BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI

Save this PDF as:
 WORD  PNG  TXT  JPG

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI"

Transkripsi

1 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 yang sudah cukup sering dipergunakan yaitu pertidaksamaan Markov dan pertidaksamaan Chebyshev. Telah disebutkan bahwa pertidaksamaan Chernoff memberikan batas yang paling dekat dengan nilai sebenarnya. Untuk membandingkan batas yang dihasilkan oleh ketiga pertidaksamaan tersebut pada suatu populasi dapat dilakukan sebuah simulasi. Simulasi dilakukan dengan mengenerate data untuk sebuah distribusi kemudian menghitung nilai peluang suatu selang tertentu dengan menggunakan relatif yang dihitung dari data tersebut (tanpa melihat distribusinya). Hasil perhitungan secara eksak akan dibandingkan dengan hasil perhitungan dengan menggunakan ketiga bentuk pertidaksamaan. Berikut ini hasil simulasi untuk distribusi binomial dan distribusi normal: 3. Simulasi untuk Distribusi Binomial Pada simulasi pertama untuk suatu data berdistribusi binomial (10, 0.30) di-generate sebanyak 300 data, sebagai berikut relatif relatif komulatif hampiran peluang binomial (10, 0.3) (sumber: Walpole)

2 relatif relatif komulatif hampiran peluang binomial (10, 0.3) (sumber: Walpole) Tabel 8 Data Simulasi 1 Distribusi penyebaran data simulasi 1 tersebut dapat digambarkan dalam histogram berikut: Histogram Data Simulasi x Gambar 1 Histogram Data Simulasi 1 selain itu statistik dari data tersebut dapat disajikan sebagai berikut : Univariate Statistics Variable 1 Count 300 Sum 958 Average 3.19 Median 3 Mode 3 Minimum 0 Maximum 8 Range 8 Standard Deviation

3 Variance.97 Skewness Kurtosis Tabel 9 Tabel Informasi Statistik untuk Data Simulasi 1 Dari informasi di atas dapat dilihat bahwa range data cukup besar. Hal ini juga menyebabkan data tersebar cukup luas. Titik puncak dari data berada di sekitar rataan, sehingga kemiringan dari grafik data pun cukup kecil. Dalam melakukan simulasi penggunaan pertidaksamaan pada distribusi data ini diambil nilai peluang salah satu selang yaitu 4). Nilai peluang secara eksak dapat dihitung dengan menggunakan relatifnya 4) = 1 = < 4) = 1 [ = 3) + = ) + = 1) + = 0)] (3.) Kemudian dengan menggunakan pertidaksamaan dapat diperoleh hasil sebagai berikut Pertidaksamaan Markov: E[ ] 3.19 P ( 4) = = (3.3) 4 4 Pertidaksamaan Chebyshev: σ ) σ + (0.81) ), ) 0.77 (3.4) Dalam menghitung batas atas pertidaksamaan Chernoff 4) terdapat sedikit kesulitan dalam mencari bentuk fungsi pembangkit momen hampirannya. Perlu bantuan komputer dalam mencari fungsi tersebut. Fungsi pembangkit momen hampirannya tersebut dihitung dengan menggunakan komputasi sehingga didapatkan hasil pertidaksamaan Chernoff sebagai berikut: P ( 4) 0.74 (3.5) 6

4 Dari simulasi data yang terdistribusi binomial (10, 0.30) ini dapat ditunjukkan bahwa pertidaksamaan Chernoff menghasilkan batas yang paling baik, mendekati nilai sebenarnya. Hal ini bisa diakibatkan karena jumlah datanya yang cukup banyak atau karena penyebaran datanya yang cukup besar. Simulasi lain dilakukan untuk beberapa nilai p, misalnya untuk p=0.5 dengan data sebagai berikut : relative Tabel 10 Tabel Data Simulasi Binomial (10, 0.5) Pertidaksamaan Chernoff juga memberikan batas yang paling akurat pada simulasi ini. Simulasi lain juga dilakukan untuk distribusi dari peubah acak kontinu, yaitu distribusi normal. Hasil simulasi tersebut dapat dilihat sebagai berikut 3.3 Hasil Simulasi untuk Distribusi Normal Pada simulasi pertama untuk distribusi normal di-generate data sebanyak 00 dengan mean ) (µ = 7 dan standar deviasi ( ) σ = Selang nilai tengah relative relative komulatif

5 Selang nilai tengah relative relative komulatif Tabel 11 Data Simulasi Data mentah untuk simulasi ini dapat dilihat pada lampiran C. Distribusi penyebaran data simulasi tersebut dapat digambarkan dalam histogram berikut: Histogram Data Simulasi x Gambar Histogram Data Simulasi Dengan statistik yang diperoleh dari data tersebut sebagai berikut : Univariate Statistics Variable 1 Count 00 Sum 1, Average Median Minimum.100 Maximum

6 Range Standard Deviation Variance Skewness Kurtosis Tabel 1 Tabel Informasi Statistik Data Simulasi Dari informasi di atas dapat diketahui bahwa range data cukup besar. Hal ini juga menyebabkan data tersebar cukup luas. Titik puncak dari data berada di sekitar rataan, sehingga kemiringan dari grafik data pun cukup kecil. Dalam melakukan simulasi penggunaan pertidaksamaan pada distribusi data kontinu ini diambil nilai peluang salah satu selang yaitu 7). Nilai peluang secara eksak dapat dihitung dengan menggunakan relatifnya P ( 7) = 1 P ( < 7) = 0.45 (3.6) atau jika kita menggunakan tabel distribusi normal [1] bisa didapatkan P ( 7) = 1 P ( < 7) = 0. 5 Kemudian dengan menggunakan pertidaksamaan dapat diperoleh hasil sebagai berikut Pertidaksamaan Markov : E[ ] 7) 7 (3.7) ) = Pertidaksamaan Chebyshev: P ( σ ) σ + ( ) P ( 7) = (3.8) Dalam menghitung batas atas pertidaksamaan Chernoff 7) terdapat sedikit kesulitan dalam mencari bentuk fungsi pembangkit momen hampirannya. Perlu bantuan 9

7 komputer dalam mencari fungsi tersebut. Fungsi pembangkit momen hampirannya tersebut dihitung dengan menggunakan komputasi dan akan didapatkan hasil pertidaksamaan Chernoff sebagai berikut: P ( 7) (3.9) Simulasi lain dilakukan untuk beberapa distribusi normal lainnya dan menghasilkan hal yang serupa. Pertidaksamaan Chernoff menghasilkan batas yang paling akurat mendekati nilai sebenarnya. Dari simulasi ini dapat ditunjukkan bahwa untuk beberapa kasus pada distribusi binomial dan normal, pertidaksamaan Chernoff selalu menghasilkan batas atas dari nilai peluang a) yang lebih akurat dibandingkan pertidaksamaan Markov dan Chebyshev. Meskipun dalam perhitungannya lebih sulit dikerjakan dibandingkan dengan kedua pertidaksamaan lainnya. 30

Langkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:

Langkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000: BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,

Lebih terperinci

Bab IV Analisis Statistik dan Distribusi Lubang Bor

Bab IV Analisis Statistik dan Distribusi Lubang Bor Bab IV Analisis Statistik dan Distribusi Lubang Bor 4.1. Analisis Statistik Analisis statistik dan geostatistik dalam penelitian ini hanya dilakukan pada saprolit dan limonit dari profil nikel laterit.

Lebih terperinci

BAB IV PENGOLAHAN DATA

BAB IV PENGOLAHAN DATA BAB IV PENGOLAHAN DATA Data yang digunakan merupakan data dari PT. XYZ, berupa peta topografi dan data pemboran 86 titik. Dari data tersebut dilakukan pengolahan sebagai berikut : 4.1 Analisis Statistik

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 DESKRIPTIF

STATISTIKA DESKRIPTIF STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu

BAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu xiv BAB 2 TINJAUAN TEORITIS 2.1 Pendahuluan Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu rekayasa dari suatu model secara logika ilmiah merupakan suatu metode alternatif

Lebih terperinci

Distribusi Normal, Skewness dan Qurtosis

Distribusi 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 terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan

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 III Studi Kasus III.1 Decline Rate

Bab III Studi Kasus III.1 Decline Rate Bab III Studi Kasus III.1 Decline Rate Studi kasus akan difokuskan pada data penurunan laju produksi (decline rate) di 31 lokasi sumur reservoir panas bumi Kamojang, Garut. Persoalan mendasar dalam penilaian

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

Statistik Deskriptif dengan Microsoft Office Excel

Statistik Deskriptif dengan Microsoft Office Excel Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi

Lebih terperinci

MA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar

MA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar Review 1: Statistika Deskriptif MA5182 Topik dalam Statistika I: Statistika Spasial 28 Agustus 2012 28 Agustus 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati

Lebih terperinci

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif 1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari

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

PENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar

PENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar PENGANTAR & STATISTIKA DESKRIPTIF BI5106 Analisis Biostatistik Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00

Lebih terperinci

Contoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner

Contoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner Contoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner 1. Sebaran Data Stress Kerja Hasil Skoring Kuesioner 2. Jumlah Skor Setiap

Lebih terperinci

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel

DAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011

Lebih terperinci

BAB IV HASIL PENELITIAN

BAB IV HASIL PENELITIAN BAB IV HASIL PENELITIAN Empat bagian penting yaitu bagian deskripsi data, pengujian persyaratan analisis, pengujian hipotesis penelitian, dan bagian keterbatasan penelitian akan disajikan di sini, dan

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA

RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK

Lebih terperinci

Tes ini dilakukan bertujuan untuk mengetahui Indeks Masa Tubuh (IMT). Tes ini meliputi: 1. Pengukuran Tinggi Badan (TB) 2. Pengukuran Berat Badan (BB)

Tes ini dilakukan bertujuan untuk mengetahui Indeks Masa Tubuh (IMT). Tes ini meliputi: 1. Pengukuran Tinggi Badan (TB) 2. Pengukuran Berat Badan (BB) Lampiran 1. Tes Status Gizi Tes ini dilakukan bertujuan untuk mengetahui Indeks Masa Tubuh (IMT). Tes ini meliputi: 1. Pengukuran Tinggi Badan (TB) 2. Pengukuran Berat Badan (BB) Peralatan tes antara lain:

Lebih terperinci

Kursus Statistika Dasar. Bagian 1. Pengelompokan Statistika. Istilah-istilah Dasar. Jenis Data. Pengelompokan Statistika lainnya. Bambang Suryoatmono

Kursus Statistika Dasar. Bagian 1. Pengelompokan Statistika. Istilah-istilah Dasar. Jenis Data. Pengelompokan Statistika lainnya. Bambang Suryoatmono Kursus Statistika Dasar Bambang Suryoatmono Bagian 1 Statistika Deskriptif Pengelompokan Statistika Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik

Lebih terperinci

Lampiran 1. No 1-2. No.:..1.

Lampiran 1. No 1-2. No.:..1. Lampiran No.:... No -2 0 KEMAMPUAN PENGGUNAAN MEDIA PEMBELAJARAN DI KALANGAN GURU ILMU PENGETAHUAN SOSIAL (IPS) TERPADU SEKOLAH MENENGAH PERTAMA (SMP) NEGERI SE KECAMATAN AMBARAWA. Dalam rangka penyusunan

Lebih terperinci

Lampiran 1 Data Absensi dan Pengeluaran Tenaga Kerja

Lampiran 1 Data Absensi dan Pengeluaran Tenaga Kerja Lampiran 1 Data dan Tenaga Kerja Jumlah Karyawan Sakit Cuti Keperluan lainnya Jumlah Tahun (orang) (hari/tahun) (hari/tahun) (hari/tahun) (hari/tahun) 1997 87 76 13 9 37 1998 9 71 146 6 43 1999 98 7 130

Lebih terperinci

Statistik Deskriptif: Central Tendency & Variation

Statistik Deskriptif: Central Tendency & Variation Statistik Deskriptif: Central Tendency & Variation Widya Rahmawati Central Tendency (Ukuran Pemusatan) dan Variation (Ukuran Simpangan) 1) Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang

Lebih terperinci

ANALISIS DATA EKSPLORATIF MODUL 4 PENGANTAR MINITAB

ANALISIS DATA EKSPLORATIF MODUL 4 PENGANTAR MINITAB ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 4 PENGANTAR MINITAB Nama Nomor Praktikan Mahasiswa Sri Siska Wirdaniyati 12611125 Tanggal Kumpul 5 Desember 2013 Praktikan Tanda tangan Laboran Nama Penilai Tanggal

Lebih terperinci

Pengantar & Statistika Deskriptif

Pengantar & Statistika Deskriptif Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar 26 J i 2012 26 Januari 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang

Lebih terperinci

TUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA

TUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA TUGAS II STATISTIKA Oleh Butsiarah / 15B20020 Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2015 1. Penelitian terhadap nilai mahasiswa S1 Jurusan

Lebih terperinci

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi

II. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull

Lebih terperinci

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

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

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Uji Instrument 4.1.1 Validitas instrument Hasil perhitungan instrument pretest dan posttest yang terdiri dari 30 butir soal dengan 4 alternatif pilihan

Lebih terperinci

Descriptives. Frequencies. Hasil Analisis Data Penelitian. 1. Faktor Internal a. Sikap. Descriptive Statistics. Maximu. Std. Varianc Range.

Descriptives. Frequencies. Hasil Analisis Data Penelitian. 1. Faktor Internal a. Sikap. Descriptive Statistics. Maximu. Std. Varianc Range. 108 Hasil Analisis Data Penelitian 1. Faktor Internal a. Sikap Desriptives Desriptive Minimu Maximu Varian N Range m m Sum Mean Deviation e Error SIKAP 191 17.00 22.00 39.00 5915.0 0 30.968 6.22626 3.12697

Lebih terperinci

Lampiran 1 Hasil Pengukuran Jumlah Limfosit dan Makrofag. Kelompok Jumlah limfosit

Lampiran 1 Hasil Pengukuran Jumlah Limfosit dan Makrofag. Kelompok Jumlah limfosit Lampiran 1 Hasil Pengukuran Jumlah dan Jumlah limfosit Jumlah makrofag 1 6 2 2 7 3 3 6 2 4 6 3 5 7 3 No. 1 11 5 P 1 No. 2 12 5 P 1 No. 3 12 6 P 1 No. 4 12 6 P 1 No. 5 12 6 P 2 No. 1 14 7 P 2 No. 2 15 8

Lebih terperinci

BAB IV PENYAJIAN DAN ANALISIS DATA. Tabel 10 Deskripsi data keseluruhan Statistics

BAB IV PENYAJIAN DAN ANALISIS DATA. Tabel 10 Deskripsi data keseluruhan Statistics 70 BAB IV PENYAJIAN DAN ANALISIS DATA A. Deskripsi Data Penelitian ini dimaksutkan ingin mengetahui tentang hubungan atau korelasi antara kompetensi profesional guru Qur an Hadits dan hasil belajar siswa,

Lebih terperinci

BAB IV ANALISA DAN PEMBAHASAN

BAB IV ANALISA DAN PEMBAHASAN BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah

Lebih terperinci

LATIHAN SPSS I. A. Entri Data

LATIHAN SPSS I. A. Entri Data A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi

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

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. data dilakukan dengan menggunakan program SPSS versi Analisis bivariate

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. data dilakukan dengan menggunakan program SPSS versi Analisis bivariate digilib.uns.ac.id BAB IV HASIL PENELITIAN DAN PEMBAHASAN Penelitian ini dilakukan pada ibu yang mempunyai bayi umur 6 12 bulan. Waktu penelitian dilakukan pada bulan Mei 2013 di desa Krebet. Analisis data

Lebih terperinci

usia Frequency Percent Valid Percent Cumulative Percent Valid jenis_kelamin

usia Frequency Percent Valid Percent Cumulative Percent Valid jenis_kelamin LAMPIRAN Karakteristik Responden Frequencies Statistics usia jenis_kelamin N Valid 38 38 Missing 0 0 Frequency Table usia Frequency Percent Valid Percent Cumulative Percent Valid 9 17 44.7 44.7 44.7 10

Lebih terperinci

Memulai SPSS dan Mengelola File

Memulai SPSS dan Mengelola File MODUL 1 Memulai SPSS dan Mengelola File A. MEMULAI SPSS Untuk memulai SPSS for Windows langkah yang harus dilakukan adalah: Klik menu Start Programs SPSS for Windows SPSS for Windows. Kemudian akan ditampilkan

Lebih terperinci

Uji Validitas I. Case Processing Summary N % Cases Valid Excluded a Total Reliability Statistics Cronbach's Alpha

Uji Validitas I. Case Processing Summary N % Cases Valid Excluded a Total Reliability Statistics Cronbach's Alpha Uji Validitas I Case Processing Summary N % Cases Valid 19 95.0 Excluded a 1 5.0 Total 20 100.0 Reliability Statistics Cronbach's Alpha N of Items.971 41 Item Statistics Mean Std. Deviation N PENGETAHUAN

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian tidak terantisipasi yang menyebabkan kerugian perusahaan. Depresi tajam dan cepat terhadap

Lebih terperinci

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan

II. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dalam bab ini penulis menyajikan analisis dari hasil penelitian yang telah

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dalam bab ini penulis menyajikan analisis dari hasil penelitian yang telah BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam bab ini penulis menyajikan analisis dari hasil penelitian yang telah dilakukan. Adapun variabel yang dianalisi diperoleh dari responden melalui penyebaran angket.

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian 46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan dipaparkan mengenai hasil penelitian dan pembahasan yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian dilakukan

Lebih terperinci

Pendahuluan & Statistika Deskriptif

Pendahuluan & Statistika Deskriptif 1 Pendahuluan & Statistika Deskriptif Pendahuluan Statistical Thinking Percentil dan Kuartil Ukuran Pemusatan Ukuran Variabilitas Pengelompokkan Data Skewness dan Kurtosis Metoda Penyajian Data Analisis

Lebih terperinci

PENGARUH PENGGUNAAN VIDEOPEMBELAJARAN TERHADAP MINAT BELAJAR SISWA KELAS X PADA MATA PELAJARAN RODA DAN BAN DI SMK MUHAMMADIYAH 3 YOGYAKARTA

PENGARUH PENGGUNAAN VIDEOPEMBELAJARAN TERHADAP MINAT BELAJAR SISWA KELAS X PADA MATA PELAJARAN RODA DAN BAN DI SMK MUHAMMADIYAH 3 YOGYAKARTA PENGARUH PENGGUNAAN VIDEOPEMBELAJARAN TERHADAP MINAT BELAJAR SISWA KELAS X PADA MATA PELAJARAN RODA DAN BAN DI SMK MUHAMMADIYAH 3 YOGYAKARTA Febrian Arif Budiman 09504247007 ABSTRAK Penelitian ini bertujuan

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam

II. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam 4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik

Lebih terperinci

LAMPIRAN 1. ONE WAY ANOVA

LAMPIRAN 1. ONE WAY ANOVA 50 LAMPIRAN 1. ONE WAY ANOVA Descriptives Konsentrasi Xylitol Statistic Std. Error Komposisi Kalsium konsentrasi 20% Mean 42,8020 1,95318 95% Confidence Interval for Mean Lower Bound 37,3791 Upper Bound

Lebih terperinci

BAB IV. Hasil Analisis dan Pembahasan. penelitian. Penghitungan IS dilakukan dengan menghitung CVE (Coefficient

BAB IV. Hasil Analisis dan Pembahasan. penelitian. Penghitungan IS dilakukan dengan menghitung CVE (Coefficient BAB IV Hasil Analisis dan Pembahasan A. Hasil Penelitian 1. Penghitungan Index Smoothing Penghitungan IS (Index Smoothing) dilakukan untuk mengetahui apakah perusahaan tersebut melakukan perataan laba

Lebih terperinci

BAB IV HASIL PENELITIAN. 1. Strategi Pembelajaran Berbasis Masalah

BAB IV HASIL PENELITIAN. 1. Strategi Pembelajaran Berbasis Masalah BAB IV HASIL PENELITIAN A. Deskripsi Variabel Dan Data Penelitian 1. Strategi Pembelajaran Berbasis Masalah Strategi Pembelajaran berbasis masalah (PBM) adalah strategi pembelajaran yang berpusat pada

Lebih terperinci

BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN

BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN A. Analisis Data tentang Nilai BTQ SD Kandang Panjang 01 Pekalongan Setelah dikumpulkan dengan

Lebih terperinci

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan 4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi

Lebih terperinci

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

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

Lebih terperinci

One-Sample Kolmogorov-Smirnov Test. Biaya Pemasangan ,133,133 -.I I 01

One-Sample Kolmogorov-Smirnov Test. Biaya Pemasangan ,133,133 -.I I 01 NPar Tests Produk FSD One-Sample Kolmogorov-Smirnov Test N Normal Parametersajb Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Mean Std. Deviation Absolute Positive Negative Biaya

Lebih terperinci

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada

Statistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. permainan bola voli selanjutnya dianalisis menggunakan uji statistik deskriptif dan

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. permainan bola voli selanjutnya dianalisis menggunakan uji statistik deskriptif dan BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Data Hasil Penelitian Data yang terkumpul dari hasil survei motivasi belajar dan hasil belajar pada permainan bola voli selanjutnya dianalisis menggunakan

Lebih terperinci

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

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

Lebih terperinci

Pengantar & Statistika Deskriptif. MA 2081 Statistika Dasar

Pengantar & Statistika Deskriptif. MA 2081 Statistika Dasar Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00 24.00

Lebih terperinci

BAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR. Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif

BAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR. Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif BAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif maupun teknik mendekripsikan data secara grafis maupun secara angka. Sebagai ilustrasi aplikasi

Lebih terperinci

ANGKET PENELITIAN PENGARUH TATA RUANG PERPUSTAKAAN STMIK POTENSI UTAMA MEDAN TERHADAP KEPUASAN PENGGUNA

ANGKET PENELITIAN PENGARUH TATA RUANG PERPUSTAKAAN STMIK POTENSI UTAMA MEDAN TERHADAP KEPUASAN PENGGUNA LAMPIRAN 1 ANGKET PENELITIAN PENGARUH TATA RUANG PERPUSTAKAAN STMIK POTENSI UTAMA MEDAN TERHADAP KEPUASAN PENGGUNA Dengan hormat, Penulis mengharapkan kesediaan Saudara untuk mengisi Angket ini dengan

Lebih terperinci

Sampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.

Sampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi

Lebih terperinci

STATISTIK DESKRIPTIF. Statistics. Strategi Membaca

STATISTIK DESKRIPTIF. Statistics. Strategi Membaca 2 Lampiran 8 Statistics N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Valid Missing STATISTIK DESKRIPTIF Statistics Strategi Membaca Variables Penguasaan Kosakata Kemampuan Memahami

Lebih terperinci

Distribution. Contoh Kasus. Widya Rahmawati

Distribution. Contoh Kasus. Widya Rahmawati Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

LAMPIRAN. Jumlah Tabungan, Deposito, dan Kredit Tahun (dalam Rp 000)

LAMPIRAN. Jumlah Tabungan, Deposito, dan Kredit Tahun (dalam Rp 000) LAMPIRAN Lampiran i Jumlah Tabungan, Deposito, dan Kredit Tahun 2005-2008 (dalam Rp 000) 2005 2006 2007 2008 Tabungan 3,505,782,603 3,580,721,966 4,266,928,564 5,191,304,160 Deposito 303,031,000 408,810,750

Lebih terperinci

LEMBAR PERMOHONAN MENJADI RESPONDEN

LEMBAR PERMOHONAN MENJADI RESPONDEN LAMPIRAN LEMBAR PERMOHONAN MENJADI RESPONDEN Yogyakarta, Kepada Yth. Sdr Responden Di tempat Dengan hormat, Saya yang bertanda tangan dibawah ini : Nama : Diah Rahmawati NIM : 20130320102 merupakan mahasiswa

Lebih terperinci

STATISTIK DESKRIPTIF

STATISTIK DESKRIPTIF PERTEMUAN KE-3 STATISTIK DESKRIPTIF Ringkasan Materi: Pengukuran Deskriptif Pengukuran deskriptif pada dasarnya memaparkan secara numerik ukuran tendensi sentral, dispersi dan distribusi suatu data. Tendensi

Lebih terperinci

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI

ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

Eksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang

Eksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang Eksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Sidang Sarjana Matematika Disusun Oleh : Anggun Oktari 101 03 044 PROGRAM STUDI

Lebih terperinci

KUESIONER HUBUNGAN PENGETAHUAN TENTANG AIR MINUM DAN PERILAKU SISWA DALAM PENCEGAHAN DIARE DI SDN PANUNGGANGAN 01 KECAMATAN PINANG KOTA TANGERANG

KUESIONER HUBUNGAN PENGETAHUAN TENTANG AIR MINUM DAN PERILAKU SISWA DALAM PENCEGAHAN DIARE DI SDN PANUNGGANGAN 01 KECAMATAN PINANG KOTA TANGERANG KUESIONER HUBUNGAN PENGETAHUAN TENTANG AIR MINUM DAN PERILAKU SISWA DALAM PENCEGAHAN DIARE DI SDN PANUNGGANGAN 01 KECAMATAN PINANG KOTA TANGERANG A. Petunjuk Pengisian 1. Adik-adik dimohon untuk mengisi

Lebih terperinci

Pengantar Statistik. Nanang Erma Gunawan

Pengantar Statistik. Nanang Erma Gunawan Pengantar Statistik Nanang Erma Gunawan nanang_eg@uny.ac.id Sekilas tentang sejarah Statistik Statistik: pada awal zaman Masehi, bangsa-bangsa mengumpulkan data untuk mendapatkan informasi mengenai pajak,

Lebih terperinci

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.

Lebih terperinci

LAMPIRAN. Case Processing Summary. Descriptives. 95% Confidence Interval for Mean. Tests of Normality. Kolmogorov-Smirnov a

LAMPIRAN. Case Processing Summary. Descriptives. 95% Confidence Interval for Mean. Tests of Normality. Kolmogorov-Smirnov a LAMPIRA Case Processing Summary Cases Missing Total Total Penerapan Kewaspadaan Standar 205 100.0% 0 0.0% 205 100.0% Descriptives Statistic Std. Error Mean 232.44.365 95% Confidence Interval for Mean Lower

Lebih terperinci

BAB II PERTIDAKSAMAAN CHERNOFF

BAB II PERTIDAKSAMAAN CHERNOFF BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a

Lebih terperinci

SPSS FOR WINDOWS BASIC. By : Syafrizal

SPSS FOR WINDOWS BASIC. By : Syafrizal SPSS FOR WINDOWS BASIC By : Syafrizal SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah Langkah pertama

Lebih terperinci

Statistika & Probabilitas

Statistika & Probabilitas Statistika & Probabilitas Dispersi Data Dispersi Data Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Beberapa jenis ukuran dispersi data : Jangkauan (range) Simpangan rata-rata

Lebih terperinci

BAB IV ANALISIS HASIL DAN PEMBAHASAN

BAB IV ANALISIS HASIL DAN PEMBAHASAN BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Pengujian Validitas Variabel Validitas menunjukkan seberapa nyata suatu pengujian mengukur apa yang seharusnya diukur. Dalam Ghozali (2005:45) dinyatakan suatu kuesioner

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range,

BAB IV HASIL DAN PEMBAHASAN. nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range, 47 BAB IV HASIL DAN PEMBAHASAN 4.1 Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,

Lebih terperinci

Bab X. Apa uji ANOVA itu? Contoh penjual mobil. Analisis of Variance ANOVA

Bab X. Apa uji ANOVA itu? Contoh penjual mobil. Analisis of Variance ANOVA Bab X Analisis of Variance ANOVA Apa uji ANOVA itu? Uji-t untuk -Mean Contoh: seorang penjual mobil ingin mendapatkan perbedaan antara jenis kendaraan dalam hal konsumsi gas perkilo: Kendaraan kecil Kendaraan

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

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 3 4 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

Materi 4 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya

Materi 4 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya Materi 4 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetensi Dasar Memahami pemrosesan awal data yang akan diproses

Lebih terperinci

Distribusi dari Sampling

Distribusi dari Sampling Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi

Lebih terperinci

LAMPIRAN DATA PENGUKURAN BMI BERDASAR TINGGI BADAN DAN BERAT BADAN PADA 30 SUBJEK PENELITIAN. NO TINGGI BADAN (cm) B. BADAN ( kg) BMI ( kg/m2)

LAMPIRAN DATA PENGUKURAN BMI BERDASAR TINGGI BADAN DAN BERAT BADAN PADA 30 SUBJEK PENELITIAN. NO TINGGI BADAN (cm) B. BADAN ( kg) BMI ( kg/m2) LAMPIRAN 1 LAMPIRAN DATA PENGUKURAN BMI BERDASAR TINGGI BADAN DAN BERAT BADAN PADA 30 SUBJEK PENELITIAN NO TINGGI BADAN (cm) B. BADAN ( kg) BMI ( kg/m2) 1 157 46 18,66 2 163 60 22,58 3 155 50 20,81 4 164

Lebih terperinci

Distribusi Teoritis Probabilitas

Distribusi Teoritis Probabilitas Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN. perbankan terdiri dari Bank Umum dan Bank Perkreditan Rakyat

BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN. perbankan terdiri dari Bank Umum dan Bank Perkreditan Rakyat BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN Dijelaskan dalam UU Pokok perbankan nomor 7 tahun 1992 dan ditegaskan lagi dengan keluarnya undang-undang RI nomor 10 tahun 1998

Lebih terperinci

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

BAB I PENDAHULUAN 1.1 LATAR BELAKANG BAB I PENDAHULUAN 1.1 LATAR BELAKANG Risiko adalah kerugian karena kejadian yang tidak diharapkan terjadi. Misalnya, kejadian sakit mengakibatkan kerugian sebesar biaya berobat dan upah yang hilang karena

Lebih terperinci

DATA MINING. Pertemuan 4. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi

DATA MINING. Pertemuan 4. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 4 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2015 Pre-Processing Agregasi (aggregation) Penarikan contoh (sampling)

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Hasil Penelitian 1. Deskripsi Data Penelitian Data mentah dari penelitian ini diperoleh dari laporan keuangan tahunan publikasi Bank Syariah Mandiri.Laporan keuangan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil

Lebih terperinci

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM

DISTRIBUTIONS OF RANDOM VARIABLE DISTRIBUSI VARIABEL RANDOM 1.11 Chebyshev s Inequality DISTRIBUTIONS OF RANDOM VARIABLE (Ketaksamaan Chebyshev) A. Pendahuluan DISTRIBUSI VARIABEL RANDOM Konsep atau rumus yang berhubungan dengan Ketaksamaan Chebyshev Ekspektasi

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. yang terdaftar dalam LQ-45 di Bursa Efek Indonesia periode

BAB IV HASIL DAN PEMBAHASAN. yang terdaftar dalam LQ-45 di Bursa Efek Indonesia periode BAB IV HASIL DAN PEMBAHASAN A. Gambaran Umum Sampel penelitian yang digunakan dalam penelitian ini ialah perusahaan yang terdaftar dalam LQ-45 di Bursa Efek Indonesia periode 2013-2015. Teknik yang digunakan

Lebih terperinci

Tidur Malam. 2. Nyatakan hipotesis nol dan hipotesis alternatif untuk menginvestigasi pertanyaan ini. Hipotesis Nol :

Tidur Malam. 2. Nyatakan hipotesis nol dan hipotesis alternatif untuk menginvestigasi pertanyaan ini. Hipotesis Nol : Tidur Malam Langkah 1. Tanyakan Pertanyaan Pengamatan Seberapa banyak murid di sekolah Anda yang tidur malam seperti ini? Cobalah untuk membuat pertanyaan yang lebih spesifik dan tanyakan tentang malam

Lebih terperinci

TEKNIK SIMULASI MONTERCARLO STUDI KASUS DAN PENYELESAIAN. Prepared by Hanna Lestari, M.Eng

TEKNIK SIMULASI MONTERCARLO STUDI KASUS DAN PENYELESAIAN. Prepared by Hanna Lestari, M.Eng TEKNIK SIMULASI MONTERCARLO STUDI KASUS DAN PENYELESAIAN Prepared by Hanna Lestari, M.Eng TEKNIK INDUSTRI UDINUS-,,2013 BAB I PENDAHULUAN I.1. Studi Kasus PT. SPOTLIGHT merupakan perusahaan pembuat lampu

Lebih terperinci

BAB IV HASIL PENELITIAN. A. Deskripsi Data Penelitian ini dilakukan terhadap siswa di MAN se Kabupaten Blitar

BAB IV HASIL PENELITIAN. A. Deskripsi Data Penelitian ini dilakukan terhadap siswa di MAN se Kabupaten Blitar BAB IV HASIL PENELITIAN A. Deskripsi Data Penelitian ini dilakukan terhadap siswa di MAN se Kabupaten Blitar yang berjumlah 92 responden, untuk mengetahui seberapa besar pengaruh keterampilan dasar mengajar

Lebih terperinci

BAB IV. Tabel 4.1. dan Pendapatan Bagi Hasil. Descriptive Statistics. Pembiayaan_Mudharabah E6 4.59E E E9

BAB IV. Tabel 4.1. dan Pendapatan Bagi Hasil. Descriptive Statistics. Pembiayaan_Mudharabah E6 4.59E E E9 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil 1. Uji Statistik Deskriptif Statistika deskriptif digunakan untuk melihat gambaran secara umum data yang sudah dikumpulkan dalam penelitian ini. Berikut

Lebih terperinci