PENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani /
|
|
- Benny Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani debrina.ub@gmail.com / debrina@ub.ac.id
2 2 Outline
3 Uji Hipotesis untuk Rata-rata Sampel Berukuran Besar 3
4 Uji Rata-rata untuk Sampel Berukuran Besar (n 30) 4 Data statistik sampel: - Ukuran sampel = n 30 - Rata-rata sampel = x - Standard deviasi sampel = s - Rata-rata distribusi sampling untuk rata-rata μ x = μ - Standard deviasi populasi = σ - Standard deviasi distribusi sampling untuk rata-rata Karena n > 30 jika: σ tidak diketahui bisa diestimasikan dengan s
5 Uji Rata-rata untuk Sampel Berukuran Besar (n 30) 5 Langkah-langkah pengujian : a. Uji hipotesis H 0 : μ = μ0 H 1 : μ μ0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) Daerah kritis (Daerah penolakan H 0 ) Zhitung < - Zα/2 atau Zhitung > Zα/2 Daerah penerimaan H 0 - Zα/2 Zhitung Zα/2
6 Uji Rata-rata untuk Sampel Berukuran Besar (n 30) 6 b. Uji hipotesis H 0 : μ = μ0 H 1 : μ > μ0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) c. Uji hipotesis H 0 : μ = μ0 H 1 : μ < μ0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) Daerah kritis (Daerah penolakan H 0 ) Zhitung > Zα Daerah kritis (Daerah penolakan H 0 ) Zhitung < - Zα Daerah penerimaan H 0 Zhitung Zα Daerah penerimaan H 0 Zhitung - Zα
7 Contoh Soal (1) 7 Rata-rata lifetime dari sampel sejumlah 100 unit bola lampu yang dihasilkan suatu pabrik adalah 1570 jam dengan standar deviasi 120 jam. Jika rata-rata lifetime dari seluruh bola lampu yang dihasilkan pabrik tersebut adalah μ, ujilah dengan tingkat signifikansi 1% bahwa μ dari bola lampu yang dihasilkan oleh pabrik tersebut tidak sama dengan 1600 jam.
8 Penyelesaian (1) Data statistik sampel: 8 Langkah-langkah uji hipotesis H 0 : μ = 1600 H 1 : μ 1600 Tingkat signifikansi α = 0,01 Statistik Uji Daerah kritis (daerah penolakan H 0 ) : Z hitung < - 2,58 atau Z hitung > 2,58 s Kesimpulan Karena -2,58 Z hitung = -2,5 2,58; maka H 0 diterima. Artinya, bisa disimpulkan bahwa rata-rata lifetime dari lampu yang dihasilkan pabrik adalah 1600 jam dengan tingkat keyakinan 99%
9 Uji Hipotesis untuk Rata-rata Sampel Berukuran Kecil 9
10 Uji Rata-rata untuk Sampel Berukuran Kecil (n < 30) 10 Data statistik sampel: - Ukuran sampel = n<30 - Rata-rata sampel = x - Standard deviasi sampel = s
11 Uji Rata-rata untuk Sampel Berukuran Kecil (n < 30) 11 Langkah-langkah pengujian : a. Uji hipotesis H0 : μ = μ0 H1 : μ μ0 Tingkat signifikansi : α Statistik uji : ~ t(n-1) (student t dengan derajat kebebasan n-1) Daerah kritis (Daerah penolakan H0) T hitung < - t (1-α/2);(n-1) atau T hitung > t (α/2);(n-1) Daerah penerimaan H0 - t(1-α/2);(n-1) T hitung t(α/2);(n-1)
12 Uji Rata-rata untuk Sampel Berukuran Kecil (n < 30) 12 b. Uji hipotesis H0 : μ = μ0 H1 : μ > μ0 Tingkat signifikansi : α Statistik uji : Daerah kritis (Daerah penolakan H0) T hitung > t α;(n-1) ~ t(n-1) (student t dengan derajat kebebasan n-1) c. Uji hipotesis H0 : μ = μ0 H1 : μ < μ0 Tingkat signifikansi : α Statistik uji : Daerah kritis (Daerah penolakan H0) T hitung < - t (1-α);(n-1) ~ t(n-1) (student t dengan derajat kebebasan n-1) Daerah penerimaan H0 Daerah penerimaan H0 T hitung t α;(n-1) T hitung - t (1-α);(n-1)
13 Contoh Soal (2) 13 Sebuah mesin pembuat washer dalam keadaan masih baru bisa menghasilkan washer dengan ketebalan (tingkat ketipisan) 0,050 inchi. Untuk mengetahui apakah mesin tersebut masih bisa bekerja dengan baik (seperti dalam keadaan masih baru) diambil sampel produk sejumlah 10 washer. Dari sampel tersebut diperoleh rata-rata ketebalan 0,053 inchi dengan standar deviasi 0,003 inchi. Ujilah dengan α = 5% apakah mesin tersebut masih bekerja seperti dalam keadaan baru!
14 Penyelesaian (2) Data statistik sampel: 14 Langkah-langkah uji hipotesis H0 : μ = 0,05 H1 : μ 0,05 Tingkat signifikansi α = 0,05 Statistik Uji Daerah kritis (daerah penolakan H0) : Thitung < - t(0,975);(9) = - 2,26 atau Thitung > t(0,025);(9) =2,26 Kesimpulan Karena T hitung = 3 > t(0,025);(9) = 2,26; maka H0 ditolak. Artinya mesin sudah tidak bekerja seperti semula
15 Uji Hipotesis untuk Proporsi 15
16 Uji Hipotesis untuk Proporsi (1) 16 Data statistik sampel: - = Proporsi kejadian sukses dalam sampel - p = Proporsi kejadian sukses dalam populasi - - p Statistik uji: ~ N (0,1) Jika : X = banyaknya kejadian sukses dalam sampel Maka ~ N (0,1)
17 Uji Hipotesis untuk Proporsi (2) 17 Langkah-langkah pengujian : a. Uji hipotesis H0 : p = p0 H1 : p p0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) Daerah kritis (Daerah penolakan H0) Zhitung < - Zα/2 atau Zhitung > Zα/2 Daerah penerimaan H0 - Zα/2 Zhitung Zα/2
18 Uji Hipotesis untuk Proporsi (3) 18 b. Uji hipotesis H0 : p = p0 H1 : p > p0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) c. Uji hipotesis H0 : p = p0 H1 : p < p0 Tingkat signifikansi : α Statistik uji : ~ N(0; 1) Daerah kritis (Daerah penolakan H0) Zhitung > Zα Daerah penerimaan H0 Zhitung Zα Daerah kritis (Daerah penolakan H0) Zhitung < - Zα Daerah penerimaan H0 Zhitung - Zα
19 Latihan Soal Uji Hipotesis untuk Proporsi Dikatakan bahwa 60% dari pemakai sepeda motor akan memilih sepeda motor merek A. Untuk menguji pernyataan tersebut, diambil sampel sebanyak 50 orang dan ternyata 20 orang diantaranya memilih merek A. Dengan tingkat signifikansi 5%, ujilah apakah pernyataan diatas benar. Penyelesaian: Data sampel n = 50 X = 20 à Uji hipotesis H0 : p = 0,6 H1 : p 0,6 Tingkat signifikansi : α =0,05 Statistik uji : Daerah kritis (Daerah penolakan H0) Zhitung < - 1,96 atau Zhitung > 1,96 19 Kesimpulan: karena Zhitung = -2,9 < Ztabel = -1,96, maka tolak H0 dengan signifikansi 5%. Artinya tidak benar bahwa 60% pemakai sepeda motor memilih merek A
20 PENGUJIAN HIPOTESIS (2) 3 Debrina Puspita Andriani debrina.ub@gmail.com / debrina@ub.ac.id
21 21 Outline
22 Uji Hipotesis untuk Perbedaan 2 Rata-rata Sampel Berukuran Besar 22
23 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 23 Kondisi : Jika n1; n2 30 dan σ1; σ2 diketahui Jika tidak diketahui σ1; σ2 diestimasi dengan s1; s2 Data statistik sampel: - Ukuran sampel 1 = n Ukuran sampel 2 = n Rata-rata sampel 1 = - Rata-rata sampel 2 = - Standard deviasi sampel 1= s1 - Standard deviasi sampel 2= s2 Langkah-langkah pengujian : Tingkat signifikansi : Statistik uji : ~ N(0; 1)
24 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 24 a. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 μ2 atau μ1 - μ2 0 Daerah kritis (Daerah penolakan H0) Zhitung < - Zα/2 atau Zhitung > Zα/2 Daerah penerimaan H0 - Zα/2 Zhitung Zα/2
25 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 25 b. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 > μ2 atau μ1 - μ2 > 0 Daerah kritis (Daerah penolakan H0) Zhitung > Zα c. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 < μ2 atau μ1 - μ2 < 0 Daerah kritis (Daerah penolakan H0) Zhitung < - Zα Daerah penerimaan H0 Zhitung Zα Daerah penerimaan H0 Zhitung - Zα
26 Contoh Soal (3) 26 Sebuah test dilakukan pada 2 kelas yang berbeda yang masing-masing terdiri dari 40 dan 50 mahasiswa. Dalam kelas pertama diperoleh nilai rata-rata 74 dengan standar deviasi 8, sementara di kelas kedua nilai rata-ratanya 78 dengan standar deviasi 7. a. Apakah kedua kelas tersebut bisa dikatakan mempunyai tingkat kemampuan yang berbeda? b. Jika ya, apakah kelas kedua lebih baik dari kelas pertama? Gunakan tingkat signifikansi 0,05.
27 Penyelesaian (3) 27 Data statistik sampel: n1 = 40 = 74 s1 = 8 n2 = 50 = 78 s2 = 7 a. Langkah-langkah pengujian: Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 μ2 atau μ1 - μ2 0 Tingkat signifikansi : α = 0,05 Statistik uji = -2,49 Daerah kritis (Daerah penolakan H0) Zhitung < - Z0,025 = - 1,96 atau Zhitung > Z0,025= 1,96 Kesimpulan: Karena Z hitung = - 2,49 < - Z0,025 = - 1,96; maka H0 ditolak pada tingkat signifikansi 5%. Artinya, kedua kelas mempunyai kemampuan yang berbeda.
28 Penyelesaian (3) 28 b. Langkah-langkah pengujian: Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 < μ2 atau μ1 - μ2 < 0 Tingkat signifikansi : α = 0,05 Statistik uji = -2,49 Daerah kritis (Daerah penolakan H0) Zhitung < - Z0,05 = - 1,65 Kesimpulan: Karena Z hitung = - 2,49 < Z0,05 = - 1,65; maka H0 ditolak pada tingkat signifikansi 5%. Artinya, kelas kedua mempunyai kemampuan yang lebih baik dibanding kelas pertama.
29 Uji Hipotesis untuk Perbedaan 2 Rata-rata Sampel Berukuran Kecil 29
30 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 30 Kondisi : 1. Jika n1; n2 < 30 dan σ1; σ2 tidak diketahui, tetapi Data statistik sampel: - Ukuran sampel 1 = n1 < 30 - Ukuran sampel 2 = n2 < 30 - Rata-rata sampel 1 = - Rata-rata sampel 2 = - Standard deviasi sampel 1= s1 - Standard deviasi sampel 2= s2 Langkah-langkah pengujian : Tingkat signifikansi : α Statistik uji : dengan dan v = n 1 + n 2-2
31 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 31 a. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 μ2 atau μ1 - μ2 0 Daerah kritis (Daerah penolakan H0) Thitung < - tα/2;v atau Thitung > tα/2;v Daerah penerimaan H0 - tα/2; v Thitung tα/2; v
32 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 32 b. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 > μ2 atau μ1 - μ2 > 0 Daerah kritis (Daerah penolakan H0) Thitung > tα; v c. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 < μ2 atau μ1 - μ2 < 0 Daerah kritis (Daerah penolakan H0) Thitung < - tα; v Daerah penerimaan H0 Thitung tα; v Daerah penerimaan H0 Thitung - tα; v
33 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 33 Kondisi : 2. Jika n1; n2 < 30 dan σ1; σ2 tidak diketahui, tetapi Data statistik sampel: - Ukuran sampel 1 = n1 < 30 - Ukuran sampel 2 = n2 < 30 - Rata-rata sampel 1 = - Rata-rata sampel 2 = - Standard deviasi sampel 1= s1 - Standard deviasi sampel 2= s2 Langkah-langkah pengujian : Tingkat signifikansi : α Statistik uji : dengan
34 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 34 a. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 μ2 atau μ1 - μ2 0 Daerah kritis (Daerah penolakan H0) Thitung < - tα/2;v atau Thitung > tα/2;v Daerah penerimaan H0 - tα/2; v Thitung tα/2; v
35 Uji Hipotesis untuk Perbedaan 2 Rata-Rata 35 b. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 > μ2 atau μ1 - μ2 > 0 Daerah kritis (Daerah penolakan H0) Thitung > tα; v c. Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 < μ2 atau μ1 - μ2 < 0 Daerah kritis (Daerah penolakan H0) Thitung < - tα; v Daerah penerimaan H0 Thitung tα; v Daerah penerimaan H0 Thitung - tα; v
36 Contoh Soal (4) 36 Test IQ dari 16 siswa di suatu daerah menunjukkan rata-rata 107 dengan standard deviasi 10. Sementara sampel 14 siswa dari daerah lain menunjukkan rata-rata 112 dengan standar deviasi 8. Bisakah disimpulkan bahwa IQ dari kedua daerah tersebut berbeda secara signifikan? Gunakan α = 0,01; jika diketahui bahwa standard deviasi dari IQ kedua daerah sama.
37 Penyelesaian (4) Data statistik sampel: n1 = 16 = 107 s1 = 10 à = 100 n2 = 14 = 112 s2 = 8 à = a. Langkah-langkah pengujian: Uji hipotesis H0 : μ1 = μ2 atau μ1 μ2 = 0 H1 : μ1 μ2 atau μ1 - μ2 0 Tingkat signifikansi : α = 0,01 Statistik uji dengan dan v = n1 + n2 2 = = 28
38 Penyelesaian (4) 38 Daerah kritis (Daerah penolakan H0) Thitung < - t0,005;28 = - 2,76 atau Thitung > t0,005;28= 2,76 Kesimpulan: Karena t0,005;28 = -2,76 Thitung =-1,497 t0,005;28 =2,76; maka H0 diterima pada tingkat keyakinan 99%. Artinya, IQ dari kedua daerah tidak berbeda secara signifikan.
39 Uji Hipotesis Untuk 2 Sampel Berpasangan (Paired t Test) 39
40 Uji Dua Sampel Berpasangan (Paired t Test) 40 Jika 2 sampel berukuran n merupakan himpunan n pasangan observasi yang diperoleh dari n obyek yang diukur atau diperlakukan dengan dua cara yang berbeda. Misalkan: Obyek Pengamatan Pengukuran/Perlakuan I II Selisih (dj) 2 (dj) 1 x11 x21 d1 = x11 x21 2 x12 x22 d2 = x12 x n x1n x2n dn = x1n x2n Jumlah Dengan diasumsikan bahwa dan
41 Uji Dua Sampel Berpasangan (Paired t Test) Langkah-langkah pengujian: a. Uji hipotesis H0 : μ1 = μ2 atau μd = 0 H1 : μ1 μ2 atau μd 0 Tingkat signifikansi : α Statistik uji : 41 dengan dan Daerah kritis (Daerah penolakan H0) Thitung < - tα/2;n-1 atau Thitung > tα/2;n-1 Daerah penerimaan H0 - tα/2;n-1 Thitung tα/2;n-1 Untuk uji satu sisi, penentuan daerah kritis bisa ditentukan seperti uji t yang lain!
42 Contoh Soal (5) 42 Misalkan akan diuji apakah penerapan metode kerja baru di suatu stasiun kerja akan meningkatkan kapasitas kerja dari karyawan di stasiun kerja tersebut. Untuk itu diamati hasil produksi per jam dari 12 orang karyawan yang bekerja di stasiun kerja tersebut sebelum dan sesudah diterapkannya metode kerja baru, hasilnya bisa dilihat pada tabel berikut: (Gunakan α = 5%) Apakah penerapan metode yang baru dapat meningkatkan kapasitas kerja dibandingkan metode yang lama?
43 Contoh Soal (5) 43 Karyawan Jumlah Produk yang Dihasilkan per jam Selisih Metode Lama Metode Baru Jumlah Rata-rata -1,58
44 Penyelesaian (5) Langkah-langkah pengujian H0 : μ1 = μ2 atau μd = 0 H1 : μ1 < μ2 atau μd < 0 (terjadi peningkatan kapasitas) Tingkat signifikansi : 0,05 Statistik uji : 44 dengan dan Daerah kritis (Daerah penolakan H0) Thitung < - t0,05; 11 = -1,796 Karena Thitung = -2,293 < - t0,05; 11 = -1,796, maka H0 ditolak. Berarti penerapan metode baru dapat meningkatkan kapasitas produksi
45 Ringkasan (1) 45 No. Pengujian Hipotesis Daerah Kritis Daerah Penerimaan 1. Uji Hipotesis untuk Perbedaan 1 Rata-rata (One sample t-test) Sampel Besar H0: μ = μ 0 H1: μ μ 0 Z hitung < - Z α/2 atau Z hitung > Z α/2 - Z α/2 Z hitung Z α/2 s H0: μ = μ 0 H1: μ > μ 0 Z hitung > Z α Z hitung Z α H0: μ = μ 0 H1: μ < μ 0 Z hitung < - Z α Z hitung - Z α Sampel Kecil H0: μ = μ 0 H1: μ μ 0 H0: μ = μ 0 H1: μ > μ 0 H0: μ = μ 0 H1: μ < μ 0 t hitung < - t (1-α/2);(n-1) atau t hitung > t (α/2);(n-1) t hitung > t α;(n-1) T hitung < -t (1-α);(n-1) - t (1-α/2);(n-1) t hitung t (α/2);(n-1) t hitung t α;(n-1) t hitung - t (1-α);(n-1)
46 Ringkasan (2) 46 No. Pengujian Hipotesis Daerah Kritis Daerah Penerimaan 2. Uji Hipotesis untuk Perbedaan 2 Rata-rata a. Independent Test Sampel Besar H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 μ 2 atau μ 1 - μ 2 0 H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 > μ 2 atau μ 1 - μ 2 > 0 Z hitung < - Z α/2 atau Z hitung > Z α/2 - Z α/2 Z hitung Z α/2 Z hitung > Z α Z hitung Z α H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 < μ 2 atauμ 1 - μ 2 > 0 Z hitung < - Z α Z hitung - Z α Sampel Kecil Jika: H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 μ 2 atau μ 1 - μ 2 0 t hitung < - t α/2;v atau t hitung > t α/2;v -t α/2;v t hitung t α/2;v v = n1+n2-2 Jika: H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 > μ 2 atau μ 1 - μ 2 > 0 t hitung > t α;v thitung t α;v H0:μ 1 = μ 2 atau μ 1 - μ 2 = 0 H1:μ 1 < μ 2 atauμ 1 - μ 2 > 0 T hitung < -t α;v t hitung - t α;v
47 47 No. Pengujian Hipotesis Daerah Kritis Daerah Penerimaan 2. Uji Hipotesis untuk Perbedaan 2 Rata-rata b. Paired t-test H0:μ 1 = μ 2 atau μ D = 0 H1:μ 1 μ 2 atau μ D 0 T hitung < - t α/2;n-1 atau T hitung > t α/2;n-1 - t α/2;n-1 Thitung t α/2;n-1 H0:μ 1 = μ 2 atau μ D = 0 H1:μ 1 > μ 2 atau μ D > 0?? H0:μ 1 = μ 2 atau μ D = 0 H1:μ 1 > μ 2 atau μ D > 0??
48 Uji Hipotesis untuk Perbedaan Proporsi 48
49 Uji Hipotesis untuk Perbedaan Proporsi (1) 49 Data statistik sampel: - = Proporsi kejadian sukses dalam sampel 1 - = Proporsi kejadian sukses dalam sampel 2 - p1 = Proporsi kejadian sukses dalam populasi 1 - p2 = Proporsi kejadian sukses dalam populasi ; p diestimasikan dengan Statistik uji: ~ N (0,1)
50 Uji Hipotesis untuk Perbedaan Proporsi (2) 50 Langkah-langkah pengujian : a. Uji hipotesis H0 : p 1 = p 2 H1 : p 1 p 2 Tingkat signifikansi : α Daerah kritis (Daerah penolakan H0) Zhitung < - Zα/2 atau Zhitung > Zα/2 Daerah penerimaan H0 - Zα/2 Zhitung Zα/2
51 Uji Hipotesis untuk Perbedaan Proporsi (3) 51 b. Uji hipotesis H0 : p 1 = p 2 H1 : p 1 > p 2 Tingkat signifikansi : α Daerah kritis (Daerah penolakan H0) Zhitung > Zα Daerah penerimaan H0 Zhitung Zα c. Uji hipotesis H0 : p 1 = p 2 H1 : p 1 < p 2 Tingkat signifikansi : α Daerah kritis (Daerah penolakan H0) Zhitung < - Zα Daerah penerimaan H0 Zhitung - Zα
52 Latihan Soal Uji Hipotesis untuk Perbedaan Proporsi 52 Dari sebuah sampel yang diambil berdasarkan polling pendapat yang terdiri dari 300 orang dewasa dan 200 remaja, diperoleh data bahwa 56% dari orang dewasa dan 48% dari kelompok remaja menyukai merek produk tertentu. Ujilah hipotesis bahwa terdapat perbedaan minat orang dewasa dan remaja terhadap produk tersebut. Gunakan α= 1% Penyelesaian: Data sampel n1 = 300 n2 = 200 Uji hipotesis H0 : p1 = p2 H1 : p 1 p 2 Tingkat signifikansi : α =0,01 Statistik uji : dengan Daerah kritis (Daerah penolakan H0) Zhitung < - 2,58 atau Zhitung > 2,58 Kesimpulan: karena Z0,005 = -2,58 Zhitung = 0,175 Z0,005 = 2,58; maka terima H0 dengan signifikansi 1%. Artinya tidak terdapat perbedaan yang signifikan antara minat kelompok orang dewasa dan remaja terhadap produk tersebut
PENGUJIAN HIPOTESIS (2)
PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Rata-rata Sampel
Lebih terperinciPENGUJIAN HIPOTESIS 1
PENGUJIAN HIPOTESIS 1 Pengertian Pengujian Hipotesis From: BAHASA YUNANI HUPO THESIS Lemah, kurang, di bawah Teori, proposisi, atau pernyataan yang disajikan sebagai bukti Hipotesis suatu pernyataan yang
Lebih terperinciPengertian Pengujian Hipotesis
PENGUJIAN HIPOTESIS Pengertian Pengujian Hipotesis HUPO BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau pernyataan
Lebih terperinciPENGERTIAN PENGUJIAN HIPOTESIS
PENGUJIAN HIPOTESIS PENGERTIAN PENGUJIAN HIPOTESIS HUPO From: BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau
Lebih terperinciPENGUJIAN HIPOTESIS (3)
PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis
Lebih terperinciPENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik
Lebih terperinciUJI HIPOTESIS UNTUK PROPORSI
PENGUJIAN HIPOTESIS UJI HIPOTESIS UNTUK PROPORSI Uji Hipotesis untuk Proporsi Data statistik sampel: - = Proporsi kejadian sukses dalam sampel - p = Proporsi kejadian sukses dalam populasi - - Statistik
Lebih terperinciSTATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /
STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman
Lebih terperinciDistribusi Sampling 6.2. Debrina Puspita Andriani /
6. Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Pengertian dan Konsep Dasar Distribusi Sampling Distribusi Sampling Mean Distribusi Sampling Proporsi Distribusi Sampling
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 terperinciPENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,
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 terperinciSTATISTIK NON PARAMETRIK (2)
STATISTIK NON PARAMETRIK (2) 12 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Korelasi Urutan Spearman Statistik
Lebih terperinciUji Hipotesis Mengenai Rataan (Hypothesis Test on the Mean) Oleh Azimmatul Ihwah
Uji Hipotesis Mengenai Rataan (Hypothesis Test on the Mean) Oleh Azimmatul Ihwah Uji Hipotesis Mengenai Rataan dari Satu Sampel yang Berasal dari Populasi Berdistribusi Normal, Variansi Diketahui Hipotesis
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji Z: Proportional Populasi Uji Hipotesis 2 populasi: Uji Z Uji pooled t-test Uji paired t-test Referensi: Johnson, R. A., Statistics
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 terperinciPENGUJIAN HIPOTESA #1
PENGUJIAN HIPOTESA #1 Materi #3 TIN309 DESAIN EKSPERIMEN Pengujian Hipotesa Hipotesa: asumsi atau dugaan mengenai sesuatu hal yang dibuat untuk menjelaskan sesuatu masalah. Pengujian Hipotesa: langkah-langkah
Lebih terperinciDistribusi Probabilitas Diskrit: Poisson
Distribusi Probabilitas Diskrit: Poisson 7.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Pendekatan Binomial Poisson Distribusi Poisson Kapan distribusi
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 terperinciKONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS
KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2
Lebih terperinciDistribusi Probabilitas : Gamma & Eksponensial
Distribusi Probabilitas : Gamma & Eksponensial 11 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Gamma Distribusi Eksponensial 3 Distribusi Gamma Tidak selamanya
Lebih terperinciUji Hipotesa Dua Sampel (Lanjutan)
Uji Hipotesa Dua Sampel (Lanjutan) Tjipto Juwono, Ph.D. May 3, 2016 TJ (SU) Uji Hipotesa Dua Sampel (Lanjutan) May 2016 1 / 26 σ tidak diketahui, saling beda, sampel kecil Standard Deviasi Tidak Diketahui,
Lebih terperinciUji Hipotesa Dua Sampel
Uji Hipotesa Dua Sampel Tjipto Juwono, Ph.D. April 19, 2016 TJ (SU) Uji Hipotesa Dua Sampel April 2016 1 / 28 Membandingkan Dua Populasi Contoh 1 Apakah ada perbedaan jumlah rata-rata penjualan rumah oleh
Lebih terperinciPengujian hipotesis. Mata Kuliah: Statistik Inferensial. Hipotesis
PENGUJIAN HIPOTESIS Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Hipotesis Hipotesis adalah suatu pernyataan mengenai nilai suatu parameter populasi yang dimaksudkan untuk pengujian
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur
Lebih terperinciPENGUJIAN HIPOTESIS. 100% - 5 % = 95% (Ho di terima) 2,5% (Ho ditolak) 2,5% ( Ho ditolak ) - Zα 0 Zα
PENGUJIAN HIPOTESIS. Pengertian Hipotesis Hypo = Sementara Thesis = Jawaban Jadi hipotesis adalah jawaban sementara dari suatu pernyataan ( pejabat, mahasiswa, pegawai dan lain sebagainya.contoh :. Pernyataan
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 terperinciPERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA
PERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA Uji beda dua rata-rata sampel berpasangan (Paired test) Dibutuhkan untuk mencek perbedaan yang bermakna antara dua nilai rata-rata ketika sampel-sampel tersebut
Lebih terperinciPendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30
Pendugaan Parameter Ayundyah Kesumawati Prodi Statistika FMIPA-UII April 13, 2015 Ayundyah (UII) Pendugaan Parameter April 13, 2015 1 / 30 Pendugaan 1 Proses yang menggunakan sampel statistik untuk menduga
Lebih terperinciPengukuran Deskriptif
Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi
Lebih terperinciAnalysis of Variance (ANOVA) Debrina Puspita Andriani /
Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor
Lebih terperinciTEORI PENDUGAAN. diketahui berdasarkan informasi sampel.
TEORI PENDUGAAN Estimasi / Pendugaan Suatu pernyataan mengenai parameter populasi yang diketahui berdasarkan informasi sampel. Penduga atau Estimator Suatu statistik ti tik (harga sampel) yang digunakan
Lebih terperinciBIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )
BIOSTATISTIK UJI HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA (20611003) NURTASMIA (20611022) SOBRI (20611027) : Tahapan-tahapan dalam uji hipotesis 1.Membuat hipotesis nol (H o ) dan hipotesis alternatif (H
Lebih terperinciSESI 11 STATISTIK BISNIS
Modul ke: SESI 11 STATISTIK BISNIS Sesi 11 ini bertujuan agar Mahasiswa dapat mengetahui teori Hipoesa Sampel Besar statistik yang berguna sebagai alat analisis data Ekonomi dan Bisnis. Fakultas EKONOMI
Lebih terperinciBab 5 Distribusi Sampling
Bab 5 Distribusi Sampling Pendahuluan Untuk mempelajari populasi kita memerlukan sampel yang diambil dari populasi yang bersangkutan. Meskipun kita dapat mengambil lebih dari sebuah sampel berukuran n
Lebih terperinciDistribusi Probabilitas Diskrit: Geometrik Hipergeometrik
Distribusi Probabilitas Diskrit: Geometrik Hipergeometrik 4.3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Geometrik Distribusi Hipergeometrik Distribusi
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI TIN 4004 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Contingency Uji Homogenitas Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 001.
Lebih terperinciKORELASI LINIER BERGANDA. Debrina Puspita Andriani /
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline 3 Korelasi Linear Berganda Alat ukur mengenai hubungan yang terjadi antara variabel terikat
Lebih terperinciPengukuran Deskriptif. Debrina Puspita Andriani /
Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran
Lebih terperinciUmmu Kalsum UNIVERSITAS GUNADARMA
Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciContoh Solusi PR 5 Statistika & Probabilitas
Contoh Solusi PR 5 Statistika & Probabilitas 1. X = proporsi pelanggan yang menggunakan layanan penerbangan untuk keperluan bisnis. n = ukuran sampel, p = proporsi sampel yang menggunakan layanan penerbangan
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 terperinciREGRESI LINIER BERGANDA. Debrina Puspita Andriani /
REGRESI LINIER BERGANDA 9 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline 03//04 Regresi Berganda : PENGERTIAN 3 Menguji hubungan linier antara variabel dependen (y) dan
Lebih terperinciMateri Kuliah: Statistik Inferensial
TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Titik Parameter Interval Teori Statistik Titik Parameter Interval 3 1 PENDUGA TUNGGAL SEBAGAI FUNGSI
Lebih terperinciTeori Probabilitas 3.2. Debrina Puspita Andriani /
Teori Probabilitas 3.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Konsep Probabilitas Ruang Sampel Komplemen Kejadian Probabilitas Bersyarat Berapa peluang munculnya
Lebih terperinciKORELASI LINIER BERGANDA
KORELASI LINIER BERGANDA 10 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline 3 Analisa Korelasi Untuk mengukur
Lebih terperinciSTATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi
Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 PENDUGAAN PARMETER IV. PENDUGAAN PARAMETER Populasi N Sampling Sampel n Rata-rata : μ Simp. Baku : σ Ragam
Lebih terperinciUJI HIPOTESIS DALAM SATU POPULASI MINGGU VII
UJI HIPOTESIS DALAM SATU POPULASI MINGGU VII PENGERTIAN HIPOTESIS Hypothesis berasal dari kata Yunani (Greek) Dari kata hypotithenai artinya menduga Kata ini pertama digunakan oleh Circa 1656 Hipotesis
Lebih terperinciPENAKSIRAN PARAMETER TM_3
PENAKSIRAN PARAMETER TM_3 Pendahuluan Statistik inverensial membicarakan bgmn mengeneralisasi informasi yg telah diperoleh. Segala aturan, dan cara, yg dpt di pakai sebagai alat dlm mencoba menarik kesimpulan
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciMateri Kuliah: Statistik Inferensial
TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Pengujian Hipotesa Besar Pengujian Hipotesa Kecil Memilih Ukuran Teori Statistik Pengujian Hipotesa
Lebih terperinciUji Mengenai Variansi dan Proporsi. Oleh Azimmatul Ihwah
Uji Mengenai Variansi dan Proporsi Oleh Azimmatul Ihwah Uji Hipotesis Mengenai Variansi Beda uji hipotesis mengenai variansi dengan uji hipotesis mengenai rataan adalah pada parameter penduga, yaitu menggunakan
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI TIN 4004 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Goodness-of-Fit Uji Contingency Uji Homogenitas Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
Lebih terperinciS T A T I S T I K A OLEH : WIJAYA
S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.
Lebih terperinciUJI HIPOTESA PERBEDAAN. t-test
UJI HIPOTESA PERBEDAAN t-test T-test Digunakan untuk menguji hipotesa komparatif (uji perbedaan) Digunakan untuk sample kecil & varian populasi tidak diketahui Merupakan salah satu tehnik statistik parametrik
Lebih terperinciPengujian Hipotesa Dua Sampel
Pengujian Hipotesa Dua Sampel OUTLINES 1. Pengujian hipotesa bahwa mean dari dua populasi independen yang standard deviasinya diketahui adalah sama. Melakukan pengujian hipotesa bahwa dua proporsi populasi
Lebih terperinciMATERI / BAHAN PRAKTIKUM
MODUL 1 t-test TUJUAN 1. Mahasiswa mampu memahami estimasi atau pendugaan rata-rata sampel untuk satu atau dua populasi. 2. Mampu memahami Uji Hipotesis rata-rata sampel untuk satu atau dua populasi. 3.
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciSTATISTIKA. Muhamad Nursalman Pendilkom/Ilkom UPI
STATISTIKA Muhamad Nursalman Pendilkom/Ilkom UPI 1 Daftar Isi Bab 1 Peluang Bab Peubah Acak Bab 3 Distribusi Peluang Diskret Bab 4 Distribusi Peluang Kontinu Bab 5 Fungsi Peubah Acak Bab 6 Teori Penaksiran
Lebih terperinciPENGUJIAN HIPOTESIS. 2,5% (Ho ditolak) 2,5% ( Ho ditolak )
PENGUJIAN HIPOTESIS 1. Pengertian Hipotesis Hypo = Sementara Thesis = Jawaban Jadi hipotesis adalah jawaban sementara dari suatu pernyataan ( pejabat, mahasiswa, pegawai dan lain sebagainya.contoh : 1.
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinciSEBARAN PENARIKAN CONTOH
STATISTIK A (MAM 4137) SEBARAN PENARIKAN CONTOH By Syarifah Hikmah Julinda Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean
Lebih terperinciSTATISTIKA II (BAGIAN
STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis
Lebih terperinciBAB 6 PENAKSIRAN PARAMETER
BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang
Lebih terperinciUji Statistik Hipotesis
Modul 8 Uji Statistik Hipotesis Bambang Prasetyo, S.Sos. D PENDAHULUAN alam Modul 7, Anda sudah diperkenalkan pada inferensi. yang mencakup estimasi dan uji hipotesis. Dalam Modul 7, Anda juga sudah belajar
Lebih terperinciSTATISTIK NON PARAMETRIK (1)
11 STATISTIK NON PARAMETRIK (1) Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Metode Statistik : Parametrik
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 terperinciSTK 211 Metode Statistika PENGUJIAN HIPOTESIS
STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian
Lebih terperinciPengantar Statistika Bab 1
BAB 14 PENGUJIAN HIPOTESA SAMPEL KECIL 1 Pengujian Hipotesa Sampel Kecil 4 DEFINISI Pengertian Sampel Kecil Sampel kecil yang jumlah sampel kurang dari 30, maka nilai standar deviasi (s) berfluktuasi relatif
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan
Lebih terperinciBAB 7: UJI HIPOTESIS (1)
BAB 7: UJI HIPOTESIS (1) Uji hipotesis dilakukan untuk membuktikan kebenaran akan asumsi atas nilai parameter. Asumsi terhadap nilai parameter inilah yang kita sebut hipotesis. Untuk membuktikan benar/tidaknya
Lebih terperinciPenduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER
Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila
Lebih terperinciUJI PERBEDAAN DUA SAMPEL. Materi Statistik Sosial Administrasi Negara FISIP UI
UJI PERBEDAAN DUA SAMPEL Materi Statistik Sosial Administrasi Negara FISIP UI Digunakan untuk menentukan apakah dua perlakukan sama atau tidak sama Uji parametrik Uji non parametrik: T- test asumsi: distribusi
Lebih terperinciPENGUJIAN HIPOTESIS RATA- RATA. Oleh : Riandy Syarif
PENGUJIAN HIPOTESIS RATA- RATA Oleh : Riandy Syarif Definisi Pengujian hipotesis tentang rata-rata adalah pengujian hipotesis mengenai rata-rata populasi yg didasarkan atas informasi sampelnya. Pengujian
Lebih terperinciUji Hipotesa Satu Sampel
Uji Hipotesa Satu Sampel Tjipto Juwono, Ph.D. April 12, 2016 TJ (SU) Uji Hipotesa Satu Sampel April 2016 1 / 35 Uji Hipotesa Contoh Sebuah perusahaan mebel menghasilkan meja tulis, dengan rata-rata produksi
Lebih terperinciMetode Sampling 6.1. Debrina Puspita Andriani /
Metode Sampling 6.1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Populasi dan Sampel Metode Sampling Teknik Penentuan Jumlah Sampel Populasi dan Sampel 3 Populasi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan pada Kabupaten Tapanuli Selatan yang
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada Kabupaten Tapanuli Selatan yang mempunyai jumlah peternak sapi IB dan non IB di tiga Kecamatan yaitu Kecamatan
Lebih terperinciSTATISTIK PERTEMUAN X
STATISTIK PERTEMUAN X STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA) Outline Uji Hipotesis Variansi dengan sampel ganda Uji Hipotesis Mean dengan Sampel ganda : - Uji t untuk populasi saling bergantung
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Statistik sangat sering ditemui dalam kehidupan sehari-hari, tidak hanya dalam dunia pendidikan dan ilmu pengetahuan. Statistik inferensia salah satunya, merupakan satu
Lebih terperinciDistribusi 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 terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
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 terperinciPENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura
PENGUJIAN HIPOTESIS Nurwahyu Alamsyah, S.Kom wahyu@plat-m.com wahyualamsyah.wordpress.com HIPOTESIS Berasal dari bahasa Yunani, Hupo (lemah) dan Thesis (teori). Jadi hipotesis dapat diartikan sebagai suatu
Lebih terperinciRencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut
Rencana Penerimaan Sampel (Acceptance Sampling) untuk Data Atribut 13 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hdp://debrina.lecture.ub.ac.id/
Lebih terperinciBAB 3 METODOLOGI PENELITIAN
BAB 3 METODOLOGI PENELITIAN 3.1 Metoda Penelitian Jenis penelitian yang akan dilakukan ialah penelitian reaktif dengan memakai metoda penelitian kuantitatif, penelitian yang lebih menekankan pada angka
Lebih terperinciHo merupakan hipotesa awal sedangkan merupakan hipotesis alternatif atau hipotesis kerja 2. Rumus One sample t-test
UJI T-TEST (PENGANTAR STATISTIK LANJUT) A. Uji T-Test satu sampel (One sampel t- test). 1. Dasar teori. Pengujian rata-rata satu sampel dimaksudkan untuk menguji nilai tengah atau rata-rata populasi µ
Lebih terperinciBAB III METODE PENELITIAN
24 BAB III METODE PENELITIAN 3.1 Jenis Penelitian Jenis penelitian ini adalah penelitian komparatif. Penelitian komparatif adalah suatu penelitian yang bersifat membandingkan kinerja keuangan perusahaan
Lebih terperinciPengantar Uji Hipotesis. Oleh Azimmatul Ihwah
Pengantar Uji Hipotesis Oleh Azimmatul Ihwah Hipotesis Merupakan pernyataan/dugaan mengenai parameter dari 1 atau lebih populasi. Misalnya seorang guru Kimia ingin mengetahui apakah metode pembelajaran
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis
BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep uji hipotesis, kesalahan tipe 1 dan 2, uji hipotesis untuk mean (1 dan 2 sampel),
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom.
Contoh [D] : EBright & ELight Importir lampu pijar dg merk EverBright & EverLight, ingin mengetahui ada atau tidak adanya perbedaan secara nyata antara kedua merk tsb dalam hal usia rata-rata. Secara random
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian eksperimen dengan pendekatan kuantitatif. Penelitian dengan pendekatan kuantitatif merupakan penelitian yang banyak
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 terperinciBAB III METODE PENELITIAN di Bursa Efek Indonesia (BEI). Teknik pengambilan sampel yang
BAB III METODE PENELITIAN 3.1 Sampel dan Data Penelitian Populasi dalam penelitian ini adalah seluruh perusahaan yang terdaftar pada tahun 2011-2013 di Bursa Efek Indonesia (BEI). Teknik pengambilan sampel
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 terperinciEstimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian ini akan dilakukan di DAS Kali Krukut dan dimulai dari bulan Februari hingga Juni 2012. Daerah Pengaliran Sungai (DAS) Krukut memiliki luas ±
Lebih terperinciUji Hipotesa Satu Sampel
Uji Hipotesa Satu Sampel Tjipto Juwono, Ph.D. June 2017 TJ (SU) Uji Hipotesa Satu Sampel June 2017 1 / 36 Uji Hipotesa Contoh Sebuah perusahaan mebel menghasilkan meja tulis, dengan rata-rata produksi
Lebih terperinci