SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2)

Ukuran: px
Mulai penontonan dengan halaman:

Download "SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2)"

Transkripsi

1 SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2)

2 Pustaka Scheaffer RL, Mendenhall W, Ott RL Elementary Survey Sampling, 6th ed. Belmont: Duxbury Press. Levy PS, Lemeshow S Sampling of Population, Methods and Application, 3 rd ed. New York: John Wiley & Sons.

3 Deskripsi Mata Kuliah: Mata kuliah Metode Penarikan Contoh berisi beberapa teknik penarikan contoh beserta pendugaan parameternya. Pembahasan terutama ditekankan pada penarikan contoh berpeluang Tujuan Instruksional Umum (TIU) : Mahasiswa mampu merancang penarikan contoh dengan efektif dan efisien untuk menduga parameter populasi

4 Rencana Perkuliahan: Review Beberapa Konsep Dasar Statistika Beberapa Konsep Dasar Survei Sampling Penarikan Contoh Acak Sederhana Penarikan Contoh Acak Berlapis Pendugaan Rasio, Regresi dan Beda Penarikan Contoh Sistematik Penarikan Contoh Gerombol Penarikan Contoh Gerombol Dua Tahap Pendugaan Ukuran Populasi Non-Probability Sampling (Optional) Studi Kasus Total 14 x pertemuan

5 Penilaian Ujian Tengah Semester 40% Ujian Akhir Semester 40% Praktikum, Tugas, Quiz 20%

6 Mengapa perlu belajar MPC?

7

8

9 Sebagai dasar Penyelesaian masalah/ pengambilan kebijakan

10 Macam-macam Data Database Hasil rekaman/catatan administrasi Ex : data penjualan, data nasabah Pembahasan MPC Data sederhan a Data yang telah tersedia di alam, namun harus dikumpulkan Survei Data kompleks Data yang harus dibangkitkan experiment

11 Populasi vs Contoh populasi contoh himpunan semua objek yang menjadi minat pengambilan kesimpulan himpunan bagian dari populasi melakukan pengamatan terhadap seluruh populasi seringkali tidak mungkin dilakukan ketika akan membuat kesimpulan, mengapa?

12 Mengapa harus dengan contoh? sumber daya terbatas 1 2 waktu yang tersedia terbatas pengamatan kadang bersifat merusak 3 4 mustahil mengamati seluruh anggota populasi bagaimana caranya dengan menggunakan data contoh kita dapat mengambil kesimpulan terhadap populasi? perlu belajar MPC

13 Teknik Pengumpulan Data observasi survei percobaan

14 Metode Pengumpulan Data Metode Percobaan Memiliki keleluasaan untuk melakukan pengawasaan terhadap sumbersumber keragaman data Menciptakan jenis perlakuan yang diinginkan dan mengamati perubahan pada respon Metode Observasi (pasif) Tidak memiliki kendali dalam pengumpulan data menentukan faktor yang diamati dan memeriksa ketelitian data Perubahan pada respon sulit diketahui penyebabnya Metode Survey Sampel data diambil dengan tehnik tertentu dari populasi Nilai dugaan populasi dapat ditentukan dengan tingkat kepercayaan tertentu Cukup lemah menggambarkan hubungan sebab akibat

15 Kelebihan dan Kelemahan Metode Percobaan Metode Observasi Metode Survey Kelebihan Kelemahan Kelebihan Kelemahan Kelebihan Kelemahan Kuat dalam pengendalian keragaman Represen- tasi hasil Mudah, murah, mengamati masalah dalam kondisi yang sebenarnya Pengendalian keragaman dan Representasi Hasil Represen- tasi hasil Pengendalian keragaman

16 Parameter vs Statistik data populasi olah/analisis parameter data contoh olah/analisis statistik Nilai parameter hampir tidak pernah diketahui, yang kita ketahui adalah statistik. Statistik merupakan penduga bagi parameter.

17 Teknik Meringkas Data ukuran pemusatan ukuran penyebaran

18 Ukuran Pemusatan nilai tempat mengumpulnya sebagian besar data Median, membagi data menjadi dua bagian yang sama banyak Me = data ke-(n+1)/2 Modus, nilai data yang paling sering muncul Rataan/Rata-rata 1 N N Xi i 1 Populasi x 1 n n Xi i 1 Contoh

19 Tentang Rataan Rataan bersifat tidak kekar (robust) terhadap adanya data-data bernilai ekstrim. misal data yang dimiliki: 5, 7, 8, 13, 14, 14, 16, 17, 18, 21 rataan 13.3, median 14 5, 7, 8, 13, 14, 14, 16, 17, 18, 70 rataan 18.2, median 14 dikenal adanya Truncated Mean (rataan terpangkas) membuang data ekstrim besar dan ekstrim kecil

20 Ukuran Penyebaran semakin besar nilainya berarti data semakin bervariasi/beragam Wilayah (Range), selisih antara nilai data terbesar dengan data terkecil Jangkauan antar kuartil (Inter Quartile Range), selisih antara kuartil 1 dengan kuartil 3 kisaran tempat mengumpulnya 50% data bernilai sedang Ragam (variance), rata-rata kuadrat penyimpangan data terhadap rata-ratanya Simpangan Baku (standard deviation), akar dari ragam N 2 1 X 2 i N i 1 n 2 1 ( ) 2 n - 1 i 1 ( ) s X i x

21 Sebaran Penarikan Contoh populasi ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n x1 x2 3 Rata-rata contoh adalah peubah acak yang juga memiliki sebaran tertentu. Contoh yang berbeda dari populasi yang sama, hampir dapat dipastikan memiliki rata-rata yang berbeda. x xk

22 Sebaran Penarikan Contoh x menyebar N(, 2 /n) x 1, x 2,, x n dari populasi yang menyebar N(, 2 ) x s n menyebar t-student db=n-1

23 Sifat-sifat Penduga Penduga bagi suatu parameter, dilambangkan ˆ Sifat yang diinginkan dari suatu penduga parameter adalah: 1. Tak Bias (unbiased) ˆ 2. Ragam penduga, Var ˆ, kecil E

24 Sifat-sifat Penduga Tak bias, ragam kecil Bias, ragam kecil Tak bias, ragam besar Bias, ragam besar

25 Selang Kepercayaan Menduga nilai parameter menggunakan kisaran nilai antara batas bawah (LCL=lower confidence limit) dan batas atas (UCL=upper confidence limit) x 1, x 2,, x n dari populasi yang menyebar N(, 2 ) Selang kepercayaan (1- )x100% bagi adalah x t 2 n 1 s n

Pendahuluan. Pertemuan I

Pendahuluan. Pertemuan I Pendahuluan Pertemuan I Apa data? Data merupakan hasil pengukuran terhadap suatu objek/individu yang menjadi pusat perhatian. Pengukuran dapat dilakukan secara kualitatif maupun kuantitatif Secara umum,

Lebih terperinci

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi

mengsumsikan tidak ada kesalahan pengukuran, validitas dapat dievaluasi dengan mengamati nilai bias dari penduganya. Bias, B ( ) dari populasi TINJAUAN PUSTAKA Teori penarikan contoh mempunyai tujuan untuk membuat penarikan contoh menjadi lebih efisien. Teori penarikan contoh mencoba untuk mengembangkan metode pemilihan contoh dengan biaya yang

Lebih terperinci

STK511 Analisis Statistika. Bagus Sartono

STK511 Analisis Statistika. Bagus Sartono STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way

Lebih terperinci

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Ukuran Pemusatan Ukuran pemusatan ukuran ringkas yang menggambarkan karakteristik umum data tersebut. Modus (Mode): Nilai pengamatan yang paling sering

Lebih terperinci

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

STK 211 Metode statistika. Materi 2 Statistika Deskriptif STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan

Lebih terperinci

Statistika Deskriptif

Statistika Deskriptif Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan

Lebih terperinci

STK 211 Metode statistika. Agus Mohamad Soleh

STK 211 Metode statistika. Agus Mohamad Soleh STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate

Lebih terperinci

dimana n HASIL DAN PEMBAHASAN

dimana n HASIL DAN PEMBAHASAN 5. Proses penghilangan data dilakukan secara acak untuk memenuhi asumsi mekanisme kehilangan data yang acak (MAR). 6. Ulangan yang digunakan sebanyak 1 kali pada setiap simulasi untuk memberikan peluang

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

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability

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

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh

STK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh STK 511 Analisis statistika Materi 4 Sebaran Penarikan Contoh 1 Pengantar Pada dasarnya data contoh diperoleh dengan dua cara: Data telah ada Teknik Penarikan Contoh Data belum tersedia Perancangan Percobaan

Lebih terperinci

METODE STATISTIKA (Pendahuluan)

METODE STATISTIKA (Pendahuluan) METODE STATISTIKA (Pendahuluan) Kode: STK211 SKS: 3(2-3) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Pokok Bahasan Minggu Ke I II-III IV V VI-VII VIII IX-X XI-XII XIII-XIV XV XVI Pokok Bahasan

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MAGISTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MAGISTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan III Statistika Deskripsi dan Eksplorasi (2) Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama

Lebih terperinci

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI)

RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) RANCANGAN KURIKULUM PROGRAM MASTER STATISTIKA TERAPAN DALAM KERANGKA KUALIFIKASI NASIONAL INDONESIA (KKNI) PROGRAM MASTER STATISTIKA TERAPAN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN IPA 2 0 1 2 I.

Lebih terperinci

Pengukuran Deskriptif

Pengukuran Deskriptif Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi

Lebih terperinci

: Purnomo Satria NIM : PENDISKRIPSIAN DATA

: Purnomo Satria NIM : PENDISKRIPSIAN DATA Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk

Lebih terperinci

REVIEW BIOSTATISTIK DESKRIPTIF

REVIEW BIOSTATISTIK DESKRIPTIF REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.

Lebih terperinci

Pengukuran Deskriptif. Debrina Puspita Andriani /

Pengukuran Deskriptif. Debrina Puspita Andriani    / Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran

Lebih terperinci

No Kompetensi Khusus Pokok Bahasan Sub Pokok Bahasan Metode Media / Alat Mahasiswa mampu menjelaskan konsep Apa itu statistik?

No Kompetensi Khusus Pokok Bahasan Sub Pokok Bahasan Metode Media / Alat Mahasiswa mampu menjelaskan konsep Apa itu statistik? Mata Kuliah Kode/Bobot Deskripsi Singkat : GARIS BESAR PROGRAM PENGAJARAN (GBPP) : Statistika dan Probabilitas : TSP-203/ 2 SKS Mata kuliah ini membahas tentang konsep dasar statistika dan probabilitas.

Lebih terperinci

SILABUS (GBPP Perkuliahan)

SILABUS (GBPP Perkuliahan) Fakultas/Prodi Mata Kuliah/Kode : MIPA/Statistika Semester / SKS : Ganjil / 3(2-2) Deskripsi Mata Kuliah Standar Kompetensi Mata Kuliah Prasyarat : Analisis Perancangan Survei SILABUS (GBPP Perkuliahan)

Lebih terperinci

Metode Statistika STK211/ 3(2-3) Pertemuan I

Metode Statistika STK211/ 3(2-3) Pertemuan I Metode Statistika STK211/ 3(2-3) Pertemuan I 1 Pengantar Setelah mengikuti mata ajaran ini selama satu semester, mahasiswa dapat menjelaskan prinsip-prinsip dasar metode statistika, dan dapat menerapkan

Lebih terperinci

Short Quiz. TIME LIMIT: 10 minutes

Short Quiz. TIME LIMIT: 10 minutes Short Quiz 1. Sebutkan minimum 5 informasi yg Anda peroleh dari gambar di samping? 2. Sebutkan peubah apa saja yg diamati pada kasus ini? 3. Sebutkan skala pengukurannya. 4. Berikan komentar Anda secara

Lebih terperinci

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA UKURAN PENYEBARAN DATA STKIP SILIWANGI BANDUNG Sumber : 1.Sudjana. Budino dan Koster 3. Berbagai sumber LUVY S. ZANTHY 1 Ukuran Penyebaran Data (Ukuran Dispersi) Ukuran penyebaran data atau ukuran dispersi

Lebih terperinci

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1) STK511 Analisis Statistika Pertemuan 5 Statistika Inferensia (1) Pendugaan Parameter mengacu pada suatu proses yang menggunakan data contoh untuk menduga nilai suatu parameter (populasi). 5. Statistika

Lebih terperinci

STATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:

STATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat

Lebih terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang

Lebih terperinci

METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER

METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 3 (2014), hal 163-168. METODE ORDINARY LEAST SQUARES DAN LEAST TRIMMED SQUARES DALAM MENGESTIMASI PARAMETER REGRESI KETIKA TERDAPAT OUTLIER

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

Syllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah

Syllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah Syllabus Statistika Dasar Semester Ganjil 2012/2013 Prodi Informatika FMIPA Unsyiah Nama mata kuliah Statistika Dasar SKS 3 (2 1) Kode INF-201 Prasyarat Matematika Dasar 1 Dosen Pengasuh Kelas A : DR.

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua 1 UKURAN STATISTIK Pendahuluan Ukuran statistik merupakan ukuran yang menunjukkan bagaimana

Lebih terperinci

UKURAN DISPERSI (SEBARAN)DATA

UKURAN DISPERSI (SEBARAN)DATA Malim Muhammad, M.Sc. UKURAN DISPERSI (SEBARAN)DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DISPERSI

Lebih terperinci

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 1 Pertanyaan Jika kita punya data mengenai daya hidup dari baterai Laptop merk XXX Dimana lokasi atau

Lebih terperinci

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh Metode Statistika (STK11) Pertanyaan Jika punya data mengenai daya Pertemuan III Statistika ti tik Dasar (Basic Statistics) ti ti hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran

Lebih terperinci

HASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam

HASIL DAN PEMBAHASAN. Suara sah calon nomor urut 4 Jumlah Rata-Rata Ragam HASIL DAN PEMBAHASAN Deskripsi Data Tabel 4 menunjukkan deskripsi dari data suara sah calon nomor urut 2, 3, dan 4. Jumlah suara tertinggi diperoleh calon nomor urut 2. Sedangkan suara sah calon nomor

Lebih terperinci

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS http://www.stat.ipb.ac.id/ 2017 Pengantar Kode Matakuliah: STK211, 3(2-3) Standar Kompetensi: Setelah mengikuti

Lebih terperinci

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa

BAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik

Lebih terperinci

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016

STK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 http://www.stat.ipb.ac.id/ Pengantar Kode Matakuliah: STK211, 3(2-3) Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN

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

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA. B. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu:

RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA. B. TUJUAN PEMBELAJARAN Setelah menempuh mata kuliah ini mahasiswa diharapkan mampu: RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI STATISTIKA A. MATA KULIAH Nama Mata Kuliah Statistika Maa I Kode/sks : MAS 4111/ 3 Semester : III Status (Wajib/Pilihan) : Wajib (W) Prasyarat : MAS 4218

Lebih terperinci

By Syarifah Hikmah JS. MK Statistika (MAM 4137)

By Syarifah Hikmah JS. MK Statistika (MAM 4137) By Syarifah Hikmah JS MK Statistika (MAM 4137) Daftar Isi Wilayah/Rentang Deviasi rata-rata terhadap nilai tengah Ragam Simpangan baku Ukuran Statistik Untuk menjelaskan ciri-ciri data yang penting maka

Lebih terperinci

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HOMOGEN DAN HETEROGEN DATA I. 50,50,50,50,50 II. 30,40,50,60,70 III.0,30,50,70,80 Ketiga kelompok data

Lebih terperinci

SATUAN ACARA PENGAJARAN (SAP)

SATUAN ACARA PENGAJARAN (SAP) SATUAN ACARA PENGAJARAN (SAP) Mata Kuliah : Statistik Deskriptif Kode Mata Kuliah : 02085303 SKS : 3 Waktu Pertemuan : 3 x 45 Menit Pertemuan ke : 1 & 2 A. KOMPETENSI 1. Standar Kompetensi : Mahasiswa

Lebih terperinci

Statistik Deskriptif. Statistik Farmasi 2015

Statistik Deskriptif. Statistik Farmasi 2015 Statistik Deskriptif Tujuan perkuliahan Setelah mengikuti perkuliahan, diharapkan mahasiswa mampu: 1. Meringkas data, dengan menggunakan pengukuran tendensi sentral seperti rata-rata, median, modus dan

Lebih terperinci

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM

PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM BIAStatistics (2015) Vol. 9, 2, hal. 28-32 PENAKSIRAN PARAMETER REGRESI LINIER DENGAN METODE BOOTSTRAP MENGGUNAKAN DATA BERDISTRIBUSI NORMAL DAN UNIFORM Munawar Jurusan Matematika FMIPA Universitas Syiah

Lebih terperinci

DESKRIPSI MATA KULIAH

DESKRIPSI MATA KULIAH DESKRIPSI MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit : Statistika dan Probabilitas : IF32225 : 3 SKS (3X45 menit) Deskripsi : Membahas mengenai cara-cara pengumpulan data, penganalisisan dan

Lebih terperinci

KATA PENGANTAR. Kelapa Dua, September Tim Litbang

KATA PENGANTAR. Kelapa Dua, September Tim Litbang KATA PENGANTAR Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum Statistika 1 materi ukuran statistik ini dapat terselesaikan. Modul praktikum

Lebih terperinci

KONSEP DASAR SAMPLING

KONSEP DASAR SAMPLING TEKNIK SAMPLING KONSEP DASAR SAMPLING LOGO HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNAND TEKNIK SAMPLING Metode pengambilan sebagian anggota populasi sedemikian rupa sehingga contoh yang

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

PROGRAM STUDI PENDIDIKAN MANAJEMEN BISNIS FAKULTAS PENDIDIKAN EKONOMI DAN BISNIS UNIVERSITAS PENDIDIKAN INDONESIA

PROGRAM STUDI PENDIDIKAN MANAJEMEN BISNIS FAKULTAS PENDIDIKAN EKONOMI DAN BISNIS UNIVERSITAS PENDIDIKAN INDONESIA SILABUS 1) Identitas mata kuliah Nama mata kuliah : Statistika I Kode Mata kuliah : PE 104 Jumlah SKS : 3 SKS Semester : 3 Kelompok mata kuliah : MKK Program Studi Program Stud : Pendidikan Manajemen Bisnis

Lebih terperinci

STATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.

STATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA. STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data

Lebih terperinci

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Metode Statistika Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Pengantar Seringkali kita tertarik dengan karakteristik umum dari suatu populasi parameter Misalnya saja berapa rata-rata

Lebih terperinci

PENGUKURAN DATA. 1. Terminology Populasi & Sampel. Peubah/Variabel. Peubah/Variabel

PENGUKURAN DATA. 1. Terminology Populasi & Sampel. Peubah/Variabel. Peubah/Variabel PENGUKURAN DATA 1. Terminology Populasi & Sampel Populasi: himpunan komplit dari individual, obyek atau nilai dari suatu pengamatan Seringkali terlalu besar untuk dikaji secara keseluruhan Mungkin nyata

Lebih terperinci

STATISTIKA 2 11/20/2015. B. Menghitung Ukuran Data dari Data Berkelompok. Peta Konsep. B. Menghitung Ukuran Data dari Data Berkelompok

STATISTIKA 2 11/20/2015. B. Menghitung Ukuran Data dari Data Berkelompok. Peta Konsep. B. Menghitung Ukuran Data dari Data Berkelompok /0/0 Peta Konsep Jurnal Datar Hadir Materi B Materi Umum STATISTIKA Kelas XI, Semester Pemusatan Statistika Letak Data Tunggal Penyebaran SoalLatihan B. Menghitung Data dari Data Berkelompok Pemusatan

Lebih terperinci

SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih

SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih SOAL STATISTIKA KELAS XI Oleh: Erni Kundiarsih MATEMATIKANET.COM Data berikut untuk soal nomor 1 4 Nilai ulangan harian matematika dari 14 orang siswa yang diambil secara acak adalah 7, 5, 8, 6, 7, 8,

Lebih terperinci

Pertemuan III Statistika Dasar (Basic Statistics)

Pertemuan III Statistika Dasar (Basic Statistics) Pertemuan III Statistika Dasar (Basic Statistics) Jika punya data mengenai daya hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran pemusatan Seberapa besar variasi dari data ukuran

Lebih terperinci

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KURTOSIS PADA SAMPLING ACAK SEDERHANA Erpan Gusnawan 1, Arisman Adnan 2, Haposan Sirait 2 1 Mahasiswa Program Studi S1 Matematika

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

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Lebih terperinci

KEGIATAN BELAJAR ANALISIS DATA SECARA DESKRIPTIF UNTUK DATA NUMERIK. Dr. Heru Santoso Wahito Nugroho, CPMC

KEGIATAN BELAJAR ANALISIS DATA SECARA DESKRIPTIF UNTUK DATA NUMERIK. Dr. Heru Santoso Wahito Nugroho, CPMC KEGIATAN BELAJAR ANALISIS DATA SECARA DESKRIPTIF UNTUK DATA NUMERIK Dr. Heru Santoso Wahito Nugroho, CPMC Published by: Forum Ilmiah Kesehatan (Forikes) Ponorogo, Indonesia 2014 1 DESKRIPSI MATERI KEGIATAN

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

GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS BESAR PROGRAM PENGAJARAN (GBPP) GARIS BESAR PROGRAM PENGAJARAN (GBPP) Nama Mata Kuliah : STATISTIKA-2 **/ 2015 Kode Mata Kuliah/SKS : IT-022251/2 SKS Deskripsi singkat : Mata Kuliah Keilmuan dan Ketrampilan (MKKK) Statistika-2 merupakan

Lebih terperinci

Kontrak Kuliah Metode Statistika 2

Kontrak Kuliah Metode Statistika 2 Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi

Lebih terperinci

Metode Statistika STK211/ 3(2-3) Pertemuan I

Metode Statistika STK211/ 3(2-3) Pertemuan I Metode Statistika STK211/ 3(2-3) Pertemuan I 1 Pengantar Setelah mengikuti mata ajaran ini selama satu semester, mahasiswa dapat menjelaskan prinsip-prinsip dasar metode statistika, dan dapat menerapkan

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

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

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

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA dan PROBABILITAS (MI) KODE / SKS : KK /2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA dan PROBABILITAS (MI) KODE / SKS : KK /2 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Tehnik Penarikan Sampling pengertian kegunaan sampling, tehnik yang dapat digunakan serta pemahaman terhadap keempat tehnik tersebut. Sub Pokok Bahasan dan Sasaran

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

LAB MANAJEMEN DASAR MODUL STATISTIKA 1 LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Deskripsi Data Simulasi Plot pencaran titik data antara peubah respon dengan peubah penjelas dapat dilihat pada Gambar 5. Gambar tersebut mengungkapkan bahwa secara keseluruhan pola

Lebih terperinci

PRODI S1 STATISTIKA FMIPA ITS RENCANA PEMBELAJARAN Teknik Sampling dan Survey Kode/SKS: SS / (2/1/0) Dosen : ATR, DS, IZ Semester : IV

PRODI S1 STATISTIKA FMIPA ITS RENCANA PEMBELAJARAN Teknik Sampling dan Survey Kode/SKS: SS / (2/1/0) Dosen : ATR, DS, IZ Semester : IV RP S1 SP 02 Kurikulum 2014, Edisi : September 2014.Revisi : 00 Hal: 1 dari 6 A. CAPAIAN PEMAN : 1. CP9.1 : Mampu menjelaskan konsep merancang survey dan menerapkannya 2. CP12.1 : Mampu mengelola survey

Lebih terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-021259 Ummu Kalsum UNIVERSITAS GUNADARMA 2016 KONTRAK KULIAH Waktu: Rabu, 7.30 10.30 dan 12.30 15.30 Jam mulai : 3 sks, maka: Mulai: 8. 00 Selesai: 3 x 50 menit = 150 menit 10.30 Keterlambatan

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

STATISTIKA TERAPAN (PS603)

STATISTIKA TERAPAN (PS603) RENCANA PEMBELAJARAN SEMESTER (RPS) STATISTIKA TERAPAN (PS603) PROGRAM STUDI PSIKOLOGI PENDIDIKAN SEKOLAH PASCA SARJANA UNIVERSITAS PENDIDIKAN INDONESIA 1 RENCANA PEMBELAJARAN SEMESTER 1. Identitas Nama

Lebih terperinci

Tingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen

Tingkat Efisiensi Metode Regresi Robust dalam Menaksir Koefisien Garis Regresi Jika Ragam Galat Tidak Homogen Tingkat Efisiensi Metode Robust dalam Menaksir Garis Jika Ragam Galat Tidak Homogen Harmi Sugiarti dan Andi Megawarni e-mail: harmi@mailutacid dan mega@mailutacid Abstract This paper aims to compare the

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran

SILABUS MATA KULIAH. Pengalaman Pembelajaran SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-204 Nama Mata Kuliah : Statistika Industri Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas Deskripsi

Lebih terperinci

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata Probabilitas dan Analisis dan Adam Hendra Brata Deskriptif Induktif Pembagian Deskriptif Metode guna mengumpulkan, menghitung, dan menyajikan suatu data secara kwantitatif sehingga memberikan informasi

Lebih terperinci

Laporan Tugas dan Quiz Statistik Deskriptif. 1. Berikan penjelasan secara singkat apa yang dimaksud dengan:

Laporan Tugas dan Quiz Statistik Deskriptif. 1. Berikan penjelasan secara singkat apa yang dimaksud dengan: Nama : Purnomo Satria NIM : 1133467162 Evaluasi Pertemuan 4 dan 5 Laporan Tugas dan Quiz Statistik Deskriptif 1. Berikan penjelasan secara singkat apa yang dimaksud dengan: a. Rata-rata hitung, median,

Lebih terperinci

ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH

ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH ESTIMASI RASIO MENGGUNAKAN KOEFISIEN REGRESI DAN KORELASI PADA PRODUKSI KACANG TANAH DI PROVINSI JAWA TENGAH Ramadhani Kusuma Putra, Isnandar Slamet, dan Mania Roswitha Jurusan Matematika Fakultas Matematika

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Fakultas/Prodi Mata Kuliah/Kode : MIPA/Statistika Semester / SKS : Genap/ 3(2-2) Deskripsi Mata Kuliah Standar Kompetensi Mata Kuliah Prasyarat : Pe Percobaan/STK222 Pe Percobaan : Mata kuliah pe membahas

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata Kuliah : Statistik Bobot Mata Kuliah : 3 Sks Deskripsi Mata Kuliah : Pengertian dasar statistik, pengolahan dan penyajian data, ukuran dan lokasi (central

Lebih terperinci

A. PENYAJIAN DATA. Nama Dwi Willi Nita Wulan Dani. Tabel 3.1

A. PENYAJIAN DATA. Nama Dwi Willi Nita Wulan Dani. Tabel 3.1 A. PENYAJIAN DATA 1. Pengertian Data dan Statistika Statistika sangat erat kaitannya dengan data. Oleh karena itu, sebelum membahas mengenaistatistika, akan dijelaskan terlebih dahulu mengenai data. Data

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1

Lebih terperinci

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah

BAB I PENDAHULUAN. menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah BAB I PENDAHULUAN 1.1 Latar Belakang Analisis regresi linier berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau lebih peubah prediktor X terhadap peubah respon Y yang

Lebih terperinci

Antiremed Kelas 11 Matematika

Antiremed Kelas 11 Matematika Antiremed Kelas 11 Matematika Statistika - Data Tunggal - Set 2 Uraian Doc. Name: AR11MAT0108 Version : 2012-08 halaman 1 01. Hitunglah mean, median, dan modus dari data berikut ini! (A) 43, 52, 54, 47,

Lebih terperinci

BAB IV DISPERSI DATA

BAB IV DISPERSI DATA BAB IV DIPERI DATA Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Ukuran dispersi yang sering digunakan dalam penelitian ialah jangkauan (range), simpangan rata-rata (mean deviation),

Lebih terperinci

METODE STATISTIKA. oleh Bambang Juanda -Ketua PS PWD (S2 & S3), SPS-IPB -Anggota TADF Kemenkeu

METODE STATISTIKA. oleh Bambang Juanda -Ketua PS PWD (S2 & S3), SPS-IPB -Anggota TADF Kemenkeu METODE STATISTIKA oleh Bambang Juanda -Ketua PS PWD (S2 & S3), SPS-IPB -Anggota TADF Kemenkeu When you can measure what you are speaking about and express it in numbers, you know something about it. But

Lebih terperinci

C. Ukuran Letak dan Ukuran Penyebaran Data

C. Ukuran Letak dan Ukuran Penyebaran Data C. Ukuran Letak dan Ukuran Penyebaran Data. Ukuran Letak Data Tunggal a. Kuartil Pada data dengan banyak data n 4, Kuartil membagi data menjadi 4 bagian sama banyak, sehingga diperoleh tiga nilai yang

Lebih terperinci

Statistika Dasar. Bagus Sartono

Statistika Dasar. Bagus Sartono Statistika Dasar Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Pendugaan parameter dan selang kepercayaan Pengujian hipotesis rata-rata One-Sample T-Test Two-Sample T-Test One-Way

Lebih terperinci

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis

TINJAUAN PUSTAKA. Gambar 1 Diagram kotak garis TINJAUAN PUSTAKA Diagram Kotak Garis Metode diagram kotak garis atau boxplot merupakan salah satu teknik untuk memberikan gambaran tentang lokasi pemusatan data, rentangan penyebaran dan kemiringan pola

Lebih terperinci

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata Probabilitas dan Analisis Lanjut Adam Hendra Brata Tunggal Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu fenomena. Sampel adalah sekumpulan data yang diambil atau diseleksi dari suatu

Lebih terperinci

STATISTIK. Rahma Faelasofi

STATISTIK. Rahma Faelasofi STATISTIK Rahma Faelasofi 1 BAB 3 VARIABILITAS Pengertian Jangkauan Mean deviasi Standar deviasi 2 Pengertian Pengukuran penyebaran adalah pengukuran tingkat penyebaran nilai dalam suatu kumpulan data

Lebih terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

ESTIMASI. Arna Fariza PENDAHULUAN ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik

Lebih terperinci

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi Statistik dan Statistika Statistik : nilai-nilai ukuran data yang mudah dimengerti. Contoh : statistik liga sepak bola Indonesia Statistika : ilmu

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

SILABUS MATERI PEMBELAJARAN. Statistika: Diagram batang Diagram garis Diagram Lingkaran Tabel distribusi frekuensi Histogram dan Ogif

SILABUS MATERI PEMBELAJARAN. Statistika: Diagram batang Diagram garis Diagram Lingkaran Tabel distribusi frekuensi Histogram dan Ogif SILABUS Nama Sekolah : SMA Negeri 1 Sungai Penuh Mata Pelajaran : MATEMATIKA Kelas/Program : XI / IPA Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat

Lebih terperinci