Statistika Psikologi 1
|
|
- Yandi Johan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Modul ke: 08 Statistika Psikologi 1 Distribusi Normal Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si.
2 Distribusi Normal Distribusi data yang ditandai oleh bentuk seperti lonceng yang sempurna Secara Matematis dinyatakan dengan rumus: π dan e adalah nilai konstan (π = dan e = ) μ adalah rata-rata dan σ adalah standar deviasi 2
3 Kurva Distribusi Normal 3
4 MengapamempelajariDistribusiNormal? Kebanyakan variabel dependen (DV) diukur dan dianalisa dengan asumsi variabel tersebut memiliki distribusi normal Dapat mengetahui posisi suatu nilai dalam data Permasalahan pada data hasil pengukuran dapat diketahui dengan membandingkan data keseluruhan dengan kurva distribusi normal 4
5 Z-score Jumlah nilai/skor di bawah atau di atas rata-rata yang didapat berdasarkan SD Rumus Z-score: Z X M SD X = nilai atau skor M = Mean atau rata-rata SD = standard deviasi 5
6 Tabel z 6 (Nolan, hlm: B-1)
7 Penggunaan Tabel Kurve Normal 1. Untuk menentukan persentase/frekuensi/proporsi dari kasus dalam suatu penyebaran normal yang dibatasi oleh skor tertentu. Contoh: Diketahui : X = 125 ; SD = ; N = 0 Ditanya : a. Berapa jumlah kasus terletak antara 0 & 135? b. Berapa jumlah kasus terdapat di atas 120? c. Berapa jumlah kasus terdapat di atas 150? 7
8 Jawab: a. x Z -2, X 1 0 Z X Z X 25 2 M SD 1 2,5 X 1 M SD 2 Lihat tabel Z Z1 = -2,5 (dari mean) adalah 49,38% dan Z2 = 1 adalah 34,13 % Jadi yang mendapat skor di antara 0 & 135 = 49,38% + 34,13% = 8 83,51% x 0 orang = 83, orang
9 Jawab: b. X 120 Z X M SD 5 0,5 x Z -0,5 0 Lihat tabel Z Z = -0,5 (dari mean) adalah 19,15% Jadi yang mendapat skor di atas nilai 120 = 19,15 % + 50% = 69,15% 69,15% x 0 orang = 69, orang 9
10 Jawab: c. x Z 0-0,5 X 150 Z X 25 M SD 2,5 Lihat tabel Z Z = 2,5 (dari mean) adalah 49,38% Jadi yang mendapat skor di atas nilai 150 = 50 % + 49,38% = 0,62% 0,62% x 0 orang = 0,62 1 orang
11 Penggunaan Tabel Kurve Normal 2. Untuk menentukan batas-batas skor dalam penyebaran normal yang mencakup suatu persentase tertentu dari kasus Contoh : Diketahui : M = 16 ; SD = 4 Ditanya : Berapakah batas-batas skor yang mencakup 75% di tengah seluruh kasus? Jawab : 37,5% 37,5% Z1 = -1,15 Z2 = 1,15 M = 16 area X1 ke Mean = area X2 ke Mean 75% / 2 = 37,5 % Lihat Tabel Z Z1 = - 1,15 dan Z2 = 1,15 11
12 Z X M SD X ,15 11,5 X X ,5 113,5 Z X M SD X ,15 11,5 X X ,5 136,5 Jadi skor yang membatasi 75% kasus yang terletak di tengah distribusi data adalah nilai 113, 5 dan 136,5 12
13 Latihan Dalam suatu majalah olahraga dilaporkan bahwa dari penelitian terhadap 00 olahragawan lompat tinggi diperoleh data: Mean = 125cm; SD = 5 1. Berapa banyaknya orang yang dapat meloncat setinggi 115 cm? 2. Berapa jumlah orang yang dapat meloncat setinggi 120cm 140cm? 3. Mereka yang didiskualifikasikan dalam golongan 45% peloncat tinggi, dapat meloncat berapa cm? 13
14 Penggunaan Tabel Kurve Normal 3. Untuk membagi suatu kelompok besar menjadi kelompokkelompok yang lebih kecil. Contoh : Diketahui : UMPTN diikuti oleh 0 orang, ingin dikelompokkan menjadi 5 kelompok yang sama: ABCDE Ditanya : Berapa orang dalam setiap kelompok? Catatan: Z maks = +3 dan Z minimum = -3 tiap kelompok memiliki Z = (3 + 3)/ 5 kelompok = 6/12 = 1,2 Tiap kelompok memiliki Z = 1,2 14
15 Jawab : E D C B A -3-1,8-0,6 X +0,6 +1,8 +3 C = (-0,6) (+0.6) B = (+0,6) (+1,8) A = (+1,8) (+3) D = (-1,8) (-0,6) E = (-3) (-1,8) C = (-0,6) (+0,6) lihat tabel Z (mean to Z) = 46,41% - 22,57% = 45,14% x 0 orang = 45 orang B dan D (±1,8) (±0,6) lihat tabel Z (mean to Z) = 46,41% % = 23,84% x 0 orang = 24 orang A dan E 3 1,8 lihat tabel Z (mean to Z) = 49,87% % = 3.46% x 0 orang = 3-4 orang 15
16 Penggunaan Tabel Kurve Normal 4. Untuk membandingkan 2 distrubusi yang overlapping Contoh: Dari tes ingatan yang diikuti oleh 300 anak laki-laki dan 250 anak perempuan Diketahui : Mean = Mean = SD = 3.63 SD = 5.12 Median = Median = Ditanya : berapa % berada di atas Median? 16
17 Jawab: Me = 23,66 21,49 = 2,17 skor unit di atas Mean atau Z = 2,17 / 3,63 = 0,60 di atas Mean Dari tabel Z (mean to Z) Z = 60 C = 27,43% = 27,43 x 300 = atau 83 orang X X 21,49 23,68 Median 17
18 Penggunaan Tabel Kurve Normal 4. Untuk membandingkan 2 distrubusi yang overlapping Contoh: Dari tes ingatan yang diikuti oleh 300 anak laki-laki dan 250 anak perempuan Diketahui : Mean = Mean = SD = 3.63 SD = 5.12 Median = Median = Ditanya : berapa % berada di atas Median? 18
19 Homework Dalam suatu majalah olahraga dilaporkan bahwa dari penelitian terhadap 00 olahragawan lompat tinggi diperoleh data: Mean = 125cm; SD = 5 1. Berapa tinggi loncatan yang hanya dapat dicapai 15% dari kelompok itu? 2. Berapa banyaknya orang yang dapat meloncat setinggi 130cm - 150cm? 3. Berapa proporsi orang yang dapat meloncat setinggi 155cm? 4. Berapa proporsi orang yang tidak dapat meloncat setinggi 1 cm? 19
20 Homework 5. Diketahui : 500 orang mahasiswa yang mengikuti ujian penerimaan pegawai, ingin dikelompokkan menjadi 7 kelompok yang sama berdasarkan kurva normal: ABCDEFG Ditanya : Berapa orang dalam setiap kelompok? 6. Dari tes yang diikuti oleh 00 anak laki-laki dan 00 anak perempuan. Diketahui : Mean = 65 Mean = 75 SD = SD = 15 Median = 60 Median = 60 Ditanya : berapa jumlah berada di atas Median? 20
21 Daftar Pustaka Aron, A., Coups, E.J., & Aron, E.N. (2013). Statistics for psychology. 6th ed. New Jersey: Pearson Education, Inc. Gravetter, F.J. & Wallnau, L.B. (2009). Statistics for the Behavioral Sciences. Hinton, P.R. (2004). Statistics Explained, 2nd ed. London: Routledge. Howell, D.C. (2012). Statistical Method for Psychology. Australia: Wadsworth, Cengage Learning. Nolan, S.A. & Heinzen, T.E, (2012). Statistics for the Behavioral Sciences. Second Edition. New York: Worth Publishers. Sulistiyono, S. (2009). Statistika Psikologi 2. Jakarta: Fakultas Psikologi Universitas Mercu Buana. 21
22 Terima Kasih Arie Suciyana S., M.Si.
Statistika Psikologi 1
Statistika Psikologi 1 Modul ke: 14 Memilih Uji Statistika yang Tepat Review 1 14 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. 2 MemilihUji Statistikayang Tepat Jika dalam
Lebih terperinciStatistika Psikologi 1
Modul ke: 09 Statistika Psikologi 1 Distribusi Sampel dan Uji Hipotesa Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. DISTRIBUSI SAMPEL DAN UJI HIPOTESA Hipotesa: pernyataan
Lebih terperinciStatistika Psikologi 1
Statistika Psikologi 1 Modul ke: 12 Korelasi: Pendahuluan Korelasi Pearson Product Moment Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Apakah korelasi itu? Uji Korelasi dalam
Lebih terperinciStatistika Psikologi 1
Modul ke: 10 Statistika Psikologi 1 Probabilitas Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Probabilitas: Konsep Dasar Tidak ada definisi resmi untuk menjelaskan probabilitas
Lebih terperinciStatistika Psikologi 2
Statistika Psikologi 2 Modul ke: 14 Arie Fakultas Psikologi Memilih Uji Statistika yang Tepat Review 1 14 Suciyana S., S.Si., M.Si. Program Studi Psikologi KonsepDasar Pada penelitian terhadap pengaruh
Lebih terperinciStatistika Psikologi 2. Modul ke: Uji-t. Fakultas Psikologi. (t-test) Program Studi Psikologi
Modul ke: Statistika Psikologi 2 Uji-t Fakultas Psikologi Program Studi Psikologi (t-test) UJI STATISTIKA Proses pengujian pernyataan penelitian (uji hipotesa) yang akan menghasilkan model statistika Variasi
Lebih terperinciStatistika Psikologi 1
Modul ke: 11 Statistika Psikologi 1 Chi Square Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., M.Si. Asumsi dalam Statistika Asumsi adalah karakteristik yang diperlukan untuk menentukan dan
Lebih terperinciStatistika Psikologi 2
Statistika Psikologi 2 Modul ke: 11Fakultas Psikologi Korelasi Ganda: Analisis Statistika dengan SPSS Arie Suciyana S., M.Si. Program Studi Psikologi Uji KorelasiGanda (Multiple Correlation) Uji Korelasi
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Uji t Sampel Berpasangan Fakultas Psikologi (Paired-samples t-test) Program Studi Psikologi Uji t Sampel Berpasangan Membandingkan data dari dua sampel, dimana tiap partisipan
Lebih terperinciStatistika Psikologi 1
Modul ke: Statistika Psikologi 1 Tendensi Sentral Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. DISTRIBUSI SAMPEL 2 DISTRIBUSI SAMPEL 3 TENDENSI SENTRAL: Apa dan mengapa tendensi
Lebih terperinciStatistika Psikologi 2
Modul ke: 09Fakultas Psikologi Statistika Psikologi 2 Analisis Regresi Linier Sederhana Arie Suciyana S., S.Si, M.Si Program Studi Psikologi Regresi Linier Sederhana (Simple Linear Regression) Uji (analisa)
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Uji ANOVA Amatan Ulang (One Way Anova Within Groups) Program Studi Psikologi Uji ANOVA Amatan Ulang (One Way Anova Within Groups) Uji hipotesa 1 Independent
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Uji ANOVA: Pendahuluan dan Uji ANOVA Klasifikasi Program Studi Psikologi Analysis of Variance (ANOVA) Uji statistika yang dilakukan dengan membandingan
Lebih terperinciStatistika Psikologi 2
Modul ke: 08Fakultas Psikologi Statistika Psikologi 2 Analisis Regresi: Pendahuluan dan Uji Liniearitas Arie Suciyana S., S.Si, M.Si Program Studi Psikologi Regresi: Pendahuluan Pengembangan dari Uji Statistika
Lebih terperinciStatistika Psikologi 1
Modul ke: Statistika Psikologi 1 Penyajian Data: Fakultas Psikologi Tabel dan Grafik Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. KATEGORI PENGOLAHAN DATA DALAM STATISTIKA Descriptive statistics
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari
Lebih terperinciStatistika Psikologi 2. Pengantar Statistika Inferential dan Pengenalan SPSS. Modul ke: Fakultas Psikologi. Program Studi Psikologi
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Pengantar Statistika Inferential dan Pengenalan SPSS RAPEM STATISTIKA PSIKOLOGI 2 Judul Mata Kuliah : Statistika Psikologi 2
Lebih terperinciStatistika Psikologi 1
Statistika Psikologi 1 Modul ke: Kontrak Perkuliahan Konsep-konsep Dasar Fakultas Psikologi Program Studi Psikologi Statistika Arie Suciyana S., M.Si. RAPEM STATISTIKA PSIKOLOGI 1 Judul Mata Kuliah : Statistika
Lebih terperinciPsikometri. Aplikasi uji Reliabilitas dan. Validitas
Psikometri Modul ke: Aplikasi uji Reliabilitas dan Fakultas Psikologi Validitas Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Perhitungan Manual Uji Reliabilitas 2 Kruder-Richardson (K-R 20) =
Lebih terperinciPsikometri Validitas 1
Modul ke: Psikometri Validitas 1 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Pengertian: VALIDITAS Berkaitan dengan apa yang diukur oleh tes dan seberapa tepat tes mengukur
Lebih terperinciMEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 2016 (http://file.upi.edu/dosen)
MEMAHAMI ANALISIS VARIANS oleh: Kusnendi Sekolah Pascasarjana Universitas Pendidikan Indonesia, 016 (http://file.upi.edu/dosen) 1. Pendahuluan Analisis varians penting dipahami karena melalui analisis
Lebih terperinciPsikometri. Reliabilitas 1
Psikometri Modul ke: Reliabilitas 1 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Apa itu Reliabilitas? reliability is a synonym for dependability or consistency Tests that
Lebih terperinciPsikometri Reliabilitas 2
Modul ke: Psikometri Reliabilitas 2 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Perhitungan Reliabilitas 2 TIPE-TIPE RELIABILITAS Test-Retest Reliability Alternate-Form Reliability
Lebih terperinciKURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)
KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
Lebih terperinciPsikometri NORMA 1. Arie Suciyana S., S.Si., M.Si. Modul ke: Fakultas Psikologi. Program Studi Psikologi.
Psikometri Modul ke: 11 NORMA 1 Fakultas Psikologi Program Studi Psikologi www.mercubuana.ac.id Arie Suciyana S., S.Si., M.Si. Karakteristik Norma Menunjukkan posisi/kedudukan seseorang dalam kelompok
Lebih terperinciStatistika Psikologi 1
Modul ke: Statistika Psikologi 1 SKALA PENGUKURAN Fakultas Psikologi Arie Suciyana S., S.Si., M.Si. Program Studi Psikologi APA YANG DIUKUR DALAM STATISTIKA Variabel: karakteristik atau kondisi yang dapat
Lebih terperinciHIPOTESIS NOL DAN HIPOTESIS ALTERNATIF
685 JURNAL KIP - Vol. No. III. No. 3 November 2014 Februari 2015 HIPOTESIS NOL DAN HIPOTESIS ALTERNATIF Enos Lolang Program Studi Pendidikan Matematika Universitas Kristen Indonesia Toraja Jl. Nusantara
Lebih terperinciPsikometri. Statistika untuk Psikometri. Arie Suciyana S., S.Si., M.Si. Modul ke: Fakultas Psikologi. Program Studi Psikologi
Modul ke: Psikometri Statistika untuk Psikometri Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. Modul ke: Psikometri Statistika untuk Psikometri Fakultas Psikologi Program Studi
Lebih terperinciUkuran 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 terperinciDasar-dasar Metode Penelitian
Dasar-dasar Metode Penelitian Modul ke: Etika Dalam Penelitian Fakultas Psikologi Program Studi Psikologi www.mercubuana.ac.id Reno Laila Fitria Dilema Etis Palys (1992) menjelaskan adanya dua tanggung
Lebih terperinciSTATISTIKA TERAPAN (PS603)
RENCANA PEMBELAJARAN SEMESTER (RPS) STATISTIKA TERAPAN (PS603) PROGRAM STUDI PSIKOLOGI PENDIDIKAN SEKOLAH PASCA SARJANA UNIVERSITAS PENDIDIKAN INDONESIA 1 RENCANA PEMBELAJARAN SEMESTER 1. Identitas Nama
Lebih terperinci4. HASIL DAN ANALISIS HASIL PENELITIAN. 4. A. Gambaran Umum Subjek Penelitian 4. A.1. Gambaran jenis kelamin subjek penelitian
39 4. HASIL DAN ANALISIS HASIL PENELITIAN Pada bab ini akan diuraikan mengenai analisis dan interpretasi dari hasil yang diperoleh dari penelitian yang telah dilakukan. Pada bagian pertama dari bab ini
Lebih terperinciSTATISTIK PSIKOLOGI. Unita Werdi Rahajeng
STATISTIK PSIKOLOGI Unita Werdi Rahajeng www.unita.lecture.ub.ac.id Lingkup Statistik Aktivitas Deskriptif Inferensial Deskripsi Data/Nume rical Summaries Penyajian Data Estimasi Parameter Uji Signifikansi
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER PROGRAM STUDI PSIKOLOGI. Issue/Revisi : A0 Tanggal : 27 November 2017
Issue/Revisi : A0 Tanggal : 27 November 2017 Mata Kuliah : Psikologi Industri dan Organisasi Kode MK :PSY 208 Rumpun MK :Mata Kuliah Wajib Semester :4 Dosen Pengampu : Yulius Fransisco Angkawijaya (sks)
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability
Lebih terperinciSTATISTIK PSIKOLOGI. Unita Werdi Rahajeng
STATISTIK PSIKOLOGI Unita Werdi Rahajeng www.unita.lecture.ub.ac.id Lingkup Statistik Aktivitas Deskriptif Inferensial Deskripsi Data/Nume rical Summaries Penyajian Data Estimasi Parameter Uji Signifikansi
Lebih terperinciPENAKSIRAN NILAI PARAMETER POPULASI
PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis
Lebih terperinciPsikometri Validitas 2
Modul ke: Psikometri Validitas 2 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. VALIDITAS KRITERIA 2 Validitas Kriteria Validitas Kriteria menunjukkan efektivitas suatu tes dalam
Lebih terperinciDistribusi Peluang. Kuliah 6
Distribusi Peluang Kuliah 6 1. Diskrit 1. Bernoulli 2. Binomial 3. Poisson Distribution 2. Kontinu 1. Normal (Gaussian) 2. t 3. F 4. Chi Kuadrat Distribusi Peluang 1.1. Distribusi Bernoulli Distribusi
Lebih terperinciUkuran 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 terperinciUkuran 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 terperinciPERBEDAAN PEMAHAMAN KONSEP BANGUN DATAR MAHASISWA PROGRAM STUDI PENDIDIKAN MATEMATIKA DITINJAU BERDASARKAN PERBEDAAN JENIS KELAMIN
PERBEDAAN PEMAHAMAN KONSEP BANGUN DATAR MAHASISWA PROGRAM STUDI PENDIDIKAN MATEMATIKA DITINJAU BERDASARKAN PERBEDAAN JENIS KELAMIN Joko Suratno Program Studi Pendidikan Matematika Jurusan Pendidikan MIPA
Lebih terperinciSTATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
Lebih terperinciTentang MA5283 Statistika BAB 1 STATISTIKA DESKRIPTIF MA5283 STATISTIKA. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Orang Cerdas Belajar Statistika
Orang Cerdas Belajar Statistika Bentuk perkuliahan Jadwal Kuliah Buku teks Penilaian Matriks kegiatan perkuliahan Jadwal Kuliah 1 Tatap muka di kelas 2 Praktikum di Lab. Statistika dan Komputasi Bentuk
Lebih terperinciAnalisis Data dan Penggunaan Aplikasi Komputer (SPSS)
Analisis Data dan Penggunaan Aplikasi Komputer (SPSS) Dr. Herman, M.A. P PENDAHULUAN ada modul ini Anda dapat mempelajari pokok bahasan analisis data dan penggunaan aplikasi komputer untuk analisis data.
Lebih terperinci(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 terperinciESTIMASI. 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 terperinciSILABUS MATA KULIAH S T A T I S T I K A
SILABUS MATA KULIAH S T A T I S T I K A Dosen: Dr. Budi Susetyo, M. Pd (0918) Dr. Juang Sunanto (0918) Drs. Iding Tarsidi, M. Pd (1723) Dra. Tjutju Soendari, M.Pd. ( ) Dra. Oom Siti Homdijah, M. Pd ( )
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dalam pelaksanaan kegiatan penelitian ini dilakukan pre-test atau tes awal
28 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Hasil Penelitian a. Deskripsi Hasil Penelitian Variabel X 1 (Pre-Test) Dalam pelaksanaan kegiatan penelitian ini dilakukan
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Directional & Nondirectional test Langkah-langkah Uji Hipotesis Error dalam Uji hipotesis (Error Type I) Jenis Uji Hipotesis satu populasi
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciDistribusi Normal, Skewness dan Qurtosis
Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan
Lebih terperinciDADANG JUANDI Hery Sutarto Hepi Maizon Yanti Mulyanti M. Sholeh Tenang Sembiring
DADANG JUANDI Hery Sutarto Hepi Maizon Yanti Mulyanti M. Sholeh Tenang Sembiring Pengantar Dalam suatu majalah olah raga, dilaporkan bahwa dari penyelidikan terhadap 300 orang olahragawan diperoleh M dan
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji t Uji Proportional Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 2001. Walpole, R.E.,
Lebih terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciSILABUS. : Drs. Nar Herrhyanto, M.Pd.
0 SILABUS 1. Identitas Mata Kuliah Nama Mata Kuliah : Analisis Regresi dan Korelasi Kode Mata Kuliah : MT 521 Jumlah SKS : 3 Semester : 7 Kelompok Mata Kuliah : Mata Kuliah Perluasan dan Pendalaman (MKPP)
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. pengumpulan data. Soal yang digunakan adalah soal yang telah teruji validitasnya
20 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian Dalam penelitian ini, peneliti menggunakan tes berupa tes essay yang sudah diuji validitas dan reliabilitas tesnya untuk digunakan sebagai
Lebih terperinciAnggita Anggriani, Andi Maulana, A. Jusriana
PENGARUH PEMBERIAN RESITASI TERHADAP KREATIVITAS DAN HASIL BELAJAR FISIKA BERORIENTASI MODIFIKASI JIGSAW Anggita Anggriani, Andi Maulana, A. Jusriana Jurusan Pendidikan Fisika Fakultas Tarbiyah dan Keguruan
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN
Lebih terperinciS T A T I S T I K A. Pertemuan ke-2
S T A T I S T I K A Pertemuan ke-2 Dasar-dasar Penghitungan Gejala Pusat Mean / Average / Rata-rata / Median / Me Mode / Modus / Mo Standard Deviation / Simpangan Baku / s Contoh : Susunlah data hasil
Lebih terperinciGAMBARAN GOAL MECHANISM AKADEMIK MAHASISWA FAKULTAS PSIKOLOGI UNIVERSITAS PADJADJARAN YANG MEMILIKI IPK TINGGI DAN AKTIF BERORGANISASI AGUS SUHENDRA
GAMBARAN GOAL MECHANISM AKADEMIK MAHASISWA FAKULTAS PSIKOLOGI UNIVERSITAS PADJADJARAN YANG MEMILIKI IPK TINGGI DAN AKTIF BERORGANISASI AGUS SUHENDRA ABSTRAK Pendidikan sangat penting dan dibutuhkan dalam
Lebih terperinciFakultas Psikologi UGM. Wahyu Widhiarso [UJI LINIERITAS HUBUNGAN] Manuskrip tidak dipublikasikan, Tahun 2010
2010 Fakultas Psikologi UGM Wahyu Widhiarso [UJI LINIERITAS HUBUNGAN] Manuskrip tidak dipublikasikan, Tahun 2010 Catatan Pada Uji Linieritas Hubungan Oleh : Wahyu Widiarso Fakultas Psikologi UGM Manuskrip
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PENELITIAN A. Metode Penelitian Metode penelitian adalah cara-cara yang digunakan untuk mengumpulkan dan menganalisis data yang dikembangkan untuk memperoleh pengetahuan dengan menggunakan
Lebih terperinciSIGNIFIKAN ATAU SANGAT SIGNIFIKAN? Saifuddin Azwar. Beberapa waktu yang lalu, salah seorang partisan dalam mailgroup dosen
1 SIGNIFIKAN ATAU SANGAT SIGNIFIKAN? Saifuddin Azwar Beberapa waktu yang lalu, salah seorang partisan dalam mailgroup dosen Fakultas Psikologi UGM memunculkan kembali pertanyaan klasik yang jawabannya
Lebih terperinciPROGRAM PASCASARJANA UNIVERSITAS NEGERI YOGYAKARTA SIL (Psikologi Pendidikan) Silabus
No. Dokumen Revisi : 00 Tgl. berlaku Hal 1 dari 5 Silabus Nama Mata Kuliah : Psikologi Pendidikan Kode Mata Kuliah : PEP213 SKS : 2 sks Dosen : Yulia Ayriza, M.Si, Ph.D Program Studi : S2 PEP (Penelitian
Lebih terperinciBAB III METODE PENGUMPULAN DATA. penelitian yang diteliti adalah untuk membandingkan antara dimensi tangan laki
BAB III METODE PENGUMPULAN DATA 3.1 Sumber Data Sumber data yang digunakan dalam penelitian ini adalah data primer, yaitu data yang diperoleh secara langsung dari sumber yang diamati dan dicatat. Dalam
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Hasil Penelitian 4.1.1 Deskripsi Data Penelitian ini dilaksanakan pada bulan November tahun 2013 di SMP Negeri 1 Atinggola. Dimana kelas yang menjadi objek penelitian
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013
3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:
Lebih terperinciPsikometri. Analisis Item 1
Psikometri Modul ke: Analisis Item 1 Fakultas Psikologi Program Studi Psikologi www.mercubuana.ac.id Arie Suciyana S., S.Si., M.Si. Test items are the units that make up a test and the means through which
Lebih terperinciBAB III METODE PENELITIAN. Desain yang digunakan adalah Nonequivalent Control Group Design.
BAB III METODE PENELITIAN A. Metode dan Desain Penelitian Metode penelitian ini adalah kuasi eksperimen karena terdapat unsur manipulasi yaitu mengubah keadaan biasa secara sistematis kekeadaan tertentu
Lebih terperinciStatistika Materi 5. Ukuran Penyebaran. (Lanjutan) Hugo Aprilianto, M.Kom
Statistika Materi 5 Ukuran Penyebaran (Lanjutan) Hugo Aprilianto, M.Kom UKURAN PENYEBARAN RELATIF yaitu mengubah ukuran penyebaran dari berbagai satuan menjadi ukuran relatif atau persen. Penggunaan ukuran
Lebih terperinciPERSEPSI TENTANG LINGKUNGAN APARTEMEN DI KOTA BANDUNG SEBAGAI TEMPAT TINGGAL TETAP PADA MAHASISWA PERANTAU FITRIYANTI
PERSEPSI TENTANG LINGKUNGAN APARTEMEN DI KOTA BANDUNG SEBAGAI TEMPAT TINGGAL TETAP PADA MAHASISWA PERANTAU FITRIYANTI Dibimbing oleh: Prof. Dr. Tb. Zulrizka Iskandar, S.Psi., M.Sc. ABSTRAK Keterbatasan
Lebih terperinciBAB 6 KATEGORISASI BERDASARKAN INTERVAL NILAI
BAB 6 KATEGORISASI BERDASARKAN INTERVAL NILAI KATEGORISASI BERDASARKAN INTERVAL NILAI Pengantar Untuk membuat kategorisasi atau pengelompokan data di samping dapat menggunakan kuartil (K), desil (D), persentil
Lebih terperinciHASIL DAN PEMBAHASAN. dengan hipotesis nolnya adalah antar peubah saling bebas. Statistik ujinya dihitung dengan persamaan berikut:
. Menyiapkan gugus data pencilan dengan membangkitkan peubah acak normal ganda dengan parameter µ yang diekstrimkan dari data contoh dan dengan matriks ragam-peragam yang sama dengan data contoh. Proses
Lebih terperinciALAT UJI STATISTIK. Endang Sri Utami, S.E., M.Si., Ak., CA
ALAT UJI STATISTIK Endang Sri Utami, S.E., M.Si., Ak., CA Penggunaan Statistik Statistik merupakan sekumpulan metode yang digunakan untuk menarik kesimpulan masuk akal dari suatu data. Statistik yang digunakan
Lebih terperinciGAMBARAN INTENSI MELAKUKAN OBSESSIVE CORBUZIER S DIET (OCD) PADA MAHASISWA
GAMBARAN INTENSI MELAKUKAN OBSESSIVE CORBUZIER S DIET (OCD) PADA MAHASISWA Studi Deskriptif Mengenai Intensi untuk Melakukan Diet OCD Pada Mahasiswa Universitas Padjadjaran dilihat dari Attitude Toward
Lebih terperinciBAB III METODE PENELITIAN. perlakuan, yaitu penerapan strategi pembelajaran Inquiry pada pembelajaran. matematika dan pembelajaran konvensional.
BAB III METODE PENELITIAN A. Metode Penelitian Metode penelitian ini adalah kuasi eksperimen karena terdapat unsur manipulasi yaitu mengubah keadaan biasa secara sistematis kekeadaan tertentu serta tetap
Lebih terperinciAnalisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali
Jurnal Matematika Vol. 6 No. 1, Juni 2016. ISSN: 1693-1394 Analisis Biplot untuk Pemetaan Posisi dan Karakteristik Usaha Pariwisata di Provinsi Bali I Gusti Ayu Made Srinadi Jurusan Matematika, Fakultas
Lebih terperinciPERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA
PERBANDINGAN TINGKAT AKURASI REGRESI NONPARAMETRIK SPLINE DAN REGRESI NONPARAMETRIK KERNEL PADA PERTUMBUHAN BALITA DI KOTA SURAKARTA Febriani Astuti, Kartiko, Sri Sulistijowati Handajani Jurusan Matematika
Lebih terperinciPsikometri. Pengantar Psikometri. Arie Suciyana S., S.Si., M.Si. Modul ke: Fakultas Psikologi. Program Studi Psikologi
Modul ke: Psikometri Pengantar Psikometri Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. RAPEM PSIKOMETRI Judul Mata Kuliah : Psikometri Semester : Genap 2014/2015 Sks : 3 Kode
Lebih terperinciPertemuan 8 STATISTIKA DESKRIPTIF DAN SFATISTIKA INFERENSIAL I. STATISTIKA DESKRIPTIF
Pertemuan 8 STATISTIKA DESKRIPTIF DAN SFATISTIKA INFERENSIAL I. STATISTIKA DESKRIPTIF Setelah perkuliahan ini diharapkan dapat: Membedakan data kuantitatif dan kategorial dan memberikan contohnya Menjelaskan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Desain Penelitian Dalam suatu penelitian dibutuhkan sebuah desain penelitian yang sesuai dengan variabel-variabel dalam tujuan penelitian dan hipotesis yang akan diuji kebenarannya.
Lebih terperinciSILABUS. Mahasiswa S2 mampu memahami berbagai konsep dasar statistik dan analisisnya serta dapat mengaplikasikannya dalam penelitian
1 SILABUS I. IDENTITAS MATA KULIAH Nama Mata Kuliah : Statistik Kode Mata Kuliah : PAS 303 SKS : 3 SKS Dosen : Dr. Farida Agus Setiawati,M.Si II. STANDAR KOMPETENSI. Mahasiswa S2 mampu memahami berbagai
Lebih terperinciBAB III METODOLOGI PENELITIAN. Dalam melaksanakan suatu penelitian, seorang peneliti harus menentukan
BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Dalam melaksanakan suatu penelitian, seorang peneliti harus menentukan metode apa yang akan dipakai karena menyangkut langkah-langkah yang harus dilakukan
Lebih terperinciKAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER. Sudarno 1. Abstrak
UNIVERSITAS DIPONEGORO 0 ISBN: --0-- KAJIAN FUNGSI nls( ) DAN fsrr( ) TERHADAP MODEL MICHEALIS-MENTEN PADA REGRESI NONLINIER Sudarno ) Program Studi Statistika FMIPA Undip dsghani@gmail.com Abstrak Model
Lebih terperinci5. ANALISIS HASIL PENELITIAN
5. ANALISIS HASIL PENELITIAN Pada bagian ini akan menguraikan hasil dari penelitian yang telah dilakukan. Jawaban dari permasalahan penelitian diperoleh berdasarkan hasil pengolahan 55 data hasil Tes Kreativitas
Lebih terperinci5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI
Week 11 & 12 HYDROLOGIC STATISTICS (and Frequency Analysis) Introduction Frequency and Probability Function Statistical Parameters Fitting a Probability Distribution Probability Distributions for Hydrologic
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Ampel Surabaya semester 1, 3, 5, dan 7. Berikut ini adalah gambaran umum
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskripsi Subjek Subjek daam penelitian ini adalah 98 mahasiswa Psikologi UIN Sunan Ampel Surabaya semester 1, 3, 5, dan 7. Berikut ini adalah gambaran umum subjek
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Penelitian ini dilaksanakan di sekolah MTs Negeri I Telaga Biru. Waktu pelaksanaan
BAB IV HASIL DAN PEMBAHASAN 4.1 Deskripsi Penelitian Penelitian ini dilaksanakan di sekolah MTs Negeri I Telaga Biru. Waktu pelaksanaan penelitian dilakukan selama 2 Bulan sesuai dengan dikeluarkannya
Lebih terperinciTabel 7-1 Rata-rata hitung hasil test mata kuliah statistik deskriptif kelompok A dan B. A B
A. Pengukuran Penyebaran (Dispersi) 1. Pengertian Tentang Disperse. Digunakan untuk menunjukkan keadaan berikut : a. Gambaran variabilitas data Yang dimaksud dengan variabilitas data adalah suatu ukuran
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dari hasil pengukuran diperoleh data kemampuan lompat jauh gaya jongkok
29 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 1.1 Deskripsi Hasil Penelitian 4.1.3.1Data Hasil penelitian Dari hasil pengukuran diperoleh data kemampuan lompat jauh gaya jongkok baik pre-test dan post-test,
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 4 Outline: Uji Dua Sample Uji Z Uji t Uji t gabungan (pooled t-test) Uji t berpasangan (paired t-test) Uji proporsi Uji Chi-Square Referensi: Johnson, R. A., Statistics
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciPEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG. Indahwati, Yenni Angraeni, Tri Wuri Sastuti
S-25 PEMODELAN REGRESI TIGA LEVEL PADA DATA PENGAMATAN BERULANG Indahwati, Yenni Angraeni, Tri Wuri Sastuti Departemen Statistika FMIPA IPB Email : Indah_stk@yahoo.com Abstrak Pemodelan multilevel adalah
Lebih terperinciBab 4. Hasil dan Pembahasan
3 Bab 4 Hasil dan Pembahasan 4.1 Profil Subjek Penelitian Penelitian ini dilakukan terhadap 0 anak usia prasekolah, yaitu anakanak yang berusia 3- tahun sebagai batasan usia. Penelitian dilakukan terhadap
Lebih terperinciPREDIKSI KECEPATAN ANGIN DI SUMENEP MENGGUNAKAN MIXTURE OF ANFIS
SEMINAR HASIL TUGAS AKHIR LOGO PREDIKSI KECEPATAN ANGIN DI SUMENEP MENGGUNAKAN MIXTURE OF ANFIS Oleh: SYARIFAH DIANA PERMAI (307 00 0) PEMBIMBING: Prof. Drs. NUR IRIAWAN, M.Ikom, PhD Dr. IRHAMAH, S.Si,
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciBAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI
BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan
Lebih terperinci