V. PENDEKATAN BAYES PADA MODEL ACAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "V. PENDEKATAN BAYES PADA MODEL ACAK"

Transkripsi

1 7 V PEDEKT BYES PD MODEL CK 5 Pdahulua Pada aak kasus, srgkal dapat dprolh foras awal ttag paratr ag aka dduga Saga cotoh adalah pada kasus pdugaa produkttas taaa hortkultura ag tlah dahas pada Ba Pada saat lakuka lstg d dusu, sara dar stap pta dapat juga dkupulka foras ttag prkraa produks da/atau produks pada us slua Data produks atau produkttas dapat djadka saga data dasar awal utuk prak hasl pdugaa dar data plot ag dprolh dar dusu ag rsagkuta Salah satu tod ag dapat afaatka foras awal trsut dala pross pdugaa paratr adalah tod Bas Pada aak ltratur/plta, sala dapat dlhat pada Ldl & Sth 97 da Brgr 985, tod Bas dapat rka dugaa ag lh ak dadgka dga tod-tod klask sprt tod kuadrat trkcl atau tod kugka aksu Mtod Bas rupaka salah satu tod pdugaa paratr ag afaatka foras awal ttag paratr ag aka dduga θ ag asa dsut saga foras pror θ da foras dar cotoh x Iforas awal da foras cotoh dkoaska tuk suatu sara ag dsut saga sara postror, ag rupaka sara dasar pgala kputusa atau pguja dala tod Bas Brgr, 985 Sara postror θ jka dktahu x dlaagka dga θ x ddfska saga sara rsarat θ jka data cotoh x dktahu daka θ da X lk fugs kpkata rsaa: da X lk kpkata argal: h x, θ θ f x θ, x f x θ df θ aka utuk x dapat dprolh sara postror saga rkut: θ θ x h x, θ x,

2 75 Sara pror rflkska pgtahua atau kaka plt ttag θ, ag pada uua foras trsda Moor, 997 Sdagka θ x rupaka rflks dar praka la θ stlah dlakuka osras cotoh x tau dga prkataa la, sara postror rupaka koas atara foras awal ttag θ dga foras ttag θ ag dawa olh cotoh x Pada a aka dcoa laah pdkata Bas utuk pdugaa paratr odl acak prsaaa da 5 Ptua Pror Sara pror scara gars sar dapat dttuka lalu dua cara, atu scara suktf da scara prs Pada uua, sara postror θ x da sara argal x tdak udah dttuka da klas sara pror ag uat sara postror θ x dapat dttuka dga udah ag dsut saga cojugat pror Sara cojugat pror pada raga fugs kugka sara kluarga kspo dsajka pada Tal 7 Dga adaa pror cojugat, utuk dapatka sara postror θ x, kta tdak prlu ghtug sara argal x Scara uu, sara postror θ x dapat dttuka lalu kadah rkut Gll, : θ x p θ L θ x daa p θ adalah sara pror ag θ, da L θ x rupaka fugs kugka θ Utuk ukura pusata, pror ag palg uu dguaka adalah sara oral Sara oral sagat uu dguaka, ak pada pdkata-pdkata Basa aupu o-basa Brapa alasa ag dasara atara la Gll, : scara alaah data prrs kaaka gkut pola sar a oral, ag dprkuat juga dga adaa dall lt pusat; Baak klas sara postror dapat dodlka dga gkoaska asus fugs kugka oral dga pror ag rda; 3 Pada aak odl Basa lh sult dala dapatka pduga scara urk, ttap sara oral rka sara

3 76 postror ag udah dtlusur scara aaltk Sdagka utuk ukura kragaa paratr raga, sara pror ag palg uu dguaka adalah Irs Gaa Tal 7 Brapa tuk sara kluarga kspo da cojugat pror Gll, Sara fugs kugka Sara cojugat pror Hprparatr Broull Bta >, > Boal Bta >, > Multoal Drchlt θ, θ θ > j j gat Boal Bta >, > Posso Gaa >, > Expotal Gaa >, > Gaa Gaa >, > oral utuk oral, > oral utuk Irs Gaa >, > Parto utuk Gaa >, > Parto utuk Parto >, > Ufor Parto >, > Pada kadaa trttu, pror ag kta ttuka tdak dapat rka foras scara spsfk ttag paratr θ Saga cotoh, utuk paratr lokas haa dapat utka < < ; atau utuk paratr raga haa dapat utka > Pror utuk kasus ag dka dsut saga oforat pror, ag rart pror ag tdak gadug foras ttag θ Brgr, 985 Mtod ag palg uu dguaka utuk tuka oforat pror adalah tod ag dkukaka olh Jffrs 96 dala Brgr 985, atu gal la akar kuadrat la harapa dar foras Fshr I θ saga oforat pror sprt rkut: [ I ] θ θ

4 77 Scara uu, utuk paratr lokas da paratr rgrs, oforat pror- a adalah p c atau p c Sdagka oforat pror utuk paratr raga adalah p Brgr, 985 da Kass & Wassra, 996 Khusus utuk odl acak satu faktor prsaaa, sara prora rkata dga paratr, pror saga rkut:, da Pada kasus odl aka dahas utuk sara Utuk paratr aka dcoa dua pror, atu oforat pror da pror oral, atu ~, Utuk paratr aka dcoa dua pror, atu oforat pror da pror oral, atu ~, 3 Utuk paratr aka dcoa gguaka oforat pror Sdagka utuk odl acak dua faktor trsarag prsaaa, sara prora rkata dga paratr,, da Pada kasus odl, ada dua sara pror utuk paratr aka dahas, atu oforat pror da pror oral ~,, sdagka utuk paratr kopo raga,, da gguaka oforat pror saja 53 Pdkata Bas Su a aka ahas pdkata Bas utuk kasus odl acak prsaaa da ag tlah dahas pada Ba Sdagka sara prora gguaka koas pror ag dugkapka pa da Su Ba 5 Scara uu, pada odl acak satu faktor, jka dktahu pror utuk,, da ag asg-asg adalah,, da, aka fugs sara 3 postror ag θ,, dapat dataka saga θ L,,, 3

5 78 Pdkata Bas utuk Modl cak Satu Faktor a Kasus oforat pror utuk,, da Dga gacu pada fugs kugka 5, aka fugs postror utuk odl acak satu faktor ag daksud d s prsaaa adalah saga rkut: θ a dga Purua fugs trhadap ghaslka JKE Slajuta, dga galuas fugs trhadap dprolh Utuk kasus julah ulaga saa, pduga aka dprolh saa sprt pduga kuadrat trkcl da pduga kugka aksu, atu Sdagka raga dar dapat dprolh dga cara ag saa dga pduga kugka aksu sprt ag tlah dahas pada Ba, shgga dprolh raga Utuk kasus julah ulaga saa aka dprolh raga saa sprt pduga kugka aksu, atu raga a Pduga ag kopo raga da tdak dapat dprolh dala tuk closd for, olh kara tu aka dturuka dala tuk pross pdugaa

6 79 gguaka algorta tratf Slajuta, purua pduga ag da saa dga pada fugs rkut dapat dprolh dar fugs tujua atau profl postror saga rkut: Purua fugs trhadap da ghaslka: { { Dga galuas pada la, dprolh { { { { { { { { Dga dka, algorta utuk duga,, da kopo raga da adalah saga rkut: 6 Ttuka la awal,, da la awal ag da dapat dal dar pduga kuadrat trkcl, sdagka la awal utuk dapat dal

7 8 7 Htug: Htug ktor data trkorks c da htug la lalu prsaaa D 8 Htug: 9 Htug la kopo raga aru gguaka: c { { Daa la da slah kaa gal la pada slua Ulag -5 sapa korg Kasus oforat pror utuk da, sdagka ~, Log fugs postror utuk kasus adalah saga rkut: θ a JKE Purua fugs trhadap, kuda daluas pada la aka ghaslka pduga da raga ag saa dga kasus-a Pduga ag kopo raga da juga tdak dapat dprolh dala tuk closd for, olh kara tu pdugaaa dlakuka scara tratf

8 8 Slajuta, purua pduga ag da saa dga pada fugs rkut aka dprolh dar fugs tujua atau profl postror saga rkut: Purua fugs trhadap da ghaslka: { { Dga galuas pada la, dprolh { { { { { { { 5 atau { 5 Dga dka, algorta pdugaa da saa dga kasus-a, ttap haa ggat ruus dga prsaaa 5 atau 5 c Kasus oforat pror utuk da, sdagka, ~ Log fugs postror utuk kasus adalah saga rkut:

9 8 JKE a θ Purua fugs trhadap ghaslka Dga galuas fugs trhadap da asukka la aka dprolh 5 3 Slajuta, turua kdua dar fugs postrora ghaslka: Dga dka, raga dar adalah raga Pduga ag kopo raga da aka dturuka dala tuk pross pdugaa gguaka algorta tratf Slajuta, purua pduga ag da saa dga pada fugs rkut aka dprolh dar fugs tujua atau profl lklhood saga rkut:

10 83 Purua fugs trhadap da ghaslka: { { Dga galuas pada la, dprolh saa dga kasus-a Dga dka, algorta prhtuga ag pduga paratr, da rp dga utr a, ttap haa rda pada aga ptua pduga ag gguaka prsaaa 53 d Kasus oforat pror utuk, sdagka, ~ da, ~ Log fugs postror utuk kasus adalah saga rkut: JKE a Purua fugs trhadap ghaslka Dga galuas fugs trhadap aka dprolh pduga ag saa dga kasus-c aga ag juga aka saa dga kasus-c Pross prhtuga utuk kopo raga da aka saa dga kasus -, dga dka algorta pdugaa ag paratr, da rp dga kasus-, ttap haa rda pada aga ptua pduga ag gguaka prsaaa 53

11 8 Pdkata Bas utuk Modl cak Dua Faktor Trsarag Pdkata Bas pada odl acak dua faktor trsarag ag aka dahas pada tulsa haa pada kasus julah taraf trsarag da julah ulaga ag saa sag Sdagka kasus sara pror ag paratr odla aka dahas dua kadaa, atu a kasus sua paratr, da kasus ~,, sdagka a Kasus sua paratr,,, da, da da oforat pro r, oforat pror oforat pror Dga ggat Tal ahwa,, da aka oforat pror ag, 3 da aka stara dga oforat pror ag, da 3 D ss la, urut Tao & Box, 967, sara rsaa oforat pror ag,, da 3 adalah:,,, 3,, 3 Dga dka, dga rujuk pada prsaaa 7, aka fugs kugka ag,, da 3 jad: 3 L,,, 3 3 xp 3 3 Log dar fugs kugka jad: L,,, Turua prtaa trhadap,,, da 3 adalah saga rkut: L a 3 3

12 85 L c L d L Ealuas kpat prsaaa trhadap ghaslka a 3 a JKG c JKB d

13 a 3 33 a JK a aga ag dapat dprolh lalu turua kdua dar fugs rkut: L d atas saga L a 3 Dga dka raga a Kasus ~, da kopo ragaa oforat pror Fugs kugka utuk kasus adalah 3 xp L,,, Log dar fugs kugka jad: 3 L,,, Turua prtaa trhadap,,, da 3 adalah saga rkut: 3

14 87 L a 3 L L c L 3 d 3 3 Ealuas prsaaa a trhadap ghaslka a 3 3 a 3 a 3 3 a a 3 Sdagka aluas prsaaa, c da d trhadap ghaslka pduga ag,, da saa dga kasus-a aga ag dapat dprolh lalu turua kdua dar fugs rkut: 3 L d atas saga L a 3 Dga dka a raga

15 88 55 Prapa Prapa pdkata Bas pada odl acak aka dcoaka utuk data dga julah ulaga saa data Tal 7, Ba 3 da data dga ulaga tdak saa data Tal 6, Ba Sara pror utuk da sla oforat pror dcoa gguaka sara oral dga gal sara paratr d sktar pduga kugka aksua, atu ~ 5, da ~, 7 Hasl pdugaa trhadap,,, da raga utuk data dga julah ulaga saa data Tal 6 dsajka pada Tal 8, sdagka utuk data dga julah ulaga tdak saa data Tal 7 dsajka pada Tal 9 Tal 8 Hasl pdugaa trhadap,,, da raga utuk data dga julah ulaga saa Tal 6 Mtod / Kasus raga MKM Bas Kasus a Bas Kasus Bas Kasus c Bas Kasus d Tal 9 Hasl pdugaa trhadap,,, da raga utuk data dga julah ulaga tdak saa Tal 7 Mtod / Kasus raga MKM Bas Kasus a Bas Kasus Bas Kasus c Bas Kasus d

Forum Statistika dan Komputasi, Oktoberl 2005, p: Vol. 10 No. 2 ISSN :

Forum Statistika dan Komputasi, Oktoberl 2005, p: Vol. 10 No. 2 ISSN : Foru Statstka da Koputas, Oktoerl 005, p: 5 3 Vol 0 No ISSN : 0853-85 PENDUGAAN PRODUKTIVITAS KENTANG DENGAN METODE KEMUNGKINAN MAKSIMUM UNTUK MODEL ACAK Har Wjaato, Kharl Awar Notodputro, Barz Departee

Lebih terperinci

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG

PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG PERTIDAKSAMAAN AZUMA PADA MARTINGALE UNTUK MENENTUKAN SUPREMUM PELUANG Sudaro Jurusa Matatka FMIPA UNDIP Jl Prof H Sodarto SH Tbalag Sarag 575 Abstract Coutg probablty a two-tald hypothss dtr lvl of th

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil

TINJAUAN PUSTAKA Konsep Dasar Pendugaan Area Kecil 4 INJAUAN PUSAKA Kosep Dasar Pedugaa Area Kec Secara uu etode pedugaa area kec dbag ejad dua baga atu etode peduga agsug (drect estato da etode peduga tak agsug (drect estato. etode-etode pedugaa seaa

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

Analisis Regresi dan Korelasi

Analisis Regresi dan Korelasi Metode Statstka Pertemua III Aalss Regres da Korelas Pegatar Apa tu aalss regres? Apa edaya dega korelas? Aalss Regres Aalss statstka yag memafaatka huuga atara dua atau leh peuah kuattatf sehgga salah

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

Pengkelasan dengan Skor Propensitas

Pengkelasan dengan Skor Propensitas Saska, Vol. 6 No. 2, 35 39 Nobr 26 Pgklasa dga Skor Prosas Marzuk da Fakhrurraz Jurusa Maaka FMIPA Usah Jl. Sch Abdul Rauf No. 3 Darussala Bada Ach 23 ABSTRAK Prbadga dua oulas dga laar blakag obk (kovara

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar

Pertemuan 3 Luas Daerah Bidang Datar, dan Volume Benda Padat dengan Metode Bidang Irisan Sejajar ertemua 3 Luas Daerah Bdag Datar, da Volume Beda adat dega Metode Bdag Irsa Sejajar A. Luas Daerah Bdag Datar 1. Luas Daerah Bdag Datar Yag Datas Oleh Kura f, sumu X, Gars a da Gars DEFINISI: Msalka D

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK

INTERPOLASI INTERPOLASI LINIER INTERPOLASI KUADRATIK INTERPOASI INTERPOASI INIER INTERPOASI KUADRATIK INTERPOASI POINOMIA Dua ttk data : Gars Tga ttk data : Kuadratk g Empat ttk data :Polomal tgkat-3 Dketahu: ttk data ( y ) ( y ) ( y ) D ttk data :Polomal

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL

MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL MODEL LOGIT KUMULATIF UNTUK RESPON ORDINAL Robah P Rahaat da Tatk Wdhah Juusa Matmatka FMIPA UNDIP Jl. Pof. H. Sodato, S.H, Smaag 575 Abstat. Logt umulatv modl s usd to dsb th latoshp btw a spos vaabl

Lebih terperinci

BAB 2 SOLUSI NUMERIK PERSAMAAN

BAB 2 SOLUSI NUMERIK PERSAMAAN BAB SOLUSI NUMERIK PERSAMAAN Dalam sais da rkayasa, kita srigkali harus mcari akar solusi dari prsamaa f 0. Jika f mrupaka fugsi poliomial liar atau kuadratis, solusi ksakya mudah utuk didapatka kara rumusya

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL

PENGEMBANGAN METODE ITERASI DUA DAN TIGA LANGKAH DENGAN ORDE KONVERGENSI OPTIMAL PENGEMBANGAN METODE ITEASI DUA DAN TIGA LANGKAH DENGAN ODE KONVEGENSI OPTIMAL Supriadi Putra M.Si* Dr. Sasudhuha M.S urusa Matatika FMIPA Uivrsitas iau *sputra@uri.a.id ABSTAK Dala akalah ii disajika dua

Lebih terperinci

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange

PRAKTIKUM 20 Interpolasi Polinomial dan Lagrange Praktkum 0 Iterpolas Polomal da Lagrage PRAKTIKUM 0 Iterpolas Polomal da Lagrage Tuua : Mempelaar berbaga metode Iterpolas ag ada utuk meetuka ttkttk atara dar buah ttk dega megguaka suatu fugs pedekata

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson

Maximum Likelihood Estimation Model Linear dan Log-Linear dalam Regresi Poisson Prosdg Sar Nasoal Pla Pdda da Prapa MIPA Faulas MIPA Uvrsas Ngr Yogaara 6 M 9 Mau lhood Esao Modl ar da og-ar dala Rgrs Posso Yul Wbawa Jaa Nugraha Jurusa Sasa FMIPA-UII Kapus Trpadu UII Jl Kalurag KM

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

TANGGAPAN FREKUENSI PENGUAT

TANGGAPAN FREKUENSI PENGUAT EEKTONIK NOG Prtuan 9 TNGGPN FEKUENI PENGUT Tanapan Frkuns nda Pratkan rankaan plwat-atas -pass rkut. ankaan plwat-atas Dala prnyataan pua kplks s ω π, aka raktans kapastr adala /s. na dar aar d atas dprl:

Lebih terperinci

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon

Penerapan Pendekatan Gabungan Grey Relational Analysis (GRA) dan Principal Component Analysis (PCA) Pada Metode Taguchi Multirespon JURNL SINS DN SENI IS Vol., No., (Spt. ) ISSN: -98X D-4 Prapa Pdkata Gabuga Gry Rlatoal alyss (GR) da Prcpal Compot alyss (PC) Pada Mtod aguch Multrspo Nur prla Rahmada, Soy Suaryo da Muhammad Sahd kbar

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1

JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) ( X Print) D-1 JURNAL SAINS DAN SENI POMITS Vol., No., (3) 33-3 (3-8 Prt) D- Pmodla Partspas Wata dalam Kgata Ekoom Rumah Tagga Nlaya d Pssr Tmur Surabaya (Stud Kasus Kcamata Kcamata Bulak, Mulyorjo, da Kjra) Irma Harlagtyas,

Lebih terperinci

PROSIDING ISBN :

PROSIDING ISBN : PROSIDING ISBN : 978 979 6353 3 METODE FINALTI UNTUK MENENTUKAN BERAT SAPI OPTIMAL Olh : H. A. Pahusp da Sska Ayua Pogam Stud Matmatka Idust da Statstka Fakultas Sas da Matmatka (FSM) Uvstas Kst Satya

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA

BAB III REVIEW SIFAT- SIFAT STATISTIK PENDUGAAN TIPE KERNEL BAGI FUNGSI INTENSITAS PROSES POISSON PERIODIK DENGAN PERIODE GANDA 9 BAB III REVIEW SIFAT- SIFAT STATISTI PENDUGAAN TIPE ERNE BAGI FUNGSI INTENSITAS PROSES POISSON PERIODI DENGAN PERIODE GANDA 3. Perumua Peduga Malka adala proe Poo ag damat pada terval [0] dega fug teta

Lebih terperinci

BAB I PENGINTEGRALAN KOMPLEKS

BAB I PENGINTEGRALAN KOMPLEKS BAB I PENGINTEGRALAN OMPLES . Itegral Gars Sebelum membcaraka tegral gars terlebh dahulu aka dbahas kurva kurva mulus ltasa da retas suatu ltasa. Ltasa urva legkuga d bdag datar dapat dataka dalam betuk

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB 4: PELUANG DAN DISTRIBUSI NORMAL.

BAB 4: PELUANG DAN DISTRIBUSI NORMAL. BAB 4: PELUANG DAN DISTRIBUSI NORMAL. PELUANG Peluag atau yag biasa juga disebut dega istilah keugkia, probablilitas, atau kas eujukka suatu tigkat keugkia terjadiya suatu kejadia yag diyataka dala betuk

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

PROGRAM LINIEAR DENGAN METODE SIMPLEX

PROGRAM LINIEAR DENGAN METODE SIMPLEX POGAM LINIEA DENGAN METODE SIMPLEX A. TEKNIK PENYELESAIAN Betuk Soal Progra Lear Kedala utaa asalah rogra lear daat eretuk a atau a atau a. Kedala yag eretuk ertdaksaaa daoat duah ead ersaaa seaga erkut

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

Lebih terperinci

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:

ISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di: ISSN: 339-541 JURNAL GAUSSIAN, Volum 4, Nomor 4, Tahu 015, Halama 97-936 Ol d: http://joural-s1.udp.ac.d/dx.php/gaussa ANALISIS KEPUTUSAN KONSUMEN MEMILIH BAHAN BAKAR MINYAK (BBM MENGGUNAKAN MODEL REGRESI

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi.

BAB 3 Kesamaan Matriks Kovariansi. Bagian ini akan membahas tentang pengujian hipotesis kesamaan matriks kovariansi. BAB 3 Ksamaan Matks Kovaans Bagan n akan mmahas tntang ngujan hotss ksamaan matks kovaans. 3. Uj Ksamaan Dua Matks Kovaans 3.. Ukuan Pnyaan Multvaat ( X ( ( Msalkan X suatu vkto acak d mana X dan X masngmasng

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

Abstract. Keywords: The Selection Of Laptop Brand, Product, Price, Promotion, Multinomial Logistic Regression

Abstract. Keywords: The Selection Of Laptop Brand, Product, Price, Promotion, Multinomial Logistic Regression Aalss Paruh Faqotul Hah ANAISIS PENGARUH STRATEGI BAURAN PEMASARAN TERHADAP PEMIIHAN MEREK APTOP MENGGUNAKAN REGRESI OGISTIK MUTINOMIA Stud Kasus Mahasswa Uvrstas Dpooro Faqotul Hah, Trastut Wuradar, Abdul

Lebih terperinci

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1

Integrasi 1. Metode Integral Reimann Metode Integral Trapezoida Metode Integral Simpson. Integrasi 1 Itegras Metode Itegral Rema Metode Itegral Trapezoda Metode Itegral Smpso Itegras Permasalaa Itegras Pertuga tegral adala pertuga dasar yag dguaka dalam kalkulus, dalam bayak keperlua. Itegral secara det

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

Lebih terperinci

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner

S - 1 Penggunaan Metode Bayesian Obyektif dalam Analisis Pengukuran Tingkat Kepuasan Pelanggan Berdasarkan Kuesioner PROSIDING ISBN : 978 979 6353 6 3 S - Pgguaa Mtod Baysia Obyktif dalam Aalisis Pgukura Tigkat Kpuasa Plagga Brdasarka Kusior Adi Stiawa Program Studi Matmatika, Fakultas Sais da Matmatika Uivrsitas Krist

Lebih terperinci

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di:

JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman Online di: JURNAL GAUSSIAN, Volum, Nomo, Tahu 0, Halama 35-46 Ol d: http://joual-s.udp.ac.d/d.php/gaussa PEMBANGKITAN SAMPEL RANDOM MENGGUNAKAN ALGORITMA METROPOLIS- HASTINGS Ls Kua Iwat, Moch. Abdul Mukd, Rta Rahmawat

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

METODE PENGUKURAN FERTILITAS

METODE PENGUKURAN FERTILITAS Diisi Pua Aa Kotiu Pua aa iataa otiu jia F P apat ugsi sara ( ( iyataa sagai ( ( F u u R ga : R aala ugsi yag tritgrala. Fugsi isut ugsi pata pluag ari. [Gritt a Stirzar 199] Nilai Harapa Diisi Nilai Harapa

Lebih terperinci

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE) Jural Matematka Mur da Terapa Vol. 4 No. esember : 4 - ANALISIS REGRESI LINEAR BERGANA ENGAN SATU VARIABEL BONEKA (UMMY VARIABLE Tat Krsawardha Nur Salam da ew Aggra Program Stud Matematka Uverstas Lambug

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = 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 terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PENGUJIAN HIPOTESIS PROSEDUR UMUM PROSEDUR UMUM PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) PENGUJIAN HIPOTESIS PROSEDUR UMUM Lagkah : tetuka hpote 0 (H 0 ) da at hpote (H ) malya: H 0 : µ 00 H : µ 00 atau H : µ > 00 atau H : µ < 00 PROSEDUR UMUM Lagkah : tetuka je dtrbu yag cocok: bla > 30 da

Lebih terperinci

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2

KAJIAN KONVERGENSI BARISAN RUANG NORM-(n-1) DENGAN n 2 Kaa Kovrgs Barsa Ruag Norm-(-) Dga KAJIAN KONVERGENSI BARISAN RUANG NORM-(-) DENGAN Faratul Masruroh Era Aprla Sao 3 Jurusa Matmatka FMIPA Isttut Tkolog Spuluh Nopmbr Surabaa 3 Jl. Arf Rahma Hakm Kampus

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

REGRESI LOGISTIK BINER

REGRESI LOGISTIK BINER REGRESI LOGISTIK BINER Mtod rgrs mruaka aalss data yag mdskrska hubuga kausaltas atara varabl rso da rdktor (Hosmr da Lmshow, ). Prbdaa mdasar atara rgrs lr da rgrs logstk adalah ty dar varabl rso. Rgrs

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR)

ESTIMASI PARAMETER MODEL GEOGRAPHICALLY WEIGHTED ORDINAL LOGISTIC REGRESSION (GWOLR) ISBN : 978.60.36.00.0 ESIMASI PARAMEER MODEL GEOGRAPHICALLY WEIGHED ORDINAL LOGISIC REGRESSION (GWOLR) Sylf, Vta Ratnasar Mahasswa Jurusan Statstka Insttut knolog Spuluh Nopmbr (IS), Dosn Jurusan Statstka

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat

3.1 Hubungan Dasar Probabilitas Probabilitas adalah harga perbandingan jumlah kejadian (A) yang mungkin dapat . Hubuga Dasar rbabltas rbabltas adalah harga prbadga jumlah kjada A yag mugk dapat trjad trhadap jumlah ksluruha kjada yag mugk trjad dalam sbuah prstwa. Cth:. luag utuk mdapatka agka gap dar lmpara sbuah

Lebih terperinci

Pertemuan VII IV. Titik Berat dan Momen Inersia

Pertemuan VII IV. Titik Berat dan Momen Inersia Baa jar Mekaka Baa Mulat, ST., MT Pertemua V V. Ttk Berat da Mome ersa. Ttk Berat Peampag Mome pertama suatu luasa eleme teradap suatu sumbu d dalam bdag luasa dberka dega produk luasa eleme da jarak tegak

Lebih terperinci

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi

II. TINJAUAN PUSTAKA. variabel. Dalam regresi sederhana dikaji dua variabel, sedangkan dalam regresi 3 II. TINJAUAN PUSTAKA. Aalss Regres Aalss regres merupaka salah satu metode statstka ag dguaka utuk mempelajar da megukur huuga statstk ag terjad atara dua atau leh varael. Dalam regres sederhaa dkaj

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup: PENDAULUAN D dalam modul Ada aka mempelajar teor gaggua bebas waktu yag mecakup: teor gaggua tak degeeras bebas waktu, teor gaggua degeeras bebas waktu, da efek Stark. Oleh karea tu, sebelum mempelajar

Lebih terperinci