Statistika. Probabilitas. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
|
|
- Inge Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil Statistika Probabilitas 1
2 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang 7dak dapat memas7kan nilai suatu proses (misal erupsi gunung berapi) berdasarkan data erupsi selama waktu yang lalu sampai saat ini. Sifat stokas7k ataupun ke7dak-pas7an merupakan sifat yang melekat pada proses (yang melibatkan) alam. 2
3 Probabilitas, Peluang Kejadian No urut Jumlah hari terjadinya kemacetan pasokan air per bulan Frekuensi Jumlah 30 Jumlah hari saat terjadi kemacetan pasokan air PDAM selama 30 bulan terakhir. Dapatkah Saudara memas7kan jumlah hari akan terjadi kemacetan pasokan air PDAM pada bulan depan? 3
4 Probabilitas, Peluang Kejadian, Risiko Debit puncak suatu Sungai XYZ selama 66 tahun Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s) Dapatkah Saudara memas7kan debit maksimum pada tahun ke-67? 4
5 Probabilitas Definisi #1 Andaikata suatu peris7wa random dapat terjadi dalam n cara yang masing-masing memiliki kemungkinan yang sama, dan apabila sejumlah n a cara memberikan hasil A, maka probabilitas terjadinya peris7wa dengan hasil A adalah n a /n prob( A) = n a n Dalam definisi di atas, n adalah himpunan semua yang mungkin terjadi. Definisi di atas berasumsi bahwa n diketahui, padahal himpunan semua cara yang mungkin pada kenyataannya 7dak selalu diketahui atau 7dak terjadi atau 7dak diama7 atau 7dak dihitung. 5
6 Probabilitas Definisi #2 Andaikata suatu peris7wa random terjadi berkali-kali dalam jumlah yang sangat besar, n kali, dan sejumlah n a kali memiliki hasil A, maka probabilitas peris7wa dengan hasil A adalah prob( A) = lim n a n n Definisi di atas berbeda dengan definisi #1 dalam hal-hal berikut: Probabilitas suatu kejadian diperkirakan (can be es)mated) berdasarkan observasi sejumlah n kali. n di sini 7dak/bukan merupakan himpunan semua kejadian yang mungkin; dalam hal ini, 7dak diperlukan untuk mengetahui atau melakukan observasi terhadap semua kemungkinan Se7ap cara yang mungkin terjadi (dalam n tersebut) 7dak harus memiliki kemungkinan yang sama untuk terjadi. 6
7 Probabilitas Definisi 2: butuh berapa n? Contoh Pada 2 set pengamatan (sampel) yang 7dak saling terkait/ tergantung, perkiraan probabilitas kejadian A dapat ditetapkan berdasarkan masing-masing sampel tersebut. Kedua nilai probabilitas 7dak selalu sama satu dengan yang lain. Kedua nilai probabilitas 7dak selalu sama dengan perkiraan probabilitas A yang ditetapkan dengan pengamatan sejumlah takberhingga kali. Problem: berapa jumlah pengamatan n yang diperlukan untuk mendapatkan es7masi probabilitas A yang dapat diterima? 7
8 Probabilitas Kisaran (range) probabilitas Dari kedua definisi, kisaran probabilitas adalah 0 s.d. 1. prob(a) = 0 hampir 7dak mungkin terjadi (nearly impossible) prob(a) = 1 hampir pas7 terjadi (almost certain) 8
9 Probabilitas Misal suatu eksperimen (proses) menghasilkan sejumlah output yang berupa variable random Himpunan semua hasil yang mungkin didapat disebut sample space. Se7ap elemen di dalam sample space disebut sample points (element) Se7ap elemen di dalam sample space memiliki faktor/bobot/ weight (posi7f) sedemikian hingga jumlah weight seluruh elemen bernilai 1. Nilai bobot berbanding lurus dengan kemungkinan eksperimen akan memberikan hasil elemen tersebut. Bobot 7dak lain adalah probabilitas. 9
10 Organisasi Data: Tabel dan Grafik PROBABILITAS 10
11 Organisasi Data Koleksi data sta7s7k perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan jelas. Salah satu pengorganisasian data sta7s7k adalah dengan: tabel grafik 11
12 Organisasi Data Tabel Di dalam tabel, se7ap raw score ( data mentah ) sejenis dikelompokkan. Pengelompokkan tersebut kemudian dirangkum dalam suatu tabel yang ringkas. 12
13 Contoh #1 Data hujan harian di suatu stasiun selama 30 bulan selama Januari 2003 s.d. Juni 2005 Hari hujan per bulan 13
14 Hari hujan dalam sebulan Bulan Bulan ke- Tanggal Jumlah Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun
15 12 10 Jumlah hari hujan per bulan Jumlah hari H + s H H H s H Jan-03 Feb-03 Mar-03 Apr-03 May-03 Jun-03 Jul-03 Aug-03 Sep-03 Oct-03 Nov-03 Dec-03 Jan-04 Feb-04 Mar-04 Apr-04 May-04 Jun-04 Jul-04 Aug-04 Sep-04 Oct-04 Nov-04 Dec-04 Jan-05 Feb-05 Mar-05 Apr-05 May-05 Jun-05 15
16 12 Jumlah hari hujan per bulan 10 Jumlah hari H + s H H H s H Bulan ke- 16
17 Tabel Frekuensi: jumlah hari hujan per bulan periode Jan-03 s.d. Jun-05 Jumlah hari hujan per bulan Frekuensi Jumlah 30 17
18 Tabel Frekuensi: jumlah hari hujan per bulan periode Jan-03 s.d. Jun-05 Jumlah hari hujan per bulan Frekuensi Jumlah 30 Jumlah hari hujan per bulan Frekuensi Jumlah 30 18
19 Bar Chart Frekuensi Jumlah hari hujan selama 30 bulan Jumlah hari 19
20 Bar Chart Jumlah hari hujan per bulan selama 30 bulan 8 Frekuensi Jumlah hari
21 Histogram Jumlah hari hujan per bulan selama 30 bulan Frekuensi Jumlah hari
22 Histogram Jumlah hari hujan per bulan selama 30 bulan Frekuensi Jumlah hari
23 Probabilitas, Peluang Kejadian Jumlah hari hujan per bulan Frekuensi Frekuensi rela7f Jumlah untuk jumlah sampel yang besar, maka nilai frekuensi rela7f dapat dipakai sebagai es7masi nilai probabiltas 23
24 Probabilitas - Histogram 0.25 Jumlah hari hujan per bulan selama 30 bulan Frekuensi rela6f Jumlah hari
25 Probabilitas - Histogram Jumlah hari hujan per bulan selama 30 bulan Frekuensi rela6f Jumlah hari
26 Contoh #2 Data debit puncak suatu sungai selama kurun 66 tahun Debit dikelompokkan ke dalam klas dengan lebar interval tertentu Frekuensi kejadian debit pada se7ap klas dihitung gunakan perintah fungsi MSExcel: =FREQUENCY(...) 26
27 Debit puncak suatu Sungai XYZ selama 66 tahun Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s) Tahun ke- Debit (m 3 /s)
28 Debit puncak tahunan suatu sungai selama 66 tahun Debit (m 3 /s) Tahun ke- 28
29 Tabel Frekuensi Interval Klas Klas Frekuensi Frekuensi rela6f Frek rel kumula6f Σ
30 Frekuensi rela6f Debit puncak tahunan suatu sungai selama 66 tahun Debit (m 3 /s) interval klas 100 m 3 /s 30
31 Tabel Frekuensi Interval Klas Klas Jumlah Frekuensi rela6f Frek rel kumula6f Σ
32 Frekuensi rela6f Debit puncak tahunan suatu sungai selama 66 tahun Debit (m 3 /s) interval klas 150 m 3 /s 32
33 Klas vs Nilai Parameter Statistika Adakah pengaruh pengelompokan data terhadap nilai-nilai parameter sta7s7ka? Rata-rata Simpangan baku 33
34 Sample Space Sample Elements PROBABILITAS 34
35 Sample Space dan Sample Elements Contoh #1: Suatu DAS memiliki 3 stasiun: Sta-1, Sta-2, Sta-3. Eksperimen: meneli7 se7ap stasiun perlu/7dak kalibrasi Output: (y,n,y) Sta-1 perlu kalibrasi (y = yes) Sta-2 tak perlu kalibrasi (n = no) Sta-3 perlu kalibrasi (y = yes) 35
36 Sample Space dan Sample Elements Sample space: Alterna7f 1 S 1 ={(y,y,y),(y,y,n),(y,n,y),(n,y,y), (y,n,n),(n,y,n),(n,n,y),(n,n,n)} S 1 adalah discrete sample space: jumlah elemen di dalam S 1 dapat dihitung. Apabila eksperimen dilakukan satu kali saja, maka salah satu elemen S 1 pas7 terjadi. Sample space: Alterna7f 2 S 2 ={0,1,2,3} S 2 adalah discrete sample space. Hanya ingin diketahui jumlah stasiun yang perlu dikalibrasi. Tidak diperlukan untuk mengetahui stasiun mana yang perlu dikalibrasi. Informasi yang diperoleh lebih sedikit daripada S 1. 36
37 Sample Space dan Sample Elements Contoh #2: Pengukuran angin: kecepatan (km/jam) dan arah ( o ). Output: (x,y) x = kecepatan (km/jam) y = arah ( o ) 37
38 Sample Space dan Sample Elements Sample space: Alterna7f 1 Ω 1 = ( x, y) : x 0, 0 y 360 y ( o ) 360 { } 0 x (km/jam) Sample space: Alterna7f 2 Ω 2 = { +, } discrete sample space + = kecepatan > 60 (km/jam) = kecepatan < 60 (km/jam) continuous sample space 38
39 Events Event adalah suatu himpunan bagian (subset) dari sample space Suatu event terjadi jika dan hanya jika hasil dari eksperimen adalah anggota event tersebut Contoh: Kalibrasi Sta-1, Sta-2, Sta-3 Event A: paling sedikit 2 stasiun perlu dikalibrasi A={(y,y,y),(y,y,n),(y,n,y),(n,y,y)} Event B: tak ada stasiun yang perlu dikalibrasi B={(n,n,n)} Event C: 2 stasiun perlu dikalibrasi C={(y,y,n),(y,n,y),(n,y,y)} 39
40 Diagram Venn Notasi: S = sample space E i = elemen di dalam S A,B = events di dalam S prob(e i ) = probabilitas elemen E i S o E 1 o E 2 o E 3 A 0 prob( E i ) 1 S = i E i prob S ( ) = prob( E i ) =1 A B B A B o E n S o E 1 o E 2 o E 3 o E n 40
41 Probabilitas Suatu Event Event A A = n E i=m i 0 prob A Event A dan B n ( ) = prob( E i ) i=m 1 prob( A B) = prob( A) +prob( B) prob( A B) Apabila A dan B tak bergantung satu dengan yang lainnya (independent), maka ( ) = prob( A) +prob( B) prob A B 41
42 Probabilitas Suatu Event Event A c (= komplemen event A) A A c = S prob( A A c ) = prob( A) + prob( A c ) =1 prob( A) =1 prob( A c ) 42
43 Probabilitas Bersyarat (Conditional Probability) Probabilitas suatu event (event B) bergantung pada terjadinya event lain (event A). S A A B prob( B A) = B ( ) prob( A) prob A B prob( A B) = prob A prob(b A) = prob(b) dengan syarat event A terjadi» sample space berubah dari S menjadi A,» event diwakili oleh A B, prob( A) 0 ( )prob B A ( ) 43
44 Probabilitas Bersyarat (Conditional Probability) Apabila event B tak bergantung pada event A (keduanya merupakan independent events), maka prob( B A) = prob( B) prob( A B) = prob( A) prob( B) 44
45 Probabilitas Bersyarat (Conditional Probability) Contoh Data pengamatan hari hujan di suatu wilayah menunjukkan probabilitas hari hujan sbb. hari hujan setelah hari hujan = hari tak hujan setelah hari hujan = hari tak hujan setelah hari tak hujan = hari hujan setelah hari tak hujan = Apabila dijumpai bahwa suatu hari terjadi hujan, berapakah probabilitas bahwa 2 hari berikutnya juga hujan? 45
46 Probabilitas Bersyarat (Conditional Probability) Penyelesaian Misal hari hujan (h) terjadi sbb. hari ke-0 hari ke-1 hari ke-2 h h h event A event B Event A = hari ke-1 hujan setelah hari ke-0 hujan Event B = hari ke-2 hujan setelah hari ke-0 hujan Yang dicari adalah 3 hari hujan berturut-turut: ( ) = prob( A) prob B A prob A B ( ) Diketahui prob(a) = (hari hujan setelah hari hujan) prob B A ( ) = ( ) = = prob A B 46
47 Probabilitas Bersyarat (Conditional Probability) Cara penyelesaian yang lain Probabilitas hari hujan setelah hari hujan adalah p = Suatu hari (hari ke-0) terjadi hujan hari ke-0 hari ke-1 hari ke-2 h h h p = p = p = th p = th 47
48 Probabilitas Total (Total Probability) Apabila B 1, B 2,, B n adalah serangkaian events yang 7dak saling berkaitan (mutually exclusive events) dan masingmasing memiliki probabilitas 7dak sama dengan nol, prob(b i ) 0, untuk semua i: B 1 B 2 B n = S B i B j = 0, i, j ( i j) prob B i ( ) > 0, i 48
49 Probabilitas Total (Total Probability) Probabilitas suatu event A dapat dituliskan sbb. S B 2 B 1 A prob A B 3 B n ( ) = prob# $ ( A B 1 ) ( A B 2 )... ( A B n )% & = prob( A B 1 ) +prob( A B 2 ) prob( A B n ) 49
50 Probabilitas Total (Total Probability) Dari condi)onal probability: prob( A) = prob( B 1 ) prob( A B ) prob( B n ) prob( A B ) n prob A ( ) = prob( A) prob B 1 A ( ) = prob( B 1 ) prob A B 1 prob A B 1 prob B 1 A S B 2 B 1 A n ( ) = " prob( B i ) prob A B i i=1 # B 3 B n ( ) ( ) ( ) $ % 50
51 Probabilitas Total (Total Probability) Contoh Data genangan di suatu wilayah permukiman menunjukkan bahwa probabilitas terjadinya genangan adalah 0.80 saat hari hujan dan 0.25 saat tak hujan. Diketahui bahwa probabilitas hari hujan adalah Berapakah probabilitas terjadinya genangan di wilayah tersebut? 51
52 Probabilitas Total (Total Probability) Penyelesaian Jika event A = terjadi genangan event B 1 = hari hujan event B 2 = hari tak hujan ( ) +prob B 2 ( ) prob( A) = prob( B 1 ) prob A B 1 ( ) prob A B 2 = ( ) 0.25 =
53 Teorema Bayes Dari condi)onal probability ( ) = prob( A) prob B A ( ) = prob( B) prob A B prob A B prob B A ( ) ( ) Karena prob( A B) = prob( B A), maka: prob( A) prob( B A) = prob( B) prob( A B) Untuk events A dan B j, persamaan diatas menjadi prob( A) prob( B j A) = prob( B ) j prob( A B ) j (1) (2) (3) (4) 53
54 Teorema Bayes Dari total probability prob A n ( ) = " prob( B i ) prob A B i i=1 # ( ) $ % (5) Dengan (5) à (4) prob( B j A) = prob( B ) j prob( A B ) j n i=1 prob B i ( ) prob A B i ( ) (6) 54
55 Teorema Bayes Pemakaian Untuk mencari probabilitas event B j apabila diketahui event A telah terjadi. Untuk mencari (memperkirakan) probabilitas suatu event (B j ) dengan mengama7 event kedua (A). 55
56 Teorema Bayes Contoh Informasi ramalan cuaca biasa dikirimkan melalui 4 saluran: R i (i = 1,2,3,4) adalah event dimana informasi tsb dikirimkan melalui saluran i. Probabilitas masing-masing event R i adalah: 0.1, 0.2, 0.3, dan 0.4. Diketahui juga bahwa probabilitas terjadinya kesalahan pengiriman (event E) melalui masing-masing saluran adalah: 0.10, 0.15, 0.20, dan Suatu saat diketahui bahwa suatu kesalahan pengiriman telah terjadi. Berapakah probabilitas bahwa kesalahan tersebut terjadi melalui saluran ke-2? 56
57 Teorema Bayes Penyelesaian Diketahui: prob(r 1 ) = 0.1 prob(e R 1 ) = 0.10 prob(r 2 ) = 0.2 prob(e R 2 ) = 0.15 prob(r 3 ) = 0.3 prob(e R 3 ) = 0.20 prob(r 4 ) = 0.4 prob(e R 4 ) = 0.25 Probabilitas bahwa pengiriman dilakukan melalui saluran ke-2 dengan melihat kenyataan bahwa telah terjadi kesalahan adalah: ( ) = prob R 2 4 prob R 2 E 1 ( ) ( ) ( ) prob E R 2 ( ) prob E R i prob R i = =
58 Teorema Bayes i prob(r i ) prob(e R i ) prob(r i ).prob(e R i ) prob(r i E) Σ prob(e) 58
59 Permutasi dan Kombinasi PROBABILITAS 59
60 Permutasi dan Kombinasi Cara mendapatkan sampel yang terdiri dari r elemen dari suatu sample space yang memiliki n elemen (n r) satu elemen per pengambilan urutan elemen diperha7kan dan setelah 7ap pengambilan, elemen dikembalikan ke dalam sample space (ordered with replacement) urutan elemen diperha7kan dan 7dak dilakukan pengembalian elemen setelah 7ap pengambilan (ordered without replacement) urutan elemen 7dak diperha7kan dan 7dak dilakukan pengembalian elemen setelah 7ap pengambilan (unordered without replacement) urutan elemen 7dak diperha7kan dan dlakukan pengembalian elemen setelah 7ap pengambilan (unordered with replacement) 60
61 Permutasi dan Kombinasi Contoh ilustrasi Dilakukan pemilihan dua stasiun AWLR dari empat stasiun yang ada (A, B, C, D) untuk diberi dana. Berapa jumlah pasang stasiun yang mungkin mendapatkan dana? 61
62 Permutasi dan Kombinasi Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan diperha7kan memberikan dana kepada Stasiun A kemudian B berbeda dengan memberikan dana kepada Stasiun B kemudian A dengan pengembalian suatu stasiun dapat memperoleh dana 2x Pasangan 2 stasiun yang mendapatkan dana (A,A) (A,B) (A,C) (A,D) (B,A) (B,B) (B,C) (B,D) (C,A) (C,B) (C,C) (C,D) (D,A) (D,B) (D,C) (D,D) 16 n r = 4 2 =16 62
63 Permutasi dan Kombinasi Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan diperha7kan memberikan dana kepada Stasiun A kemudian B berbeda dengan memberikan dana kepada Stasiun B kemudian A tanpa pengembalian suatu stasiun hanya dapat memperoleh dana 1x Kemungkinan stasiun yang mendapatkan dana (A,B) (A,C) (A,D) (B,A) (B,C) (B,D) (C,A) (C,B) (C,D) (D,A) (D,B) (D,C) Iden7k dengan pengambilan 2 elemen sekaligus dari 4 elemen dalam sample space ( n) r = = n! n r ( )! 4! ( 4 2)! =12 permutasi 63
64 Permutasi dan Kombinasi Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan 7dak diperha7kan memberikan dana kepada Stasiun A kemudian B sama dengan memberikan dana kepada Stasiun B kemudian A tanpa pengembalian suatu stasiun hanya dapat memperoleh dana 1x Kemungkinan stasiun yang mendapatkan dana (A,B) (A,C) (A,D) (B,C) (B,D) (C,D) Iden7k dengan pengambilan 2 elemen sekaligus dari 4 elemen dalam sample space! # " n r $ & = % = n! n r ( )!r! 4! ( 4 2)!2! = 6 kombinasi koefisien binomial 64
65 Permutasi dan Kombinasi Dipilih 2 stasiun dari 4 stasiun (r = 2, n = 4) dengan urutan 7dak diperha7kan memberikan dana kepada Stasiun A kemudian B sama dengan memberikan dana kepada Stasiun B kemudian A dengan pengembalian suatu stasiun hanya dapat memperoleh dana 2x Kemungkinan stasiun yang mendapatkan dana (A,A) (A,B) (A,C) (A,D) (B,B) (B,C) (B,D) (C,C) (C,D) (D,D) Memilih r elemen dari n elemen dengan pengembalian adalah sama dengan memilih r elemen dari n elemen tanpa pengembalian " $ # n + r 1 r % ( & ' = n + r 1 )! ( n 1)! r! ( )! = =10 ( 4 1)! 2! 65
66 Resume Dengan pengembalian Tanpa pengembalian Urutan diperha7kan Urutan 7dak diperha7kan " $ # n + r 1 r n r % ( & ' = n + r 1 )! ( n 1)! r!! # " ( n r ) = n r $ & = % n! n r ( )! n! n r ( )! r! Persamaan Sterling: n! = 2π e n n n
67 Perintah (Fungsi) MSExcel FACT(n) menghitung faktorial, n! n bilangan posi7f (bilangan cacah) PERMUT(n,r) menghitung permutasi, n dan r integer, n r COMBIN(n,r) menghitung kombinasi, n dan r integer, n r 67
68 68
Teknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Probabilitas 1 Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas?
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PROBABILITAS Statistika dan Probabilitas 2 Peluang (Probabilitas) Peluang/Probabilitas/Risiko Peluang Risiko Probabilitas
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Tabel dan Grafik Organisasi Data Koleksi data sta;s;k perlu disusun (diorganisir)
Lebih terperinciProbabilitas Peluang Kemungkinan Mengapa probabilitas?
STATISTIKA PROBABILITAS Probabilitas Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang tidak dapat memastikan nilai suatu proses (misal erupsi gunung berapi) berdasarkan data erupsi selama waktu
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. Statistika Teknik.
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik Tabel dan Grafik Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan
Lebih terperinciSTATISTIKA. Tabel dan Grafik
STATISTIKA Organisasi Data Koleksi data statistik perlu disusun (diorganisir) sedemikian hingga dapat dibaca dengan jelas. Salah satu pengorganisasian data statistik adalah dengan: tabel grafik Organisasi
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data DISTRIBUSI BINOMIAL 1 Contoh Ilustrasi Inves;gasi thd suatu populasi karakteris;k
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. Statistika Teknik PROBABILITAS
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik PROBABILITAS 1 Probabilitas Peluang Kemungkinan Mengapa probabilitas? Orang tidak dapat memastikan nilai suatu proses (misal
Lebih terperinciMagister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 27-Aug-17. Statistika Teknik DISTRIBUSI BINOMIAL
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik DISTRIBUSI BINOMIAL 1 Contoh Ilustrasi Investigasi thd suatu populasi karakteristik populasi variabel nilai variabel nilai
Lebih terperinciDISTRIBUSI BINOMIAL. Investigasi thd suatu populasi. karakteristik populasi variabel nilai variabel
STATISTIKA DISTRIBUSI BINOMIAL Contoh Ilustrasi () Investigasi thd suatu populasi karakteristik populasi variabel nilai variabel nilai ujian: 0 s.d. 00 status perkawinan: tidak kawin, kawin, cerai, duda/janda
Lebih terperinciPENGORGANISASIAN DATA DAN PENYAJIAN DATA
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PENGORGANISASIAN DATA DAN PENYAJIAN DATA Statistika dan Probabilitas Pengorganisasian dan Penyajian Data Koleksi data statistika
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Distribusi Normal 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Distribusi Normal. 1-Sep-14
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Distribusi Normal 1-Sep-14 http://istiarto.staff.ugm.ac.id 1 Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari
Lebih terperinciStatistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi
Lebih terperinciHidup penuh dengan ketidakpastian
BAB 2 Probabilitas Hidup penuh dengan ketidakpastian Tidak mungkin bagi kita untuk dapat mengatakan dengan pasti apa yang akan terjadi dalam 1 menit ke depan tapi Probabilitas akan memprediksikan masa
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan ANALISIS FREKUENSI Statistika dan Probabilitas 2 Regresi Linear Tabel data x i y i = f(x i ) 1 0.5 2 2.5 3 2 4 4 5 3.5 6 6
Lebih terperinciKorelasi. Acuan. Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd Prin4ng, The Iowa State Univ. Press, Ames, Iowa, USA
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Progam Studi Pascasarjana Teknik Sipil Statistika Korelasi 1 Korelasi Acuan Haan, C.T., 1982, Sta$s$cal Methods in Hydrology, 1 st Ed., 3 rd
Lebih terperinciALJABAR SET & AKSIOMA PROBABILITAS
ALJABAR SET & AKSIOMA PROBABILITAS Pokok Bahasan Sample Space Event Aljabar Set Prinsip dan Aksioma Probabilitas Equally Likely Event Conditional Probability Independent Event Sample Space dan Event Eksperimen
Lebih terperinciE-book Statistika Gratis... Statistical Data Analyst. Penyajian Data Statistik
Penyajian Data Statistik Pada penulisan kedua tentang Statistika Elementer ini, penulis akan memberikan bahasan mengenai Penyajian Data Statistik kepada para pembaca untuk mengetahui bentuk penyajian data
Lebih terperinciSTATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP
STATISTICS WEEK 7 By: Hanung N. Prasetyo Ada macam, sampel probabilitas dan non probabilitas. Sampel probabilitas ada empat teknik yang semuanya dapat dilakukan dengan pengembalian atau tanpa pengembalian,
Lebih terperinciLearning Outcomes Pencacahan Permutasi Kombinasi Sebaran Bola dalam Keranjang Kesimpulan. Kombinatorika. Julio Adisantoso.
11 Pebruari 2014 Learning Outcome Mahasiswa dapat memahami pentingnya teknik counting problem dalam Ilmu Hitung Peluang Mahasiswa mengetahui dan memahami teknik kombinatorika Mahasiswa dapat melakukan
Lebih terperinciGugus dan Kombinatorika
Bab 1 Gugus dan Kombinatorika 1.1 Gugus Gugus, atau juga disebut himpunan adalah kumpulan objek. Objek dalam sebuah himpunan disebut anggota atau unsur. Penulisan himpunan dapat dilakukan dengan dua cara,
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada. 1http://istiarto.staff.ugm.ac.id STATISTIKA. Discrete Probability Distributions
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Discrete Probability Distributions 1http://istiarto.staff.ugm.ac.id Discrete Probability Distributions Distribusi Hipergeometrik Bernoulli
Lebih terperinciStatistika. Analisis Data Time Series. 13-Sep-16. h2p://is5arto.staff.ugm.ac.id
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Pascasarjana Teknik Sipil Statistika Analisis Data Time Series 1 Analisis Data Time Series Acuan Haan, C.T., 1982, Sta+s+cal Methods in
Lebih terperinciSTATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal
STATISTIKA Distribusi Normal Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai Distribusi Binomial Histogram Distribusi Probabilitas Sukses Statistika Distribusi
Lebih terperinciBAB II PROBABILITAS Ruang sampel (sample space)
BAB II ROBABILITAS 2.1. Ruang sampel (sample space) Data diperoleh baik dari pengamatan kejadian yang tak dapat dikendalikan atau dari percobaan yang dikendalikan dalam laboratorium. Untuk penyederhanaan
Lebih terperinciThe image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted.
The image cannot be display ed. Your computer may not hav e enough memory to open the image, or the image may hav e been corrupted. Restart y our computer, and then open the file again. If the red x still
Lebih terperinciAdi Setiawan Program Studi Matematika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl. Diponegoro Salatiga 50711
PENENTUAN DISTRIBUSI SKEWNESS DAN KURTOSIS DENGAN METODE RESAMPLING BERDASAR DENSITAS KERNEL (STUDI KASUS PADA ANALISIS INFLASI BULANAN KOMODITAS BAWANG MERAH, DAGING AYAM RAS DAN MINYAK GORENG DI KOTA
Lebih terperinciBagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Lebih terperinciKombinatorika Muhammad Saiful Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung
Kombinatorika Muhammad Saiful Islam muhammad@saiful.web.id @saifulwebid Jumat, 27 Januari 2017 ComLabs C, SMA Negeri 2 Bandung Referensi Lecture slide by Julio Adisantoso, http://julio.staff.ipb.ac.id/files/2014/02/slide-02-
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciJURUSAN PENDIDIKAN FISIKA FPMIPA UPI 2009
JURUSAN PENDIDIKAN FISIKA FPMIPA UPI 2009 Statistika dibagi atas dua fase: 1. Statistika deskriptif Fase pertama dikerjakan unntuk fase kedua 2. Statistika induktif Dilakukan untuk menyimpulkan karakteristik
Lebih terperinciPERTUMBUHAN SIMPANAN *) BANK UMUM POSISI JANUARI 2012
Jan-07 Apr-07 Jul-07 Oct-07 Jan-08 Apr-08 Jul-08 Oct-08 Jan-09 Apr-09 Jul-09 Oct-09 Jan-10 Apr-10 Jul-10 Oct-10 Jan-11 Apr-11 Jul-11 Oct-11 PERTUMBUHAN SIMPANAN *) BANK UMUM POSISI JANUARI 2012 I. TOTAL
Lebih terperinci28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω
SAMPLE SPACE, SAMPLE POINTS, EVENTS Sample space,ω, Ω adalah sekumpulan semua sample points,ω, ω yang mungkin; dimana ω Ω Contoh 1. Melemparkan satu buah koin:ω={gambar,angka} Contoh 2. Menggelindingkan
Lebih terperinciAndri Helmi M, SE., MM.
Andri Helmi M, SE., MM. 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi, 2. Untuk mendapatkan informasi yang sangat diperlukan oleh manajer risiko dalam upaya menentukan cara dan
Lebih terperinciKonsep Dasar Probabilitas
Konsep Dasar Probabilitas Random Events Sample space : collection of all possible events arising from a conceptual experiment or from an operation that involves chance. Reservoir storage: amount of water
Lebih terperinciStatistika. Rentang Keyakinan. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S Teknik Sipil Statistika Rentang Keyakinan hp://is7arto.staff.ugm.ac.id 1 Rentang Keyakinan Es7masi Parameter Distribusi
Lebih terperinciU JIAN TENGAH SEMESTER S TATISTIKA
U JIAN TENGAH SEMESTER S TATISTIKA DR. IR. ISTIARTO, M.ENG. JUMAT, 1 NOVEMBER 1 15 MENIT OPEN BOOK TANPA KOMPUTER S OAL A Produksi listrik tahunan PLTMH Terangjaya menunjukkan angka yang sangat bervariasi,
Lebih terperinciMetode Sampling 6.1. Debrina Puspita Andriani /
Metode Sampling 6.1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Populasi dan Sampel Metode Sampling Teknik Penentuan Jumlah Sampel Populasi dan Sampel 3 Populasi
Lebih terperinciBAB IV PENGOLAHAN DATA
30 BAB IV PENGOLAHAN DATA 4.1 Data Curah Hujan DAS Brantas Data curah hujan di DAS Brantas merupakan data curah hujan harian, dimana curah hujan harian berasal dari stasiun-stasiun curah hujan yang ada
Lebih terperinciPELUANG. Jika seluruhnya ada banyak kegiatan, dan masing-masing berturut-turut dapat dilakukan dalam
PELUANG Prinsip Perkalian Bila suatu kegiatan dapat dilakukan dalam n 1 cara yang berbeda, dan kegiatan yang lain dapat dilakukan dalam n 2 cara yang berbeda, maka seluruh peristiwa tersebut dapat dikerjakan
Lebih terperinciSTATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output
Lebih terperinciMateri Komputer 2. Mahasiswa menuliskan contoh soal / kasus distribusi frekuensi berikut dengan microsoft excel pada sheet 1
Pertemuan 3 (frekuensi dan korelasi) Bagian 1 : Menentukan distribusi frekuensi Penjelasan singkat : Dalam latihan ini akan dilakukan penghitungan distribusi frekuensi atau seberapa sering kemunculan suatu
Lebih terperinciPertemuan 3. Prinsip Dasar Menghitung
Pertemuan 3 Prinsip Dasar Menghitung Kaidah Pencacahan Definisi: Kaidah pencacahan adalah suatu ilmu yang berkaitan dengan menentukan banyaknya cara suatu percobaan dapat terjadi. Menentukan banyakya cara
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciMINGGU KE VIII & IX DISTRIBUSI DESCRETE
MINGGU KE VIII & IX DISTRIBUSI DESCRETE Tujuan Instruksional Umum : 1. Mahasiswa mampu memahami dengan apa yang dimaksud dengan distribusi diskrit 2. Mahasiswa memahami manfaat dan kegunaan dari distrubusi
Lebih terperinciDISTRIBUSI PROBABILITAS VARIABEL RANDOM
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan DISTRIBUSI PROBABILITAS VARIABEL RANDOM Statistika dan Probabilitas 2 Distribusi probabilitas variabel random diskrit Distribusi
Lebih terperinci1.1 Konsep Probabilitas
TEORI DASAR PROBABILITAS 1.1 Konsep Probabilitas Probabilitas/peluang secara umum dapat diartikan sebagai ukuran matematis terhadap kecenderungan akan munculnya sebuah kejadian. Secara matematis peluang
Lebih terperinciBAGAIMANA MEMPREDIKSI KARST. Tjahyo Nugroho Adji Karst Research Group Fak. Geografi UGM
BAGAIMANA MEMPREDIKSI KERUSAKAN SUMBERDAYA AIR KARST Tjahyo Nugroho Adji Karst Research Group Fak. Geografi UGM KERUSAKAN 1. Kuantitas/debit apa..? (misal: turunnya debit)..kapan..?..berapa banyak..? Adakah
Lebih terperinciBAB 4 HASIL DAN BAHASAN
BAB 4 HASIL DAN BAHASAN 4.1 Hasil dan Bahasan 4.1.1 Penentuan Suku Cadang Prioritas Untuk menentukan suku cadang prioritas pada penulisan tugas akhir ini diperlukan data aktual permintaan filter fleetguard
Lebih terperinciBAB I PENDAHULUAN. menyebabkan persaingan dalam dunia bisnis semakin berkembang, karena
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan industri di Indonesia yang sekarang ini sedang berlangsung, menyebabkan persaingan dalam dunia bisnis semakin berkembang, karena banyaknya perusahaan baru
Lebih terperinciPENGANTAR MODEL PROBABILITAS
PENGANTAR MODEL PROBABILITAS (PMP, Minggu 1-7) Sri Haryatmi Kartiko Universitas Gadjah Mada Juni 2014 Outline 1 Minggu 1:HIMPUNAN Operasi Himpunan Sifat-Sifat Operasi Himpunan 2 Minggu 2:COUNTING TECHNIQUE
Lebih terperinciBAB IV ANALISA DATA Ketersediaan Data
BAB IV ANALISA DATA 4.1. Ketersediaan Data Sebelum melakukan perhitungan teknis normalisasi terlebih dahulu dihitung besarnya debit banjir rencana. Besarnya debit banjir rencana dapat ditentukan dengan
Lebih terperinciTINGKAT KUPON. Bila USD LIBOR 3M diantara Floor & Cap
X-TRA BALANCE Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com LAPORAN : MINGGU 16 / 2018 DENOMINASI USD Tenor Bila USD LIBOR 3M dibawah TINGKAT KUPON Bila USD LIBOR 3M diantara
Lebih terperinciSTATISTIKA PENDAHULUAN. Jurusan Teknik Sipil dan Lingkungan. 1-Sep-14
STATISTIKA PENDAHULUAN 1 Jurusan Teknik Sipil dan Lingkungan Statistika Statistika/metode statistik adalah metode pengolahan data yang didapat dari suatu operasi berulang-ulang. Operasi dilakukan melalui
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PENDAHULUAN. Statistika dan Probabilitas
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan PENDAHULUAN Statistika dan Probabilitas 2 Statistika Statistika adalah metode pengolahan data yang didapat dari suatu operasi
Lebih terperinciPROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS
PROBABILITAS (KEMUNGKINAN/PELUANG) PENDAHULUAN PENGERTIAN PROBABILITAS HUKUM PROBABILITAS PENDAHULUAN Semua kejadian di alam selalu dikatakan ada ketidakpastian Adanya statistik karena adanya ketidakpastian
Lebih terperinciTINGKAT KUPON pa gross (PER TAHUN)
X-TRA FIXED RATE Untuk keterangan lebih lanjut dapat menghubungi 14041 www.cimbniaga.com : MINGGU 05/ 2018 DENOMINASI IDR MLD1654IDR 14-Nov-16 3 Tahun 7.15% 7.15% 7.15% NA NA 2 8.9375% 97.60% MLD17008IDR
Lebih terperinciB. Aturan Permutasi ATURAN PENCACAHAN 7/8/2015. B. Aturan Permutasi
Jurnal Materi W22b B. Aturan Permutasi Daftar Hadir Materi B SoalLKS SoalLatihan ATURAN PENCACAHAN Kelas XI, Semester 4 B. Aturan Permutasi Notasi faktorial : n! = n (n - 1) (n - 2) (n - 3) 3. 2. 1 dimana
Lebih terperinciPENGUMPULAN, PENGOLAHAN DAN PENYAJIAN DATA
PENGUMPULAN, PENGOLAHAN DAN PENYAJIAN DATA 2.1. Pengumpulan Data Salah satu hal yang mempengaruhi kualitas hasil penelitian adalah kualitas data yang di kumpulkan. Pengumpulan data dapat dilakukan dengan
Lebih terperinciProbabilitas metode ilmiah yang dikembangkan untuk menyelesaikan persoalan yang berhubungan dengan ketidakpastian (uncertaint).
PROBSTAT (MUG2D3) III. PROBABILITAS (PROBABILITY) 3.1 Probabilitas dan Statistika 3.2 Konsep Probabilitas a. Pengertian: Eksperimen, Ruang Contoh, Titik Contoh, Event. b. Operasi dalam Himpunan - Komplemen
Lebih terperinci1. Konsep Peluang. EL2002-Probabilitas dan Statistik Dosen: Andriyan
1. Konsep Peluang EL2002-Probabilitas dan Statistik Dosen: Andriyan Isi 1. Ruang Cuplikan (Sample Space) 2. Kejadian (Events) 3. Operasi Terhadap Kejadian 4. Pencacahan Titik Cuplikan 5. Peluang Kejadian
Lebih terperinciSekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil
Pertemuan 13 &14 Sekoin uang logam mempunyai dua permukaan H dan T dilemparkan berkali kali. Hasil yg diperoleh pada setiap pelemparan apakah H atau T di catat Hasil dari keseluruhan event yang didapat
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.. Parameter Curah Hujan model REMO Data curah hujan dalam keluaran model REMO terdiri dari 2 jenis, yaitu curah hujan stratiform dengan kode C42 dan curah hujan konvektif dengan
Lebih terperinci2-1 Probabilitas adalah:
2 Teori Probabilitas Pengertian probabilitas Kejadian, ruang sample dan probabilitas Aturan dasar probabilitas Probabilitas bersyarat Independensi Konsepsi kombinatorial Probabilitas total dan teorema
Lebih terperinciPELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK
1 PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri i ii eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.
Lebih terperinciPENGANTAR PROBABILITAS STATISTIKA UNIPA SBY
PENGANTAR PROBABILITAS GANGGA ANURAGA POKOK BAHASAN Konsep dasar probabilitas Teori himpunan Permutasi Kombinasi Koefisien binomial Koefisien multinomial Probabilitas Aksioma probabilitas Probabilitas
Lebih terperinciTeknik Pengolahan Data
Universitas Gadjah Mada Jurusan Teknik Sipil dan Lingkungan Prodi Magister Teknik Pengelolaan Bencana Alam Teknik Pengolahan Data Analisis Data Time Series 1 Analisis Data Time Series Acuan Haan, C.T.,
Lebih terperinciTommy Tiny Mananoma, Lambertus Tanudjaja Universitas Sam Ratulangi Fakultas Teknik Jurusan Sipil Manado
Analisis Debit Banjir Di Sungai Tondano Berdasarkan Simulasi Tommy Tiny Mananoma, Lambertus Tanudjaja Universitas Sam Ratulangi Fakultas Teknik Jurusan Sipil Manado Email:tommy11091992@gmail.com ABSTRAK
Lebih terperinciBAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,
BAB IV PEMBAHASAN IV.1 Analisa Harga Saham BBCA Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, penulis akan menganalisa pergerakan harga saham BBCA. Data yang diperlukan dalam
Lebih terperinci7. PERUBAHAN PRODUKSI
7. PERUBAHAN PRODUKSI 7.1. Latar Belakang Faktor utama yang mempengaruhi produksi energi listrik PLTA dan air minum PDAM adalah ketersedian sumberdaya air baik dalam kuantitas maupun kualitas. Kuantitas
Lebih terperinciBab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen
Pengantar Peluang Eksperimen Pengantar Peluang Bab IV Aturan Menghitung Kombinasi Permutasi Peluang Eksperimen Peluang adalah pengukuran numerik kemungkinan suatu kejadian terjadi Eksperimen Keluaran Eksperimen
Lebih terperinci2015 PENGARUH INQUIRY BASED LEARNING TERHADAP KEMAMPUAN PENALARAN DAN KESADARAN METAKOGNITIF SISWA KELAS VII PADA MATERI KALOR
DAFTAR ISI Halaman Pernyataan... i Abstrak... ii Kata Pengantar... iv Ucapan Terima Kasih... v Daftar Isi... vii Daftar Tabel.... x Daftar Gambar... xi Daftar Lampiran... xii BAB I PENDAHULUAN... 1 1.1
Lebih terperinciSTATISTIKA. Statistika PENDAHULUAN. Statistika/metode statistik. Operasi dilakukan melalui
STATISTIKA PENDAHULUAN Istiarto /metode statistik adalah metode pengolahan data yang didapat dari suatu operasi berulang-ulang. Operasi dilakukan melalui observasi pengukuran experimen 2 1 Pemakaian Descriptive
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita lebih tertarik bukan pada titik sampelnya, tetapi gambaran numerik dari hasil. Misalkan pada pelemparan sebuah
Lebih terperinciBAB IV PEMBAHASAN DAN HASIL
BAB IV PEMBAHASAN DAN HASIL 4.1. Analisis Curah Hujan 4.1.1. Ketersediaan Data Curah Hujan Untuk mendapatkan hasil yang memiliki akurasi tinggi, dibutuhkan ketersediaan data yang secara kuantitas dan kualitas
Lebih terperinciSatuan (orang, Paket, pcs, dll.) Satuan Jumlah. Satuan (hari, bulan, kali, dll.) Frekuen si. (hari, bulan, kali, dll.)
LAMPIRAN C Nama Organisasi:. Perjanjian Hibah: Judul Proyek: Periode Proyek: PENGELUARAN PROGRAM: Paket, pcs, Frekuen si Proyek Mitra Penerima Hibah Donor Lain TOTAL 1 Kegiatan Pengembangan Organisasi
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
Lebih terperinciPENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO DIMENSI YANG DIUKUR
PENGUKURAN RISIKO MANFAAT PENGUKURAN RISIKO 1. Untuk menentukan kepentingan relatif dari suatu risiko yang dihadapi. 2. Untuk mendapatkan informasi yang sangat diperlukan oleh Manajer Risiko dalam upaya
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan 2-Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com Kode Produk MLD12 28-Sep-12 28-Sep-17 MLD126
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan -Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com PERFORMA Kode Produk Tanggal Penerbitan Tanggal
Lebih terperinciX-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR
X-TRA Fixed Rate Market Linked Deposit Denominasi USD & IDR Tanggal Laporan -Nov-15 UNTUK KETERANGAN LEBIH LANJUT: Call Center CIMB NIAGA 101 www.cimbniaga.com PERFORMA Kode Produk Tanggal Penerbitan Tanggal
Lebih terperinciSILABUS KEGIATAN PEMBELAJARAN. Membaca sajian data dalam bentuk diagram garis, dan diagram batang.
Nama Sekolah : SMA Mata Pelajaran : MATEMATIKA Kelas/Program : XI / IPS Semester : 1 SILABUS STANDAR KOMPETENSI: 1. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat peluang dalam pemecahan
Lebih terperinciBy : Refqi Kemal Habib
BAB I PENDAHULUAN A. Dasar Teori Peluang atau kebolehjadian atau dikenal juga sebagai probabilitas adalah cara untuk mengungkapkan pengetahuan atau kepercayaan bahwa suatu kejadian akan berlaku atau telah
Lebih terperinciKONSEP PELUANG Materi 3 - STK211 Metode Statistika
KONSEP PELUANG Materi 3 - STK211 Metode Statistika 9/24/17 Sep, 2017 1 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian di dunia ini yang tidak pasti
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 PENGOLAHAN DATA HIDROLOGI 4.1.1 Data Curah Hujan Curah hujan merupakan data primer yang digunakan dalam pengolahan data untuk merencanakan debit banjir. Data ini diambil dari
Lebih terperinciPENYELESAIAN SOAL UJIAN TENGAH SEMESTER 2009
PNYLSAIAN SOAL UJIAN TNGAH SMSTR 9 SOAL A Pengolahan data debit, Q m /s, di suatu sungai menunjukkan bahwa sebaran peluang terjadinya suatu besaran debit, p Q (), dapat dinyatakan dengan suatu ungsi (pd)
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sungai Banjaran merupakan anak sungai Logawa yang mengalir dari arah
BAB IV HASIL DAN PEMBAHASAN 4.1. Deskripsi Lokasi Studi Sungai Banjaran merupakan anak sungai Logawa yang mengalir dari arah Utara ke arah Selatan dan bermuara pada sungai Serayu di daerah Patikraja dengan
Lebih terperinciBAB 3 Teori Probabilitas
BAB 3 Teori Probabilitas A. HIMPUNAN a. Penulisan Hipunan Cara Pendaftaran Cara Pencirian 1) A = {a,i,u,e,o} 1) A = {X: x huruf vokal } 2) B = {1,2,3,4,5} menghasilkan data diskrit 2) B = {X: 1 x 2} menghasilkan
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar
1 Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 2 Eksperimen Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi
Lebih terperinciPeluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar
Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar 1 Eksperimen Ciri-ciri i i i eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun
Lebih terperinciPENS. 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 terperinciMATEMATIKA EBTANAS TAHUN 1992
MATEMATIKA EBTANAS TAHUN 99 EBT-SMP-9-0 Diketahui: A = {m, a, d, i, u, n} dan B = {m, a, n, a, d, o} Diagram Venn dari kedua himpunan di atas A. m a d o a m o i e e I d u a a u n e m i d o m i d a u n
Lebih terperinciRELASI. Cece Kustiawan, FPMIPA, UPI
RELASI 1. Pasangan Berurutan 2. Fungsi Proposisi dan Kalimat Terbuka 3. Himpunan Jawaban dan Grafik Relasi 4. Jenis-jenis Relasi 5. Domain dan Range suatu Relasi Pasangan Berurutan (cartesian Product)
Lebih terperinciDAFTAR ISI Nida Uddini Amatulloh,2014
DAFTAR ISI Halaman PERNYATAAN... i ABSTRAK... ii KATA PENGANTAR... iii UCAPAN TERIMA KASIH... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x BAB I PENDAHULUAN A. Latar
Lebih terperinciTujuan Pembelajaran. mutually exclusive
Tujuan embelajaran Memahami dan menggunakan analisis kombinatorial untuk kejadian kompleks: permutasi dan kombinasi Mendefinisikan terminologi-terminologi penting dalam probabilitas dan menjelaskan bagaimana
Lebih terperinciPrediksi Pasok Dan Kebutuhan Air Sungai Ciliwung Pada Ruas Jembatan Panus Sampai Manggarai
Prediksi Pasok Dan Kebutuhan Air Sungai Ciliwung Pada Ruas Jembatan Panus Sampai Manggarai ABSTRACT Mamok Suprapto 1), Yohana Baptista Nidia Putri Irwani 2), Siti Qomariyah 3) 1) Pengajar Teknik Sipil,
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan Data Penelitian Pengumpulan data penelitian dilakukan untuk menunjang analisis arus balik pada saluran drainase primer Gayam. Data yang dikumpulkan berupa
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinci