3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

Ukuran: px
Mulai penontonan dengan halaman:

Download "3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat"

Transkripsi

1 . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah dadu. Jumlah kjada A yatu muculya agka gap dalam kal lmpara :, 4, 6 A, da jumlah sluruh kjada yag mugk trjad dar kal lmpara sbuah dadu:,,,4,5,6 6, shgga A A 6 Brpluag sama brart kdua kadaa trsbut mmlk jumlah kmucula kjada yag sama. A A Sbuah kjada adakalaya trkat dga kjada yag la, hubuga atar kjada satu da laya dapat kta bayagka dga mudah. Sbaga cth hubuga atau, hubuga aka mmprbsar la pluag. luag utuk mdapatka agka atau dalam sbuah lmpara dadu adalah sbaga brkut: atau /6 /6 /6 /, dalam hal atau > atau > 4

2 5 Hubuga da, hubuga aka mmprkcl la pluag. luag utuk mdapatka agka da dalam lmpara dua buah dadu adalah sbaga brkut: da. /6 /6 /6, dalam hal da < da < rmutas adalah uruta usur-usur dga mmprhatka urutaya, da dtaska dga trsda r, yag artya rmutas r usur dar usur yag Cth: a. a b c a c b b a c b c a c a b c b a scara ksluruha ada 6 prmutas b. a b b a a c c b c a b c scara ksluruha ada 6 prmutas jad jka:,,,,.., adalah; r! r. r! 5! cth: ! prmutas Kmbas adalah uruta r usur dar usur yag trsda dga tdak mmprhatka urutaya, da drumuska dga: Cr C r! r!!.

3 Bla kta tlaah, prsamaa kmbas dapat dyataka dalam prmutas sbaga 6 brkut:! r Cr.4 r!! r! Cth :. Ttuka jumlah kmbas usur dar usur yag trsda da usur dar usur yag trsda! Jawab : Kmbas usur dar usur yag trsda: C a b c kmbas Kmbas usur dar usur yag trsda: C a b a c kmbas b c. Ada 4 pasag suam str, maka brapa carakah yag dapat dlakuka agar dapat dbtuk klmpk yag trdr atas rag?, lalu brapa cara yag dapat dlakuka agar dapat dbtuk klmpk yag trdr atas rag rag lak- lak da rag wata?. Jawab: -klmpk yag trdr atas rag tapa js klam yag khusus, maka kmugkaya: 8 8! ! C 56 cara 8 5!5!..5! klmpk yag trdr atas rag rag lak-lak da rag wata, maka kmugkaya: lak- lak saja 4 4! 4..! C 6 cara!.!!.!

4 7 4 4! 4.! wata saja C 4 cara!.!!. C C da C cara. Dstrbus Bmal Fugs dstrbus adalah fugs yag mggambarka kumpula dar bbrapa pluag, adapu bmal mgadug art dua, sdagka dstrbus bmal yag dmaksud adalah kadaa utuk mggambarka pluag yag aka mucul dar suatu prstwa yag dulag kal prcbaa dmaa prstwa trsbut mmlk dua kmugka kjada. Sbaga cth prstwa bmal adalah: kmugka hasl ksprm dapat gagal atau brhasl, lmpara sbuah mata uag dapat brupa gambar atau agka, kadaa sp partkl dapat up atau dw. ada prstwa yag mgguaka dstrbus bmal aka mmlk dua kadaa katakalah A da A. Utuk satu kal prstwa tu trjad, pluag kjada A dyataka dga A p da pluag kjada buka A kjada A dyataka dga A q, dalam hal hubuga atara p da q dapat dyataka dga : p q.5 Bagamaakah kta dapat mtuka pluag yag aka mucul utuk kadaa trttu jka prstwaya kta ulag bbrapa kal. Sbaga cth: Ttuka pluag utuk mdapatka muka gambar dalam tga kal lmpara sbuah mata uag. Ttuka pluag utuk mdapatka muka gambar dalam tga kal lmpara sbuah mata uag.

5 Ttuka pluag utuk mdapatka muka gambar dalam tga kal lmpara sbuah mata uag. 8 la lmpara yag aka trjad dtujukka pada tabl.. Tabl. la kmbas tga kal lmpara sbuah mata uag Lmpara Lmpara Lmpara KETERAGA G G G G G G A G A G G 4 A G G 5 A A G 6 A G A G 7 G A A 8 A A A 0G Jka kta mlhat hal maka utuk mjawab prtayaa d atas dapat dlakuka dga mudah: G /8. G /8. G /8. amu utuk lmpara yag cukup bayak, msalya mpat lmpara, maka pla yag trbtuk mjad sprt pada tabl.. la aka smak brkmbag jka jumlah lmpara dprbayak. rhatka pluag utuk mdapatka dua muka gambar dalam mpat kal lmpara mata uag dapat dprlhatka lh tabl., G 6/6. Harga pluag ada kataya dga harga kmbas yag harus dlakuka utuk mmpatka pla yag dapat trjad. Utuk jumlah lmpara yag cukup bayak aka sagat krpta kta dalam mtuka pla kmbas yag aka trjad. Olh kara tu kta prlu mdl matmats utuk mtuka harga prbabltas dalam dstrbus bmal.

6 9 Tabl. la kmbas mpat kal lmpara sbuah mata uag Lmpara Lmpara Lmpara Lmpara 4 Ktraga G G G G 4G G G G A G G A G 4 G A G G G 5 A G G G 6 A A G G 7 A G A G 8 A G G A 9 G A A G G 0 G A G A G G A A A A A G A A G A 4 A G A A G 5 G A A A 6 A A A A 0G dl dapat kta asumska sbaga brkut, msal hasl sbuah ksprm yag tlah dlakuka mmlk dua kmugka yak brhasl h da gagal g, bagamaakah pluag utuk mtuka dua ksprm yag brhasl dar smua ksprm yag prah dlakuka. kmugka skprm h h G g h g H g h g G g. g g g

7 0 Brdasarka hasl uj cba maka dprlh mdl matmats utuk dstrbus bmal, yag dyataka dga: bmal C p q! p!! q.6 Cth pgguaaya adalah sbaga brkut: 4 4!!!! 4!!4 4!!4!!!! rapa Dstrbus Bmal dalam Kasus Fska dl dstrbus bmal dapat dtrapka k dalam bbrapa kasus fska sprt sstm partkl dga sp ½. Sbaga cth sstm yag trdr dar partkl dmaa stap partkl mmlk varabl bsara fska yak mm magtk partkl. Harga mm magtk partkl trsbut mmlk dua macam harga brgatug dar kadaa sp partkl. Jka partkl dalam kadaa up maka harga mm magtk partklya, jka partkl dalam kadaa dw maka mm magtk partklya -. Gambar. Sstm partkl dga sp ½.

8 Bagamaakah kta dapat mghtug harga mm magtk ttal dar sstm?. Jka pluag partkl dalam kadaa up dapat dyataka dga p, da pluag partkl dalam kadaa dw dapat dyataka dga q dga p q. Asums yag dguaka adalah tdak adaya traks massa atar partkl, partkl haya mgalam grak traslas saja. amu rtas sp partkl dapat mmpgaruh kadaa laya shgga kadaa sp partkl stap saat dapat brubah. Olh kara tu utuk mmprlh gambara mm magtk ttal sstm kta mmrluka lagkah-lagkah prhtuga brkut. Utuk mdapatka harga mm magtk ttal, maka kta aka mjumlahka smua harga mm magtk yag dmlk lh smua partkl yatu: T T ggat sstm brprlaku dams, maka pgukura yag mmugkka utuk harga mm magtk ttal lbh tpat dyataka dga: dmaa T ± T harga mm magtk ttal sstm. harga ttal mm magtk rata-rata. stadar dvas/smpaga..8 Shggga kta mmrluka harga da, harga ttal mm magtk ratarata dapat dyataka dga:.9

9 ggat stap partkl mmlk dua kadaa dga pluag p da q, maka dalam btuk yag lbh sdrhaa harga ttal mm magtk rata-rata dapat dyataka dga:. p. q. p q.0 Bsar smpaga mm magtk ttalya dapat dyataka dga. Utuk data yag cukup bsar kta aka mgguaka ksp stadar dvas. Stadar dvas ddfska sbaga rata-rata dar smpaga yag dtulska dga: amu jka kta prhatka. 0 Shgga harga stadar dvasya mjad :. ggat adalah jumlah partkl dga rd yag cukup bsar maka kta mgguaka harga stadar dvas sprt pada prsamaa. d atas, pylsaa utuk kasus mjad:

10 Shgga dalam hal kta mmrluka harga stadar dvas utuk mm magtk partkl, harga dapat dturuka sbaga brkut: ggat harga stadar dvas utuk mm magtk partkl adalah sama maka harga stadar dvas mm magtk ttal dapat drumuska dga lbh mudah:.5 Shgga harga mmt magtk ttal sstm dapat dyataka dga :.6 { } { } { } j j j j j j j j j j 4 4 shgga dga,. K K K K K K pq 4pq 4pq pq q p T ± shgga, dga, pq q p pq qp pq p q q p q p q q p p q p q p

11 4.4 Dstrbus Gauss / Dstrbus rmal rhatka kmbal prsamaa dstrbus bmal yag dprlhatka lh prsamaa.4, apabla sagat bsar maka prhtuga prbabltas trlhat sult kara mmbutuhka prhtuga faktral yag sagat bsar. Kara ksulta lah, mmugkka kta utuk mgguaka aprksmas shgga dprlh btuk prsamaa yag sdrhaa dar prsamaa 5. trsbut utuk kasus yag sagat bsar sprt yag dprlhatka lh prsamaa brkut: p / pq.7 π pq dmaa: la rata-rata: p stadar dvas: pq rsamaa d atas mujukka dstrbus Gauss. Cth Sal. Sbuah k mata uag brgambar agka A da gambarg dlmpar 400 kal. Ttuka prbabltas mmprlh 5 gambar G! Jawab : Dar prsamaa dstrbus Gauss: p / pq π pq dmaa: A ½, da G ½. p ; 400 σ.. 0. aka dprlh: 5 0 π

12 Sbuah sstm trdr dar partkl dga sp ½ traks atar partkl dalam sstm sagat lmah sstm dal. m magtk partkl dyataka dalam, harga prbabltas partkl dalam kadaa up da dw dyataka lh p da q dga mgguaka prsamaa d d " da aprksmas Gaussa utuk harga yag bsar, turuka aprksmas Gaussa utuk prbabltas d yag mm magtk ttal dar sstmya mmpuya la atara da d. Jawab: m Dar aprksmas Gaussa dprlh: dmaa: p π pq p q ; maka dprlh prsamaa sbaga brkut: p π p q p π pq pq p q p πpq 8pq

13 6.5 Dstrbus ss Apabla kadaa yag dtjau sagat bsar ttap mmlk pluag p sagat kcl maka prsamaa dstrbus bmal d atas dga mgguaka aprksmas aka dprlh prsamaa dstrbus pss. Dstrbus pss mrupaka suatu sstm dstrbus yag brkata dga varabl ktu, msalya varabl waktu. Tjau kasus d bawah, dmaa sbuah sumbr partkl mmacarka partkl yag kmuda dtagkap lh sbuah dtktr. dtktr Sumbr partkl Gambar. Skma pacara partkl yag dtrma lh dtktr rstwa mrupaka salah satu cth dstrbus pss kara waktu pgamata brjala scara ktu, sdagka partkl yag dpacarka lh sumbr mrupaka varabl dskrt yag dapat dhtug scara dgtal. Bagamaakah kta dapat mtuka pluag utuk mdapatka partkl dalam sstm yag sprt? Kta tjau sstm brkut, msal bruruta slama pyara maka aka trlhat : kta amat jalaya dua partkl yag

14 7 Gambar. ss hambura dua partkl brturut-turut trhadap waktu Dar gambar, X adalah lamaya pgamata da adalah slag waktu atara partkl yag brdkata. Yag mjad bahasa dalam dstrbus ss adalah bagamaa mtuka gambara pluag utuk mdapatka partkl dalam slag waktu trttu X? Sbaga gambara, kalau dalam slag waktu d dtmuka partkl maka harga pluagya dapat dyataka dga prbadga d, sdagka kalau tdak dtmukaya partkl dalam slag d dyataka dga: d 0. Jka dalam slag d ada partkl, maka pluag utuk mmuka partkl d dalam slag d adalah, shgga. aka pryataa pluag tdak mmuka partkl dalam slag d mjad d d, da pluag tdak mmuka partkl dalam slag mjad 0. Shgga utuk mggambarka pluag tdak dtmukaya partkl dalam slag waktu d: 0 d d.8 Dalam drt Taylr, dmsalka:

15 8 f f ' f " f d f d d...!! Dga mgambl dua suku prtama, maka dprlh: d d d d.9 Dar prsamaa.8 da.9 dprlh: d d d d d l C d { } Jka dalam waktu X 0, brart blum ada partkl yag dpacarka shgga pluag utuk tdak mmuka partkl dalam slag waktu X adalah maka aka dprlh: C. 0 da ddapatka C, shgga: 0.0 rsamaa d atas mrupaka pluag utuk tdak mmuka partkl dalam slag waktu X pgamata. Bagamaa mgtahu pluag utuk mmuka partkl dalam slag waktu X pgamata?. rhatka gambar brkut:

16 9 Gambar.4 Ilustras muculya satu buah partkl dalam waktu X pgamata rhatka ada tga kadaa utuk mggambarka kds :. luag tdak dtmukaya partkl dalam slag ξ maka:. luag dtmukaya partkl dalam slag dξ:. luag tdak dtmukaya partkl dalam slag -ξ maka: Kara waktu adalah suatu varabl yag ktu maka pluag utuk mmuka partkl dalam slag X dyataka dga: Kara da adalah kstata, maka: ξ dξ X- ξ X 0 ξ ξ 0. dξ ξ ξ 0. dξ 0 ξ. 0 dξ

17 40 Jad pluag utuk mmuka partkl dalam slag waktu X dyataka dga:.. Skarag aka dturuka bagamaa mcar pluag mmuka partkl dalam slag X. Trlbh dahulu prhatka gambar brkut: X- ξ ξ dξ X Gambar.4 Ilustras muculya dua buah partkl dalam waktu X pgamata Dga gambara yag sama, maka kta aka mdapatka kadaa sbaga brkut:. luag dtmukaya partkl dalam slag ξ adalah ξ ξ.. Dtmukaya partkl dalam slag dξ mjad ξ. luag tdak dtmukaya partkl dalam slag -ξ: 0 ξ ξ ξ

18 4 aka pluag utuk mmuka partkl dalam slag waktu adalah : ξ ξ. dξ. ξ ξ ξ ξ d... Ccka hasl ada.. 6. Dar prsamaa d atas maka dapat dprlh bahwa pluag utuk mmuka partkl dalam slag waktu adalah Dga cara yag sama, cbalah ada tmuka prsamaa utuk mdapatka partkl dalam slag X pgamata!..!.4

19 4 Cth sal. Buktka bahwa dstrbus trrmalsas yatu Jawab:!!! Igat bahwa...!!, maka prsamaa datas dapat dtuls :. Aggap bahwa ksalaha ktk yag dlakuka lh srag juru ktk trjad scara acak. salka sbuah buku dga tbal 600 halama trdr dar 600 ksalaha ktk. Dga mgguaka dstrbus pss, htug prbabltas: a. sbuah halama tdak trdapat ksalaha ktk! b. sbuah halama trdapat ksalaha ktk palg sdkt tga! Jawab: a. 600; /600 shgga dprlh:. p

20 Dar prsamaa dstrbus s aka ddapatka : ! 0 0,. b. 0 0,67; 0,67; 0,84 maka aka dprlh : > - 0-0,67 0,67 0,84 0,08.

21 44 Sal Latha. Jka dalam waktu dtk suatu sumbr partkl mmacarka partkl dga partkl/dtk, ttuka pluag partkl dalam slag waktu trsbut!. a. Jlaska apa dmaksud dga Esambl statstk! b. Dalam pmbahasa Fska Statstk, ada frmas ptg yag aka mmbrka spsfkas makrskpk. Sbutka da jlaska ktga frmas trsbut!. Suatu sstm trdr dar bayak ruaga dga jumlah ttal partkl da jumlah partkl dalam sstm yag dtjau adalah. Jka p adalah kmugka utuk mdapatka satu ruaga yag dtjau da q adalah kmugka utuk mdapatka ruaga laya. Buktka : C.. p q! dga adalah kmugka mdapatka ruaga yag dgka. 4. Sbuah lktr brgrak spajag sumbu sprt gambar a 4a dalam slag a 4a da ampltud glmbag lktr trsbut adalah ψ c.. Ttuka kmugka utuk mdapatka lktr pada darah a a! 5. Dalam suatu sstm yag vlumya V dga jumlah mlkulya trdapat sstm la yag aka dtjau vlumya adalah V da jumlah mlkulya adalah. Jka p adalah kmugka utuk mdapatka mlkul pada darah yag dtjau da q adalah kmugka utuk mdapatka mlkul pada darah yag la, ttuka jumlah rata-rata mlkul brada pada darah yag kta tjau! 6. Sstm gas brada dalam kstmbaga mmpat sbuah ktak tmbaga yag brada dalam tmpratur kamar. Erg rata-rata yag dmlk partkl gas yag brada dkat dga ddg dasumska sama dga rg rata-rata partkl tmbaga yatu mv. Stap partkl tmbaga brgtar harmk sdrhaa, jka E p E k, massa js tmbaga 8,9 gr/cm da brat atm tmbaga 6,5. Ttuka:

22 45 a. Kcpata rata-rata graka atm tmbaga dalam kstmbaga! b. Jarak atar partkl trdkat! c. Bsar gaya yag bkrja tap satua luas, jka gaya tark yag bkrja pada pampag ktak A mybabka prtambaha pajag ktak l, dapat dyataka dga : F A γ dga γ adalah mdulus yug,8.0 dy/cm, gaya trsbut mybabka prgsra atm sjauh. d. Bsar rg ptsal yag mybabka atm brgsr sjauh! 7. D dalam sbuah tabug brs gas dal dga jumlah partkl dalam kadaa stmbag dga vlum V. Dga mgambl partkl dalam subruag V maka dapat dyataka prbabltas utuk mdapatka partkl dalam subruag V yag dyataka dga V/V, ttuka: a. la rata-rata bayakya partkl dalam subruag V yataka dalam, V da V! b. Stadar dvas! c. Stadar dvasya jka V << V 8. Suatu bagua trdr dar 0 ruag, dmaa trdapat 8 ruag js A, 4 ruag js B, 5 ruag js C da ssaya D. Ruag A da ruag B brkaraktrstk, ruag C da ruag D brkaraktrstk y, kmuda dsbarka 6 partkl. Ttuka pluag utuk mdapatka bagua yag brkaraktrstk y dga partkl d ruag A, da partkl d ruag D! 9. a. Dalam mgugkapka sfat-sfat makrskpk suatu sstm ada mtd yag dguaka yatu mtd thrmdamka da mtd fska statstk. Jlaska masg-masg trsbut! b. Jlaska dmaa kgagala mtd thrmdamka dalam mjlaska sfat makrskpk suatu sstm, mgapa mtd mkaka statstk dapat mjlaskaya!

23 0. Tjau sbuah t yag mmlk sp. Kmp mm magtk spajag arah trttu dapat mmlk tga kmugka la, yatu 0, 0, 0. salka btuk tya tdak smtr bla mlaka lpsdal. Akbatya, t cdrug lbh myuka rtas trttu yatu sumbu mayrya sjajar dga arah trttu dalam krstal padat dmaa t trsbut brada. Shgga trdapat prbabltas p dmaa 0, da prbabltas p dmaa 0, prbabltas utuk 0 adalah p. a. Htuglah da b. Htuglah!! c. salka bahwa zat padat yag dtjau mmlk t yag traksya dga yag la dapat dabaka. Aggap myataka kmp mm magtk ttal spajag arah trttu dar smua t dalam zat padat trsbut. Htuglah da dvas stadarya dalam btuk, p da Elktr brmuata dmska scara acak dar sbuah flam paas pada sbuah tabug vakum. Sbaga pdkata, ms satu lktr trttu tdak mmpgaruh ms lktr yag la. Tjau slag waktu sagat sgkat t. Kmuda trdapat prbabltas p dmaa sbuah lktr dmska dar flam slama slag waktu trsbut. da prbabltas q p dmaa lktr tdak trmska. Kara t sagat sgkat, prbabltas lktr trms p slama slag waktu sagat kcl p << da prbabltas lbh dar satu lktr yag trmska slama slag waktu t dapat dabaka. Tjau smbarag slag waktu t yag lbh bsar dar t. Slama slag waktu trdapat t / t kmugka slag waktu t dmaa lktr dapat dmska. uata ttal yag dmska dalam slag waktu t dapat dtuls sbaga: Q q q q q 4 q 5... q Dmaa q myataka muata yag dmska slama slag waktu t k ; shgga q jka sbuah lktr dmska da q 0 jka tdak.

24 a. Htuglah muata rata-rata Q yag dmska flam slama slag waktu t? 47 b. Htuglah dsprs muata Q yag dmska flam slama slag waktu t? Guaka pdkata p<< utuk mydrhaaka slusya. c. Arus I yag dmska flam slama slag waktu t ddfska lh Q/t. Hubugka dsprs arus I dga arus rata-rata I, buktka bahwa I d. Htuglah dvas stadar arus I jka arus rata-rataya I A da slag waktu pgukuraya dtk. t I. Sbuah batr dga ggl ttal V dhubugka dga sbuah rsstr R. Akbatya, sjumlah daya V /R ddspaska pada rsstr trsbut. Batr trsbut trdr dar buah sl dvdu yag dsusu scara sr shgga V mrupaka pjumlaha dar ggl sluruh sl dvdu. Kds batr sudah cukup lama shgga tdak smua sl dvdu brada dalam kds smpura. Shgga trdapat prbabltas p dmaa ggl dar tap sl dvdu mmlk la yag rmal v; da prbabltas p dmaa ggl dar tap sl dvdu l kara tlah trjad ksltg. Tap sl dvdu tdak salg brkata satu dga yag la statstcally dpdt. ada kds sprt, htuglah daya rata-rata yag ddspaska dalam rsstr. yataka slusya dalam, v, p, da R.. Sbuah mlkul pada gas bbas brgrak dalam tga dms. salka s myataka prpdahaya stlah tumbuka bruruta dga mlkul yag la. rpdaha mlkul stlah tumbuka bruruta tdak salg brkata statstcally dpdt. Kmuda, kara tdak ada arah trttu yag lbh dsuka lh mlkul dalam ruag, mlkul brgrak acak shgga prpdaha rata-rataya s 0 rata-rata tap kmp

25 prpdaha s s s 0. rpdaha ttal R mlkul stlah y z mgalam tumbuka brturut-turut dapat dtulska sbaga: R s s s... s dmaa s myataka prpdaha k dar mlkul. a. Htuglah prpdaha ttal rata-rata R dar mlkul stlah mgalam kal tumbuka brturut-turut. R R R b. Htuglah stadar dvas mlkul mgalam kal tumbuka brturut-turut. 48 dar prpdaha stlah c. Htuglah R jka bsar tap prpdaha s sama dga l.

Analisis Pemodelan berdasarkan karakteristik dinamik

Analisis Pemodelan berdasarkan karakteristik dinamik Aalss Pmdla brdasarka karaktrstk damk DISUSUN OLEH: Dr. Yffry Hadk Putra, ST., M.T Karaktrstk damk suatu sstm atau strum myataka prlaku rsps sstm saat tras (utuk put stp) da prlaku sstm jka mdapatka put

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

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

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA

Delta-Pi: Jurnal Matematika dan Pendidikan Matematika ISSN X Vol. 2, No. 2, Oktober 2013 ALJABAR LINTASAN LEAVITT SEDERHANA Dlta-P: Jural Matmatka da Pddka Matmatka ISSN 89-855X Vol., No., Oktobr 3 ALJABAR LINTASAN LAVITT SDRHANA Ida Kura Walyat Program Stud Pddka Matmatka FKIP Urstas Kharu, Trat mal: adhku@gmal.com ABSTRAK

Lebih terperinci

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function

Persatuan Aktuaris Indonesia Dasar-dasar Matematika Asuransi Jiwa 28 November Untuk soal no. 1 s/d 3 di bawah, diketahui suatu survival function Prsatua ktuars Idosa Dasar-dasar Matmatka suras Jwa 8 Nombr 00 Utuk soal o s/d 3 d bawah, dktahu suatu sural fucto 00 s ( ) utuk 0 00 0 Htuglah F (75) X 0,0 B 0,30 C 0,40 D 0,50 E 0,0 Htuglah f (75) X

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

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

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

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 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT

BAB 1 HAMPIRAN TAYLOR DAN ANALISIS GALAT Catata Kuliah EL Aalisis Numrik BAB HAMPIRAN TAYLOR DAN ANALISIS GALAT. Pgatar Mtod Numrik Ktika kita mylsaika prsamaa-prsamaa matmatika di maa torma-tormaya masih dapat ditrapka, solusi aalitik atau solusi

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI A II LANDASAN TEORI. Distribusi Pluag Diisi. (Walpol da M rs 995) Jika X adalah suatu variabl radom kotiu maka ugsi dsitas pluaga adalah suatu ugsi ag mmuhi kodisi: i. ; utuk x (- ) ii. = iii. = (.) Diisi.

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian

TEORI ANTRIAN. A. Definisi dan Unsur-unsur Dasar Model Antrian TEORI ANTRIAN Tori atria mrupaka studi matmatis mgai atria atau waitig lis yag di dalamya disdiaka bbrapa altratif modl matmatika yag dapat diguaka utuk mtuka bbrapa karaktristik da optimasi dalam pgambila

Lebih terperinci

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM

SKRIPSI. oleh: FARIDA KARUNIAWATI NIM ANALISIS REGRESI DUMMY VARIABLE MODEL LOGIT (Kasus pada Estmas Huja d Karagploso, Malag) SKRIPSI olh: FARIDA KARUNIAWATI NIM. 0650028 JURUSAN MATEMATIKA FAKULTAS SAIN DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan

UJI CHI KUADRAT (χ²) 1.1. Pengertian Frekuensi Observasi dan Frekuensi Harapan UJI CHI KUADRAT (χ²) 1. Pndahuluan Uj Ch Kuadrat adalah pngujan hpotss mngna prbandngan antara : frkuns obsrvas/yg bnar-bnar trjad/aktual dngan frkuns harapan/kspktas 1.1. Pngrtan Frkuns Obsrvas dan Frkuns

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

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

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

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

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t}

TEORI ANTRIAN. Elemen Dasar Model Antrian. Distribusi Poisson dan eksponensial. =, t 0, dimana E { t} Elm Dasar Modl Atria. TEORI ANTRIAN Aktor utama customr da srvr. Elm dasar :. distribusi kdataga customr.. distribusi waktu playaa. 3. disai fasilitas playaa (sri, parall atau jariga). 4. disipli atria

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

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

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

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

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

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

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon JURNL SINS DN SENI IS Vol., No., (Spt. ) ISSN: -98X D-4 Prapa Pdkata Gabuga Gry Rlatoal alyss (GR) da Prcpal Compot alyss (PC) Pada Mtod aguch Multrspo Nur prla Rahmada, Soy Suaryo da Muhammad Sahd kbar

Lebih terperinci

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB.

HASIL DAN PEMBAHASAN. RAM 3 GB. Harddisk dengan kapasitas 250 GB. 4 tp R= tp + f...(3 tp = tp + fp...(4 Evalua dlakuka dga 2 paag ku da dkum lva yag dbuat khuu utuk plta. Dafta paaga ku uj da dkum lva dapat dlhat pada Lampa 2, dagka Lampa 3 bka dkp da ku uj. Nla all

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini.

BAB II TINJAUAN PUSTAKA. pada suatu graf sebagai landasan teori pada penelitian ini. BAB II TINJAUAN PUSTAKA Pada bagan n akan dbrkan konsp dasar graf dan blangan kromatk lokas pada suatu graf sbaga landasan tor pada pnltan n 21 Konsp Dasar Graf Bbrapa konsp dasar yang dgunakan dalam pnltan

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

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG Sudaro Jurusa Matatka FMIPA UNDIP Jl Prof H Sodarto SH Tbalag Sarag 575 Abstract Coutg probablty a two-tald hypothss dtr lvl of th

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

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

V. PENDEKATAN BAYES PADA MODEL ACAK

V. PENDEKATAN BAYES PADA MODEL ACAK 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada

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 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

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

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

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES

PENGOPTIMUMAN PADA FUNGSI PRODUKSI CROPPES PENGOPTIMUMAN PADA FUNGSI PRODUSI CROPPES NURJANAH G5404008 DEPARTEMEN MATEMATIA FAUTAS MATEMATIA DAN IMU PENGETAHUAN AAM INSTITUT PERTANIAN BOGOR 008 ABSTRACT NURJANAH Optmzato Cropps producto ucto Suprvsd

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

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 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

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

* 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 I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr.

BAB I PENDAHULUAN. ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Studi Kasus Pasien Kanker Paru RSUD Dr. BAB I PENDAHULUAN ANALISIS STATISTIK TERHADAP PENYAKIT KANKER PARU OLEH BAHAN KARSINOGENIK (Stud Kasus Pas Kakr Paru RSUD Dr. Sotomo Nama Mahasswa : N matus Solkhah NRP : 35 9 5 Jurusa : Statstka FMIPA-ITS

Lebih terperinci

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga)

INTEGRAL FOURIER. DISUSUN OLEH : Kelompok III (Tiga) INTEGRA FOURIER DISUSUN OEH : Klompok III (Tiga). Maruah (7 6). Yusi Oktavia (7 45 ) 3. Widya Elvi AS (7 45) 4. Azar Saarudi (7 454) 5. Irmaati (7 455) Mata Kuliah Dos Pgasuh Klas : Matmatika ajuta : Fadli,

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

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner

Pengklasifikasian Penyakit Jantung Di RSUD Abdul Wahab Sjahranie Samarinda Dengan Menggunakan Regresi Logistik Biner Pgklasfkasa Pyakt Jatug D RSUD Abdul Wahab Sjahra Samarda Dga Mgguaka Rgrs Logstk Br Classfcato of Hart Dsas RSUD Abdul Wahab Sjahra Samarda Usg Bary Logstk Rgrsso Adras Sutato 1, Darah A. Noh, Syarudd

Lebih terperinci

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM

ESTIMASI REGRESI MODEL LOGIT DENGAN METODE MAKSIMUM LIKELIHOOD SKRIPSI. Oleh: DINUL WAFA NIM STIMASI RGRSI MODL LOGIT DNGAN MTOD MAKSIMUM LIKLIHOOD SKRIPSI Olh: DINUL WAFA NIM. 5548 JURUSAN MATMATIKA FAKULTAS SAINS DAN TKNOLOGI UNIVRSITAS ISLAM NGRI MAULANA MALIK IBRAHIM MALANG 9 STIMASI RGRSI

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

Termostatistik Pascasarjana S2 Kimia Fisik

Termostatistik Pascasarjana S2 Kimia Fisik rmostatstk Pascasarjaa S Kma Fsk Pustaka: G. M. Barrow, Physcal Chmstry, 4th d., McGraw-Hll, okyo 979. M. Aloso, ad. J. F, Uvrsty Physcs ol. III, Quatum ad Statstcal Physcs, Addso-Wsly, okyo 979. . PDAHULUA

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

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

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

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

ESTIMASI TITIK BAYESIAN OBYEKTIF

ESTIMASI TITIK BAYESIAN OBYEKTIF ESTIMASI TITIK BAYESIAN OBYEKTIF Adi Stiawa (adi_stia_3@yahoo.com) Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist Satya Wacaa Jl Dipogoro 52-6 Salatiga 57, Idosia Abstrak Estimasi

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

Sudaryatno Sudirham. Permutasi dan Kombinasi

Sudaryatno Sudirham. Permutasi dan Kombinasi Sudaryato Sudrham Permutas da Kombas Permutas Permutas adalah bayakya peelompoka sejumlah tertetu kompoe ya dambl dar sejumlah kompoe ya terseda; dalam setap kelompok uruta kompoe dperhatka Msalka terseda

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

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL

PERBANDINGAN METODE MAXIMUM LIKELIHOOD ESTIMATION (MLE) DAN METODE BAYES DALAM PENDUGAAN PARAMETER DISTRIBUSI EKSPONENSIAL Bult Ilmah Mat. Stat. a Trapaya (Bmastr) Volum, No. (3), hal. 5 56. PRBANDINGAN MTOD MAXIMUM LIKLIHOOD STIMATION (ML) DAN MTOD BAYS DALAM PNDUGAAN PARAMTR DISTRIBUSI KSPONNSIAL Dw Nurlala, Daa Kusaar,

Lebih terperinci

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada.

TURUNAN FUNGSI. Definisi. 3.1 Pengertian Turunan Fungsi. Turunan fungsi f adalah fungsi f yang nilainya di c adalah. h asalkan limit ini ada. 3 TURUNAN FUNGSI 3. Pgrtia Turua Fugsi Diisi Turua ugsi adala ugsi yag ilaiya di c adala c c c asalka it ii ada. Coto Jika 3 4, maka turua di adala 3 4 3.. 4 3 4 4 4 4 4 4 3 3 3 4 Jika mmpuyai turua di

Lebih terperinci

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH

PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH PENGHITUNGAN PREMI DENGAN MENGGUNAKAN METODE BAYESIAN ROBUST DAN METODE KREDIBILITAS ROBUST TITIES MELYASIH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

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

UKURAN PEMUSATAN & PENYEBARAN

UKURAN PEMUSATAN & PENYEBARAN UKURAN PEMUSATAN & PENYEBARAN RATA - RATA UKURAN PEMUSATAN MEDIAN MODUS Rata rata htug (mea) Merupaka hasl bag dar sejumlah skr dega bayakya respde Utuk Data Tdak Berkelmpk x Dmaa : = la samapa x = la

Lebih terperinci

MODUL 2 BILANGAN KOMPLEKS

MODUL 2 BILANGAN KOMPLEKS Diktat Kuliah EL- Matmatika Tkik I MODUL BILANGAN KOMPLEKS Satua Acara Prkuliaha Mdul (Bilaga Kmplks sbagai brikut Ptmua k- Pkk/Sub PkkBahasa TuuaPmblaara Bilaga Kmplks Pgatar Bilaga Kmplks Lambag Bilaga

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

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA

ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA ANALISIS REGRESI LOGISTIK ORDINAL UNTUK MENGETAHUI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS GIZI BALITA NELAYAN KECAMATAN BULAK SURABAYA Citra Elok Mgahardiyai, da Dstri Susilaigrum Mahasiswa Jurusa Statistika

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

Hubungan antara K dengan koefisien fugasitas:

Hubungan antara K dengan koefisien fugasitas: Hubungan antara K dngan kofsn fugastas: fˆ f K Kadaan standar untuk gas adalah gas murn pada kadaan gas dal pada tkanan kadaan standar sbsar 1 bar. (1) Karna fugastas gas dal sama dngan tkanannya, f =

Lebih terperinci

BAB 2 SISTEM MAKRO DAN MIKRO

BAB 2 SISTEM MAKRO DAN MIKRO BAB 2 SISTEM MAKRO DAN MIKRO Sstm yang akan d bahas dalam skrps n adalah sstm frmon yang mngkut kadah ksklus Paul, mrupakan partkl dntk dan mmlk sfat-sfat yang brbda jka d bandngkan dngan sstm boson. Olh

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM

BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM BAB IV STUDI KASUS NILAI AVL SLJJ PT TELKOM 4.1 Pndahuluan Ktga prtdaksamaan yang tlah dbahas sblumnya akan daplkaskan dalam suatu stud kasus mngna nla AVL (avalablty ntwork) dar sambungan langsung jarak

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

PREDIKSI NILAI KEKAKUAN LENTUR PADA BALOK BETON BERTULANG

PREDIKSI NILAI KEKAKUAN LENTUR PADA BALOK BETON BERTULANG Prdk Nla Kkakua Ltur Pada Balok Bto Brtulag (Yam Suato PRKS NLA KKAKUAN LNTUR PAA BALOK BTON BRTULANG Yam Suato Strutural gr Y. S. Chua grg, Jakarta ahawa agtr Tkk Spl, Kotra Struktur, Uvrta Tarumaagara,

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

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

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

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

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

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2

BAB II PEMULIHAN SOLUSI METODE REP DAN ERROR ESTIMATOR Z 2 BB II PEMULIHN SOLUSI MEODE REP DN ERROR ESIMOR Z.1. UMUM.1.1 Ksalaa Solus Mtod Elm Hgga Error yag trjad mrupaka sls atara solus ksak dga solus pdkata da dapat dksprska dalam btuk prala, tgaga maupu gaya

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

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

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73

Jurnal Mutiara Pendidikan Indonesia, 10/08 (2016), 67-73 67, 1/ (16), 67-73 STUDI OPARASI IPLEENTASI URIULU PADA PEBELAJARAN ASELERASI DAN PEBELAJARAN REGULER (ajia pada las XI CI+BI IPA da las XI IPA di SAN 1 Padag) Yssi Rifmasari STIP Adzkia Padag Email :

Lebih terperinci

SIFAT ASIMTOTIK NORMALITAS DAN KETAKBIASAN PENDUGA KEMUNGKINAN MAKSIMUM PARAMETER DISTRIBUSI GENERALIZED GAMMA

SIFAT ASIMTOTIK NORMALITAS DAN KETAKBIASAN PENDUGA KEMUNGKINAN MAKSIMUM PARAMETER DISTRIBUSI GENERALIZED GAMMA J. Sas MIPA s Khusus Tahu 8 Vo. 4 No. Ha.: 4-46 ISSN 978-873 SIFAT ASIMTOTIK NORMAITAS DAN KTAKBIASAN PNDUGA KMUNGKINAN MAKSIMUM PARAMTR DISTRIBUSI GNRAIZD GAMMA ABSTRACT Da Kurasar Doa Ra Maja Warsoo

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140

JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-140 JURNAL SAINS DAN SENI POMITS Vol. 3, No., (014) 337-350 (301-98X Prt) D-140 Faktor-Faktor yag Mmgaruh Pyakt Malara ada Ibu Haml d Provs Nusa Tggara Barat, Nusa Tggara Tmur, Maluku, Maluku Utara, Paua,

Lebih terperinci

JENIS BUNGA PEMAJEMUKAN KONTINYU

JENIS BUNGA PEMAJEMUKAN KONTINYU JENIS BUNGA PEMAJEMUKAN KONTINYU Suku Buga Nomal Suku Buga Efektf Hubuga ataa Suku Buga Nomal da Efektf Aus Daa Dskt da Aus Daa Kotyu SUKU BUNGA NOMINAL & SUKU BUNGA EFEKTIF Selama daggap aus daa (peemaa

Lebih terperinci

PELABELAN KONSEKUTIF (CONSECUTIVE LABELING) PADA GRAF STAR S n DAN GRAF DOUBLE STAR S n,n+1 (n Bilangan Asli) SKRIPSI. Oleh: ABDUL MUIS NIM.

PELABELAN KONSEKUTIF (CONSECUTIVE LABELING) PADA GRAF STAR S n DAN GRAF DOUBLE STAR S n,n+1 (n Bilangan Asli) SKRIPSI. Oleh: ABDUL MUIS NIM. PELABELAN KONSEKUTIF CONSECUTIVE LABELING) PADA GRAF STAR S DAN GRAF DOUBLE STAR S,+ Blaga Asl) SKRIPSI Olh: ABDUL MUIS NIM. 0500 JURUSAN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

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 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Blakang Mnmum spannng tr (MST) mrupakan sbuah prmasalahan dalam suatu graph yang mana banyak aplkasnya bak scara langsung maupun tdak langsung yang tlah dplajar. Salah satu

Lebih terperinci

Transformasi Fourier Waktu Diskrit

Transformasi Fourier Waktu Diskrit Praktikum Isyarat da Sistm Topik 5 Trasformasi ourir Waktu Diskrit Tuua Mahasiswa dapat mtuka da mgguaka trasformasi ourir waktu diskrit dalam aalisa suatu sistm LTI Mahasiswa dapat mgguaka MATLAB sbagai

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bbrapa tor yag dprlua utu mduug pmbahasa dataraya adalah rgrs lar brgada, mtod uadrat trcl (MKT), pguja asums aalss rgrs, outlr, rgrs robust, ofs dtrmas, bradow pot. A. Rgrs Lar Brgada

Lebih terperinci

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR

1001 Pembahasan UTS Kalkulus II KATA PENGANTAR KATA PENGANTAR 00 Pmbahasa UTS Kalkulus II Sbagaia bsar mahasiswa mgagga bahwa Mata Kuliah yag brhubuga dga mghitug yag salah satuya Kalkulus adalah susah, rumit da mmusigka. Alhasil jala kluar yag ditmuh

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 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

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci