BAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB 5 HASIL DAN PEMBAHASAN. Pada Gambar 5.1 dapat dilihat plot sebaran normal pertumbuhan Spheres dari"

Transkripsi

1 BAB 5 HASIL DAN PEMBAHASAN 5. Plot Sebaran Normal Pada Gambar 5. dapat dilihat plot sebaran normal pertumbuhan Spheres dari pengguna lensa OPTRON ANTI-EMI SV. Probability Plot of spheres ANTI-EMI SV Normal Percent Mean 0.5 StDev N 25 KS P-Value > spheres ANTI-EMI SV.0.5 Gambar 5. Normality Plot Pertumbuhan Spheres OPTRON ANTI-EMI SV

2 56 Pada Gambar 5.2 dapat dilihat plot sebaran normal pertumbuhan Cylinder dari pengguna lensa OPTRON ANTI-EMI SV. Probability Plot of cylinder ANTI-EMI SV Normal Percent Mean 0.2 StDev N 25 KS 0.08 P-Value > cylinder ANTI-EMI SV Gambar 5.2 Normality Plot Pertumbuhan Cylinder OPTRON ANTI-EMI SV

3 57 Pada Gambar 5.3 dapat dilihat plot sebaran normal pertumbuhan Spheres dari pengguna lensa SOLA CR-39 SV. Probability Plot of spheres CR-39 SV Normal Percent Mean StDev N 30 KS P-Value > spheres CR-39 SV Gambar 5.3 Normality Plot Pertumbuhan Spheres SOLA CR-39 SV

4 58 Pada Gambar 5. dapat dilihat plot sebaran normal pertumbuhan Cylinder dari pengguna lensa SOLA CR-39 SV. Probability Plot of cylinder CR-39 SV Normal Percent Mean StDev N 30 KS 0.43 P-Value cylinder CR-39 SV.0.5 Gambar 5.4 Normality Plot Pertumbuhan Cylinder SOLA CR-39 SV Dari gambar normality plot diatas dapat dilihat bahwa sebaran sampel menyebar mendekati normal. 5.2 Statistik Deskriptif 5.2. Pertumbuhan Spheres OPTRON ANTI-EMI SV Dari data yang dikumpulkan akan diperoleh statistik deskriptif seperti yang terlihat pada Tabel 5.. Yang mana diperoleh rata-rata pertumbuhan spheres untuk 25 pengguna lensa OPTRON ANTI-EMI SV adalah 0.5 dengan ragam 0.88.

5 59 Tabel 5. Tabel Statistik Deskriptif Spheres OPTRON Rata-rata 0.5 Simpangan baku Ragam 0.88 N 25 Minimum 0.00 Q 0.25 Median 0.50 Q Maksimum Pertumbuhan Cylinder OPTRON ANTI-EMI SV Dari data yang dikumpulkan akan diperoleh statistik deskriptif seperti yang terlihat pada Tabel 5.. Yang mana diperoleh rata-rata pertumbuhan cylinder untuk 25 pengguna lensa OPTRON ANTI-EMI SV adalah 0.2 dengan ragam Tabel 5.2 Tabel Statistik Deskriptif Cylinder OPTRON Rata-rata 0.2 Simpangan baku Ragam N 25 Minimum Q 0.00 Median 0.25 Q Maksimum Pertumbuhan Spheres SOLA CR-39 SV Dari data yang dikumpulkan akan diperoleh statistik deskriptif seperti yang terlihat pada Tabel 5.. Yang mana diperoleh rata-rata pertumbuhan spheres dari 30 pengguna lensa SOLA CR-39 SV adalah dengan ragam

6 60 Tabel 5.3 Tabel Statistik Deskriptif Spheres SOLA Rata-rata Simpangan baku Ragam N 30 Minimum 0.00 Q 0.50 Median 0.75 Q Maksimum Pertumbuhan Cylinder SOLA CR-39 SV Dari data yang dikumpulkan akan diperoleh statistik deskriptif seperti yang terlihat pada Tabel 5.. Yang mana diperoleh rata-rata pertumbuhan cylinder dari 30 pengguna lensa SOLA CR-39 SV adalah dengan ragam Tabel 5.4 Tabel Statistik Deskriptif Cylinder SOLA Rata-rata Simpangan baku Ragam N 30 Minimum 0.00 Q 0.00 Median 0.00 Q Maksimum Selang Kepercayaan 5.3. Pertumbuhan Spheres Dari hasil perhitungan yang terdapat pada lampiran.d diperoleh < μ μ 2 < Jadi dipercaya 95% bahwa selang dari sampai

7 mencakup selisih sesungguhnya nilai rata-rata pertumbuhan spheres antara pengguna lensa OPTRON ANTI-EMI SV dengan pengguna lensa SOLA CR-39 SV. Kenyataan bahwa kedua ujung selang itu negatif menunjukkan bahwa pertumbuhan spheres dengan menggunakan lensa OPTRON ANTI-EMI SV lebih rendah dibandingkan pertumbuhan spheres dengan menggunakan lensa SOLA CR-39 SV Pertumbuhan Cylinder Dari hasil perhitungan yang diperoleh pada lampiran.d didapatkan selang kepercayaan 95% bagi μ - μ 2 untuk rata-rata pertumbuhan cylinder adalah < μ μ 2 < Jadi dengan demikian dipercaya 95% bahwa selisih ratarata pertumbuhan cylinder antara pengguna lensa OPTRON ANTI-EMI SV dan pengguna lensa SOLA CR-39 SV berada dalam selang dari sampai dengan Analisis Perbandingan Rata-rata Dengan Uji Z Untuk membandingkan rata-rata dari dua buah sampel besar menggunakan uji Z yang mana disini yang akan diuji adalah peubah yang sama yaitu pertumbuhan spheres dan cylinder dari masing-masing sampel pengguna lensa OPTRON ANTI-EMI SV dan lensa SOLA CR-39 SV Pertumbuhan Spheres Dengan menggunakan uji Z untuk perbandingan selisih rata-rata dari dua buah sampel besar dari peubah spheres pengguna lensa OPTRON ANTI-EMI SV dan pengguna lensa SOLA CR-39 SV.

8 62 Hipotesis : H0 : Rata-rata variabel spheres kedua populasi adalah sama H : Rata-rata variabel spheres kedua populasi tidak sama Pengambilan Keputusan : Dari hasil perhitungan pada lampiran.b diperoleh statistik hitung (Z hitung)adalah dan statistik tabel (tabel z dengan tingkat kepercayaan 95%) adalah.96. Diperoleh wilayah kritik z<-.96 dan z>.96. Karena statistik hitung (Z hitung) jatuh pada wilayah kritik maka tolak H0, yang berarti rata-rata pertumbuhan spheres antara pengguna lensa OPTRON ANTI-EMI SV dan pengguna lensa SOLA CR-39 SV berbeda. Dan karena T hitung jatuhnya pada wilayah kritik bagian kiri maka dapat disimpulkan bahwa penggunaan lensa OPTRON ANTI-EMI SV lebih mampu menghambat pertumbuhan spheres dibandingkan lensa SOLA CR-39 SV Pertumbuhan Cylinder Dengan menggunakan uji Z untuk perbandingan selisih rata-rata dari dua buah sampel besar dari peubah cylinder pengguna lensa OPTRON ANTI-EMI SV dan pengguna lensa SOLA CR-39 SV. Hipotesis : H0 : Rata-rata variabel cylinder kedua populasi adalah sama H : rata-rata variabel cylinder kedua populasi tidak sama Pengambilan Keputusan : Berdasarkan hasil perhitungan yang terdapat pada lampiran.b, statistik hitungnya (Z hitung) adalah dan statistik tabel (tabel t dengan tingkat kepercayaan 95%)

9 63 adalah.96. Dengan wilayah kritik : z<-.96 dan z>.96, maka z-hitung jatuh diluar wilayah kritik dan keputusan yang diambil adalah terima H0 yang berarti baik antara menggunakan lensa OPTRON ANTI-EMI SV maupun lensa SOLA CR-39 SV tidak ada perbedaan dalam menghambat pertumbuhan cylinder. 5.5 Analisis Perbandingan Rata-rata Dengan Uji T 2 -Hotelling Dengan menggunakan uji T 2 -Hotelling untuk membandingkan rata-rata vektor dari dua buah sampel dalam hal ini peubah spheres dan cylinder dari pengguna lensa OPTRON ANTI-EMI SV dan lensa SOLA CR-39 SV secara bersamaan. Hipotesis : H0 : Vektor rata-rata variabel perlakuan I sama dengan vektor rata-rata variabel perlakuan II H : Vektor rata-rata variabel perlakuan I dan vektor rata-rata variabel perlakuan II tidak sama Pengambilan keputusan : Berdasarkan hasil perhitungan yang terdapat pada lampiran.c diperoleh T 2 hitung dan statistik hitung F (F hitung) adalah F tabel (dari tabel f dengan tingkat kepercayaan 95%) adalah 3.9. Karena Fhitung > Ftabel maka tolak H0 dan disimpulkan bahwa secara keseluruhan lensa OPTRON ANTI-EMI SV mampu menghambat pertumbuhan miopi dibandingkan dengan lensa SOLA CR-39 SV.

BAB 4 METODOLOGI PENELITIAN. Penelitian dilakukan secara studi literature dengan mengunjungi perpustakaan.

BAB 4 METODOLOGI PENELITIAN. Penelitian dilakukan secara studi literature dengan mengunjungi perpustakaan. BAB 4 METODOLOGI PENELITIAN 4.1 Kerangka Pemikiran dan Hipotesis Penelitian dilakukan secara studi literature dengan mengunjungi perpustakaan. Data yang diperoleh berupa variable bebas yang akan dikelompokan

Lebih terperinci

UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007

UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika dan Statistika Skripsi Sarjana Program Ganda Semester Ganjil 2006/2007 ANALISIS HASIL PERTUMBUHAN MIOPI DAN ASTIGMAT ANTARA PENGGUNA LENSA OPTRON

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN HASIL DAN PEMBAHASAN Data Pengeluaran Per Kapita Propinsi Jawa Timur Tahun 2008 Jawa Timur adalah provinsi yang terdiri dari 29 kabupaten dan 9 kota. Secara umum wilayah provinsi Jawa Timur dapat dibagi

Lebih terperinci

Sum of Variable N Mean StDev Variance Sum Squares Minimum Sphere OPTRON AN

Sum of Variable N Mean StDev Variance Sum Squares Minimum Sphere OPTRON AN L Lampiran.a Hasil Perhitungan Statistik deskriptif Statistik deskriptif untuk Spheres OPTORN ANTI-Emi SV Dengan menggunakan Minitab : Descriptive Statistics: Sphere OPTRON ANTI-EMI SV Sum of Variable

Lebih terperinci

Tabel Perhitungan Waktu Standar

Tabel Perhitungan Waktu Standar waktu baku = = waktu 3,39 normal 100 % 100 % 17 % 100 % 100 % % allowance = 4,08 menit /container. Tabel Perhitungan Waktu Standar No 1 2 3 Proses Kerja Memindakan container dari tanah ke truk (L1) Memindakan

Lebih terperinci

Lampiran 1. Pengukuran morfometrik keong matah merah Parameter No Panjang (cm) Lebar (cm) Berat (gram)

Lampiran 1. Pengukuran morfometrik keong matah merah Parameter No Panjang (cm) Lebar (cm) Berat (gram) LAMPIRAN 54 55 Lampiran 1. Pengukuran morfometrik keong matah merah Parameter No Panjang (cm) Lebar (cm) Berat (gram) Tinggi (cm) 1 3,8 1,8 5 1,3 2 3,7 1,7 5 1,8 3 3,7 1,7 4 1,7 4 4,2 2,1 7 1,7 5 3,7 1,8

Lebih terperinci

BAB IV ANALISIS DAN PEMBAHASAN

BAB IV ANALISIS DAN PEMBAHASAN BAB IV ANALISIS DAN PEMBAHASAN Analisa pemodelan fungsi hubungan pada variabel repon dengan variabel prediktor akan dijelaskan pada bab ini. Analisis yang digunakan pada penelitian ini adalah menggunakan

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

SEBARAN PENARIKAN SAMPEL LOGO

SEBARAN PENARIKAN SAMPEL LOGO SEBARAN PENARIKAN SAMPEL LOGO KOMPETENSI menentukan sebaran penarikan sampel bagi suatu statistik A menentukan sebaran penarikan sampel bagi nilai tengah menentukan sebaran penarikan sampel bagi selisih

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

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

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

Lebih terperinci

Penyusunan Hipotesa : 1. : µ 1 = µ 2 : µ 1 µ 2 2. : µ 1 µ 2 : µ 1 > µ 2 3. : µ 1 µ 2 : µ 1 < µ 2 Apabila data yang diambil dari hasil eksperimen, maka

Penyusunan Hipotesa : 1. : µ 1 = µ 2 : µ 1 µ 2 2. : µ 1 µ 2 : µ 1 > µ 2 3. : µ 1 µ 2 : µ 1 < µ 2 Apabila data yang diambil dari hasil eksperimen, maka MODUL DISTRIBUSI t 1. PENDAHULUAN Pengujian hipotesis dengan distribusi t adalah pengujian hipotesis yang menggunakan distribusi t sebagai uji statistik. Tabel pengujiannya disebut tabel t-student. Distribusi

Lebih terperinci

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR

LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR TNR 12 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL I TNR 12 Space 2.0 STATISTIK

Lebih terperinci

MATERI DAN METODE. Tabel 2. Jumlah Kuda yang Diamati Berdasarkan Lokasi dan Jenis Kelamin

MATERI DAN METODE. Tabel 2. Jumlah Kuda yang Diamati Berdasarkan Lokasi dan Jenis Kelamin MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilakukan di Laboratorium Pemuliaan dan Genetika Ternak, Departemen Ilmu Produksi dan Teknologi Peternakan, Fakultas Peternakan, Institut Pertanian Bogor.

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA

S T A T I S T I K A OLEH : WIJAYA S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.

Lebih terperinci

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik Pertemuan Ke-12 6.4 Uji Hipotesis Langkah langkah pengujian hipotesis : 1. Nyatakan hipotesa nolnya H o bahwa θ = θ o. 2. Pilih hipotesis alternatif H 1 yang sesuai diantara θ < θ o, θ > θ o atau θ # θ

Lebih terperinci

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN Taksiran suatu parameter populasi dapat diberikan berupa taksiran titik atau berupa taksiran selang. Taksiran titik suatu parameter populasi θ merupakan nilai

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

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan 6162 BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan komunikasi matematis siswa dan data hasil skala sikap. Selanjutnya,

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

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA

BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kemampuan pemahaman matematik siswa dan data hasil skala sikap.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. kemampuan pemahaman matematik siswa dan data hasil skala sikap. BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil dan Temuan Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan pemahaman matematik siswa dan data hasil skala sikap. Selanjutnya,

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

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

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

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN 2 5. Pemilihan Pohon Contoh BAB V HASIL DAN PEMBAHASAN Pohon contoh yang digunakan dalam penyusunan tabel volume ini adalah jenis nyatoh (Palaquium spp.). Berikut disajikan tabel penyebaran pohon contoh

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENDUGAAN PARMETER IV. PENDUGAAN PARAMETER Populasi N Sampling Sampel n Rata-rata : μ Simp. Baku : σ Ragam

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

Project Management PROJECT EVALUATION & REVIEW TECHNIQUE (PERT) Boldson S.Kom., MMSI

Project Management PROJECT EVALUATION & REVIEW TECHNIQUE (PERT) Boldson S.Kom., MMSI PROJECT EVALUATION & REVIEW TECHNIQUE () digunakan untuk proyek yang baru dilaksanakan untuk pertama kali, di mana estimasi waktu lebih ditekankan dari pada biayanya. Ciri utamanya adalah adanya tiga perkiraan

Lebih terperinci

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1. 11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter

Lebih terperinci

Ukuran Statistik Bagi Data

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

Lebih terperinci

III OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor

III OBJEK DAN METODE PENELITIAN. Objek penelitian ini menggunakan catatan reproduksi sapi FH impor III OBJEK DAN METODE PENELITIAN 2.1. Objek dan Peralatan Penelitian 2.1.1. Objek Penelitian Objek penelitian ini menggunakan catatan reproduksi sapi FH impor periode pertama tahun 2009. Sapi yang diamati

Lebih terperinci

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan

TINJAUAN PUSTAKA. (statistik) dinamakan galat baku statistik, yang dinotasikan dengan TINJAUAN PUSTAKA Penduga Titik dan Selang Kepercayaan Penduga bagi parameter populasi ada dua jenis, yaitu penduga titik dan penduga selang atau disebut sebagai selang kepercayaan. Penduga titik dari suatu

Lebih terperinci

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

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

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN BAB 5 HASIL DAN PEMBAHASAN BAB 5 HASIL DAN PEMBAHASAN 5.1 Ekstraksi Hasil Pengumpulan Data Tabel 5.1. Hasil Pengumpulan data penelitian dalam kilometer per liter dapat dilihat pada Tabel 5.18 Data Hasil

Lebih terperinci

Sumber: [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting

Sumber:  [2 Agustus 2010] Posisi pengoperasian alat tangkap pada tiap setting LAMPIRAN 48 49 Lampiran 1 Lokasi penelitian 106 o 30 BT 07 o 00 LS Keterangan: Fishing base (Cisolok) U Lokasi penelitian Sumber: http://www.googlemap.com [2 Agustus 2010] Posisi pengoperasian alat tangkap

Lebih terperinci

Lampiran 1 Tahapan Penelitian. Penirisan. 1 ekor karkas ayam segar. Tanpa perlakuan kitosan (Kontrol) Serbuk kitosan komersil.

Lampiran 1 Tahapan Penelitian. Penirisan. 1 ekor karkas ayam segar. Tanpa perlakuan kitosan (Kontrol) Serbuk kitosan komersil. LAMPIRAN 59 60 Lampiran Tahapan Penelitian Serbuk kitosan komersil ekor karkas ayam segar Tanpa perlakuan kitosan (Kontrol) Pembuatan larutan kitosan (0,5 %; %;,5%) Pemotongan Proses perendaman Penirisan

Lebih terperinci

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA Seminar Hasil Tugas Akhir Jurusan Statistika Institut Teknologi Sepuluh Nopember Surabaya 2013 LOGO PERAMALAN BANYAKNYA OBAT PARASETAMOL DAN AMOKSILIN DOSIS 500 MG YANG DIDISTRIBUSIKAN OLEH DINKES SURABAYA

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. penalaran matematis siswa dan data hasil skala sikap. Selanjutnya, peneliti

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. penalaran matematis siswa dan data hasil skala sikap. Selanjutnya, peneliti BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan penalaran matematis siswa dan data hasil skala sikap. Selanjutnya, peneliti

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN BAB IV HASIL PENELITIAN A. Penyajian Statistik Deskripsi Hasil Penelitian Statistik deskriptif ini digunakan sebagai dasar untuk menguraikan kecenderungan jawaban responden dari tiap-tiap variabel, baik

Lebih terperinci

MATERI DAN METODE. Jenis Kelamin Ciamis Tegal Blitar 45 ekor 20 ekor 38 ekor 56 ekor 89 ekor 80 ekor

MATERI DAN METODE. Jenis Kelamin Ciamis Tegal Blitar 45 ekor 20 ekor 38 ekor 56 ekor 89 ekor 80 ekor MTERI DN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di tiga lokasi yang berbeda, yaitu dilaksanakan di Desa Tanjung Manggu, Ciamis; Desa Mejasem Timur, Tegal; dan di Desa Duren Talun, litar. Penelitian

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

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

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

Lebih terperinci

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

1. Pendugaan Parameter

1. Pendugaan Parameter . Pendugaan Parameter Di dalam pendugaan parameter terdapat dua jenis pendugaan yaitu : pendugaan parameter ratarata dari sampel dan pendugaan rata-rata dari populasi.. Pendugaan Parameter Satu Rata-Rata

Lebih terperinci

HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita

HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita HASIL DAN PEMBAHASAN Pendugaan Pengeluaran Per Kapita Kabupaten Jember terdiri dari 247 desa/kelurahan. 14.17% dari jumlah tersebut atau 35 desa/kelurahan terpilih sebagai contoh dalam susenas 2008, dengan

Lebih terperinci

UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009

UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 Dengan Materi: STATISTIKA DESKRIPTIF Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 STATISTIK DESKRIPTIF Metode statistik adalah prosedur-prosedur yang yang digunakan

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

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

Lebih terperinci

BAB 4 DATA. Primatama Konstruksi departemen PPIC (production planning and inventory

BAB 4 DATA. Primatama Konstruksi departemen PPIC (production planning and inventory BAB 4 PENGUMPULAN, PENGOLAHAN DAN ANALISIS DATA 4.1 Pengumpulan Data 4.1.1 Pengumpulan Data Untuk EOQ Dalam melakukan penelitian untuk memecahkan permasalahan di PT. Primatama Konstruksi departemen PPIC

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN

BAB 4 HASIL DAN PEMBAHASAN BAB 4 HASIL DAN PEMBAHASAN Langkah-langkah pengolahan data yang dilakukan, adalah sebagai berikut: 1. Membuat uji validitas, reliabilitas, normalitas pada data kemurnian unsur komposisi kimia. 2. Membuat

Lebih terperinci

Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur.

Pada tugas akhir ini, data yang digunakan adalah data salah satu key characteristic dari suatu produk manufaktur. BAB IV ANALISA DATA 3 BAB 4 ANALISA DATA 4.1 Pendahuluan Dalam suatu proses produksi di industri, data yang akan diolah tidak begitu saja bisa didapatkan. Ada suatu proses sehingga data tersebut bisa didapatkan,

Lebih terperinci

ANALISIS STATISTIKA. Pertemuan 2 Statistika Dasar (Basic Statistics)

ANALISIS STATISTIKA. Pertemuan 2 Statistika Dasar (Basic Statistics) ANALISIS STATISTIKA Pertemuan Statistika Dasar (Basic Statistics) Statistika Deskripsi dan Eksplorasi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Tehnik

Lebih terperinci

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama

LAMPIRAN. Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama 48 LAMPIRAN Lampiran 1. Data Performa Reproduksi Sapi Perah Impor Pertama No. ID Sapi... Selanjutnya Ke Tanggal Tanggal Kawin Pertama Jumlah Servis (Kali) Service Period Lama Kosong Selang 1 776 1 13/08/2009

Lebih terperinci

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS

Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Perbandingan Proses Pembelajaran di FTI dan FMIPA ITS Oleh Nama : Eva Wahyu Hariyati NRP : 1308 030 003 Dosen Pembimbing : Dra. Lucia Aridinanti, MT Karakter FTI dan FMIPA yang berbeda Orientasi tiap jurusan

Lebih terperinci

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

DISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat

Lebih terperinci

MODUL DISTRIBUSI T. Objektif:

MODUL DISTRIBUSI T. Objektif: MODUL DISTRIBUSI T Objektif: 1. Membantu mahasiswa memeahami materi Distribusi t 2. Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi t I. PENDAHULUAN Pengujian hipotesis

Lebih terperinci

Perancangan Percobaan

Perancangan Percobaan Bab 2 Perancangan Percobaan 2. Merancang Percobaan Percobaan adalah suatu kegiatan yang dilakukan untuk membangkitkan data yang merupakan respon dari objek, individu, atau unit yang dikondisikan tertentu.

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

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α Pengujian Hipotesis Hipotesis: kesimpulan sementara dari penelitian, yang akan dibuktikan dengan data empiris Utk diuji secara statistik hipotesis statistik (Ho vs H1) : pernyataan (dugaan) mengenai satu

Lebih terperinci

BAB V HASIL DAN PEMBAHASAN

BAB V HASIL DAN PEMBAHASAN BAB V HASIL DAN PEMBAHASAN.1. Karakteristik Data Pengamatan karakteristik tegakan hutan seumur puspa dilakukan pada dua plot di Hutan Pendidikan Gunung Walat dengan luas masing-masing plot berukuran 1

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

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

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

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

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

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2011 PENGUJIAN HIPOTESIS V. PENGUJIAN HIPOTESIS Hipotesis adalah jawaban sementara terhadap suatu masalah. Setiap

Lebih terperinci

Lampiran 4. Uji Kenormalan Data.

Lampiran 4. Uji Kenormalan Data. 166 Lampiran 4. Uji Kenormalan Data. Untuk menguji kenormalan data, penulis menggunakan Minitab versi 13. Hal ini dilakukan untuk mempermudah perhitungan. Langkah-langkah yang dilakukan yaitu : 1. Masukkan

Lebih terperinci

BAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM

BAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM BAB IV PENDUGAAN VOLATILITAS INDEKS HARGA SAHAM 4.1 Indeks Harga Saham Saham merupakan salah satu investasi yang menjanjikan bagi investor pada saat ini. Pertumbuhan ekonomi Indonesia yang cukup baik,

Lebih terperinci

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Digunakan istilah diterima atau ditolak untuk suatu hipotesis Penolakan suatu hipotesis berarti menyimpulkan bahwa

Lebih terperinci

BAB V SIMPULAN DAN SARAN

BAB V SIMPULAN DAN SARAN 75 BAB V SIMPULAN DAN SARAN 5.1 Simpulan Berdasarkan hasil penelitian dan pembahasan yang telah dikemukakan maka penulis dapat menarik simpulan bahwa penerapan biaya standar dalam pengendalian biaya produksi

Lebih terperinci

LEMBAR PENILAIAN. Kode Penampakan Aroma Tekstur Warna

LEMBAR PENILAIAN. Kode Penampakan Aroma Tekstur Warna Lampiran 1 Score sheet uji kesukaan (uji hedonik) mie basah Nama Produk : Mie basah Nama panelis : Tanggal pengamatan : LEMBAR PENILAIAN Isilah kolom berikut sesuai dengan kode yang tertera sesuai tingkat

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

MATERI DAN METODE. Gambar 2. Ayam Kampung Jantan (a) dan Ayam Kampung Betina (b) dari Daerah Ciamis

MATERI DAN METODE. Gambar 2. Ayam Kampung Jantan (a) dan Ayam Kampung Betina (b) dari Daerah Ciamis MATERI DAN METODE Lokasi dan Waktu Penelitian ini dilaksanakan di Ciamis (Jawa Barat), Tegal (Jawa Tengah) dan Blitar (Jawa Timur). Waktu penelitian dibagi menjadi tiga periode. Periode pertama yaitu pengukuran

Lebih terperinci

LAMPIRAN 1. Struktur Organisasi PT. Soho

LAMPIRAN 1. Struktur Organisasi PT. Soho 8 LAMPIRAN Struktur Organisasi PT. Soho 83 LAMPIRAN Perhitungan Jumlah Sampel Minimum Menurut Sritomo (995, p 84), untuk menetapkan jumlah observasi yang seharusnya dibuat (N ) maka disini harus diputuskan

Lebih terperinci

TEORI PENDUGAAN (TEORI ESTIMASI)

TEORI PENDUGAAN (TEORI ESTIMASI) TEORI PENDUGAAN (TEORI ESTIMASI) Tujuan Pembelajaran Mempelajari bagaimana cara melakukan pendugaan parameter populasi berasarkan statistik yang dihitung dari sampel A. Pendahuluan Pendahuluan : Tujuan

Lebih terperinci

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran)

OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 05, No. 2 (2016), hal 113 118. OPTIMASI PRODUKSI DENGAN METODE RESPONSE SURFACE (Studi Kasus pada Industri Percetakan Koran) Eka Dian Rahmawati,

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

Perawatan ortodonti dengan pencabutan premolar pertama. Retraksi anterior

Perawatan ortodonti dengan pencabutan premolar pertama. Retraksi anterior Lampiran. KERANGKA KONSEP Perawatan ortodonti dengan pencabutan molar pertama Retraksi anterior Perubahan dental Perubahan jaringan lunak bibir Perubahan jarak puncak insisial atas ke sumbu Y (PM Line)

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

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

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Statistika Deskripsi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Teknik Penyajian Data Tabel Gambar

Lebih terperinci

Antiremed Kelas 11 Matematika

Antiremed Kelas 11 Matematika ntiremed Kelas 11 Matematika Statistika - Data Tunggal - Set 1 Uraian Doc. Name: R11MT0106 Version : 2012-08 halaman 1 01. Hitunglah mean, median, dan modus dari () 4, 4, 7, 5, 9, 8, 3, 2, 5, 4 () 25,

Lebih terperinci

(ESTIMASI/ PENAKSIRAN)

(ESTIMASI/ PENAKSIRAN) ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun

Lebih terperinci

METODE. Materi. Tabel 2. Distribusi Ayam Kampung yang Digunakan

METODE. Materi. Tabel 2. Distribusi Ayam Kampung yang Digunakan METODE Lokasi dan Waktu Penelitian ini dilaksanakan di desa Tanjung Manggu Sindangrasa, Imbanagara, Ciamis, Jawa Barat; di desa Dampyak, Mejasem Timur, Tegal, Jawa Tengah dan di desa Duren Talun, Blitar,

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

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum,

BAB IV ANALISIS HASIL DAN PEMBAHASAN. penelitian ini meliputi jumlah sampel (N), nilai minimum, nilai maksimum, 44 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Statistik Deskriptif Berdasarkan hasil analisis statistik deskriptif, maka pada Tabel 4.1 berikut ini akan ditampilkan karakteristik sample yang digunakan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Hasil dan Temuan Penelitian Data yang diperoleh dalam penelitian ini adalah data nilai tes kemampuan pemahaman matematis siswa dan data hasil skala sikap.

Lebih terperinci

SEBARAN PENARIKAN CONTOH

SEBARAN PENARIKAN CONTOH STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean

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

Pengujian Hipotesis. Oleh : Dewi Rachmatin

Pengujian Hipotesis. Oleh : Dewi Rachmatin Pengujian Hipotesis Oleh : Dewi Rachmatin Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Akan digunakan istilah diterima atau ditolak pada bagian ini Penolakan

Lebih terperinci

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q)

KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) SIDANG TUGAS AKHIR KAJIAN METODE BOOTSTRAP DALAM MEMBANGUN SELANG KEPERCAYAAN DENGAN MODEL ARMA (p,q) Disusun oleh : Ratna Evyka E.S.A NRP 1206.100.043 Pembimbing: Dra. Nuri Wahyuningsih, M.Kes Dra.Laksmi

Lebih terperinci

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

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

Lebih terperinci

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah Statistika I Pertemuan & 3 Statistika Dasar (Basic( Statistic) Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Konsep Peubah Definisi Peubah merupakan karakteristik dari objek yang sedang diamati,

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

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

Lebih terperinci

King s Learning Be Smart Without Limits NAMA : KELAS :

King s Learning Be Smart Without Limits NAMA : KELAS : NAMA : KELAS : A. PENGERTIAN STATISTIKA Statistika adalah ilmu yang mempelajari cara mengumpulkan dan menyusun data, mengolah dan menganalisis data, serta menyajikan data. Statistik adalah hasil dari pengolahan

Lebih terperinci

BAB IV METODE PENELITIAN

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk pengujian validitas tes angket pada penelitian ini dilakukan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Untuk pengujian validitas tes angket pada penelitian ini dilakukan BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Uji Validitas dan Reliabilitas Tes Angket 1. Uji Validitas Tes Angket Untuk pengujian validitas tes angket pada penelitian ini dilakukan

Lebih terperinci

Analisis Peubah Ganda

Analisis Peubah Ganda Analisis Peubah Ganda Analisis Komponen Utama Dr. Ir. I Made Sumertajaya, M.Si Pengamatan Peubah Ganda - memerlukan sumberdaya lebih, dalam analisis - informasi tumpang tindih pada beberapa peubah Apa

Lebih terperinci

MATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi

MATERI DAN METODE. Tabel 3. Jumlah Kuda Delman yang Diamati pada Masing-masing Lokasi MATERI DAN METODE Lokasi dan Waktu Penelitian ini menggunakan data sekunder pengamatan yang dilakukan oleh Dr. Ir. Ben Juvarda Takaendengan, M.Si. Pengolahan data dilakukan di Laboratorium Pemuliaan dan

Lebih terperinci

Percobaan 1 Percobaan 2

Percobaan 1 Percobaan 2 direpresentasikan dengan histogram. Perlakuan pertama terhadap data-data penelitian ini adalah menghitung histogramnya. Kemudian dari interval antara 0-255 akan dibagi menjadi interval-interval bagian

Lebih terperinci