C. D. E. 0 9, 9, 9, 0 9, 9, Ukuran 0 9 0 9 0 9 0 9 1 0 9

Lebih terperinci

BAB III METODOLOGI 3.1 Waktu dan tempat penelitian 3.2 Alat dan bahan 3.3 Metode pengambilan data

BAB III METODOLOGI 3.1 Waktu dan tempat penelitian 3.2 Alat dan bahan 3.3 Metode pengambilan data BAB III METODOLOGI 3.1 Waktu dan tempat penelitian Penelitian ini dilaksanakan pada bulan Juni-Juli 2011 di Hutan Pendidikan Gunung Walat (HPGW), Kabupaten Sukabumi Provinsi Jawa Barat. 3.2 Alat dan bahan

Lebih terperinci

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA.

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Data Hasil Penelitian 1. Data Nilai Awal Kelas Eksperimen (VIIIA) Tes awal yang diberikan pada kelas eksperimen sebelum peserta didik diajar dengan model

Lebih terperinci

B III METODE PENELITIAN. ada di di Taman Hutan Raya (Tahura) Ngurah Rai Denpasar Bali di Taman Hutan Raya (Tahura) Ngurah Rai Denpasar Bali.

B III METODE PENELITIAN. ada di di Taman Hutan Raya (Tahura) Ngurah Rai Denpasar Bali di Taman Hutan Raya (Tahura) Ngurah Rai Denpasar Bali. B III METODE PENELITIAN 3.1 Rancangan Penelitian Penelitian ini bersifat deskriptif kuantitatif. Penelitian ini menggunakan metode eksplorasi, yaitu melakukan pengamatan langsung pada mangrove yang ada

Lebih terperinci

OUTLINE BAGIAN I Statistik Deskriptif

OUTLINE BAGIAN I Statistik Deskriptif UKURAN PENYEBARAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Range, Deviasi Rata-rata, Varians

Lebih terperinci

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. UKURAN PENYEBARAN 1 Bab 4 PENGANTAR Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Ukuran penyebaran membantu

Lebih terperinci

PENYAJIAN DATA. Cara Penyajian Data meliputi :

PENYAJIAN DATA. Cara Penyajian Data meliputi : PENYAJIAN DATA Cara Penyajian Data meliputi : 1. Tabel Tabel terbagi menjadi : - Tabel Biasa - Tabel Kontingensi - Tabel Distribusi Tabel Distribusi terbagi menjadi : Tabel Distribusi Mutlak Tabel Distribusi

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data

IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian 4.2 Jenis dan Sumber Data IV METODE PENELITIAN 4.1 Lokasi dan Waktu Penelitian Lokasi penelitian tentang risiko harga sayuran di Indonesia mencakup komoditas kentang, kubis, dan tomat dilakukan di Pasar Induk Kramat Jati, yang

Lebih terperinci

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711 PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA

Lebih terperinci

Distribusi Frekuensi

Distribusi Frekuensi Distribusi Frekuensi STATISTIKA DESKRIPTIF: DISTRIBUSI FREKUENSI A. Dasar 1. Populasi Data Data berasal dari berbagai sumber dan terdapat pada berbagai bidang ilmu Pada statistika, data berbentuk bilangan

Lebih terperinci

KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA

KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA KARAKTERISTIK TEGAKAN HUTAN SEUMUR JENIS PUSPA (Schima wallichii) MENURUT BENTUK SEBARAN DIAMETER, TINGGI, DAN LUAS BIDANG DASAR DI HUTAN PENDIDIKAN GUNUNG WALAT TUBAGUS LUQMANIANDRI DEPARTEMEN MANAJEMEN

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 2 TINJAUAN PUSTAKA BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan

Lebih terperinci

III. METODE PENELITIAN. Penelitian dilakukan juni sampai dengan Juli 2013 di zona pemanfaatan terbatas,

III. METODE PENELITIAN. Penelitian dilakukan juni sampai dengan Juli 2013 di zona pemanfaatan terbatas, 16 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilakukan juni sampai dengan Juli 2013 di zona pemanfaatan terbatas, Resort Way Kanan, Satuan Pengelolaan Taman Nasional 1 Way Kanan,

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks Minggu Pokok Bahasan ke dan TIU 1 1Pendahuluan tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika statistika Mahasiswa dapat menjelaskan kegunaan

Lebih terperinci

3. METODE PENELITIAN

3. METODE PENELITIAN 14 3. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Juni 010 di daerah pantai berlumpur Kuala Tungkal, Kabupaten Tanjung Jabung Barat, Jambi. Udang contoh yang

Lebih terperinci

III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian tentang Perkembangan Tegakan Pada Hutan Alam Produksi Dalam Sistem Silvikultur Tebang Pilih Tanam Indonesia Intensif (TPTII) dilaksanakan di areal

Lebih terperinci

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA a. Tabel distribusi frekuensi Kelas Tabulasi Frekuensi 4 IIII 7 IIII IIII 9 8 1 IIII IIII II 1 11 13 IIII IIII IIII IIII 19 14 16 IIII IIII IIII IIII IIII 4 17

Lebih terperinci

V. HASIL DAN PEMBAHASAN. 1. Volume Pohon pada Jarak Tanam 3 m x 3 m. Bardasarkan penelitian yang telah dilaksanakan, Pada sampel populasi untuk

V. HASIL DAN PEMBAHASAN. 1. Volume Pohon pada Jarak Tanam 3 m x 3 m. Bardasarkan penelitian yang telah dilaksanakan, Pada sampel populasi untuk 34 V. HASIL DAN PEMBAHASAN A. Hasil 1. Volume Pohon pada Jarak Tanam 3 m x 3 m Bardasarkan penelitian yang telah dilaksanakan, Pada sampel populasi untuk jarak tanam 3 m x 3 m terdapat 3 plot dengan jumlah

Lebih terperinci

METODOLOGI. Lokasi dan Waktu

METODOLOGI. Lokasi dan Waktu METODOLOGI Lokasi dan Waktu Penelitian dilakukan di Kabupaten Kepulauan Meranti Provinsi Riau, pada 3 tipe penggunaan lahan gambut yaitu; Hutan Alam, Kebun Rakyat dan Areal HTI Sagu, yang secara geografis

Lebih terperinci

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji

Lebih terperinci

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil

Lebih terperinci

Pengumpulan & Penyajian Data

Pengumpulan & Penyajian Data Pengumpulan & Penyajian Data Cara Pengumpulan Data 1. Mengadakan penelitian langsung ke lapangan atau laboratorium terhadap obyek yang diteliti, hasilnya dicatat dan dianalisis 2. Mengambil atau menggunakan

Lebih terperinci

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif 1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar

STK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar STK511 Analisis Statistika Pertemuan 2 Review Statistika Dasar Statistika Populasi Sampling Pendugaan Contoh Deskriptif Tingkat Keyakinan Statistika Deskriptif vs Statistika Inferensia Ilmu Peluang Parameter

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Hasil penelitian terdiri dari deskripsi hasil penelitian uji analisis

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Hasil penelitian terdiri dari deskripsi hasil penelitian uji analisis BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian Hasil penelitian terdiri dari deskripsi hasil penelitian uji analisis validitas dan reliabilitas angket variabel X, uji analisis validitas dan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kritis matematika siswa yang terbagi dalam dua kelompok yaitu data kelompok

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kritis matematika siswa yang terbagi dalam dua kelompok yaitu data kelompok 40 4.1 Hasil Penelitian BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1.1 Deskripsi Data Penelitian Data yang dideskripsikan dalam penelitian ini yaitu data kemampuan berpikir kritis matematika siswa yang terbagi

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kode / SKS Program Studi Fakultas : Statistika Dasar : IT012244 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan konsep statistika dan notasi penjumlahan 1.1. Konsep statistika

Lebih terperinci

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011

Lebih terperinci

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk

II. TINJAUAN PUSTAKA. kontinu. Bentuk kurva distribusi logistik adalah simetri dan uni-modal. Bentuk 5 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan beberapa tinjauan pustaka yang digunakan penulis pada penelitian ini, antara lain : 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data Ahmad Zakaria, Ph.D. September 19, 2013 1 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter 2 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter

Lebih terperinci

MATERI STATISTIK. Genrawan Hoendarto

MATERI STATISTIK. Genrawan Hoendarto MATERI STATISTIK Distribusi Frekwensi Perhitungan Tendensi Pusat Penyimpangan atau Dispersi Teori Probabilitas Teori Distribusi Distribusi Sampling / Pengambilan Contoh Pengujian Hipotesis Regresi dan

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 27 BAB V HASIL DAN PEMBAHASAN 5.1 Kualitas Pembukaan Wilayah Hutan (PWH) 5.1.1 Kerapatan Jalan (WD) Utama dan Jalan Cabang Berdasarkan pengukuran dari peta jaringan jalan hutan PT. Inhutani I UMH Sambarata

Lebih terperinci

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711

Adi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711 PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA Pertemuan ketiga UKURAN PEMUSATAN DATA Karakteristik suatu kumpulan data adalah : (1). Memusat pada nilai tertentu dari suatu distribusi, yang disebut nilai pusat (middle of data set), dan (2). Menyebar/berpencar

Lebih terperinci

HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, DENGAN METODA STRATIFIED SYSTEMATIC SAMPLING WITH RANDOM

HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, DENGAN METODA STRATIFIED SYSTEMATIC SAMPLING WITH RANDOM PENDUGAAN POTENSI TEGAKAN HUTAN PINUS (Pinus merkusii) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, DENGAN METODA STRATIFIED SYSTEMATIC SAMPLING WITH RANDOM START MENGGUNAKAN UNIT CONTOH LINGKARAN KONVENSIONAL

Lebih terperinci

SATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.

SATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd. Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI

MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI MODEL PENDUGA VOLUME POHON MAHONI DAUN BESAR (Swietenia macrophylla, King) DI HUTAN PENDIDIKAN GUNUNG WALAT, SUKABUMI, JAWA BARAT WAHYU NAZRI YANDI DEPARTEMEN MANAJEMEN HUTAN FAKULTAS KEHUTANAN INSTITUT

Lebih terperinci

PENGUKURAN DESKRIPTIF

PENGUKURAN DESKRIPTIF PENGUKURAN DESKRIPTIF STATISTIK INDUSTRI I Jurusan Teknik Industri Universitas Brawijaya Malang 1 PENGUKURAN DESKRIPTIF Suatu pengukuran yang bertujuan untuk memberikan gambaran tentang data yang diperoleh

Lebih terperinci