Perbandingan Metode Pendugaan Kemungkinan Maksimum (MLE) dan Pendugaan Kuadrat Terkecil (LSE) Dalam Distribusi Keandalan
|
|
- Ivan Pranata
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Semiar Nasioal Statistika IX Istitut Tekologi Sepuluh Nopemer, 7 Novemer 009 Peradiga Metode Pedugaa Kemugkia Maksimum (MLE) da Pedugaa Kuadrat Terkecil (LSE) Dalam Distriusi Keadala I Nyoma Latra, da Wiarti Astrak Pedugaa adalah salah satu agia petig dari statistika iferesi. Medapatka peduga parameter distriusi yag diaggap palig sesuai utuk medeskripsika lama hidup suatu kompoe tertetu dalam aalisis keadala memerluka suatu metode yag harus dipilih. Pada paper ii metode Pedugaa Kemugkia Maksimu (MLE) diadigka dega metode Pedugaa Kuadrat Terkecil (LSE) yag meliputi metode Media Rak da Modified Kapla-Meier utuk meduga parameter distriusi Normal,, Log-ormal,, Weiull,, da Epoesial megguaka simulasi mote carlo. Metode teraik adalah metode yag meghasilka peduga dega tigkat akurasi da presisi palig tiggi. Jika salah satu metode meghasilka peduga dega tigkat akurasi palig tiggi, sedagka metode yag lai meghasilka peduga dega tigkat presisi palig tiggi maka keputusa tidak dapat diamil erdasarka pada kriteria ii. Hasil simulasi memerika kesimpula ahwa: pedugaa parameter μ pada distriusi Normal da Log-ormal memerika hasil yag sama aik megguaka metode MLE maupu metode LSE, sedagka pedugaa parameter σ agi distriusi Log-ormal metode Modified Kapla-Meier leih aik pada = 0 da metode MLE leik aik pada 0. pedugaa parameter θ pada distriusi Weiull megguaka metode MLE leih aik dari pada metode Modified Kapla-Meier kecuali pada β = 5 da β = 0 utuk = 0. pedugaa parameter θ pada distriusi Epoesial metode MLE leih aik dari pada metode LSE. Kata Kuci : Aalisis Keadala, MLE, LSE, Simulasi Mote Carlo. Pedahulua Salah satu agia petig dari statistika iferesi adalah pedugaa titik. Pedugaa titik medasari teretukya statistika iferesi sama halya seperti pedugaa selag da uji hipotesis. Oleh karea itu perlu dicari suatu peduga titik yag sesuai agi parameter populasi dari distriusi tertetu (Murray dkk., 994). Metode Pedugaa Kemugkia Maksimum (MLE) merupaka metode pedugaa titik yag serig diguaka utuk meduga parameter distriusi. Selai metode MLE, kadag metode pedugaa lai yag diguaka adalah metode Regresi Rak (Rak Regressio ; RR) da dikeal dega istilah metode LSE. Dokis da Iaoides (000), Nishiyama da Osada (004) memadigka metode MLE da RR yag merekomedasika utuk tidak megguaka metode RR dalam meduga parameter distriusi jumlah peduduk kota-kota di suatu egara. Marquart (998) megguaka simulasi mote carlo da teryata metode MLE leih aik daripada metode RR. Disampig itu juga disimpulka ahwa dega megaggapy seagai fugsi dari X dalam metode RR aka memerika hasil yag leih aik daripada megaggap X seagai fugsi Y. Dose Jurusa Statistika FMIPA-ITS Alumi Jurusa Statistika FMIPA-ITS
2 Pemiliha distriusi yag sesuai utuk medeskripsika distriusi usia pakai suatu kompoe merupaka hal yag sagat petig. Dega demikia perlu adaya pemiliha metode pedugaa yag teraik gua memperoleh peduga parameter distriusi terseut. Atas dasar ii, peulis ermaksud memadigka metode Pedugaa Kemugkia Maksimu (MLE) da metode Pedugaa Kuadrat Terkecil (LSE) utuk meduga parameter distriusi keadala meliputi Normal da Ekspoesial.,, Logormal,, Weiull,, Data yag diguaka adalah data simulasi diagkitka dega Matla 6.5., pada ukura sampel seesar 0, 0, 30, 00 da 000. Peradiga atar metode pedugaa erdasarka pada tigkat akurasi da presisi peduga parameterya. Metode teraik adalah metode yag meghasilka peduga dega tigkat akurasi da presisi palig tiggi. Jika salah satu metode meghasilka peduga dega tigkat akurasi tertiggi, sedagka metode yag lai meghasilka peduga dega tigkat presisi tertiggi maka kesimpula tidak dapat diamil megguaka kriteria yag ada dalam paper ii. Para partisipa disaraka utuk mecari kriteria lai apaila meemuka kasus terseut yag dalam tulisa ii tidak diahas. Keadala (Reliaility) Keadala dalam pegertia sehari-hari dapat diartika seagai kemampua atau tigkat erfugsiya suatu alat atau kompoe (Eelig, 997). Plot peluag adalah plot atara Y dega X (dimaa Y' da X merupaka hasil trasformasi dari ilai Y seagai peluag kummulatif da data X sedemikia higga fugsi distriusi kumulatif dari kadidat distriusi mejadi liear atau dapat diyataka dalam etuk Y 0 X. Dari plot ii dimugkika utuk memperoleh dugaa parameter distriusi data (Eelig, 997). Beerapa distriusi yag serig diguaka utuk medeskripsika distriusi usia pakai suatu kompoe tertetu atara lai adalah distriusi Normal, Logormal, Weiull, da Ekspoesial (Eelig, 997). Fugsi kepadata peluag, distiriusi kumulatif da dugaa parameterya disajika seagai erikut, a. Distriusi Normal Fugsi kepadata peluag (pdf) dari distriusi Normal, adalah, f (, ) e < < dimaa μ merupaka parameter mea distriusi dega jagkaua ilai < μ < merupaka parameter ragam distriusi dega jagkaua ilai, 0 < σ <. da
3 Distriusi peluag kummlatif (cdf) dari distriusi Normal Peduga agi F(, ) ( ), adalah, y () da megguaka metode MLE meghasilka, da MLE i i MLE i MLE i () Pedugaa erdasarka metode LSE diawali dega meliierka persamaa () mejadi ( y) yag selajutya ditrasformasi ke y ' 0. Parameter 0 diduga dega megguaka metode OLS sehigga diperoleh peduga LSE, 0 LSE da. Distriusi Log-ormal Fugsi kepadata peluag (pdf) dari distriusi Log-ormal da MLE (3) l f (, ) e, 0 < <, adalah, dimaa μ merupaka parameter lokasi dega jagkaua ilai < μ < merupaka parameter skala dega jagkaua ilai, 0 < σ <. Distriusi peluag kummlatif (cdf) dari distriusi Log-ormal F(, ) ( l ), adalah, da y (4) Peduga agi da megguaka metode MLE meghasilka, l da MLE i i MLE l i MLE i (5) Pedugaa erdasarka metode LSE pada distriusi Log-ormal serupa dega pada distriusi Normal yaitu meliierka (4) mejadi ( y) l yag selajutya ditrasformasi ke y ' 0 '. Parameter 0 da diduga dega megguaka metode OLS sehigga diperoleh peduga LSE, 0 LSE da MLE (6) 3
4 c. Distriusi Weiull Fugsi kepadata peluag (pdf) dari distriusi Weiull(θ, β) adalah, f (, ) e, 0 < < dimaa merupaka parameter skala dega jagkaua ilai 0 da merupaka parameter etuk dega jagkaua ilai 0 < <. Distriusi peluag kummlatif (cdf) dari distriusi Weiull(θ,β) adalah, y F(, ) e (7) Peduga agi θ da β megguaka metode MLE meghasilka, MLE MLE MLE da i MLE MLE i i i (8) log i i log Seperti halya pada distriusi ormal da Log-ormal persamaa (7) diliierka mejadi l l l l yag selajutya ditrasformasi dua kali pertama ke y y ' l ' kemudia ke ' y ' 0. Juga parameter 0 megguaka metode OLS sehigga diperoleh peduga LSE, 0 LSE e da d. Distriusi Ekspoesial i da diduga dega MLE (9) Fugsi kepadata peluag (pdf) dari distriusi Ekspoesial(θ) adalah, f e, 0 < < dimaa adalah parameter mea distriusi dega jagkaua ilai 0 < <. Distriusi peluag kummlatif (cdf) dari distriusi Ekspoesial(θ) adalah, y F = Peduga agi θ megguaka metode MLE meghasilka, e (0) () MLE i i 4
5 Dega meliierka persamaa (0) mejadi l( y) ditrasformasi ke y '. Parameter diduga dega megguaka metode OLS sehigga diperoleh peduga LSE, MLE () Dari semua distriusi di atas distriusi peluag kummulatif (cdf) dalam metode LSE rumusaya dierika secara empirik yaitu: utuk Modified Kapla-Meier; dimaa Metodologi Peelitia i i,,..., 0,3 0,4. utuk Media Rak, da i 0, 5 Data dalam paper ii diperoleh dari hasil pegacaka megguaka peragkat luak Matla 6.5. seagai peuah X da diagkitka utuk distriusi-distriusi Normal Log-ormal,,,, Weiull(θ,β), da Ekspoesial(θ). Sedagka peuah Y adalah ilai cdf yag disimulasika dega rumus yag telah ditetuka. Suatu himpua terdiri dari 000 data agkita utuk setiap simulasi dega ukura sampel seesar 0, 0, 30, 00 da 000 dipakai utuk meduga parameter distriusi dega metode MLE da LSE. Komiasi ilai-ilai parameter disesuaiaka dega parameter distriusi yag sedag diamati. Mea da 95% selag kepercayaa dua arah agi mea dihitug utuk semua peduga-peduga yag diperoleh dari satu himpua data terseut. Selajutya dilakuka pemadiga atara peduga yag diperoleh dega metode MLE da peduga yag diperoleh dega metode LSE. Metode teraik adalah metode yag meghasilka peduga palig akurat (yag ilai iasya palig kecil) da palig presisi (yag 95% selag kepercayaa dua arahya palig sempit). Hasil da Pemahasa a. Distriusi Normal Peuah X erdistriusi Normal, diagkitka dega komiasi ukura sampel da ilai parameter disajika pada Tael 5 (Lampira). Utuk meduga parameter μ da σ dega metode MLE megguaka rumus pada persamaa (), sedagka pedugaa dega metode LSE megguaka rumus pada persamaa (3). Hasil yag diperoleh dari aalisis data simulasi erdistriusi Normal metode yag diguaka disajika pada Tael., utuk eragai ukura sampel da 5
6 , Metode Pedugaa Pedugaa = 0 0 = 0 0 Akurasi Presisi Akurasi Presisi Akurasi Presisi Akurasi Presisi MLE Sama Sama Sama Sama Tertiggi Tertiggi Tael. Hasil Aalisis Data Simulasi Berdistriusi Normal Media Rak Sama Sama Sama Sama Modified Sama Sama Sama Sama Tertiggi Tertiggi Kapla-Meier. Distriusi Log-ormal Peuah X erdistriusi Log-ormal, diagkitka dega komiasi ukura sampel da ilai parameter disajika pada Tael 6 (Lampira). Utuk meduga parameter μ da σ dega metode MLE megguaka rumus pada persamaa (5), sedagka pedugaa dega metode LSE megguaka rumus pada persamaa (6). Hasil yag diperoleh dari aalisis data simulasi erdistriusi Log-ormal ukura sampel da metode yag diguaka disajika pada Tael. Tael. Hasil Aalisis Data Simulasi Berdistriusi Log-ormal, utuk eragai, Metode Pedugaa Pedugaa = 0 0 = 0 0 Akurasi Presisi Akurasi Presisi Akurasi Presisi Akurasi Presisi MLE Sama Sama Sama Sama Tertiggi Tertiggi Media Rak Sama Sama Sama Sama Modified Sama Sama Sama Sama Tertiggi Tertiggi Kapla-Meier c. Distriusi Weiull Peuah X erdistriusi Weiull, diagkitka dega komiasi ukura sampel da ilai parameter disajika pada Tael 7 (Lampira). Utuk meduga parameter θ da β dega metode MLE megguaka rumus pada persamaa (8), sedagka pedugaa dega metode LSE megguaka rumus pada persamaa (9). Hasil yag diperoleh dari aalisis data simulasi erdistriusi Weiull, utuk eragai ukura sampel da metode yag diguaka disajika pada Tael 3. 6
7 Tael 3. Hasil Aalisis Data Simulasi Berdistriusi Weiull, Metode Pedugaa θ Pedugaa β = 0 0 = 0 0 MLE Media Rak Modified Kapla-Meier Akurasi Presisi Akurasi Presisi Akurasi Presisi Akurasi Presisi Tertiggi Tertiggi Tertiggi Tertiggi Tertiggi utuk β=0,9 da β= Tertggi utuk β=5 da β=0 Tertiggi Tertiggi Tertiggi d. Distriusi Ekspoesial Peuah X erdistriusi Ekspoesial diagkitka dega komiasi ukura sampel da ilai parameter disajika pada Tael 8 (Lampira). Utuk meduga parameter θ dega metode MLE megguaka rumus pada persamaa (), sedagka pedugaa dega metode LSE megguaka rumus pada persamaa (). Hasil yag diperoleh dari aalisis data simulasi erdistriusi Ekspoesial utuk eragai ukura sampel da metode yag diguaka disajika pada Tael 4. Tael 4. Hasil Aalisis Data Simulasi Berdistriusi Ekspoesial Metode Pedugaa = 0 0 Akurasi Presisi Akurasi Presisi MLE Tertiggi Tertiggi Tertiggi Tertiggi Media Rak Modified Kapla-Meier Kesimpula Berdasarka hasil aalisis di atas dapat ditarik suatu kesimpula seagai erikut : a. Utuk distriusi Normal, pada ukura sampel seesar 0, 0, 30, 00, da 000 pedugaa parameter μ dega metode MLE maupu LSE (yag meliputi metode Media Rak da Modified Kapla-Meier) teryata hasilya sama. Sedagka utuk pedugaa parameter. Utuk distriusi Log-ormal, dega kriteria pemadiga ii elum isa disimpulka., pada ukura sampel seesar 0, 0, 30, 00, da 000 pedugaa parameter μ dega metode MLE maupu LSE (yag meliputi metode Media Rak da Modified Kapla-Meier) teryata hasilya sama. Sedagka utuk pedugaa parameter, kelihata dega metode MLE masih leih aik diadigka 7
8 dega metode LSE kecuali pada = 0 dega metode Modified Kapla-Meier leih aik diadigka dega metode laiya. c. Utuk distriusi Weiull,, pedugaa parameter teryata haya pada ukura sampel = 0 isa disimpulka yaitu dega metode Media Rak leih aik diadigka dega metode yag lai da pada ukura sampel leih dari 0 dega kriteria pemadiga ii masih elum isa disimpulka. Sedagka utuk pedugaa parameter, pada ukura sampel seesar 0, 0, 30, 00, da 000 terlihat dega metode MLE leih aik daripada dega metode LSE kecuali pada ukura sampel = 0 da ilai β > dega metode Modified Kapla-Meier leih aik diadigka dega metode laiya. d. Utuk distriusi Ekspoesial pada ukura sampel seesar 0, 0, 30, 00, da 000 pedugaa parameter θ dega metode MLE leih aik diadig dega metode LSE (yag meliputi metode Media Rak da Modified Kapla-Meier). Daftar Pustaka Dokis, L. da Iaoides, Y. M. (000). Dyamic evolutio of the US city size distriutio. I: Huriot, J. M. ad J. F. Thisse (Eds.), The ecoomics of cities. Camridge Uiversity Press, Camridge, hal Drapper, N.R. da Smith, H. (99). Aalisis Regresi Terapa, edisi kedua, PT Gramedia Pustaka Utama, Jakarta. Eelig, C.E. (997). A Itroductio to Reliaility ad Maitaiaility Egieerig, McGraw-Hill Books Compaies. Sigapore. Evas, M., Hastigs, N., da Peacock, B. (000). Statistical Distriutio. 3 th ed. Joh Willey & Sos. New York. Hogg, R.V. da Craig, A.T. (995). Itroductio to Mathematical Statistics. Pretice-Hall, Ic. New Jersey. Lewis, E.E. (996). Itroductio to Reliaility Egieerig. th ed. Joh Wiley ad Sos. Caada. Marquart, T. A. (998). Compariso of Methods for Iterval Data Usig Mote Carlo Simulatios. Weiull News (Issue 3). Daw Load taggal Murray, D. M., Rooey, B. L., Haa, P. J., Peterso, A. V., Ary, D. V., Bigla, A., Botvi, G. J., Evas, R. I., Flay, B. R., da Futterma, R. (994). Itraclass correlatio amog commo measures of adolescet smokig: Estimates, correlates, ad applicatios i smokig prevetio studies. America Joural of Epidemiology, vol. 40, hal
9 Nishiyama, Y. da Osada, S. (004). Statistical Theory of Rak Size Rule Regressio uder Pareto Distriutio. COE Iterfaces for Advaced Ecoomic Aalysis Kyoto. Uiversity. O Coor, P. D. T. (995). Practical Reliaility Egieerig. Joh Willey & Sos. New York. Roussas, G.G. (97). A First Course i Mathematical Statistics. Addiso Wesley Pulishig Compay. Lodo. Lampira Tael 5. Komiasi ukura sampel da ilai parameter distriusi Normal, Himpua Data Himpua Data 0 0 0, , , , , Tael 6. Komiasi ukura sampel da ilai parameter distriusi Log-ormal, Himpua Data Himpua Data 0 0,4 9 30, ,4 3 0, ,4 00, ,4 6 0, , ,
10 Tael 7. Komiasi ukura sampel da ilai parameter distriusi Weiull, Himpua Data θ β Himpua Data θ β 0 0 0, , , , , Tael 8. Komiasi ukura sampel da ilai parameter distriusi Ekspoesial(θ) Himpua Data θ Himpua Data θ
BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciPENDUGA RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KUARTIL VARIABEL BANTU PADA PENGAMBILAN SAMPEL ACAK SEDERHANA DAN PENGATURAN PERINGKAT MEDIAN
PEDUGA RASIO UTUK RATA-RATA POPULASI MEGGUAKA KUARTIL VARIABEL BATU PADA PEGAMBILA SAMPEL ACAK SEDERHAA DA PEGATURA PERIGKAT MEDIA ur Khasaah, Etik Zukhroah, da Dewi Reto Sari S. Prodi Matematika Fakultas
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciSTUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN
STUDI TENTANG BEBERAPA MODIFIKASI METODE ITERASI BEBAS TURUNAN Supriadi Putra, M,Si Laboratorium Komputasi Numerik Jurusa Matematika FMIPA Uiversitas Riau e-mail : spoetra@yahoo.co.id ABSTRAK Makalah ii
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciPENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR
PENERAPAN TEOREMA TITIK TETAP UNTUK MENUNJUKKAN ADANYA PENYELESAIAN PADA SISTEM PERSAMAAN LINEAR Nur Aei Prodi Matematika, FST-UINAM uraeiatullah@gmail.com Ifo: Jural MSA Vol. 3 No. 2 Edisi: Juli Desember
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciDistribusi Sampel & Statistitik Terurut
Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciPENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA
PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI S1 TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS RIAU
RENCANA PEMBELAJARAN SEMESTER (RPS) PROGRAM STUDI S1 TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS RIAU 1 Nama Mata Kuliah : Statitika Probabilitas 2 Kode Mata Kuliah : TSS-1208 3 Semester : II 4 (sks) : 2
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciPENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai
Lebih terperinciSTATISTIK PERTEMUAN VIII
STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag
Lebih terperinciBAB III MENENTUKAN MODEL KERUSAKAN DAN INTERVAL WAKTU PREVENTIVE MAINTENANCE OPTIMUM SISTEM AXIS PADA MESIN CINCINNATI MILACRON DOUBLE GANTRY TIPE-F
BAB III MENENUKAN MODEL KERUSAKAN DAN INERVAL WAKU PREVENIVE MAINENANCE OPIMUM SISEM AXIS PADA MESIN CINCINNAI MILACRON DOUBLE GANRY IPE-F 3.1 Pedahulua Pada Bab II telah dijelaska beberapa teori yag diguaka
Lebih terperinciSecara umum, suatu barisan dapat dinyatakan sebagai susunan terurut dari bilangan-bilangan real:
BARISAN TAK HINGGA Secara umum, suatu barisa dapat diyataka sebagai susua terurut dari bilaga-bilaga real: u 1, u 2, u 3, Barisa tak higga merupaka suatu fugsi dega domai berupa himpua bilaga bulat positif
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciBatas Bilangan Ajaib Pada Graph Caterpillar
J. Math. ad Its Appl. ISSN: 189-605X Vol. 3, No., Nov 006, 49 56 Batas Bilaga Ajaib Pada Graph Caterpillar Chairul Imro Jurusa Matematika FMIPA ITS Surabaya imro-its@matematika.its.ac.id Abstrak Jika suatu
Lebih terperinciPOSITRON, Vol. II, No. 2 (2012), Hal. 1-5 ISSN : Penentuan Energi Osilator Kuantum Anharmonik Menggunakan Teori Gangguan
POSITRON, Vol. II, No. (0), Hal. -5 ISSN : 30-4970 Peetua Eergi Osilator Kuatum Aharmoik Megguaka Teori Gaggua Iklas Saubary ), Yudha Arma ), Azrul Azwar ) )Program Studi Fisika Fakultas Matematika da
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEBAHASAN 4.. Algoritme utuk etode Kaczmarz etode Kaczmarz merupaka salah satu metode iteratif utuk meyelesaika SPL eretuk Ax = () dega matriks koefisie A erorde N, vektor peyelesaia x erorde
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, , Agustus 2003, ISSN : METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT
Vol. 6. No., 97-09, Agustus 003, ISSN : 40-858 METODE PENENTUAN BENTUK PERSAMAAN RUANG KEADAAN WAKTU DISKRIT Robertus Heri Jurusa Matematika FMIPA UNDIP Abstrak Tulisa ii membahas peetua persamaa ruag
Lebih terperinciPENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R
PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T
Lebih terperinciPERBANDINGAN HASIL PENGUJIAN INTERCEPT
IdoMS Joural o Statistics Vol., No. (3), Page 35-47 PERBANDINGAN HASIL PENGUJIAN INTERCEPT PADA UJI SATU ARAH MAKSIMUM DAN MINIMUM PADA UJI-UJI TERKAIT NON-SAMPLE PRIOR INFORMATION PADA MODEL REGRESI SEDERHANA
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciUKURAN PEMUSATAN DATA
Malim Muhammad, M.Sc. UKURAN PEMUSATAN DATA J U R U S A N A G R O T E K N O L O G I F A K U L T A S P E R T A N I A N U N I V E R S I T A S M U H A M M A D I Y A H P U R W O K E R T O DEFINISI UKURAN PEMUSATAN
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA
40 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pada bagia ii aka diuraika megeai hasil kegiata pegumpula data da proses pegolaha data yag dilakuka. Sebagai objek peelitia adalah mesi ove botol PT.Pharos Idoesia.
Lebih terperinciHUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN
Jural Matematika UNAND Vol. 2 No. 2 Hal. 0 6 ISSN : 2303 290 c Jurusa Matematika FMIPA UNAND HUBUNGAN ANTARA KONVERGEN HAMPIR PASTI, KONVERGEN DALAM PELUANG, DAN KONVERGEN DALAM SEBARAN VIRA AGUSTA, DODI
Lebih terperinciPENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperinci(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES
Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug
Lebih terperinciIII. METODE PENELITIAN. Pembangunan Daerah (BAPPEDA) Provinsi NTB, BPS pusat, dan instansi lain
III. METODE PENELITIAN 3.1 Jeis da Sumber Data Data yag diguaka pada peelitia ii merupaka data sekuder yag diperoleh dari Bada Pusat Statistik (BPS) Provisi NTB, Bada Perecaaa Pembagua Daerah (BAPPEDA)
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciStatistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015
Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciPENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p
PENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p Sekar Sukma Asmara 1, Adi Setiawa 2, Tudjug Mahatma 3 1 Mahasiswa Program Studi Matematika Fakultas Sais da Matematika Uiversitas
Lebih terperinciSIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT
Jural Matematika UNAND Vol. 4 No. 1 Hal. 12 22 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND SIFAT-SIFAT FUNGSI EKSPONENSIAL BERBASIS BILANGAN NATURAL YANG DIDEFINISIKAN SEBAGAI LIMIT ENIVA RAMADANI
Lebih terperinciUji apakah ada perbedaan signifikan antara mean masing-masing laboratorium. Gunakan α=0.05.
MA 8 STATISTIKA DASAR SEMESTER I /3 KK STATISTIKA, FMIPA ITB UJIAN AKHIR SEMESTER (UAS) Sei, Desember, 9.3.3 WIB ( MENIT) Kelas. Pegajar: Utriwei Mukhaiyar, Kelas. Pegajar: Sumato Wiotoharjo Jawablah pertayaa
Lebih terperinciII. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang
II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciPenaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR
PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik
Lebih terperinciSIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL
SIFAT-SIFAT SEMIGRUP SIMETRIS INTERVAL Riza Febri Yusma Sri Gemawati Asli Sirait *riza_febri@yahoo.com Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam Uiveritas
Lebih terperinciDeret Fourier. Modul 1 PENDAHULUAN
Modul Deret Fourier Prof. Dr. Bambag Soedijoo P PENDAHULUAN ada modul ii dibahas masalah ekspasi deret Fourier Sius osius utuk suatu fugsi periodik ataupu yag diaggap periodik, da dibahas pula trasformasi
Lebih terperinciMata Kuliah : Matematika Diskrit Program Studi : Teknik Informatika Minggu ke : 4
Program Studi : Tekik Iformatika Miggu ke : 4 INDUKSI MATEMATIKA Hampir semua rumus da hukum yag berlaku tidak tercipta dega begitu saja sehigga diraguka kebearaya. Biasaya, rumus-rumus dapat dibuktika
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciARTIKEL. Menentukan rumus Jumlah Suatu Deret dengan Operator Beda. Markaban Maret 2015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN
ARTIKEL Meetuka rumus Jumlah Suatu Deret dega Operator Beda Markaba 191115198801005 Maret 015 KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN PUSAT PENGEMBANGAN DAN PEMBERDAYAAN PENDIDIK DAN TENAGA KEPENDIDIKAN
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN
BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi
Lebih terperinciII. LANDASAN TEORI. dihitung. Nilai setiap statistik sampel akan bervariasi antar sampel.
II. LANDASAN TEORI Defiisi 2.1 Distribusi Samplig Distribusi samplig adalah distribusi probibilitas dari suatu statistik. Distribusi tergatug dari ukura populasi, ukura sampel da metode memilih sampel.
Lebih terperinciStatistika Deskriptif Ukuran Pemusatan dan Ukuran Penyebaran
Statistika Deskriptif Ukura Pemusata da Ukura Peyebara Ukura Pemusata Data Rata-rata Hitug Rata-rata hitug data tuggal: = x 1 + x 2 + x 3 + + x atau =. (1 : rata-rata hitug data tuggal (baca x-bar : bayakya
Lebih terperinciMetode Sensor Sampel dan Fungsi Reliabilitas Dalam Analisis Data Waktu Kerusakan
Metode Sesor Sampel da Fugsi Reliabilitas Dalam Aalisis Data Waktu Kerusaka DISUSUN OLEH: ENDAH BUDIYATI ERNI RIHYANTI JANUARI 017 Metode Sesor Sampel da Fugsi Reliabilitas Dalam Aalisis Data Waktu Kerusaka
Lebih terperinciL A T I H A N S O A L A N R E G 1 Muhamad Ferdiansyah, S. Stat.
L A T I H A N S O A L A N R E G Muhamad Ferdiasyah, S. Stat. *Saya saraka utuk mecoba sediri baru lihat jawabaya **Jawaba saya BELUM TENTU BENAR karea saya mausia biasa. Silaka dikosultasika jika ada jawaba
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL. Nurul Muthiah, Raupong, Anisa Program Studi Statistika, FMIPA, Universitas Hasanuddin ABSTRAK
ESTIMASI PARAMETER REGRESI SPATIAL AUTOREGRESSIVE MODEL Nurul Muthiah, Raupog, Aisa Program Studi Statistika, FMIPA, Uiversitas Hasauddi ABSTRAK Regresi spasial merupaka pegembaga dari regresi liier klasik.
Lebih terperinciStatistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr
materio.r Statistika A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka).
Lebih terperinciANALISIS REGRESI BAYES LINEAR SEDERHANA DENGAN PRIOR NONINFORMATIF
E-Jural Matematika Vol. 3, No.2 Mei 204, 38-44 ISSN: 2303-75 ANALISIS REGRESI BAYES LINEAR SEDERHANA DENGAN PRIOR NONINFORMATIF ANAK AGUNG ISTRI AGUNG CANDRA ISWARI, I WAYAN SUMARJAYA 2, I GUSTI AYU MADE
Lebih terperinciBAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP. Permasalahan dalam tugas akhir ini dibatasi hanya pada penaksiran
BAB III TAKSIRAN KOEFISIEN KORELASI POLYCHORIC DUA TAHAP Permasalaha dalam tugas akhir ii dibatasi haya pada peaksira besarya koefisie korelasi polychoric da tidak dilakuka peguia terhadap koefisie korelasi
Lebih terperinciPerbandingan Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, dan Estimasi Method Of Moment
PRISMA 1 (2018) https://joural.ues.ac.id/sju/idex.php/prisma/ Perbadiga Metode Regresi Robust Estimasi Least Trimmed Square, Estimasi Scale, da Estimasi Method Of Momet Muhammad Bohari Rahma, Edy Widodo
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciSTATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis
materio.r A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka). B. PENYAJIAN
Lebih terperinci3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian
19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.
Lebih terperinciLANDASAN TEORI. Secara umum, himpunan kejadian A i ; i I dikatakan saling bebas jika: Ruang Contoh, Kejadian, dan Peluang
2 LANDASAN TEORI Ruag Cotoh, Kejadia, da Peluag Percobaa acak adalah suatu percobaa yag dapat diulag dalam kodisi yag sama, yag hasilya tidak dapat diprediksi secara tepat tetapi dapat diketahui semua
Lebih terperinciPENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI
PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciPENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS
Lapora Praktikum Aalisis Istrumetal 2014 PENENTUAN PANJANG GELOMBANG MAKSIMUM DAN KONSENTRASI CAMPURAN MENGGUNAKAN DUA JENIS SPEKTROFOTOMETRI UV-VIS Norma Nur Azizah 1, Wula Suci P, Mohamad Rafi 1 Departeme
Lebih terperinciBAB II LANDASAN TEORI. Pada bagian ini akan dibahas tentang teori-teori dasar yang. digunakan untuk dalam mengestimasi parameter model.
BAB II LANDASAN TEORI Pada bagia ii aka dibahas tetag teori-teori dasar yag diguaka utuk dalam megestimasi parameter model.. MATRIKS DAN VEKTOR Defiisi : Trace dari matriks bujur sagkar A a adalah pejumlaha
Lebih terperinciBARISAN PANGKAT TERURUT MATRIKS PADA ALJABAR MAX PLUS
BRISN PNGKT TERURUT MTRIKS PD LJBR MX PLUS Nurwa Jurusa Matematika FMIP Uiversitas Negeri Gorotalo E-mail: urwa_mat@ug.ac.id bstrak Diberika matriks R yag memeuhi = λ. Matriks adalah k + c c k taktereduksi
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciREGRESI DAN KORELASI
REGRESI DAN KORELASI Pedahulua Dalam kehidupa sehari-hari serig ditemuka masalah/kejadia yagg salig berkaita satu sama lai. Kita memerluka aalisis hubuga atara kejadia tersebut Dalam bab ii kita aka membahas
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciSISTEM PERSAMAAN LINEAR ...
SISTEM PERSAMAAN LINEAR Pertemua : 5&6 TUJUAN INSTRUKSIONAL KHUSUS :. Mejelaska pegertia sistem persamaa liear serta solusi dari SPL. Mejelaska cara merepesetasika sistem persamaa liear ke dalam etuk perkalia
Lebih terperinciYang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :
PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto
Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciLIMIT. = δ. A R, jika dan hanya jika ada barisan. , sedemikian hingga Lim( a n
LIMIT 4.. FUNGSI LIMIT Defiisi 4.. A R Titik c R adalah titik limit dari A, jika utuk setiap δ > 0 ada palig sedikit satu titik di A, c sedemikia sehigga c < δ. Defiisi diatas dapat disimpulka dega cara
Lebih terperinci