Pendahuluan. Pertemuan I
|
|
- Ida Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Pendahuluan Pertemuan I
2 Apa data? Data merupakan hasil pengukuran terhadap suatu objek/individu yang menjadi pusat perhatian. Pengukuran dapat dilakukan secara kualitatif maupun kuantitatif Secara umum, skala pengukuran dibedakan menjadi nominal, ordinal, interval dan rasio Apa beda data dengan informasi? Informasi merupakan hasil yang diperoleh dari analisis data Misal, data tentang pendapatan kota Bogor tahun 007 maka rata-rata pendapatan per kapita kota Bogor tahun 007 merupakan informasi.
3 Ada berapa jenis data yang Anda kenal? Menurut sumbernya data dapat dibedakan menjadi data PRIMER dan SEKUNDER Menurut periode pengumpulannya data dibedakan menjadi data TIME SERIES dan data CROSS SECTION Menurut skala pengukurannya data dibedakan menjadi data KUALITATIF dan data KUANTITATIF Menurut cakupan objeknya data dibedakan menjadi data POPULASI dan data SAMPEL
4 Bagaimana Teknik Pengumpulan Data? observasi survei percobaan
5 PENGERTIAN DASAR SURVEI Survei didefinisikan sebagai sebuah metode untuk mengumpulkan data primer yang mendasarkan pada komunikasi dengan perwakilan sampel secara individu o Instrumen: kuesioner o Ada aktivitas bertanya melalui wawancara o Ada yang menjawab pertanyaan (individu / klp. individu) responden Keuntungan survei: proses cepat, tidak mahal, efisien, dan merupakan sarana yang akurat untuk mengakses informasi yang menyangkut populasi (dengan catatan: survei dilaksanakan dengan tepat dan akurat) Etika dalam survei: hak pribadi responden, pencegahan penipuan, penjelasan tujuan survei kepada responden, kerahasiaan, kejujuran dalam pengumpulan data, dan objektivitas dalam melaporkan data Observasi Observasi ilmiah merupakan suatu proses pencatatan yang sistematis terhadap pola perilaku orang, objek, dan kejadian-kejadian tanpa bertanya atau berkomunikasi dengan orang, objek atau kejadian tersebut
6 Wawancara Wawancara Personal pewawancara bertanya jawab langsung dengan responden Keuntungan: responden dapat umpan balik, konfirmasi jawaban, waktu dapat lebih longgar, potensi pengisian kuesioner secara lengkap lebih tinggi, dapat menggunakan alat bantu visual, partisipasi lebih tinggi Kerugian: biaya lebih mahal, waktu lebih lama, efek anonimitas responden Wawancara dapat dilakukan dari rumah kerumah atau di tempattempat dimana responden dapat mudah dijumpai misalnya mal, kantor pelayanan pengaduan, dll. Wawancara Telepon pewawancara bertanya jawab dengan responden melalui telepon Keuntungan: cepat, biaya relatif tidak mahal, mengurangi hal-hal yang bersifat pribadi, ada yang lebih suka diwawancarai via telpon. Kerugian: keterwakilan populasi dapat menjadi masalah karena mungkin tidak semua responden sasaran memiliki telpon, tidak dapat menggunakan media visual, durasi terbatas
7 Non Wawancara Survei melalui surat/pos Keuntungan: fleksibilitas geografi, biaya relatif lebih murah, responden lebih nyaman tidak diburu waktu, lebih pas untuk hal yang bersifat pribadi Kerugian: non respon tinggi, pertanyaan harus standar & terstruktur, sebelum menjawab seringkali responden membaca dulu seluruh pertanyaan kuesioner sehingga dapat menimbulkan bias Kuesioner Format baku, panjang halaman ma 6, bahasa sederhana & mudah, harus ada pengantar, kadang perlu pemberitahuan awal Kuesioner tertulis menggunakan jalur distribusi lain Melalui kartu garansi Melalui majalah dengan pemberian (iming-iming) hadiah tertentu Survei dengan media internet, dll.
8 ERROR DALAM SURVEI
9 ilustrasi Sebelum kita bicarakan cara pengambilan contohnya, perhatikan ilustrasi berikut (semuanya dikutip dari kuliah STK, kelas Prof AHN): Seorang ibu rumah tangga melewati Jalan Pajajaran di Kota Bogor, dan dilihatnya banyak penjual duku Palembang di sepanjang jalan tersebut. Pada saat ingin membeli, penjual menawarkan untuk mencicipi terlebih dahulu. Puas dengan rasanya, ibu tersebut membeli dua kilogram. Sesampai di rumah, ternyata rasa duku yang dia beli tidak manis seperti yang dia rasakan di tempat penjualan tadi. BPS mengadakan survei ekonomi dan menyebar beberapa petugas survei ke berbagai perumahan di Bogor. Hasil yang diperoleh cukup mengagetkan karena tingkat pendapatan masyarakat di Bogor Baru (salah satu perumahan A di Bogor) memiliki rata-rata yang tidak setinggi perkiraan. Setelah diselidiki ternyata, petugas di perumahan tersebut adalah petugas yang phobia terhadap anjing. Sehingga rumah yang dia datangi adalah rumah-rumah yang tidak memelihara anjing, dan rumah yang dilengkapi anjing umumnya lebih kaya daripada yang tidak.
10 Dua ilustrasi di atas adalah ilustrasi teknik pengambilan contoh yang salah, hasilnya akan berbias. Inilah resiko pengambilan kesimpulan dari data contoh. Jika cara pengambilannya tidak tepat, maka hanya satu kelompok saja yang didapatkan dan kesimpulan yang diambil tidak bisa berlaku umum.
11 Manajemen Survei: Fieldwork Seleksi enumerator sehat, memiliki raport yg baik, komunikatif, menarik, terdidik, berpengalaman Pelatihan sangat menentukan kualitas data yang dikumpulkan membekali enumerator tentang: memilih responden, kontak awal, teknik bertanya, probing, menulis jawaban, dan mengakhiri interview Supervisi meyakinkan bahwa enumerator mengikui prosedur & teknik sesuai dengan yang diterima pada saat pelatihan (termasuk: quality control, editing, sampling control, control of cheating, progress) Validasi memverifikasi apakah interview benar-benar dilakukan (ambil 0-5% durasi & kualitas interview, tanggapan thd enumerator, data demografi pokok, dan variabel-variabel kunci) Evaluasi evaluasi terhadap biaya, waktu, response rates, kualitas interview, & kualitas data
12 Populasi vs Contoh population sample himpunan semua objek yang menjadi minat pengambilan kesimpulan himpunan bagian dari populasi melakukan pengamatan terhadap seluruh populasi seringkali tidak mungkin dilakukan ketika akan membuat kesimpulan, mengapa?
13 Mengapa harus dengan contoh? sumber daya terbatas waktu yang tersedia terbatas pengamatan kadang bersifat merusah 3 4 mustahil mengamati seluruh anggota populasi bagaimana caranya dengan menggunakan data contoh kita dapat mengambil kesimpulan terhadap populasi? INI YANG KITA PELAJARI PADA MATA KULIAH INI
14 Ilustrasi Andaikan kita memiliki sepiring sambel buatan ibu kita. Berapa banyak yang kita ambil untuk mencicipi rasa sambel tersebut? Sebagian besar orang akan berpendapat bahwa seujung jari sudah cukup untuk mengetahui rasa sepiring sambel tersebut. Tidak akan ada seorang pun yang menjawab bahwa kita harus merasakan setengah piring untuk menyatakan rasa sambel buatan ibu. Pengambilan contoh dari sebuah populasi bisa dianalogkan dengan mencicipi masakan seperti di atas. Jika data masing-masing objek bermacam-macam, dengan kata lain karakteristik objeknya berbeda-beda, maka perlu diambil contoh yang banyak untuk mewakili setiap kelompok karakteristik. Namun jika karakteristik objek pada populasi itu seragam, hampir sama, maka contoh yang sedikit sudah cukup.
15 Statistika Populasi Sampling Pendugaan Contoh Deskriptif Tingkat Keyakinan Statistika Deskriptif vs Statistika Inferensia Ilmu Peluang
16 Parameter vs Statistik data populasi olah/analisis parameter data contoh olah/analisis statistik Parameter tidak pernah diketahui, yang kita ketahui adalah statistik. Statistik merupakan penduga bagi parameter.
17 Statistika Populasi : Keseluruhan pengamatan yang menjadi pusat perhatian kita Contoh : Himpunan bagian dari populasi (mewakili) Parameter : Karakteristik numerik dari populasi Statistik : Karakteristik numerik dari contoh Peubah / Variabel : Ciri dari objek yang diamati Skala pengukuran : Nominal, Ordinal, Interval, Rasio Peubah: Kualitatif vs Kuantitatif, Diskret vs Kontinu Pengumpulan Data: Harus dibangkitkan dulu Percobaan Langsung dikumpulkan Survei/Observasi
18 Emisi Hc (ppm) Analisis Eksplorasi Data Eksplorasi Upaya untuk melihat ke dalam data guna mengungkap informasi yang terkandung dalam data tersebut manipulasi, penyarian/perangkuman, peragaan Peragaan : tabel & grafik (histogram, diagram batang, diagram lingkaran/pie chart, plot, dll.) Penyarian: ukuran pemusatan (mean, median, modus, quartil), ukuran penyebaran (ragam, standard deviasi, range, jarak antar kuartil) Tw- Tw- Tw-3 Tw-4 Jabar Jatim Lampung % Laki-Laki 79% Perempuan Jarak (000 Km)
19 Teknik Meringkas Data ukuran pemusatan ukuran penyebaran
20 Ukuran Pemusatan nilai tempat mengumpulnya sebagian besar data Median, membagi data menjadi dua bagian yang sama banyak Me = data ke-(n+)/ Modus, nilai data yang paling sering muncul Rataan/Rata-rata N N Xi i mean n n Xi i average
21 dikenal adanya Truncated Mean (rataan Tentang Rataan Rataan bersifat tidak kekar (robust) terhadap adanya data-data bernilai ekstrim. misal data yang dimiliki: 5, 7, 8, 3, 4, 4, 6, 7, 8, rataan 3.3, median 4 5, 7, 8, 3, 4, 4, 6, 7, 8, 70 rataan 8., median 4
22 Ukuran Penyebaran semakin besar nilainya berarti data semakin bervariasi/beragam Wilayah (Range), selisih antara nilai data terbesar dengan data terkecil Jangkauan antar kuartil (Inter Quartile Range), selisih antara kuartil dengan kuartil 3 kisaran tempat mengumpulnya 50% data bernilai sedang Ragam (variance), rata-rata kuadrat n N penyimpangan data terhadap rata-ratanya ( X i ) s ( X i ) Simpangan N n - i Baku (standard deviation), i akar dari ragam
23 Analisis Eksplorasi Data Penyajian dengan: - Diagram Dahan Daun (Stem-and-Leaf Display) - Diagram Kotak Garis (Bo-Plot) Contoh data: Contoh Contoh Contoh
24 Analisis Eksplorasi Data Stem-and-Leaf Display Stem-and-leaf of Contoh N = 0 Leaf Unit = (4) Stem-and-leaf of Contoh N = 4 Leaf Unit = (6) Stem-and-leaf of Contoh3 N = 3 Leaf Unit = (4)
25 Contoh Contoh Contoh3 Analisis Eksplorasi Data Boplot Langkah Pembuatan Bop-Plot:. Tentukan: nilai terkecil, nilai terbesar, Q, Median, Q3. Lakukan identifikasi pencilan: dekat: < Q 3/ d atau > Q3 + 3/ d & jauh: < Q 3d atau > Q3 + 3d 3. Gambar!
26 Sebaran Penarikan Contoh populasi ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n ambil contoh berukuran n 3 Rata-rata contoh adalah peubah acak yang juga memiliki sebaran tertentu. Contoh yang berbeda dari populasi yang sama, hampir dapat dipastikan memiliki rata-rata yang berbeda. k
27 Sebaran Penarikan Contoh menyebar N(, /n),,, n dari populasi yang menyebar N(, ) s menyebar t-student db=n-
28 Sifat-sifat Penduga Penduga bagi suatu parameter, dilambangkanˆ Sifat yang diinginkan dari suatu penduga parameter adalah:. Tak Bias (unbiased) Eˆ. Ragam penduga, Var ˆ, kecil
29 Sifat-sifat Penduga Tak bias, ragam kecil Bias, ragam kecil Tak bias, ragam besar Bias, ragam besar
30 Selang Kepercayaan Menduga nilai parameter menggunakan kisaran nilai antara batas bawah (LCL=lower confidence limit) dan batas atas (UCL=upper confidence limit),,, n dari populasi yang menyebar N(, ) Selang kepercayaan (-)00% bagi adalah t s n
31 Peluang Bagaimana membuktikan bahwa sebuah dadu setimbang? Empiris Peluang = frekuensi relatif Contoh: Satu mata uang setimbang dilempar sekali RC = {M, B} P({M})=/ dan P({B})=/ Satu mata uang setimbang dilempar 3 kali RC = {BBB,BBM,BMB,MBB,BMM,MBM,MMB,MMM} P({MMM})=/8 ; P({BBB})=/8 ; P({BMB})=/8 X = Jumlah sisi muka yang muncul (X disebut peubah acak)
32 Peluang Peubah Acak fungsi yang memetakan anggota gugus RC ke gugus bilangan nyata P(X=0) = P({BBB}) = /8 P(X=) = P({BBM,BMB,MBB}) = 3/8 P(X=) = P({BMM,MBM,MMB}) = 3/8 P(X=3) = P({MMM}) = /8 n n P( X ) p ( p) ; 0,,,...,n Sebaran Binom(n,p) sebaran Binom dengan parameter n dan p (sebaran peluang diskret)
33 Nilai Harapan & Ragam Peubah Acak X Nilai Harapan & Ragam : Sebaran Binom(n,p) E( X ) E n ip( i ) ; i 0,...,n i0 ( X ) E( X Contoh: n=3 & p=0.5 E( X ) n ) i P( i ) ; i 0,...,n i0 X 0 3 P(X) E(X) =.5 = 0.75 Khusus pada sebaran Binom(n,p) : E(X) = = np dan = np(-p)
34 Peluang Kontinu 4 0 ; 4 ) ( f Sebaran Seragam kontinu P(X=3) = 0 pada sebaran kontinu, peluang pada satu titik = ) ( 3) ( d d f X P ) ( 3) ( d d f X P d f X E ) ( ) ( Nilai harapan
35 Peluang Normal Sebaran Normal f ( ;, ) e ; - X ~ N(, (fungsi peluang kontinu) ) Z X - Z ~ N(0,) Tabel-Z Contoh: Berat ikan di suatu danau mengikuti pola sebaran normal dengan rataan 400g dan standard deviasi 00g. Jika diambil satu ikan secara acak, berapa peluang mendapatkan ikan yang beratnya lebih dari 500g? P( X 500) PZ P( Z )
36 Peluang Normal, Z, t,, F Jika X~N(, ) ~N(, /n) Bagaimana jika sebaran pop tdk normal Dalil Limit Pusat Apapun sebaran populasinya, ~N(, /n) dengan n Jika tidak diketahui, maka sebaran Normal (Z) sebaran t Peubah acak Z sebaran (Khi-kuadrat) Rasio dari p.a. sebaran sebaran F Penggunaan: Sebaran Z menguji jika diketahui Sebaran t menguji jika tidak diketahui Sebaran menguji ragam ( ) Sebaran F Rasio dua ragam
37 Pendugaan Parameter Dugaan Titik untuk menduga s untuk menduga Dugaan Selang Selang kepercayaan (-)00% bagi Jika diketahui: z Jika tdk diketahui: t z n s n t n ( n ) ( n ) s n
38 Dugaan Selang Selang kepercayaan (-)00% bagi - Jika dan tdk diketahui dan diasumsikan sama: Pendugaan Parameter ) ( ) ( n n z n n z ) ( ) ( ) ( ) ( n n s t n n s t gab v gab v dan ) ( ) ( n n v n n s n s n s gab
39 Pengujian Hipotesis Hipotesis Statistik: Pernyataan/dugaan mengenai parameter populasi yang ingin dibuktikan kebenarannya H 0 hipotesis nol H atau H a Misalnya: hipotesis satu atau hipotesis alternatif H 0 : =60 vs H : 60 uji dwi arah H 0 : =60 vs H : >60 H 0 : =500 vs H : <500 uji eka arah uji eka arah Berdasarkan data yang dikumpulkan, H atau H 0 yang benar?
40 Pengujian Hipotesis Hasil Pengujian H0 terima H terima Keadaan Sebenarnya H0 benar Benar Salah Jenis ( H benar Salah Jenis (b Benar = Peluang menolak H0 padahal H0 benar b = Peluang menerima H0 padahal H yang benar
41 Pengujian Hipotesis Kaidah Keputusan: Jika p-value < H benar Jika p-value H0 dianggap benar taraf nyata pengujian (kesalahan maksimum yang diperbolehkan jika memutuskan H benar) P-value peluang salah jenis berdasarkan data Teladan : Pada saat ini diduga terjadi kenaikan rata-rata tinggi badan orang Indonesia dibandingkan tahun 70-an. Untuk membuktikan dugaan ini diambil contoh acak berukuran 5 dan diperoleh rataan sebesar 64 cm. Ujilah apakah dugaan tersebut benar. Gunakan =5%. (Catatan: Tinggi rata-rata tahun 70-an=6 cm, dan =8 cm ).
42 Pengujian Hipotesis Diketahui: n=5, =64 cm ; =8 cm ; =5%=0.05. H 0 : =6 cm vs H : >6cm - Z / n Z tabel = Z 0.05 = / 5.67 Z > Ztab Tolak H0 P-value = P(> 0 / =6) = P(Z>.67) = P-value < Tolah H 0 (Memang benar sekarang ada kenaikan rata-rata tinggi orang Indonesia dibandingkan dengan tahun 70-an)
43 Pengujian Hipotesis Secara Umum: Satu Nilai Tengah Populasi: H 0 : = 0 vs H : 0 Dua Nilai Tengah Populasi: H 0 : 0 vs H : > 0 H 0 : 0 vs H : < 0 Saling Bebas Berpasangan H 0 : = vs H : H 0 : D = 0 vs H : D 0 H 0 : vs H : > H 0 : D 0 vs H : D > 0 H 0 : vs H : < H 0 : D 0 vs H : D < 0
44 Pengujian Hipotesis Teladan-: Ada dugaan kuat bahwa latar belakang petambak berpengaruh terhadap keberhasilan sebagai petambak di CP Bahari. Untuk membuktikan pendapat ini, dipilih petambak contoh secara acak, dimana orang berlatar belakang petambak dan orang sisanya berlatar belakang bukan petambak. Jika produksi merupakan ukuran tingkat keberhasilan petambak, dan produksi terakhir dari ke- petambak tersebut seperti tabel di bawah ini, ujilah apakah dugaan tersebut di atas benar? (Gunakan =5% dan asumsikan ragam produksi kedua populasi sama). Produksi dari Petambak yang Berlatar Belakang Petambak Produksi dari Petambak yang Berlatar Belakang Bukan Petambak Bentuk Hipotesis? Statistik Uji? H 0 : vs H : > t hit ( s ) s ( gab ) n n
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 terperinciStatistika 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 terperinciStatistika 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 terperinciSTK 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 terperinciSTK511 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 terperinciSTK 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 terperinciSTK511 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 terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciSTATISTIKA 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 terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciMetode 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 terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciPEUBAH ACAK. Materi 4 - STK211 Metode Statistika. October 2, Okt, Department of Statistics, IPB. Dr. Agus Mohamad Soleh
PEUBAH ACAK Materi 4 - STK211 Metode Statistika October 2, 2017 Okt, 2017 1 Pendahuluan Pernahkah bertanya, mengapa dalam soal ujian penerimaan mahasiswa baru, jika jawaban benar diberi nilai 4, salah
Lebih terperinciPENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB
PENYAJIAN DATA Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB Proses Pengumpulan Data???? Pencatatan Data Numerik Variable Record ID Nama Spesies Hasil Uji HI 1 Ahmad Ayam broiler
Lebih terperinciMetode Statistika (STK 211) Pertemuan ke-5
Metode Statistika (STK 211) Pertemuan ke-5 rrahmaanisa@apps.ipb.ac.id Memahami definisi dan aplikasi peubah acak (peubah acak sebagai fungsi, peubah acak diskrit dan kontinu) Memahami sebaran peubah acak
Lebih terperinciSTK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016
STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2016 http://www.stat.ipb.ac.id/ Pengantar Kode Matakuliah: STK211, 3(2-3) Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini
Lebih terperinciStatistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif
1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari
Lebih terperinciSTATISTIK DESKRIPTIF. Abdul Rohman, S.E
LOGO STATISTIK DESKRIPTIF Konsep Statistika STATISTIKA : Kegiatan untuk : mengumpulkan data menyajikan data menganalisis data dengan metode tertentu menginterpretasikan hasil analisis KEGUNAAN? Melalui
Lebih terperincidi masa yang akan datang dilihat dari aspek demografi dan kepuasannya. PENDAHULUAN
1 PENDAHULUAN Latar Belakang Saat ini ada dua teknologi yang diusung oleh perusahaan-perusahaan telekomunikasi Indonesia yaitu teknologi Global System for Mobile communication (GSM) dan teknologi Code
Lebih terperinciSTATISTIKA DESKRIPTIF. Wenny Maulina, S.Si., M.Si
STATISTIKA DESKRIPTIF Wenny Maulina, S.Si., M.Si Statistika Deskripsi Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami. Teknik Penyajian Data Tabel Gambar
Lebih terperinciMateri 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN
Materi : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Pendahuluan Suatu pernyataan / anggapan yang mempunyai nilai mungkin benar / salah atau suatu pernyataan /anggapan yang mengandung
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciSebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg
Lebih terperinciDAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel
PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011
Lebih terperinciPELUANG DAN PEUBAH ACAK
PELUANG DAN PEUBAH ACAK Materi 3 - STK511 Analisis Statistika October 3, 2017 Okt, 2017 1 Konsep Peluang 2 Pendahuluan Kejadian di dunia: pasti (deterministik) atau tidak pasti (probabilistik) Contoh kejadian
Lebih terperinci: Purnomo Satria NIM : PENDISKRIPSIAN DATA
Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk
Lebih terperinciUjian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..
OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,
Lebih terperinciUjian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..
OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciSTATISTIKA I. Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum:
STATISTIKA I Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Kode Matakuliah: PAI111, 2sks Tujuan Instruksional Umum: Setelah mengikuti mata kuliah ini selama satu semester, mahasiswa akan dapat
Lebih terperinciPENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar
PENGANTAR & STATISTIKA DESKRIPTIF BI5106 Analisis Biostatistik Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00
Lebih terperinciMetode 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 terperinciREVIEW 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 terperinciMA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar
Review 1: Statistika Deskriptif MA5182 Topik dalam Statistika I: Statistika Spasial 28 Agustus 2012 28 Agustus 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati
Lebih terperinciSTATISTIKA MATEMATIKA KELAS XI MIA
STATISTIKA MATEMATIKA KELAS XI MIA STATISTIKA Matematika Kelas XI MIA 90 80 70 60 50 40 30 20 10 0 East West North 1st Qtr 2nd Qtr 3rd Qtr 4th Qtr Disusun oleh : Markus Yuniarto, S.Si Tahun Pelajaran 2016
Lebih terperinciShort 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 terperinciKing s Learning Be Smart Without Limits NAMA : KELAS :
NAMA : KELAS : A. PENGERTIAN STATISTIKA Statistika adalah ilmu yang mempelajari cara mengumpulkan dan menyusun data, mengolah dan menganalisis data, serta menyajikan data. Statistik adalah hasil dari pengolahan
Lebih terperinciMateri-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data. Nurratri Kurnia Sari, M. Pd
Materi-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data Nurratri Kurnia Sari, M. Pd DEFINISI Statistika Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data
Lebih terperinciSTK 511 Analisis statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT
STK 511 Analisis statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT 2 3 4 Kepustakaan 1. Fleming, M.C. dan J.G. Nellis. 1994. Principles of Applied Statistics. Routledge. London. 2. Steel, R.G.D., Torrie,
Lebih terperinciSTK 211 Metode Statistika PENGUJIAN HIPOTESIS
STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian
Lebih terperinciManajemen Survei. Pembuatan Proposal. Persiapan Survey. Pelaksanaan Survey. Penangan Data. Analisis Data & Pelaporan
Pembuatan Proposal Manajemen Survei Formulasi masalah survei Metodologi & instrumen survey tim ahli / tim riset Organisasi survey disesuaikan dengan cakupan survey Persiapan Survey Panduan/SOP/Konsep dan
Lebih terperinciMetode 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 terperinci25/09/2013. 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 terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciPeranan Statistika. Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si.
Peranan Statistika Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si. 1. Pengertian Statistika Statistika banyak dimanfaatkan dalam berbagai aspek dan bidang kehidupan
Lebih terperinciPertemuan 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 terperinciSTK511 Analisis Statistika. Pertemuan 6 Statistika Inferensia (2)
STK511 Analisis Statistika Pertemuan 6 Statistika Inferensia () 6. Statistika Inferensia () Pengujian Hipotesis x? s p 6. Statistika Inferensia () Pengujian Hipotesis Rataan populasi: nilainya tidak diketahui
Lebih terperinciPertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan
Lebih terperinciSTK 511 Analisis statistika. Materi 6 Pengujian Hipotesis
STK 5 Analisis statistika Materi 6 Pengujian Hipotesis Pendahuluan Dalam mempelajari Karakteristik Populasi kita sering telah memiliki pernyataan/anggapan tertentu. pemberian DHA pada anak-anak akan menambah
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)
STK511 Analisis Statistika Pertemuan 5 Statistika Inferensia (1) Pendugaan Parameter mengacu pada suatu proses yang menggunakan data contoh untuk menduga nilai suatu parameter (populasi). 5. Statistika
Lebih terperinciSTK 211 Metode statistika. Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS
STK 211 Metode statistika Pengajar : Dr. Agus Mohamad Soleh, SSi, MT Dr.Ir. Muhammad Nur Aidi, MS http://www.stat.ipb.ac.id/ 2017 Pengantar Kode Matakuliah: STK211, 3(2-3) Standar Kompetensi: Setelah mengikuti
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan V Peubah Acak dan Sebaran Peubah Acak Septian Rahardiantoro - STK IPB 1 Pertemuan minggu lalu kita sudah belajar mengenai cara untuk membuat daftar kemungkinan-kemungkinan
Lebih terperinci6 Departemen Statistika FMIPA IPB
Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 6 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Kebaikan Suai Khi- Kuadrat untuk Sebaran Kontinu dan Uji
Lebih terperinciMETODE STATISTIKA. oleh Bambang Juanda -Ketua PS PWD (S2 & S3), SPS-IPB -Anggota TADF Kemenkeu
METODE STATISTIKA oleh Bambang Juanda -Ketua PS PWD (S2 & S3), SPS-IPB -Anggota TADF Kemenkeu When you can measure what you are speaking about and express it in numbers, you know something about it. But
Lebih terperinciBAB 3: NILAI RINGKASAN DATA
BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum
Lebih terperinciPengantar & Statistika Deskriptif
Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar 26 J i 2012 26 Januari 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang
Lebih terperinciStatistika Dasar. Bagus Sartono
Statistika Dasar Bagus Sartono Pokok Bahasan Pengenalan analisis dan deskripsi data Pendugaan parameter dan selang kepercayaan Pengujian hipotesis rata-rata One-Sample T-Test Two-Sample T-Test One-Way
Lebih terperinciPENGUKURAN 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 terperinciKonsep statistika. Didin Astriani Prasetyowati, M.Stat. Universitas Indo Global Mandiri Palembang
Konsep statistika Didin Astriani Prasetyowati, M.Stat Universitas Indo Global Mandiri Palembang Statistik VS Statistika Statistik merupakan kumpulan dari data data yang sering dinyatakan atau disajikan
Lebih terperinciMateri UAS: 1. Indeks 2. Trend Linear dan Non Linear 3. Regresi dan korelasi sederhana
STATISTIK I Buku Acuan: 1. Pokok-pokok materi Statistik I oleh Ir.M.Iqbql Hasan,M.M, edisi 2 cetakan 6 th 2010 2. Dasar-dasar statistika untuk Ekonomi oleh Drs. Danang Sunyoto,S.H., S.E.,M.M.,cetakan I
Lebih terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciSTATISTIK DESKRIPTIF. Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data
STATISTIK DESKRIPTIF Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data 1. Statisitik Deskriptif 2. Penyajian Data 3. Ukuran Pemusatan Data 4. Ukuran Penyebaran Data Materi Pokok Indikator Setelah
Lebih terperinciSTK 511 Analisis statistika. Materi 4 Sebaran Penarikan Contoh
STK 511 Analisis statistika Materi 4 Sebaran Penarikan Contoh 1 Pengantar Pada dasarnya data contoh diperoleh dengan dua cara: Data telah ada Teknik Penarikan Contoh Data belum tersedia Perancangan Percobaan
Lebih terperinciA. PENYAJIAN DATA. Nama Dwi Willi Nita Wulan Dani. Tabel 3.1
A. PENYAJIAN DATA 1. Pengertian Data dan Statistika Statistika sangat erat kaitannya dengan data. Oleh karena itu, sebelum membahas mengenaistatistika, akan dijelaskan terlebih dahulu mengenai data. Data
Lebih terperinciDATA DAN PENYAJIAN DATA STATISTIKA PERTEMUAN KE-2. Oleh ; Muhammad Yusuf Awaluddin
DATA DAN PENYAJIAN DATA STATISTIKA PERTEMUAN KE-2 Oleh ; Muhammad Yusuf Awaluddin OVERVIEW Statistic : Nilai yg dihitung dari sebuah sampel (mean, median, std.deviasi, dll) Statistics : Metode ilmiah untuk
Lebih terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik
Lebih terperinciDATA DAN PENYAJIAN DATA STATISTIKA PERTEMUAN KE-2. OLEH ; MUHAMMAD YUSUF AWALUDDIN
DATA DAN PENYAJIAN DATA STATISTIKA PERTEMUAN KE-2. OLEH ; MUHAMMAD YUSUF AWALUDDIN DATA DAN PENYAJIAN DATA STATISTIKA PERTEMUAN KE-2 Oleh ; Muhammad Yusuf Awaluddin OVERVIEW Statistic : Nilai yg dihitung
Lebih terperinciAnalisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya
Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,
Lebih terperinciMetode Statistika STK211/ 3(2-3)
Metode Statistika STK211/ 3(2-3) Pertemuan II Statistika Deskripsi dan Eksplorasi Septian Rahardiantoro - STK IPB 1 Misalkan diketahui data sebagai berikut Data 1 No Jenis Kelamin Tinggi Berat Agama 1
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah
Lebih terperinciPENGUNAAN STEM AND LEAF DAN BOXPLOT UNTUK ANALISIS DATA. Moh Yamin Darsyah ABSTRAK
PENGUNAAN STEM AND LEAF DAN BOXPLOT UNTUK ANALISIS DATA Moh Yamin Darsyah Program Studi Statistika Universitas Muhammadiyah Semarang yamindarsyah@gmail.com ABSTRAK Banyak sekali data dalam kehidupan yang
Lebih terperinciProbability and Random Process
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 1. Review Teori Statistika Prima Kristalina Maret 2016 2 Outline Pengertian Statistika Populasi,
Lebih terperinciPENGUKURAN 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 terperinciLedhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013
UKURAN STATISTIK BAGI DATA Ledhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013 Konten Definisi: -Data dan Jenis Data -Parameter dan Statistik -Ukuran Statistik
Lebih terperinciUkuran Statistik bagi Data. Muhammad Arif Rahman
Ukuran Statistik bagi Data Muhammad Arif Rahman arifelzain@ub.ac.id DATA keterangan-keterangan yang berisi fakta atau catatan keterangan sesuai bukti dan kebenaran dari suatu fenomena yang dikumpulkan,
Lebih terperincistatistika untuk penelitian
statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,
Lebih terperinciPENDAHULUAN. Dasar Statistika & Pengumpulan Data
PENDAHULUAN Dasar Statistika & Pengumpulan Data Arti Statistik & Statistika Statistik Sekumpulan data atau angka yang menjelaskan atau merangkum mengenai kejadian tertentu. Statistika Ilmu dan metode yang
Lebih terperinciGaris Besar Program Pembelajaran (GBPP) Kontrak Pembelajaran. Oleh: Prof. Dr. F.X. Susilo (PJ Matakuliah)
GBPP Matakuliah Statistika Pertanian (AGT 212) Page 1 of 10 Garis Besar Program Pembelajaran (GBPP) Kontrak Pembelajaran Matakuliah Statistika Pertanian (AGT 212) Kelas D SEMESTER GENAP 2011/2012 Oleh:
Lebih terperinciSTAND N AR R K OMP M E P T E EN E S N I:
Silabus Matematika Kelas XI IPS Smester 1 STANDAR KOMPETENSI: Menggunakan aturan statistika, kaidah pencacahan, dan sifat- sifat peluang dalam pemecahan masalah. u Kompetensi Dasar 1.1 Membaca data dalam
Lebih terperinciMetode Statistika (STK211)
Ilustrasi Quiz: Apa Jenis Data Kita? (coret yang salah) Survei Kemampuan Bayar Pelanggan Listrik (studi kasus Kelurahan Sukamakmur). Mengetahui gambaran kemampuan bayar pelanggan listrik masyarakat. Menentukan
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF Ukuran Pusat (measure of center) Ukuran Penyebaran (measure of variability) Menurut Anda, bagaimana penampilan saya? Gambaran saya? Visualizing Telling Dapatkan Anda tentukan manakah
Lebih terperinciSTATISTIKA 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 terperinciTKS 4209 PENELITIAN DAN STATISTIKA 4/1/2015
TKS 4209 Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya Penelitian adalah merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Berdasarkan pengertian tersebut
Lebih terperinciUKURAN 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 terperinciPENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 3
PENGANTAR STATISTIK JR113 Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI 2008 Pertemuan 3 DATA STATISTIK Keterangan atau ilustrasi mengenai suatu hal yang berbentuk kategori ataupun bilangan.
Lebih terperinciSetelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika
2 N i 1 x i N 2 Z X Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika sederhana s 2 n i 1 x i x n 1 2 No.
Lebih terperinciPERTEMUAN 2 STATISTIKA DASAR MAT 130
PERTEMUAN 2 STATISTIKA DASAR MAT 130 Data 1. Besaran Statistika berbicara tentang data dalam bentuk besaran (dimensi) Besaran adalah sesuatu yang dapat dipaparkan secara jelas dan pada prinsipnya dapat
Lebih terperinci25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak
Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan
Lebih terperinciTentang MA5283 Statistika BAB 1 STATISTIKA DESKRIPTIF MA5283 STATISTIKA. Dosen: Khreshna I.A. Syuhada, MSc. PhD. Orang Cerdas Belajar Statistika
Orang Cerdas Belajar Statistika Bentuk perkuliahan Jadwal Kuliah Buku teks Penilaian Matriks kegiatan perkuliahan Jadwal Kuliah 1 Tatap muka di kelas 2 Praktikum di Lab. Statistika dan Komputasi Bentuk
Lebih terperinciSTATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.
STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil
Lebih terperinciLaporan Tugas dan Quiz Statistik Deskriptif. 1. Berikan penjelasan secara singkat apa yang dimaksud dengan:
Nama : Purnomo Satria NIM : 1133467162 Evaluasi Pertemuan 4 dan 5 Laporan Tugas dan Quiz Statistik Deskriptif 1. Berikan penjelasan secara singkat apa yang dimaksud dengan: a. Rata-rata hitung, median,
Lebih terperinciAPLIKASI STATISTIKA DAN HITUNG PELUANG
Kata Pengantar i i i Aplikasi Statistika dan Hitung Peluang Kata Pengantar iii APLIKASI STATISTIKA DAN HITUNG PELUANG Oleh : Richard Lungan Edisi Pertama Cetakan Pertama, 2006 Hak Cipta Ó 2006 pada penulis,
Lebih terperinciMengolah dan Menganalisis Data
Mengolah dan Menganalisis Data Dr. Eko Pujiyanto, S.Si., M.T. Materi Data Mengolah dan analisis data Memilih alat analisis yang tepat Data Data 1 Jamak dari DATUM artinya informasi yang diperoleh dari
Lebih terperinciSTATISTIKA -deskripsi data-
STATISTIKA -deskripsi data- PERTEMUAN KE-3 Oleh: MUHAMMAD YUSUF AWALUDDIN 2 overview : Deskripsi data : Sering digunakan peneliti, khususnya dalam memperhatikan perilaku data dan penentuan dugaan-dugaan
Lebih terperinciLEMBAR 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 terperinciPengukuran Deskriptif. Debrina Puspita Andriani /
Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran
Lebih terperinciSatatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP
Satatistik dan Probabilitas Ir. I Nyoman Setiawan, MT. NIP. 19631229 199103 01 001 HP. 081338721408 setiawan@ee.unud.ac.id man_awan@yahoo.com Statistik Dan Probabilitas Pendahuluan Statistika adalah pengetahuan
Lebih terperinciARUMEGA ZAREFAR, SE.,M.Ak.,Akt.,CA
STATISTIK ARUMEGA ZAREFAR, SE.,M.Ak.,Akt.,CA http://arumega.staff.unri.ac.id/ arumegazarefar.ca@gmail.com Arti statistik Kumpulan data dalam bentuk angka maupun bukan angka yang disusun dalam bentuk tabel
Lebih terperinciCatatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah Analisis Data Orang Cerdas Belajar Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013 Tentang Analisis Data A.
Lebih terperinciMetode Statistika (STK211)
Metode Statistika (STK211) Peubah Acak dan Sebaran Peluang (Random Variable and Probability Distribution) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Konsep Peubah Acak (Random Variable) Peubah
Lebih terperinci