III. METODOLOGI PENELITIAN. 3.1 Waktu Penelitian Penelitian dilakukan pada Oktober Maret 2012.

Ukuran: px
Mulai penontonan dengan halaman:

Download "III. METODOLOGI PENELITIAN. 3.1 Waktu Penelitian Penelitian dilakukan pada Oktober Maret 2012."

Transkripsi

1 21 III. METODOLOGI PENELITIAN 3.1 Waktu Penelitian Penelitian dilakukan pada Oktober Maret Pengumpulan Data Pengumpulan data dilakukan dengan cara: 1. Rekapitulasi hasil uji profisiensi dari laboratorium peserta di Indonesia. 2. Pengiriman sampel ke laboratorium acuan luar negeri (Jerman) untuk memperoleh nilai acuan. 3. Wawancara kepada stake holder terkait meliputi pakar uji profisiensi, pihak laboratorium penyiap sampel. 4. Observasi lapangan pelaksanaan pengujian parameter terkait. 3.3 Metodologi Dalam penelitian ini digunakan pendekatan statistika untuk melakukan evaluasi terhadap hasil uji profisiensi. 1. Metode evaluasi hasil uji 1 : dilakukan seleksi Grubbs 1 kali saja, kemudian terhadap data yang tersisa dilakukan perhitungan Robust Z-score. 2. Metode evaluasi hasil uji 2: dilakukan seleksi Grubbs berulang kali sampai tidak ada lagi data yg keluar, kemudian terhadap data yang tersisa dilakukan perhitungan Robust Z-score. 3. Metode evaluasi hasil uji 3: dilakukan evaluasi langsung menggunakan cara perhitungan Robust Z-score. 4. Metode evaluasi hasil uji 4: dilakukan evaluasi dengan menggunakan nilai laboratorium acuan, dan sebagai nilai s pada penyebut digunakan SD-Horwitz. Untuk menghitung besarnya SD-Horwitz digunakan nilai laboratorium acuan. (ISO, 2005; IUPAC, 2006; Trevor J.F., 2006). Sebelum dilakukan evaluasi hasil uji profisiensi, dilakukan beberapa tahapan atau kegiatan. Pertama-tama dilakukan pemilihan jenis sampel. Sampel dipersiapkan sedemikian rupa sampai dinyatakan homogen. Untuk mengecek

2 22 homogenitas sampel, maka dilakukan uji anova sesuai Lampiran 14 Lampiran 22. Sampel dikirim ke beberapa laboratorium peserta uji profisiensi di Indonesia. Laboratorium peserta uji profisiensi tersebut melakukan pengujian terhadap sampel dengan metode rutin yang biasa digunakan di laboratorium tersebut. Data uji profisiensi untuk sampel terkait direkap. Sampel juga dikirim ke laboratorium acuan luar negeri (Jerman) dan hasil pengujiannya dianggap sebagai nilai acuan. Dilakukan beberapa teknik evaluasi data uji profisiensi serta dipilih metode evaluasi yang terbaik. Metode pengujian yang digunakan oleh peserta uji profisiensi (SNI dan metode pengujian lain) dianalis unjuk kerjanya serta dikaji kemungkinan penyebab kinerja laboratorium yang tidak baik. Diagram alir metodologi adalah sesuai Gambar 1. Pemilihan jenis sampel uji Pemilihan jenis produk/sampel uji didasarkan pada : 1. Ketentuan dari pemberi sponsor (Kementerian Riset dan Teknologi), yaitu untuk lingkup terkait pangan. 2. Jenis produk yang mendukung pelaksanaan Standar Nasional Indonesia (SNI) yang diwajibkan (kakao bubuk). 3. Jenis produk yang terkait isu hangat yang beredar di masyarakat terutama mengenai bahan tambahan makanan termasuk pengawet (saus cabe). 4. Jenis produk yang terkait dengan keikutsertaan beberapa laboratorium Indonesia dalam uji profisiensi Asia Pasifik dan dinyatakan outlier (minyak nabati). 5. Produk yang dapat diperoleh nilai acuannya. Dalam penelitian kali ini akan dibatasi pada tiga produk agroindustri, yaitu: 1. Kakao bubuk/cocoa powder (kadmium, kadar air, lemak, kehalusan lolos ayakan). 2. Saus cabe (pengawet : kalium sorbat, natrium benzoat; pemanis : sakarin; jumlah padatan terlarut). 3. Minyak nabati (miristat, palmitat, stearat, oleat, linoleat).

3 23 Mulai Pemilihan jenis sampel dan konfirmasi Sampel homogen? Tidak Ya Ya Analisis sampel oleh peserta dan pelaporan Analisis sampel oleh laboratorium Konfirmasi Hasil uji peserta jelas? Tidak Ya Evaluasi hasil uji untuk menentukan unjuk kerja laboratorium (berdasarkan prinsip nilai median peserta): 1. Seleksi data Grubbs (1x); dilanjutkan dengan Robust Z-score. 2. Seleksi data Grubbs berkali-kali; dilanjutkan dengan Robust Z-score. 3. Langsung Robust Z-score Evaluasi hasil uji untuk menentukan unjuk kerja laboratorium (berdasarkan nilai acuan): 1. Z-score dengan nilai acuan A

4 24 A Mengidentifikasi metode evaluasi hasil uji Penentuan metode evaluasi hasil uji terbaik berdasarkan: 1. CV Robust terkecil (APLAC, 2004) CV Robust = norm IQR x 100 % Median 2. Z-score yang dihasilkan, dapat membedakan unjuk kerja lab yang baik, dan tidak baik - Laboratorium yang termasuk dalam kategori tidak memuaskan (outlier), -3 > Z > 3 atau (I Z I 3 ) - Laboratorium yang termasuk dalam kategori diperingatkan (questionable) 2 < I Z I < 3 - Laboratorium yang kompeten. I Z I 2 : berarti hasil analisisnya memuaskan. (ISO, 2010) Tidak Kinerja Memuaskan dan diperingatkan Identifikasi kemungkinan penyebab hasil uji laboratorium tidak memuaskan dan kemungkinan penyebab secara umum laboratorium tidak memuaskan berdasarkan titik kritis metode pengujian Identifikasi unjuk kerja metode pengujian (SNI dan metode lain) Pembahasan (implikasi) untuk penelitian terkait dan rekomendasi Selesai Gambar 1 Diagram alir metodologi penelitian

5 25 Penyiapan sampel uji Sampel uji profisiensi yang homogen sangat diperlukan, agar keragaman hasil uji profisiensi dapat dipastikan karena keragaman kemampuan laboratorium peserta dan bukan dari keragaman sampelnya. Keragaman sampel ditekan sekecil mungkin. Sampel disiapkan dalam jumlah yang cukup. Dihomogenkan. Kemudian dimasukkan ke dalam kemasan. Dilakukan pengecekan terhadap homogenitas, dengan mengambil 10 kemasan, dan masing-masing diuji duplo kemudian dihitung nilai variansi dari pengambilan contoh (sampling) dan variansi dari keberulangan analisis. Kedua nilai tersebut masing-masing diperoleh dari MSB (mean square between) dan MSW (mean square within). Sampel dinyatakan homogen apabila nilai F hitung lebih kecil dari F tabel. MSB [( a + b ) X ] 2 i i ( ai ) = + bi 2( n 1) MSW = [( a b ) X ] 2 i i 2n ( ai bi) Dimana: a i b i = data pengujian pertama = data pengujian kedua n = jumlah data X = rata-rata Kriteria : Uji F = F = MSB/MSW Sampel diyatakan homogen apabila F hitung <Ftabel (db1, db2,α) (IUPAC, 2006; ISO, 2005). Kakao bubuk dilakukan uji homogenitas kadar air dan kadar lemak. Saus cabe dilakukan uji homogenitas kalium sorbat. Minyak nabati dilakukan uji homogenitas miristat 1, miristat 2, palmitat 1, palmitat 2, stearat 1, dan stearat 2. Analisis sampel oleh peserta dan pelaporan Sampel dikirimkan ke laboratorium peserta kemudian sampel diuji di laboratorium peserta sesuai dengan metode rutin yang digunakan laboratorium. Hasil uji dilaporkan secara tertulis. Dilakukan rekapitulasi hasil uji dari peserta.

6 26 Penentuan laboratorium peserta uji profisiensi ini adalah berdasarkan teknik purposive sampling. Purposive sampling merupakan teknik penentuan laboratorium dengan pertimbangan khusus sehingga laboratorium layak ikut serta dalam uji profisiensi ini. Laboratorium peserta yang diutamakan adalah laboratorium yang telah diakreditasi oleh Komite Akreditasi Nasional. Thompson et al. (2006) tidak mempersyaratkan jumlah minimum atau maksimum peserta uji profisiensi. Food and Consumer Safety Authority (1995) merekomendasikan jumlah minimum laboratorium adalah delapan. Edegard et al.(2000) merekomendasikan sedikitnya 8 15 laboratorium ikut serta dalam uji profisiensi. Edegard et al. (2000) juga mengindikasikan bahwa jumlah laboratorium peserta tidak perlu sama untuk seluruh level konsentrasi. Pengiriman sampel uji ke laboratorium acuan. Sampel uji dikirim ke laboratorium acuan (Jerman), untuk mendapatkan nilai acuan. Nilai tersebut akan digunakan dalam perhitungan kinerja laboratorium berdasarkan nilai acuan. Evaluasi hasil uji Dilakukan evaluasi hasil uji: 1. Metode evaluasi hasil uji 1 : dilakukan seleksi Grubbs 1 kali saja, kemudian terhadap data yang tersisa dilakukan perhitungan Robust Z-score. 2. Metode evaluasi hasil uji 2: dilakukan seleksi Grubbs berulang kali sampai tidak ada lagi data yg keluar, kemudian terhadap data yang tersisa dilakukan perhitungan Robust Z-score. 3. Metode evaluasi hasil uji 3: dilakukan evaluasi langsung menggunakan cara perhitungan Robust Z-score. 4. Metode evaluasi hasil uji 4: dilakukan evaluasi dengan menggunakan nilai laboratorium acuan (menggunakan rumus dari ISO/IEC Annex A), dan sebagai nilai s pada penyebut digunakan SD-Horwitz. Untuk menghitung besarnya SD-Horwitz digunakan nilai laboratorium acuan (ISO, 2005; IUPAC 2006; Trevor J.F., 2006).

7 27 Uji Grubbs Uji Grubbs adalah metode yang digunakan untuk menghilangkan data yang ekstrem. Dalam uji Grubbs harus dilakukan langkah-langkah perhitungan berikut ini: - Data diurut dari mulai yang terkecil hingga yang terbesar (x 1, x 2,... x n ). - Nilai G hasil perhitungan dibandingkan terhadap nilai kritis Grubbs yang diberikan pada Tabel (G tabel ). - Apabila nilai G hasil perhitungan lebih besar daripada G tabel, maka data yang dicurigai dibuang (outlier). - Rumus untuk perhitungan Grubbs terdiri dari 3 : G1, G 2, G 3. - Rumus dipilih berdasarkan posisi data pada kumpulan data yang sedang diuji. Rumus Grubbs untuk G1, G2, dan G3 adalah sebagai berikut: G 1(terendaht/ tertinggi) = x - x i s G 2 = X n X 1 s s = Standar Deviasi dari semua data X = Harga rata-rata X i = Data yang dicurigai outlier X n = Data tertinggi X 1 = Data terendah G 3 pasangan data terendah = 1 - [(n 3) s 2 n-2 / (n-1) s2 ] G 3 pasangan data tertinggi = 1 - [(n 3) s 2 n-2 / (n-1) s2 ] s 2 n-2 = variansi dari semua data, tanpa mengikutsertakan 2 data terendah atau 2 data tertinggi - (IUPAC, 2006; Trevor J.F., 2006) Pendekatan nilai ketetapan konsensus dari laboratorium penguji yang mengikuti uji profisiensi (Robust Z-score) Data duplo hasil analisis yang dikirimkan oleh setiap laboratorium dihitung secara statistika menggunakan metode perhitungan statistika Robust Z-score. Parameter yang dihitung disini adalah Z between laboratories. Untuk menghitung Z, mula-mula dihitung Si dengan rumus berikut ini: S i = (A i + B i )/ 2 Ai dan B i adalah kedua data duplo hasil analisis. Z = S i - median (Si)

8 28 IQR (Si) x 0,7413 IQR x 0,7413 adalah IQR ternormalisasi (n IQR) yang merupakan ukuran dari variabilitas data, yang mirip dengan simpangan baku. n IQR SD IQR yang merupakan singkatan dari interquartile range adalah selisih antara quartile atas dan quartile bawah. Quartile bawah (Q 1 ) adalah suatu harga dibawah mana seperempat dari seluruh hasil berada/terletak sedangkan quartile atas (Q 3 ) adalah suatu harga diatas mana seperempat dari seluruh hasil berada.normalized interquartile range (IQR) adalah perbedaan antara kuartil rendah dan kuartil tinggi. Kuartil rendah (Q1) adalah nilai dibawah dimana seperempat hasil terletak. Kuartil tinggi (Q3) adalah nilai diatas dimana seperempat hasil terletak. Kuartil dihitung dengan IQR = Q3 Q1. Normalized IQR adalah IQR dikalikan Qi Zhou et al (2011) menyatakan bahwa nilai berasal dari distribusi standar normal, dimana mempunyai nilai rata-rata 0 dan standar deviasi sama dengan satu. Lebar interquartile range pada distribusi adalah dan 1/ = Mengalikan IQR dengan faktor ini membuatnya setara dengan standar deviasi. Seperti diketahui penggunaan yang luas untuk mengukur variabilitas (atau penyebaran atau dispersi) dari data adalah standar deviasi. IQR = Q3 - Q n IQR = IQR x 0,7413 Dimana: Z = Z score antar laboratorium Ai = hasil uji sampel pertama dari laboratorium i Bi = hasil uji sampel kedua dari laboratorium i Median= nilai tengah dari sekelompok data n hitung = standar distribusi normal IQR = interquartile range Nilai Z dapat dikelompokkan menjadi 3 kategori: a) Laboratorium yang termasuk dalam kategori tidak memuaskan (outlier), apabila laboratorium tersebut memperoleh nilai Z yang bukan terletak diantara -3 dan +3. Besaran Z menggambarkan presisi antara laboratorium 3 > Z > 3 atau (I Z I 3 ) 1

9 29 b) Laboratorium yang termasuk dalam kategori diperingatkan (questionable). 2 < I Z I < 3 : berarti hasil analisisnya belum termasuk tidak memuaskan, tetapi sudah dalam batas diperingatkan. c) Laboratorium yang memuaskan (kompeten). I Z I 2 : berarti hasil analisisnya memuaskan (ISO, 2005). Pendekatan nilai ketetapan dari pengukuran sebuah laboratorium acuan Nilai Z-score dihitung berdasarkan rumus: Z-score = xi X S dimana: xi = adalah nilai yang dilaporkan oleh laboratorium penguji yang mengikuti uji profisiensi X = nilai acuan S = simpangan baku t (ISO, 2005) Untuk simpangan baku digunakan SD Horwitz CV Horwitz = SD Horwitz / nilai acuan SD Horwitz = CV Horwitz x nilai acuan Penentuan metode evaluasi hasil uji terbaik Penentuan metode evaluasi hasil uji terbaik, dalam hal ini adalah, metode yang dapat memberikan hasil yang menggambarkan kompetensi laboratorium. Metode evaluasi hasil uji terbaik dalam uji profisiensi adalah: 1. Berdasarkan Robust Coefficient of Variation (CV). Robust Coefficient of Variation yang terkecil merupakan metode yang terpilih (APLAC, 2004). Robust Coefficient of Variation adalah perbandingan antara simpangan standar dengan nilai rata-rata yang dinyatakan dengan persentase. Coefficient Variance berguna untuk melihat sebaran data dari rata-rata hitungnya 2. Metode yang dapat membedakan laboratorium yang memperoleh hasil baik,dan tidak baik (ISO, 2005). Identifikasi unjuk kerja metode pengujian yang digunakan Dari evaluasi hasil uji terpilih, dilakukan identifikasi metode pengujian baik menggunakan SNI maupun metode lain. Diidentifikasi bagaimana kinerja yang diperoleh, terutama untuk metode pengujian dengan menggunakan SNI.

10 30 Identifikasi kemungkinan penyebab kinerja tidak memuaskan Setelah dilakukan evaluasi hasil uji, maka hasil evaluasi tersebut akan memberikan gambaran kinerja laboratorium mana saja yang dinyatakan memuaskan dan tidak memuaskan. Bagi laboratorium yang dinyatakan tidak memuaskan akan dilakukan investigasi kemungkinan penyebabnya. Juga akan dilakukan investigasi kemungkinan penyebab (secara umum) berdasarkan titik kritis (critical point) untuk pengujian terkait. Data pendukung kemungkinan penyebab hasil kinerja tidak memuaskan dan kemungkinan penyebab secara umum berdasarkan titik kritis diperoleh dari: 1. Identifikasi metode pengujian terkait. 2. Studi pustaka mengenai metode pengujian terkait. 3. Wawancara terhadap pakar uji profisiensi, dan pakar pengujian terkait. 4. Observasi lapangan pengujian terkait di laboratorium. Kemungkinan penyebab kinerja tidak memuaskan secara umum berdasarkan titik kritis pengujian terkait, akan digambarkan dalam diagram tulang ikan (fishbone diagram) dan akan dilakukan pembahasan. Diagram tulang ikan digunakan untuk mengidentifikasi hubungan antara suatu masalah dengan kemungkinan penyebabnya.

DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004

DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004 DP.01.34 PEDOMAN PERHITUNGAN STATISTIK UNTUK UJI PROFISIENSI JULI 2004 Komite Akreditasi Nasional National Accreditation Body of Indonesia Gedung Manggala Wanabakti, Blok IV, Lt. 4 Jl. Jend. Gatot Subroto,

Lebih terperinci

IV. PEMBAHASAN 4.1. Kakao Bubuk

IV. PEMBAHASAN 4.1. Kakao Bubuk 31 IV. PEMBAHASAN 4.1. Kakao Bubuk Sampel uji profisiensi kakao bubuk dipersiapkan hingga homogen. Parameter ujinya: kadar air, kadar lemak, kehalusan lolos ayakan, dan kadar logam kadmium (Cd). Persiapan

Lebih terperinci

I. PENDAHULUAN. 1.1 Latar Belakang Faktor yang memegang peranan penting dalam produk agroindustri adalah

I. PENDAHULUAN. 1.1 Latar Belakang Faktor yang memegang peranan penting dalam produk agroindustri adalah 1 I. PENDAHULUAN 1.1 Latar Belakang Faktor yang memegang peranan penting dalam produk agroindustri adalah mutu produk. Salah satu cara untuk mengetahui mutu produk agroindustri adalah dengan pengujian

Lebih terperinci

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si

STATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Ukuran Pemusatan Ukuran pemusatan ukuran ringkas yang menggambarkan karakteristik umum data tersebut. Modus (Mode): Nilai pengamatan yang paling sering

Lebih terperinci

PENYELENGGARAAN UJI PROFISIENSI TAHUN 2017 OLEH PUP BALAI BESAR PPMB-TPH

PENYELENGGARAAN UJI PROFISIENSI TAHUN 2017 OLEH PUP BALAI BESAR PPMB-TPH PENYELENGGARAAN UJI PROFISIENSI TAHUN 2017 OLEH PUP BALAI BESAR PPMB-TPH Berdasarkan Peraturan Menteri Pertanian Nomor: 78/Permentan/OT.140/11/2011 tentang Organisasi dan Tata Kerja Balai Besar Pengembangan

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA UKURAN PENYEBARAN DATA STKIP SILIWANGI BANDUNG Sumber : 1.Sudjana. Budino dan Koster 3. Berbagai sumber LUVY S. ZANTHY 1 Ukuran Penyebaran Data (Ukuran Dispersi) Ukuran penyebaran data atau ukuran dispersi

Lebih terperinci

STK 211 Metode statistika. Materi 2 Statistika Deskriptif

STK 211 Metode statistika. Materi 2 Statistika Deskriptif STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II Bahan Uji: AIR LIMBAH III (ALDS III)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II Bahan Uji: AIR LIMBAH III (ALDS III) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II-2015 Bahan Uji: AIR LIMBAH III (ALDS III) PARAMETER UJI: Zat Padat Tersuspensi (TSS), Kebutuhan Oksigen Kimiawi

Lebih terperinci

PENGUKURAN DESKRIPTIF

PENGUKURAN DESKRIPTIF PENGUKURAN DESKRIPTIF STATISTIK INDUSTRI I Jurusan Teknik Industri Universitas Brawijaya Malang 1 PENGUKURAN DESKRIPTIF Suatu pengukuran yang bertujuan untuk memberikan gambaran tentang data yang diperoleh

Lebih terperinci

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG

HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HARISON,S.Pd,M.Kom JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI PADANG HOMOGEN DAN HETEROGEN DATA I. 50,50,50,50,50 II. 30,40,50,60,70 III.0,30,50,70,80 Ketiga kelompok data

Lebih terperinci

Statistika Deskriptif

Statistika Deskriptif Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan

Lebih terperinci

STK 211 Metode statistika. Agus Mohamad Soleh

STK 211 Metode statistika. Agus Mohamad Soleh STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR PERMUKAAN VI BATCH 1 (APDS VI-1)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR PERMUKAAN VI BATCH 1 (APDS VI-1) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I-2016 Bahan Uji: AIR PERMUKAAN VI BATCH 1 (APDS VI-1) PARAMETER UJI: Nitrat (NO 3 - ), Sulfat (SO 4 2- ), dan Klorida

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II Bahan Uji: AIR LIMBAH I BATCH II (ALDS I-2)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II Bahan Uji: AIR LIMBAH I BATCH II (ALDS I-2) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II-2015 Bahan Uji: AIR LIMBAH I BATCH II (ALDS I-2) PARAMETER UJI: Besi, Timbal, Tembaga, dan Daya Hantar Listrik

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

KIMIA ANALITIK I TAHAP-TAHAP PEKERJAAN ANALISIS KIMIA

KIMIA ANALITIK I TAHAP-TAHAP PEKERJAAN ANALISIS KIMIA KIMIA ANALITIK I TAHAP-TAHAP PEKERJAAN ANALISIS KIMIA. METODA ILMIAH DALAM ANALISIS KIMIA Langkah langkah pokok metoda ilmiah Menetapkan masalah Melakukan kajian teoritik dan menarik hipotesa Melakukan

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR MINUM DALAM KEMASAN I (AMDK I)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR MINUM DALAM KEMASAN I (AMDK I) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I-2015 Bahan Uji: AIR MINUM DALAM KEMASAN I (AMDK I) PARAMETER UJI: Nitrat, Sulfat, dan Klorida BMD Laboratory Provider

Lebih terperinci

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg

Lebih terperinci

STATISTIK. Rahma Faelasofi

STATISTIK. Rahma Faelasofi STATISTIK Rahma Faelasofi 1 BAB 3 VARIABILITAS Pengertian Jangkauan Mean deviasi Standar deviasi 2 Pengertian Pengukuran penyebaran adalah pengukuran tingkat penyebaran nilai dalam suatu kumpulan data

Lebih terperinci

UKURAN DISPERSI (SEBARAN)DATA

UKURAN DISPERSI (SEBARAN)DATA Malim Muhammad, M.Sc. UKURAN DISPERSI (SEBARAN)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 DISPERSI

Lebih terperinci

Pengukuran Deskriptif

Pengukuran 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 terperinci

Pengukuran Deskriptif. Debrina Puspita Andriani /

Pengukuran 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 terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: Air Limbah (ALDS I)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: Air Limbah (ALDS I) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I-2015 Bahan Uji: Air Limbah (ALDS I) Parameter Uji: Besi, Timbal, Tembaga, dan DHL BMD Laboratory Provider of Proficiency

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua

LAB MANAJEMEN DASAR MODUL STATISTIKA 1. Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM : Kelas : Fakultas Ekonomi Universitas Gunadarma Kelapa Dua 1 UKURAN STATISTIK Pendahuluan Ukuran statistik merupakan ukuran yang menunjukkan bagaimana

Lebih terperinci

REVIEW BIOSTATISTIK DESKRIPTIF

REVIEW BIOSTATISTIK DESKRIPTIF REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.

Lebih terperinci

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data Lanjut. Adam Hendra Brata Probabilitas dan Analisis Lanjut Adam Hendra Brata Tunggal Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu fenomena. Sampel adalah sekumpulan data yang diambil atau diseleksi dari suatu

Lebih terperinci

STK511 Analisis Statistika. Bagus Sartono

STK511 Analisis Statistika. Bagus Sartono STK511 Analisis Statistika Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Sebaran peluang peubah acak. Sebaran penarikan contoh Pendugaan parameter Pengujian hipotesis (t-test, one-way

Lebih terperinci

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif

Metode Penelitian Kuantitatif Aswad Analisis Deskriptif Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting

Lebih terperinci

Short Quiz. TIME LIMIT: 10 minutes

Short Quiz. TIME LIMIT: 10 minutes Short Quiz 1. Sebutkan minimum 5 informasi yg Anda peroleh dari gambar di samping? 2. Sebutkan peubah apa saja yg diamati pada kasus ini? 3. Sebutkan skala pengukurannya. 4. Berikan komentar Anda secara

Lebih terperinci

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA.

Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR PERMUKAAN I (APDS I)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I Bahan Uji: AIR PERMUKAAN I (APDS I) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I-2015 Bahan Uji: AIR PERMUKAAN I (APDS I) PARAMETER UJI: Sulfat, Klorida, Daya Hantar Listrik, dan Derajat Keasaman

Lebih terperinci

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015

Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 Metode Statistika (STK211) Statistika Deskriptif (2) Dr. Ir. Kusman Sadik Dept. Statistika IPB, 2015 1 Pertanyaan Jika kita punya data mengenai daya hidup dari baterai Laptop merk XXX Dimana lokasi atau

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I BAHAN UJI: Air Permukaan V Batch 2 (APDS V-2)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I BAHAN UJI: Air Permukaan V Batch 2 (APDS V-2) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER I-2016 BAHAN UJI: Air Permukaan V Batch 2 (APDS V-2) PARAMETER UJI: Zat padat terlarut (TDS), Zat padat tersuspensi

Lebih terperinci

UKURAN TENGAH DAN UKURAN DISPERSI

UKURAN TENGAH DAN UKURAN DISPERSI UKURAN TENGAH DAN UKURAN DISPERSI UKURAN TENGAH Ukuran tengah nilai tunggal yang representatif untuk keseluruhan nilai data. Ukuran tendensi sentral nilainya cenderung terletak di urutan paling tengah

Lebih terperinci

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh

25/09/2013. Metode Statistika (STK211) Pertanyaan. Modus (Mode) Ukuran Pemusatan. Median. Cara menghitung median contoh Metode Statistika (STK11) Pertanyaan Jika punya data mengenai daya Pertemuan III Statistika ti tik Dasar (Basic Statistics) ti ti hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran

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

Lampiran 1. Karakteristik Metode GC-AOAC dan Liquid Chromatography AOAC (Wood et al., 2004)

Lampiran 1. Karakteristik Metode GC-AOAC dan Liquid Chromatography AOAC (Wood et al., 2004) 49 Lampiran. Karakteristik Metode GC-AOAC dan Liquid Chromatography AOAC (Wood et al., 004) Performance characteristics for benzoic acid in almond paste, fish homogenate and apple juice (GC method) Samples

Lebih terperinci

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II BAHAN UJI: Air Permukaan V Batch 3 (APDS V-3)

LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II BAHAN UJI: Air Permukaan V Batch 3 (APDS V-3) LAPORAN PROGRAM UJI BANDING (PROFICIENCY TEST) ANTAR LABORATORIUM SKEMA KHUSUS SEMESTER II-2016 BAHAN UJI: Air Permukaan V Batch 3 (APDS V-3) PARAMETER UJI: Zat Padat Terlarut (TDS), Zat Padat Tersuspensi

Lebih terperinci

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.

Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg

Lebih terperinci

Tabel 7-1 Rata-rata hitung hasil test mata kuliah statistik deskriptif kelompok A dan B. A B

Tabel 7-1 Rata-rata hitung hasil test mata kuliah statistik deskriptif kelompok A dan B. A B A. Pengukuran Penyebaran (Dispersi) 1. Pengertian Tentang Disperse. Digunakan untuk menunjukkan keadaan berikut : a. Gambaran variabilitas data Yang dimaksud dengan variabilitas data adalah suatu ukuran

Lebih terperinci

Metode Statistika STK211/ 3(2-3)

Metode Statistika STK211/ 3(2-3) Metode Statistika STK211/ 3(2-3) Pertemuan III Statistika Deskripsi dan Eksplorasi (2) Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama

Lebih terperinci

BESARAN STATISTIK (UKURAN TENGAH DAN UKURAN

BESARAN STATISTIK (UKURAN TENGAH DAN UKURAN BESARAN STATISTIK (UKURAN TENGAH DAN UKURAN DISPERSI) UKURAN TENGAH Ukuran tengah nilai tunggal yang representatif untuk keseluruhan nilai data. Ukuran tendensi sentral nilainya cenderung terletak di urutan

Lebih terperinci

LAPORAN TUGAS AKHIR EKSTRAKSI MINYAK BIJI KETAPANG (Terminalia catappa) SEBAGAI ALTERNATIF PENGGANTI MINYAK GORENG

LAPORAN TUGAS AKHIR EKSTRAKSI MINYAK BIJI KETAPANG (Terminalia catappa) SEBAGAI ALTERNATIF PENGGANTI MINYAK GORENG LAPORAN TUGAS AKHIR EKSTRAKSI MINYAK BIJI KETAPANG (Terminalia catappa) SEBAGAI ALTERNATIF PENGGANTI MINYAK GORENG Disusun Oleh: ANIS ARDI KUMALASARI FRANCISCA ANDWI PUTRI K. I8311002 I8311018 PROGRAM

Lebih terperinci

Kata kunci: uji profisiensi, siprofloksasin serbuk, homogenitas dan stabilitas

Kata kunci: uji profisiensi, siprofloksasin serbuk, homogenitas dan stabilitas UJI HOMOGENITAS DAN STABILITAS SAMPEL UJI PROFISIENSI SEDIAAN OBAT HEWAN SIPROFLOKSASIN SERBUK MARIA FATIMA PALUPI, ROSANA ANITA SARI, UNANG PATRIANA, DYAH WIDYARIMBI, EMI RUSMIATI Unit Uji Farmasetik

Lebih terperinci

KATA PENGANTAR. Kelapa Dua, September Tim Litbang

KATA PENGANTAR. Kelapa Dua, September Tim Litbang KATA PENGANTAR Puji syukur kami panjatkan kepada Tuhan Yang Maha Esa atas limpahan rahmat dan karunia-nya sehingga modul praktikum Statistika 1 materi ukuran statistik ini dapat terselesaikan. Modul praktikum

Lebih terperinci

5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b

5. STATISTIKA PENYELESAIAN. a b c d e Jawab : b . STATISTIKA A. Membaca Sajian Data dalam Bentuk Diagram. UN 00 IPS PAKET A Diagram lingkaran berikut menunjukan persentase jenis pekerjaan penduduk di kota X. Jumlah penduduk seluruhnya adalah 3.600.000

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 III METODE PENELITIAN. kelamin dan pendekatan SAVI, Inkuiri, RME dengan setting pembelajaran. tanggal 7 September 2013 di SMP Buana.

BAB III METODE PENELITIAN. kelamin dan pendekatan SAVI, Inkuiri, RME dengan setting pembelajaran. tanggal 7 September 2013 di SMP Buana. 56 BAB III METODE PENELITIAN A. Jenis Penelitian Jenis dari penelitian ini adalah penelitian kuantitatif, karena ingin mengetahui perbedaan hasil belajar matematika siswa yang ditinjau dari jenis kelamin

Lebih terperinci

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata Probabilitas dan Analisis dan Adam Hendra Brata Deskriptif Induktif Pembagian Deskriptif Metode guna mengumpulkan, menghitung, dan menyajikan suatu data secara kwantitatif sehingga memberikan informasi

Lebih terperinci

STATISTIKA 2 11/20/2015. B. Menghitung Ukuran Data dari Data Berkelompok. Peta Konsep. B. Menghitung Ukuran Data dari Data Berkelompok

STATISTIKA 2 11/20/2015. B. Menghitung Ukuran Data dari Data Berkelompok. Peta Konsep. B. Menghitung Ukuran Data dari Data Berkelompok /0/0 Peta Konsep Jurnal Datar Hadir Materi B Materi Umum STATISTIKA Kelas XI, Semester Pemusatan Statistika Letak Data Tunggal Penyebaran SoalLatihan B. Menghitung Data dari Data Berkelompok Pemusatan

Lebih terperinci

dapat digunakan formulasi sebagai berikut : Letak Letak Letak

dapat digunakan formulasi sebagai berikut : Letak Letak Letak 1. Ukuran Letak Agar kita dapat mengetahui lebih jauh mengenai karakteristik data observasi dengan beberapa ukuran sentral, kita sebaiknya mengetahui beberapa ukuran lain, yaitu ukuran letak. Ada tiga

Lebih terperinci

Tabel 1. Metode pengujian logam dalam air dan air limbah NO PARAMETER UJI METODE SNI SNI

Tabel 1. Metode pengujian logam dalam air dan air limbah NO PARAMETER UJI METODE SNI SNI UNJUK KERJA METODE FLAME ATOMATIC ABSORPTION SPECTROMETER (F-AAS) AIR SUPPLY PADA PRA AKREDITASI UPT LABORATORIUM LINGKUNGAN DINAS LINGKUNGAN HIDUP DAN KEHUTANAN PROVISI BANTEN UPT Labortaorium Lingkungan

Lebih terperinci

STUDI METODE UJI HOMOGENITAS DAN STABILITAS KANDIDAT CRM CERIUM OKSIDA

STUDI METODE UJI HOMOGENITAS DAN STABILITAS KANDIDAT CRM CERIUM OKSIDA Samin dan Susanna TS ISSN 016-318 57 STUDI METODE UJI HOMOGENITAS DAN STABILITAS KANDIDAT CRM CERIUM OKSIDA Samin dan Susanna TS Pusat Sains dan Teknologi Akselerator, Batan Jl. Babarsari Kotak Pos 6101

Lebih terperinci

Unjuk Kerja Metode Flame -AAS Page 1 of 10

Unjuk Kerja Metode Flame -AAS Page 1 of 10 UNJUK KERJA METODE FLAME ATOMATIC ABSORPTION SPECTROMETER (F-AAS) AIR LIMBAH PADA PRA AKREDITASI UPT LABORATORIUM LINGKUNGAN DINAS LINGKUNGAN HIDUP DAN KEHUTANAN PROVISI BANTEN UPT Labortaorium Lingkungan

Lebih terperinci

Perbedaan Analisis Univariat dan Multivariat

Perbedaan Analisis Univariat dan Multivariat Perbedaan Analisis Univariat dan Multivariat Jika kita menganalisis data yang mempunyai lebih dari satu variabel, belum tentu analisis data tersebut dikategorikan analisis multivariat, bisa saja analisis

Lebih terperinci

I PENDAHULUAN. (6) Hipotesis dan (7) Tempat dan Waktu Penelitian. jumlah produksi sebesar ton per tahunnya. Biji kakao di Indonesia sekitar

I PENDAHULUAN. (6) Hipotesis dan (7) Tempat dan Waktu Penelitian. jumlah produksi sebesar ton per tahunnya. Biji kakao di Indonesia sekitar I PENDAHULUAN Bab ini akan menguraikan mengenai : (1) Latar Belakang, (2) Identifikasi Masalah, (3) Tujuan Penelitian, (4) Manfaat Penelitian, (5) Kerangka Pemikiran, (6) Hipotesis dan (7) Tempat dan Waktu

Lebih terperinci

Pedoman KAN KLASIFIKASI KETIDAKSESUAIAN

Pedoman KAN KLASIFIKASI KETIDAKSESUAIAN Pedoman KAN KLASIFIKASI KETIDAKSESUAIAN 1. Pendahuluan Untuk mengharmonisasikan hasil asesmen laboratorium yang dilaksanakan oleh KAN, diperlukan Pedoman tentang Klasifikasi Ketidaksesuaian. Pedoman KAN

Lebih terperinci

SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2)

SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2) SAMPLING METHODS Metode Penarikan Contoh STK221 3(2-2) Pustaka Scheaffer RL, Mendenhall W, Ott RL. 2006. Elementary Survey Sampling, 6th ed. Belmont: Duxbury Press. Levy PS, Lemeshow S. 1999. Sampling

Lebih terperinci

STATISTIKA 4 UKURAN LETAK

STATISTIKA 4 UKURAN LETAK TUJUAN STATISTIKA 4 UKURAN LETAK MODUL 4 Melatih berfikir dan bernalar secara logis dan kritis serta mengembangkan aktifitas, kreatifitas dalam memecahkan masalah serta mampu mengkomunikasikan ide dan

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

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

Macam ukuran penyimpangan. Range/Rentang/Jangkauan Standar Deviasi/simpangan baku Varians Ukuran penyimpangan lain

Macam ukuran penyimpangan. Range/Rentang/Jangkauan Standar Deviasi/simpangan baku Varians Ukuran penyimpangan lain UKURAN PENYIMPANGAN Ukuran penyimpangan adalah ukuran yang menyatakan seberapa jauh penyimpangan nilainilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang

Lebih terperinci

Pengukuran Statistik Deskriptif UKURAN PUSAT, UKURAN VARIASI DAN UKURAN POSISI

Pengukuran Statistik Deskriptif UKURAN PUSAT, UKURAN VARIASI DAN UKURAN POSISI Pengukuran Statistik Deskriptif UKURAN PUSAT, UKURAN VARIASI DAN UKURAN POSISI Besral: Departemen Biostatistik dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Indonesia, 2012 SAP Statistika

Lebih terperinci

Pertemuan III Statistika Dasar (Basic Statistics)

Pertemuan III Statistika Dasar (Basic Statistics) Pertemuan III Statistika Dasar (Basic Statistics) Jika punya data mengenai daya hidup dari baterai HP merk XXX Dimana lokasi atau pusat dari data? ukuran pemusatan Seberapa besar variasi dari data ukuran

Lebih terperinci

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah Statistika I Pertemuan & 3 Statistika Dasar (Basic( Statistic) Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Konsep Peubah Definisi Peubah merupakan karakteristik dari objek yang sedang diamati,

Lebih terperinci

SYARAT DAN ATURAN AKREDITASI LABORATORIUM DAN LEMBAGA INSPEKSI

SYARAT DAN ATURAN AKREDITASI LABORATORIUM DAN LEMBAGA INSPEKSI KAN 01 SYARAT DAN ATURAN AKREDITASI LABORATORIUM DAN LEMBAGA INSPEKSI Terbitan Nomor: 4 Februari 2012 Komite Akreditasi Nasional National Accreditation Body of Indonesia Gedung Manggala Wanabakti, Blok

Lebih terperinci

BAB V ANALISA DATA. Sampel uji diterima oleh Manajer Teknis. Kaji ulang terhadap permintaan pemeriksaan Permintaan Ditolak NOT OK

BAB V ANALISA DATA. Sampel uji diterima oleh Manajer Teknis. Kaji ulang terhadap permintaan pemeriksaan Permintaan Ditolak NOT OK BAB V ANALISA DATA 5.1 Perbaikan Alur Kerja Penanganan Sampel Uji Sesudah Proses Akreditasi ISO 17025:2008 5.1.1 Alur Kerja Penanganan Sampel Uji Sebelum Proses Akreditasi Sampel uji diterima oleh Manajer

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

Metode uji bahan yang lebih halus dari saringan 75 m (No. 200) dalam agregat mineral dengan pencucian (ASTM C , IDT)

Metode uji bahan yang lebih halus dari saringan 75 m (No. 200) dalam agregat mineral dengan pencucian (ASTM C , IDT) Standar Nasional Indonesia Metode uji bahan yang lebih halus dari saringan 75 m (No. 200) dalam agregat mineral dengan pencucian (ASTM C117 2004, IDT) ICS 91.100.15 Badan Standardisasi Nasional ASTM 2004

Lebih terperinci

LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA

LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Beberapa bentuk penyajian data, sebagai berikut: Kompetensi Dasar (KURIKULUM 2013): 3.15 Memahami dan menggunakan berbagai ukuran

Lebih terperinci

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi

STATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi Statistik dan Statistika Statistik : nilai-nilai ukuran data yang mudah dimengerti. Contoh : statistik liga sepak bola Indonesia Statistika : ilmu

Lebih terperinci

TINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan

TINJAUAN PUSTAKA. Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan 4 II. TINJAUAN PUSTAKA 2.1 Definisi Pencilan Dalam proses pengumpulan data, peneliti sering menemukan nilai pengamatan yang bervariasi (beragam). Keberagaman data ini, di satu sisi sangat dibutuhkan dalam

Lebih terperinci

III. METODOLOGI. 1. Analisis Kualitatif Natrium Benzoat (AOAC B 1999) Persiapan Sampel

III. METODOLOGI. 1. Analisis Kualitatif Natrium Benzoat (AOAC B 1999) Persiapan Sampel III. METODOLOGI A. BAHAN DAN ALAT Bahan-bahan yang digunakan dalam penelitian ini adalah saus sambal dan minuman dalam kemasan untuk analisis kualitatif, sedangkan untuk analisis kuantitatif digunakan

Lebih terperinci

Statistika Farmasi

Statistika Farmasi Bab 2: Penyajian Data dan Statistika FMIPA Universitas Islam Indonesia 1 2 Biasa Distribusi Frekuensi 3 Stem-and-Leaf Plot Histogram Scatter Plot Boxplot Penyajian Data Data diuraikan dalam bentuk kalimat.

Lebih terperinci

SNI Standar Nasional Indonesia

SNI Standar Nasional Indonesia Standar Nasional Indonesia Air dan air limbah Bagian 16: Cara uji kadmium (Cd) dengan metode Spektrofotometri Serapan Atom (SSA) nyala ICS 13.060.50 Badan Standardisasi Nasional Daftar isi Daftar isi...i

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA UKURA PEYEBARA DATA Seventh Meeting Khatib A. Latief Email: kalatief@gmail.com; khatibalatif@yahoo.com Twitter: @khatibalatief Mobile: +68 1168 3019 Ukuran Penyebaran data Ukuran penyebaran data adalah

Lebih terperinci

Cabai rawit. Lampiran 1. Cara Kerja Penelitian. 1. Pengawetan

Cabai rawit. Lampiran 1. Cara Kerja Penelitian. 1. Pengawetan Lampiran 1 Cara Kerja Penelitian 1. Pengawetan Cabai rawit dibersihkan dari kotoran sampai bersih. direndam selama 15 menit ke dalam larutan 25 gram kapur sirih : 1 L air. dicelupkan ke dalam air hangat

Lebih terperinci

PETUNJUK PELAKSANAAN KOMPETENSI LABORATORIUM LINGKUNGAN

PETUNJUK PELAKSANAAN KOMPETENSI LABORATORIUM LINGKUNGAN PETUNJUK PELAKSANAAN KOMPETENSI LABORATORIUM LINGKUNGAN DEPUTI BIDANG PEMBINAAN SARANA TEKNIS DAN PENINGKATAN KAPASITAS KEMENTERIAN NEGARA LINGKUNGAN HIDUP 2010 KATA PENGANTAR Perlindungan dan pengelolaan

Lebih terperinci

Statistik Bisnis 1. Week 5 Variation, Shape and Exploring Numerical Data

Statistik Bisnis 1. Week 5 Variation, Shape and Exploring Numerical Data Statistik Bisnis 1 Week 5 Variation, Shape and Exploring Numerical Data Agenda 15 Minutes 75 Minutes Attendance check Discussion and Exercise Objectives To describe the properties of variation, and shape

Lebih terperinci

PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIAT

PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIAT S-3 PENGKONSTRUKSIAN GRAFIK PENGENDALI BERDASAR BOXPLOT BIVARIAT Frangky Masipupu 1), Adi Setiawan ), Bambang Susanto 3) 1) Mahasiswa Program Studi Matematika ) 3) Dosen Program Studi Matematika Program

Lebih terperinci

Statistik Deskriptif. Statistik Farmasi 2015

Statistik Deskriptif. Statistik Farmasi 2015 Statistik Deskriptif Tujuan perkuliahan Setelah mengikuti perkuliahan, diharapkan mahasiswa mampu: 1. Meringkas data, dengan menggunakan pengukuran tendensi sentral seperti rata-rata, median, modus dan

Lebih terperinci

BAB I PENDAHULUAN BAB I PENDAHULUAN

BAB I PENDAHULUAN BAB I PENDAHULUAN BAB I PENDAHULUAN BAB I PENDAHULUAN I.1. Latar Belakang Indonesia memiliki hasil perkebunan yang cukup banyak, salah satunya hasil perkebunan kelapa yang mencapai 3.187.700 ton pada tahun 2013 (BPS, 2014).

Lebih terperinci

BAB III METODE PENELITIAN. learning cycle 7-E, learning cycle 5-E dan pembelajaran langsung. Pendekatan yang digunakan adalah pendekatan kuantitatif.

BAB III METODE PENELITIAN. learning cycle 7-E, learning cycle 5-E dan pembelajaran langsung. Pendekatan yang digunakan adalah pendekatan kuantitatif. BAB III METODE PENELITIAN A. Jenis Penelitian Jenis penelitian ini adalah penelitian percobaan (experiment research), karena pada penelitian ini terdapat perlakuan khusus terhadap variabelvariabel yang

Lebih terperinci

III. METODE PENELITIAN. Populasi dalam peneltian ini adalah seluruh siswa kelas XI IPA SMA Negeri 14

III. METODE PENELITIAN. Populasi dalam peneltian ini adalah seluruh siswa kelas XI IPA SMA Negeri 14 8 III. METODE PENELITIAN A. Populasi dan Sampel Penelitian Populasi dalam peneltian ini adalah seluruh siswa kelas XI IPA SMA Negeri 4 Bandarlampung Tahun Pelajaran 0/0 yang berjumlah 04 siswa. Siswa tersebut

Lebih terperinci

C. Ukuran Letak dan Ukuran Penyebaran Data

C. Ukuran Letak dan Ukuran Penyebaran Data C. Ukuran Letak dan Ukuran Penyebaran Data. Ukuran Letak Data Tunggal a. Kuartil Pada data dengan banyak data n 4, Kuartil membagi data menjadi 4 bagian sama banyak, sehingga diperoleh tiga nilai yang

Lebih terperinci

PENENTUAN KANDUNGAN BESI DALAM CONTOH MAKANAN MENGGUNAKAN GRAPHITE FURNACE ATOMIC ABSORPTION SPECTROMETRY DALAM UJI PROFISIENSI FNRI-DOST

PENENTUAN KANDUNGAN BESI DALAM CONTOH MAKANAN MENGGUNAKAN GRAPHITE FURNACE ATOMIC ABSORPTION SPECTROMETRY DALAM UJI PROFISIENSI FNRI-DOST PENENTUAN KANDUNGAN BESI DALAM CONTOH MAKANAN MENGGUNAKAN GRAPHITE FURNACE ATOMIC ABSORPTION SPECTROMETRY DALAM UJI PROFISIENSI FNRI-DOST Harry Budiman 1, Fransiska Sri Herwahyu Krismastuti 2, Nuryatini

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA Pertemuan keempat UKURAN PENYEBARAN DATA Ukuran penyebaran data digunakan untuk melengkapi deskripsi dari sifat-sifat sekelompok data, terutama dalam membandingkan sifat-sifat yang dimiliki oleh masing-masing

Lebih terperinci

STATISTIKA 3 UKURAN PENYEBARAN

STATISTIKA 3 UKURAN PENYEBARAN TUJUAN STATISTIKA UKURAN PENYEBARAN Melatih berfikir dan belajar secara logis dan kritis serta mengembangkan aktifitas, kreatifitas dalam memecahkan masalah serta mampu mengkomunikasikan ide dan gagasan

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Validasi metode analisis merupakan suatu tindakan penilaian terhadap parameter tertentu, berdasarkan percobaan laboratorium untuk membuktikan bahwa parameter tersebut

Lebih terperinci

Setelah mempelajari bahan ajar ini diharapkan Anda dapat:

Setelah mempelajari bahan ajar ini diharapkan Anda dapat: D. Pembelajaran 4 1. Silabus N o STANDAR KOMPE TENSI Menerapk an aturan konsep statistika dalam pemecaha n masalah KOMPE TENSI DASAR Mengidenti fikasi pengerti-an statistik, statistika, populasi dan sampel

Lebih terperinci

SNI butir A Air Minum Dalam Kemasan Bau, rasa SNI butir dari 12

SNI butir A Air Minum Dalam Kemasan Bau, rasa SNI butir dari 12 LAMPIRAN SERTIFIKAT AKREDITASI LABORATORIUM NO. LP-080-IDN Bahan atau produk yang Jenis Pengujian atau sifat-sifat yang Spesifikasi, metode pengujian, teknik yang Kimia/Fisika Pangan Olahan dan Pakan Kadar

Lebih terperinci

Mata Kuliah : Statistik dan Probabilitas Kelas : 22 Kode Soal : Tugas Elearning Uplaod : web FTI (Sebelum pertemuan berikutnya)

Mata Kuliah : Statistik dan Probabilitas Kelas : 22 Kode Soal : Tugas Elearning Uplaod : web FTI (Sebelum pertemuan berikutnya) Fakultas Teknologi Informasi (FTI) Jurusan Teknik Informatika Universitas Mercu Buana Yogyakarta Mata Kuliah : Statistik dan Probabilitas Kelas : 22 Kode Soal : Tugas Elearning Uplaod : web FTI (Sebelum

Lebih terperinci

Contoh: Pada data Tabel satu diperoleh range pada masing masing mata kuliah. adalah: Matakuliah Max min range A B C

Contoh: Pada data Tabel satu diperoleh range pada masing masing mata kuliah. adalah: Matakuliah Max min range A B C POKOK BAHASAN : Ukuran Penyebaran SUB POKOK BAHASAN : a. Range, b. RAK, c. SD, d. Varians, TIK : Mahasiswa dapat : a. Menjelaskan analisa deskriptif dengan ukuran penyebaran b. mampu melakukan analisa

Lebih terperinci

JADWAL RCCHEM LEARNING CENTER TAHUN 2017

JADWAL RCCHEM LEARNING CENTER TAHUN 2017 JADWAL RCCHEM LEARNING CENTER TAHUN No Judul Kursus Biaya Investasi Tanggal Maret 1 Highly Effective Leadership Rp 4,500,000,- 02 Maret - 03 Maret 2 Teknik Kalibrasi Alat Ukur Dasar Rp 8,850,000,- 06 Maret

Lebih terperinci

BAB III METODE PENELITIAN

BAB 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 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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Lokasi dan Sampel Penelitian 1. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di SMAN 2 Cimahi pada semester genap tahun ajaran 2012/2013. Penelitian dilaksanakan dari

Lebih terperinci

PERBANDINGAN KOEFISIEN VARIASI ANTARA 2 SAMPEL DENGAN METODE BOOTSTRAP

PERBANDINGAN KOEFISIEN VARIASI ANTARA 2 SAMPEL DENGAN METODE BOOTSTRAP JdC, Vol. 1, No 1, 2012 PERBANDINGAN KOEFISIEN VARIASI ANTARA 2 SAMPEL DENGAN METODE BOOTSTRAP (Studi Kasus Pada Analisis Inflasi Bulanan Komoditas Beras, Cabe Merah Dan Bawang Putih Di Kota Semarang)

Lebih terperinci

V. HASIL DA PEMBAHASA

V. HASIL DA PEMBAHASA V. HASIL DA PEMBAHASA Metode analisis kadar vitamin C pada susu bubuk yang dilakukan pada penelitian ini merupakan metode yang tercantum dalam AOAC 985.33 tentang penentuan kadar vitamin C pada susu formula

Lebih terperinci

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika

MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika Catatan Kuliah MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA2082

Lebih terperinci