STATISTIK PERTEMUAN VIII

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "STATISTIK PERTEMUAN VIII"

Transkripsi

1 STATISTIK PERTEMUAN VIII

2 Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag besar aka diselidiki harga-harga parameterya, utuk megetahuiya aka dilakuka pegamata terhadap uit-uit dalam sampel yag aka diestimasi meskipu aka meimbulka ketidak pastia

3 KLASIFIKASI ESTIMASI () ESTIMASI HARGA MEAN (µ) Dari suatu populasi aka ditaksir berapa besarya harga rata-rata ( mea) a)jika diguaka sampel besar ( 30) Jika 30 maka distribusi samplig harga X didistribusika ormal dega mea da stadard deviasi.

4 Notasi iterval utuk estimasi sampel besar ( 30) : X Z X / * Z / * Dimaa besar kesalaha maksimum dapat dicari dega : Keteraga : E max Z / * X = ilai rata-rata suatu populasi = deviasi stadard = bayakya data = ilai dari tabel ormal Z /

5 b) Jika diguaka sampel kecil ( < 30 ) Maka otasi iterval estimasi utuk sampel kecil sbb : s X t / * X t / * Cotoh Estimasi : Perusahaa RST memproduksi hardisk X dega berat bersih meyebar ormal dega simpaga baku =5 gram. Dari produksi tersebut dipilih satu cotoh acak berukura 64, setelah ditimbag dega seksama diperoleh berat bersih rata-rata = 360 gr. Taksirlah rerata berat bersih hardisk tersebut dega selag kepercayaa 95% s

6 Cotoh Soal Estimasi Jawab : Selag kepercayaa 95%. Maka sebagai acua utuk Z/ diguaka tabel Normal. caraya : cari = - 0,95 = 0,05 Z/ = 0,5 0,05/ = Z/ =,96 Sehigga iterval estimasi yag diperoleh sbb : (,96)* 360 (,96)* , , ,33 363,

7 (3) ESTIMASI HARGA PROPORSI (P) Jika sampel-sampel radom sebesar diambil dari suatu populasi yag besar da a bayakya uit yag bersifat A dalam sampelsampel tersebut, maka distribusi samplig medekati harga ormal. Sehigga iterval keyakia utuk P adalah sebagai berikut : a Z / p( p) a * p Z / * p( p)

8 Nilai kesalaha Maksimum : E Max Z / * Catata : bila a tidak diketahui, maka digati dega P Cotoh soal : Suatu sampel radom yag terdiri dari 400 Keuarga di suatu daerah diketahui 0% Diataraya mempuyai pekerjaa (mata Pecaharia) berdagag. Tetuka iterval Kovidesi 97% utuk meaksir proporsi pedagag di daerah tersebut!

9 Jawab : Cotoh soal : Diketahui : P = proporsi pedagag, a/ = 0% N = bayakya pedagag = 400 tigkat keyakia 97% =,7 tabel ormal) (lihat Maka iterval kofidesi proporsi pedagag sebagai berikut : 0, (,7)* 0,*( 0,) 400 P 0, (,7)* 0,*( 0,) 400 0, - 0,035 P 0, + 0, P 0.35

10 (3) Estimasi Harga Stadard Deviasi() a) Jika diguaka sampel besar ( 30) Jika sampel radom sebesar, ( 30), maka aka didistribusika ormal. Iterval Estimasi dapat ditulis sbb : s s Z / Z / b) Jika diguaka sampel kecil ( < 30 ) Jika sampel radom sebesar, maka distribusi samplig didistribusika meurut distribusi Chi Kuadrat

11 Iterval kovidesi jika < 30 Diotasika sebagai berikut : ( ) s X / ( ) s X / Cotoh Soal : Suatu sampel radom yag terdiri dari 5 uit diambil dari suatu populasi yag dapat diaggap medekati ormal, da didapat S=,6. Tetuka iterval kovidesi 96% utuk megestimasi dari populasi tersebut.

12 Cotoh Soal : Jawab : Diketahui : = 5, S =,6 Tigkat kofidesi ( - ) = 96%, /=% Sehigga X (%; 5-) = 6,873 da X (98%; 5 ) = 5,368 Jadi iterval kovidesi utuk 96% adalah : (5 ).6 6,873 (5 ).6 5,368 5,6 34,9

13 Klasifikasi Estimasi utuk Populasi () Estimasi Harga Perbedaa dua mea jika diguaka populasi ke da populasi ke- utuk dilakuka estimasi perbedaa kedua meaya, yaitu : ( µ - µ ) maka perlu diambil sampel radom utuk kedua populasi tersebut. a) Jika diguaka sampel besar ( 30 ) Jika sampel radom sebesar da, berturut-turut diambil dari populasi ke da ke da misalka X = mea sampel dari populasi ke da X = mea sampel dari populasi ke, maka distribusi samplig harga statistik medekati distribusi ormal.

14 Notasi Iterval utuk harga-harga dua mea / / * ) ( * ) ( Z X X Z X X / ) ( ) ( S S Z X X E Besarya kesalaha Maksimum :

15 b) Jika diguaka sampel kecil ( < 30 da < 30 ) Kedua populasi didistribusika meurut distribusi ormal dega megacu pada pada tabel studet Notasi Iterval kovidesi utuk harga ratarata dua mea sbb : ( X X ) t S( X X ) ( X X ) S( X X ) / /

16 Cotoh Soal : () Suatu perusahaa rokok megirim ke laboratorium dua jeis tembakau yag diguaka di dalam produksiya, gua meduga perbedaa rata-rata kadar ikotiya. Dari jeis I dilakuka 5 kali aalisa da dari jeis II dilakuka 6 kali aalisa. Dari hasil aalisa ii diketahui bahwa kadar ikoti pada setiap batag sebagai berikut ( dalam mg) : Jeis I : 5,, 3, 6, 0 Jeis II : 4, 5, 8,,, 4 Tetuka iterval kofidesi 98% utuk perbedaa rata-rata kadar ikoti kedua jeis tembako tersebut!

17 Jawab : Cotoh Soal SAMPEL JENIS I SAMPEL JENIS I X (X X ) X (X X )

18 Cotoh Soal Dimaa : = 5 = 6 X = 5/5 = 3 X = 44/6 = 4 S = 6/4 S = 30/5 Tigkat kovidesi ( - ) = 98%, / = % t(%; 5+6 ) =.8 Sehigga iterval kovidesi utuk dua mea sbb :

19 Cotoh Soal Sehigga iterval kovidesi utuk dua mea sbb : (4) 6 (5) (3 4),8* ( ) (3 4),8* (3 4) (,8)*(,506) ( ) (3 4) (,8)*(,506) 4,5 ( ) 4,5 5,5 ( ) 3,5 (4) 6 (5)

20 () Estimasi Harga Dua Proporsi (P -P ) Jika P da P tidak terlalu kecil da tidak selalu besar, maka harga distribusi samplig harga statistik aka didistribusika medekati distribusi ormal dega harga mea = ( p p) da stadard deviasi adalah : P ( P ) P ( P )

21 Iterval Kofidesi utuk Dua Proporsi ( P P) adalah sbb : / / ) ( ( ) ( ) ( ( a a a a Z P P a a a a Z a a Dimaa : jika tidak diketahui a atau a dapat digati dega P atau P

22 Cotoh Soal Estimasi Dua Proporsi () Sebuah perusahaa komputer membuat dua buah software ati virus yaki jeis A da B. Utuk keperlua peelitia, maka diistal pada dua buah komputer yag berisi 000 jeis virus, setelah kedua komputer diisi dega virus tersebut, kemudia diistal ati virus jeis A utuk komputer I da ati virus jeis B utuk komputer II. Beberapa saat kemudia diketahui dalam komputer I terdapat 85 virus yag dapat dioaktifka da pada komputer II terdapat 760 virus yag berhasil dioaktifka. Tetuka selag kepercayaa 95% bagi beda proporsi kematia virus oleh ati virus jeis A da B.

23 Cotoh Soal Estimasi Dua Proporsi Jawab : Diketahui : a = 85 a = 760 = 000 = 000 Kofidesi 95% = / = 0,05 Z / = 0, = 0,4750 Berdasarka tabel ormal =,96 (Z / ) Sehigga iterval estimasi beda dua proporsi sbb : ( ) ( ) ,96 ( P P ) ,65 (,96)(0,08) ( P P ) 0,65 (,96)(0,08) 0,095 ( P P ) 0, ,96 85 ( 85 ) ( 760 )

24 CARA MEMBACA TABEL NORMAL LANGKAH-LANGKAHNYA :. Lihat ilai kofidesiya, misal 95% sehigga / = 0,5/ = 0.05, maka utuk distribusi ormal Z/ = 0, = 0,4750. Lihat ke tabel ormal. Silahka di dowload. 3. Berdasarka tabel maka ilai berada pada baris ke.9 kolom 0.6. Sehigga ilai kofidesi 95% Z/ =,96

25 CARA MEMBACA TABEL STUDENTS (t) LANGKAH-LANGKAHNYA : () Lihat ilai kofidesiya, misal 95% sehigga / = 5/ = 0.05, maka utuk distribusi ormal utuk studets t/ = (/ ; ). Adaika = 0 t/ = ( 0,05; 9) Kolom Baris () Lihat ke tabel Studet s. Silahka di dowload. Berdasarka tabel maka pertemua atara baris ( 9) da kolom ( 0,05) bertemu pada titik =,6 sehigga ilai kofidesi 95% t/ =,6

26 CARA MEMBACA TABEL CHI KUADRAT ( x ) LANGKAH-LANGKAHNYA : () Lihat ilai kofidesiya, misal 96% sehigga / = 4/ = %, maka utuk distribusi ormal utuk Chi Kuadrat X / = (% ; 0 ) da X / = (98%l; 0- ) (Adaika = 0 X / = ( %; 9) da X / = (98%l; 9 ) () Lihat ke tabel Chi Kuadrat. Silahka di dowload. Berdasarka tabel maka pertemua atara baris ( 9) da kolom ( 0,0) bertemu pada titik = da baris (9) da kolom (0.98) bertemu pada titik =.53 sehigga ilai kofidesi 96% X / = da X / =.53

27 LATIHAN SOAL () Suatu cotoh acak berukura = 500 rumah tagga yag koeksi iteret di suatu kota. Berdasarka cotoh ii kemudia diketahui bahwa terdapat 340 pemilik yag terkoeksi ke iteret di rumahya. Tetuka ukura cotoh yag diperluka jika tigkat kepercayaa 98% bagi proporsi rumah tagga yag koeksi ke iteret di kota tersebut.

28 LATIHAN SOAL () Suatu proses produksi meghasilka produk haria dega simpaga baku σ = 0 to. Seorag peeliti igi meduga rataa produk haria µ dega selag kepercayaa 96% da galat tidak lebih dari,5 to. Tetuka ukura cotoh yag diperluka

29 LATIHAN SOAL (3) Dua cotoh acak masig-masig dipilih dari dua populasi A da B yag seragam da meyebar ormal. Hasil dari pegamata cotoh tersebut adalah sbb : Cotoh A, 5 9,4, 7, 3 9,9 8,7 9,6,5 0, 3 0, 6 9,6 9,7 Cotoh 9,4, 9,7 0,4 6,9 7,3 B 8,4 6 7,0 8,, 9, Berdasarka pegamata cotoh, tetuka selag kepercayaa 95% bagi selisih rerataa populasi A da B. 7, 7

30 Petujuk Silahka ada mecoba soal latiha tersebut selama 30 meit. Bagi yag sudah dapat melihat kuci jawabaya dega medowload. Igat ada tidak aka paham jika tidak mecoba soal latiha. Jaga melihat kuci jawaba sebelum ada megerjaka terlebih dahulu. Silahka didowload.

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi

Pengertian Estimasi Titik. Estimasi (Pendugaan) Estimasi (Pendugaan) Estimasi (Pendugaan) Populasi dan Sampel. Mean Proporsi Chapter 6 Studet Lecture Notes 6-1 Hal-1 Hal-2 Estimasi (Pedugaa) Estimasi (Pedugaa) TOPIK Pegertia Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Iterval Estimasi iterval

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemua VI Sebara Pearika Cotoh Septia Rahardiatoro - STK IPB 1 Sebara Pearika Cotoh Megidetifikasi sebara suatu fugsi dari cotoh ketika diambil dari suatu populasi X

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Bab 6 PENAKSIRAN PARAMETER

Bab 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Stadar Kompetesi : Setelah megikuti kuliah ii, mahasiswa dapat memahami hubuga ilai sampel da populasi da meetuka distribusi samplig yag tepat utuk diguaka Kompetesi Dasar :

Lebih terperinci

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan

Selang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa

Lebih terperinci

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1

Proses Pendugaan. 95% yakin bahwa diantara 40 & 60. Mean X = 50. Mean,, tdk diketahui. Contoh Prentice-Hall, Inc. Chap. 7-1 Proses Pedugaa Populasi Mea,, tdk diketahui Cotoh Acak Mea = 50 95% yaki bahwa diatara 40 & 60. Cotoh 1999 Pretice-Hall, Ic. Chap. 7-1 Pedugaa Parameter Populasi Meduga Parameter Populasi... Mea dg Statistik

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2

Sampling Process and Sampling Distribution Inference : Point and Interval Estimates. Pertemuan 2 Samplig Process ad Samplig Distributio Iferece : Poit ad Iterval Estimates Pertemua 1 CAKUPAN MATERI: Pemahama tetag Samplig Sampel Acak Sederhaa (Simple Radom Samplig SRS) Estimasi Titik (Poit Estimatio)

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN 9 III. METODE PENELITIAN A. Lokasi da Objek Peelitia Peelitia ii dilakuka di RPH Tejo Petak 10i, BKPH Parug Pajag KPH Bogor, Perum Perhutai Uit III Jawa Barat da Bate. Objek peelitia adalah waktu kerja

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Chapter 7 Student Lecture Notes 7-1

Chapter 7 Student Lecture Notes 7-1 Chapter 7 Studet Lecture Notes 7-1 DASAR-DASAR UJI Hipotesis: Hipo (di bawah) da Tesis (peryataa yag telah diuji) Hipotesis Statistik:suatu proposisi atau aggapa megeai parameter populasi yag dapat diuji

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pegujia Hipotesis Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : = 0 Butuh pembuktia berdasarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : x 5 Hal itu merupaka

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN 8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika

Lebih terperinci

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB

Sebaran Penarikan Contoh. Dept Statistika FMIPA IPB Sebara Pearika Cotoh Dept Statistika FMIPA IPB Statistik: karakteristik umerik yag diperoleh dari data cotoh Dari sebuah populasi dapat diperoleh bayak cotoh acak. Dari setiap cotoh acak, dapat dihitug

Lebih terperinci

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi

Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya PENS. Probability and Random Process. Topik 10. Regresi Program Pasca Sarjaa Terapa Politekik Elektroika Negeri Surabaya Probability ad Radom Process Topik 10. Regresi Prima Kristalia Jui 015 1 Outlie 1. Kosep Regresi Sederhaa. Persamaa Regresi Sederhaa 3.

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,

Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

A. Interval Konfidensi untuk Mean

A. Interval Konfidensi untuk Mean ESTIMASI INTERVAL A. Iterval Kofidei utuk Mea Defiii Jika ˆ merupaka etimator utuk parameter da P ˆ ˆ, maka ˆ ˆ diebut Dimaa iterval kofidei(-)00% utuk. :- koefiie kofidei ˆ, ˆ bata iterval tigkat kealaha

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu

Range atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab

Lebih terperinci

UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A

BAB 7 PEN P GUJ GU IAN HIPO P T O ES T A BAB 7 PENGUJIAN HIPOTESA Meguji Rata-rata µ Umpamakalah kita mempuyai sebuah populasi berdistribusi ormal dega rata-rata µ da simpaga baku σ. Aka diuji megeai parameter rata-rata µ Utuk pasaga hipotesa

Lebih terperinci

Distribusi Sampel Sampling Distribution

Distribusi Sampel Sampling Distribution Chapter 5 Studet Lecture otes 5-1 Samplig Distributio Pegatar Distribusi mea Sampel dari ilai Rata-rata Distribusi mea Sampel dari ilai Proporsi Chap 5-1 Distribusi sampel adalah f() distribusi dari ratarata

Lebih terperinci

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.

II. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel. II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar

DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA5182 Topik dalam Statistika I: Statistika Spasial 6 September 2012 Utriweni Mukhaiyar INFERENSI STATISTIKA DISTRIBUSI SAMPEL PENAKSIRAN UJI HIPOTESIS MA518 Topik dalam Statistika I: Statistika Spasial 6 September 01 Utriwei Mukhaiyar DISTRIBUSI SAMPEL Beberapa defiisi Suatu populasi terdiri

Lebih terperinci

Pengenalan Pola. Regresi Linier

Pengenalan Pola. Regresi Linier Pegeala Pola Regresi Liier PTIIK - 014 Course Cotets 1 Defiisi Regresi Liier Model Regresi Liear 3 Estimasi Regresi Liear 4 Studi Kasus da Latiha Defiisi Regresi Liier Regresi adalah membagu model utuk

Lebih terperinci

Pendugaan Parameter 1

Pendugaan Parameter 1 Topik Bahaa: Pedugaa Parameter 1 (Selag Pedugaa, Pedugaa Selag 1 Rata-Rata) Pertemua ke II 1 Ilutrai Statitika Ifereia : Mecakup emua metode yag diguaka utuk pearika keimpula atau geeraliai megeai populai

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter Pedahulua Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

Metode Statistika Pertemuan IX-X

Metode Statistika Pertemuan IX-X /7/0 Metode Statitika Pertemua IX-X Statitika Ifereia: Pedugaa Parameter Populai : Parameter Cotoh : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ditribui amplig PENDUGA TAK

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Lokasi da objek peelitia Lokasi peelitia dalam skripsi ii adalah area Kecamata Pademaga, alasa dalam pemiliha lokasi ii karea peulis bertempat tiggal di lokasi tersebut sehigga

Lebih terperinci

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25

III BAHAN DAN METODE PENELITIAN. Ternak yang digunakan dalam penelitian ini adalah kuda berjumlah 25 18 III BAHAN DAN METODE PENELITIAN 3.1 Baha Peelitia 3.1.1 Objek Peelitia Terak yag diguaka dalam peelitia ii adalah kuda berjumlah 25 ekor terdiri dari 5 jata da 20 betia dega umur berkisar atara 10 15

Lebih terperinci

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran

TEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira

Lebih terperinci

BAHAN AJAR STATISTIKA MATEMATIKA 2 Matematika STKIP Tuanku Tambusai Bangkinang. 7. PENAKSIRAN ( Taksiran Interval untuk rataan, varian dan proporsi)

BAHAN AJAR STATISTIKA MATEMATIKA 2 Matematika STKIP Tuanku Tambusai Bangkinang. 7. PENAKSIRAN ( Taksiran Interval untuk rataan, varian dan proporsi) Pertemua0 BAHAN AJAR STATISTIKA MATEMATIKA 2 Matematika STKIP Tuaku Tambusai Bagkiag 7. PENAKSIRAN ( Taksira Iterval utuk rataa, varia da proporsi) 7.1 Pedahulua Pada pembahasa sebelumya adalah meletakka

Lebih terperinci

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4] PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu

Lebih terperinci

PENGUJIAN HIPOTESA BAB 7

PENGUJIAN HIPOTESA BAB 7 PENGUJIAN IPOTESA BAB 7 Pedahulua ipotesis ( upo : lemah, Thesis : peryataa ) Diartika :. Peryataa yag masih lemah kebearaya da perlu dibuktika. Dugaa yag sifatya masih semetara ipotesis ii perlu utuk

Lebih terperinci

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.

L A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat. L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba

Lebih terperinci

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu

III. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :

Lebih terperinci

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai

PENDAHULUAN. Statistika penyajian DATA untuk memperoleh INFORMASI penafsiran DATA. Data (bentuk tunggal : Datum ) : ukuran suatu nilai 1. Pegertia Statistika PENDAHULUAN Statistika berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah. Statistika peyajia DATA utuk memperoleh

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

STATISTIKA SMA (Bag.1)

STATISTIKA SMA (Bag.1) SMA - STATISTIKA SMA (Bag. A. DATA TUNGGAL. Ukura Pemusata : Terdapat ilai statistika yag dapat dimiliki oleh sekumpula data yag diperoleh yaitu : a. Rata-rata Rata-rata jumlah seluruh data bayakya data

Lebih terperinci

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data

IV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.

Lebih terperinci

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu.

METODE PENAKSIRAN PENAKSIRAN ILUSTRASI CONTOH. pendekatan metode tertentu. Nilai sesungguhnya dari suatu parameter yang berada di selang tertentu. ENAKIRAN eaksira Titik eaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk MA 08 tatistika Dasar Dose : Udjiaa. asaribu Utriwei Mukhaiyar 6 April 009 METODE ENAKIRAN. eaksira Titik Nilai tuggal dari

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm

BAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

PERTEMUAN 6-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 6-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 6-MPC 2 PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK PPS Cluster Samplig Misalka suatu daerah terdiri dari N cluster yag masig-masig cluster terdiri dari eleme. Dari populasi tersebut,

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

Penarikan Sampel Acak Sederhana

Penarikan Sampel Acak Sederhana Tekik Samplig Pearika Sampel Acak Sederhaa Hazmira Yozza- Jur. Matematika Uad 17/11/014 Tujua Pearika Sampel Megambil kesimpula megeai populasi berdasarka iformasi yag terkadug pada sampel Ukura sampel

Lebih terperinci

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.

Uji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05. MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa

Lebih terperinci

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012

Distribusi Peluang BERBAGAI MACAM DISTRIBUSI SAMPEL. Distribusi Peluang 5/6/2012 5/6/0 Distribusi Peluag BERBAGAI MACAM DISTRIBUSI SAMPEL Distribusi peluag, P( x), adalah kumpula pasaga ilai-ilai variabel acak Cotoh: Jika dua buah koi dilempar bersamaa. Kejadia bayakya mucul agka.

Lebih terperinci

METODOLOGI PENELITIAN. Penelitian ini telah dilakukan di Desa Koto Perambahan Kecamatan Kampar

METODOLOGI PENELITIAN. Penelitian ini telah dilakukan di Desa Koto Perambahan Kecamatan Kampar III. METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii telah dilakuka di Desa Koto Perambaha Kecamata Kampar Timur Kabupate Kampar. Waktu pelaksaaa peelitia ii sekitar 3 bula yaki Bula Oktober-Desember

Lebih terperinci

BAB IV APLIKASI METODE CALLBACK. Dalam bab sebelumnya telah dibahas mengenai cara mengatasi

BAB IV APLIKASI METODE CALLBACK. Dalam bab sebelumnya telah dibahas mengenai cara mengatasi BAB IV APLIKASI METODE CALLBACK Dalam bab sebelumya telah dibahas megeai ara megatasi orespo yaitu dega melakuka allbak pada respode yag tidak merespo. Callbak pada peelitia ii dibatasi haya sampai t =

Lebih terperinci

PERTEMUAN 12-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 12-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 12-MPC 2 PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK POKOK BAHASAN 1 THREE STAGE SAMPLING Three Stage Samplig Secara umum, pearika sampel tiga tahap dilakuka dega tahapa sebagai

Lebih terperinci

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

Lebih terperinci

PERTEMUAN 5-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 5-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 5-MPC 2 PRAKTIK Oleh: Adhi Kuriawa SEKOLAH TINGGI ILMU STATISTIK Uequal Cluster Samplig Misalka satu gugus sampel yag berukura cluster yag ditarik dari N cluster secara simple radom samplig wor.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN 38 BAB III METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia adalah suatu cara ilmiah utuk medapatka data dega tujua tertetu. Peelitia yag megagkat judul Efektivitas Tekik Permaia Pioy Heyo dalam

Lebih terperinci

STATISTIKA DAN PELUANG BAB III STATISTIKA

STATISTIKA DAN PELUANG BAB III STATISTIKA Matematika Kelas IX Semester BAB Statistika STATISTIKA DAN PELUANG BAB III STATISTIKA A. Statistika Pegertia Statistika Statistika adalah ilmu yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis

Lebih terperinci

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET

BAHAN AJAR ANALISIS REAL 1 Matematika STKIP Tuanku Tambusai Bangkinang 5. DERET Pertemua 7. BAHAN AJAR ANALISIS REAL Matematika STKIP Tuaku Tambusai Bagkiag 5. da kekovergeaya 5. DERET Diberika sebuah barisa a, dapat didefeisika barisa bilaga real S N dega S N := N a = a + a 2 +...

Lebih terperinci

BAB III MATERI DAN METODE. Ettawa Berdasarkan Bobot Lahir dan Bobot Sapih Cempe di Satuan Kerja

BAB III MATERI DAN METODE. Ettawa Berdasarkan Bobot Lahir dan Bobot Sapih Cempe di Satuan Kerja 8 BAB III MATERI DAN METODE Peelitia tetag Pedugaa Keuggula Pejata Kambig Peraaka Ettawa Berdasarka Bobot Lahir da Bobot Sapih Cempe di Satua Kerja Sumberejo Kedal dilakuka di Satua Kerja Sumberejo Kedal.

Lebih terperinci

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden,

III. BAHAN DAN METODE. Penelitian ini dilaksanakan pada bulan April 2014 di BBPTU-HPT Baturraden, III. BAHAN DAN METODE A. Waktu da Tempat Peelitia Peelitia ii dilaksaaka pada bula April 014 di BBPTU-HPT Baturrade, Purwokerto. B. Baha da Alat Peelitia Baha peelitia ii yaitu rekordig produksi susu laktasi

Lebih terperinci

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN

BAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi

Lebih terperinci

UKURAN PEMUSATAN UKURAN PENYEBARAN

UKURAN PEMUSATAN UKURAN PENYEBARAN UKURAN PEMUSATAN DATA TUNGGAL DATA KELOMPOK. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL. MEAN / RATA-RATA. MODUS 3. MEDIAN 4. KUARTIL UKURAN PENYEBARAN JANGKAUAN HAMPARAN RAGAM / VARIANS SIMPANGAN BAKU

Lebih terperinci