BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai

Ukuran: px
Mulai penontonan dengan halaman:

Download "BAB II ESTIMASI STATISTIK 2.1 Pengertian Estimasi a. Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi dengan memakai"

Transkripsi

1 3 BAB II ESTIMASI STATISTIK. Pegertia Etimai a. Etimai merupaka uatu metode dimaa kita dapat memperkiraka ilai Populai dega memakai ilai ampel. b. Etimai merupaka kegiata pearika keimpula tatitik yag berawal dari hal-hal yag berifat umum ke hal hal yag berifat khuu, agar pearika keimpula dapat dibearka da mampu medekati kebeara maka dibutuhka uatu alat utuk memproe data ecara bear, jika kegiata etimai dapat dilakuka ecara bear maka emua keputua yag berkaita dega etimai dapat dilakuka juga dega bear da dapat utuk megatai egala peroala tatitik. c. Etimai adalah meakir ciri-ciri tertetu dari populai atau memperkiraka ilai populai (parameter) dega memakai ilai ampel (tatitik).. Etimator yag Baik.. Pegertia Etimator a. Etimator adalah ilai peduga. b. Etimator adalah etiap tatitik ( mea ampel, preetae ampel, varia ampel, da lai lai) yag diguaka utuk megetimai ebuah parameter... Kriteria Etimator yag Baik Etimator yag Baik Etimator yag baik mempuyai tiga ciri berikut :. ô (tatitik dari ampel) merupaka peduga tak bia dari o, yaitu E (ô) =, artiya harapa peduga ô ama dega o;. ô merupaka peduga yag efiie; artiya bila ada lebih dari atu peduga, maka peduga yag efiie adalah peduga yag mempuyai variai palig kecil; da 3. ô merupaka peduga yag koite; artiya bila ampel yag diambil maki bear, maka ilai ô aka emaki medekati o.

2 4 Gambar berikut ii yag berkaita dega tiga ciri etimator yag baik terebut.. Peduga Tak Bia Peduga tak bia artiya peduga yag dega tepat megeai aara, eperti ditujukka oleh gambar 4.. edagka peduga bia artiya peduga yag tidak tepat megeai aara atau diebut meleet, eperti ditujukka oleh gambar 4.3. Peduga yag Efiie Gambar 4.4 meujukka ada tiga peduga, yaitu ô, ô, ô 3 yag diperoleh dari tiga ampel, dimaa ditribui ampel mempuyai variai σ, ampel mempuyai variai σ, da ampel 3

3 5 mempuyai variai σ. oleh karea ampel mempuyai variai palig kecil, maka dikataka ô merupaka peduga yag efiie 3. Peduga yag Koite Pada Gambar 4.5, ditujukka bahwa ukura ampel, yaitu, lebih kecil daripada ukura ampel, yaitu da lebih kecil dari ukura ampel 3, yaitu 3. Terlihat bahwa emaki bear ukura ampel, maka tatitik peduga ô maki medekati parameter 0 dari populai, dimaa ditribui ampel koite bergerak kekiri..3 Jei - Jei Etimai Statitik ifereial adalah tatitika yag dega egala iformai dari ample diguaka utuk mearik keimpula megeai karakteritik populai dari maa ample itu di ambil. Utuk mearik keimpula terebut dapat dilakuka dega duacar, yaitu: peakira parameter da pegujia hipotei. Parameter adalah karakteritik dari uatu populai cotohya: m(mea atau rata-rata), (varia atau keeragama), md (mea differeial atau perbedaa rata-rata), p (Propori), pd (Propori rata-rata), edagka tatitik ialah karakteritik dari data ample, cotoh: x (mea atau rata-rata), S (varia atau keeragama), xd (mea differeial atau perbedaa rata-rata), P(Propori), Pd (Propori rata-rata). Adaya tatitic itu utuk meduga parameter, eperti utuk meduga σ dapat diduga dega S. Etimai adalah keeluruha proe yag megguaka ebuah etimator(fugi ample) utuk meghailka

4 6 ebuah etimate(ilai terealiai dari etimator, yaitu bilaga yag didapat bila ample bear-bear diambil) dari uatu parameter. Atau dega kata lai uatu etimator titik adalah ebarag fugi T (,,,, ) dari ampel. Ii berarti ebarag titik adalah etimator titik. Jei-jei Etimai : a. Etimai Titik Titik etimai merupaka alah atu cara utuk megadaka etimai terhadap parameter populai yag tidak diketahui (Nar: 0). Titik etimai ialah ilai tuggal yag diguaka utuk megadaka etimai terhadap parameter populai. Titik etimai yag dapat diguaka utuk megadaka etimai parameter populai ialah rata-rata ampel terhadap rata-rata populai, propori ampel terhadap propori populai, jumlah variabel tertetu yag terdapat dalam ampel utuk meakir jumlah variabel terebut dalam populai, da varia atau impaga baku ampel utuk meakir impaga baku populai. E (µ ) = ; E ( σ ) = S ; E ( p ) = Sebuah etimai titik dari ebuah parameter q adalah euatu agka tuggal yag dapat diaggap ebagai ilai yag mauk akal dari q. Adapu Hakikat Etimai ecara umum, yaitu: ) Etimai adalah takira, da yag dietimai adalah parameter populai ) Data yag diguaka utuk melakuka etimai parameter populai adalah tatitik ampel ebagai etimator 3) Terdapat proedur tertetu utuk melakaaka etimai Salah atu Cotoh dalam kehidupa ehari-hari dari etimai titik itu ialah: rata-rata bayiyag baru lahir beratya 3 kg. Dari peryataa ii dapat diimpulka bahwa peryataa terebut dapat megguaka ditribui ormal, karea tidak bayak bayi yag baru lahir itu beratya kurag atau lebih berat dari 3kg. bayi yag beratya 3kg dapat diebut

5 7 ebagai etimate, edagka yag diebut etimatorya ialah bayi yag baru lahir. Dalam meetuka etimai titik(meakir) itu haru megetahui ditribuiya terlebih dahulu, apabila ditribui terebut tidak diketahui maka kita tidak dapat meetuka etimai titikya..metode peakir titik Metode peakir titik ebuah parameter dapat ditempuh ddega megguaka bebebrapa metode, yaitu: metode mome, metode likelihood, Metode Kuadrat Terkecil, Metode Chikuadrat Miimum, etimator baye da laiya. Aka tetapi tidak emua metode erig diguaka, yag palig bayak diguaka dalam peetua parameter titik haya dua metode aja, yaitu Metode Mome da Metode Kemugkia Makimum atau metode likelihood. Berikut edikit tetag kedua metode terebut da etimator baye utuk perbadiga dari kedua metode terebut keapa kedua metode itu erig diguaka.. Metode mome Metode momet diciptaka oleh Karl Pearo pada tahu 800. Metode ii merupaka metode tertua dalam meetuka etimator titik. Mialka adalah peubah acak kotiu(atau dikrit) dega fugi kepadata peluag berbetuk f(x; ), dega adalah k buah para meter yag tidal diketehui, mialka,,,, merupaka ebuah ampel acak berukura da didefiiika k buah mome ekitar puat ample pertama ebagai: ; t=,, 3,, k Kemudia kita tetuka k buah mome ekitar puat populai pertama dega rumuebagai berikut: Utuk dikrit : ; t=,, 3,., k Utuk dikrit: ; t=,, 3,., k

6 8 Secara umum, mome populai merupaka fugi dair k buah parameteryag tidak diketahui. Peyamaa mome ampel da mome populai aka meghailka k buah peramaa dalam k buah parameter yag tidak diketahui, yaitu: ; t =,, 3,, k Solui dari peramaa diata, diotaika dega meghailka peakir mome utuk Cotoh : Mialka peubah acak berditribui B(; ) dega tidak diketahui. Tetuka peakir titik utuk dega megguaka metode mome. Peyeleaia: Fugi kepaadata peluag dari adalah: f(; ) = ; x = 0, = 0 ; laiya Cotoh : Mialka x, x, x,.., x adalah ample radom dari populai yag berditribui ~ N (m, ). Dega megguaka metode mome, tetuka etimator titik utuk m da Peyeleaia: ~ N (m, ) berarti E() = m da Var(Z) = Var () = E ( )-(E()) = E ( ) m E ( ) = m + Sehigga memperoleh peramaa eperti berikut: E() = ehigga m = E ( ) = maka m + = = - = -` =

7 9.Metode kemugkia makimum(likelihood) Metode yag terbaik utuk meetuka peakir titik ebuah parameter adalah metode kemugkia makimum(likelihood). Metode kemugkia makimum merupaka metode utuk memperoleh etimator titik dega cara memakimumka fugi kemugkiaya. Mialka adalah peubah acak kotiu / dikrit dega fugi kepadata peluag f(x;θ), dega θ adalah uatu parameter yag tidak diketahui, da,,, ampel acak berukura,maka fugi kemugkia makimum(likelihood fuctio) θ adalah: L( ) = f(x ; ). f(x ; ). f(x ; )..f(x ; ) L( ) = Utuk etiap tiitk ampel x, mialka (x) adalah harga perameter dimaa L( ) ebagai fugi dega megaggap x kota mecapai makimumya. Etimator makimum likelihood (MLE) dari parameter berdaarka ampel adalah (). Perhatika bahwa dari kotrukiya, jelajah dari MLE berimpit dega jelajah dari parameter ecara ituitif, MLE adalah etimator yag mauk akal, karea MLE adalah titik parameter ampel terobervai yag palig mugki terjadi. Mekipu demikia, perhatika juga eitivita perubaha data. Lagkah-lagkah utuk meetuka etimai titik dega megguaka metode kemugkia makimum(likelihood):.tetuka L( ) (i).kedua rua beri l (l L( )) (ii) 3.Turuka (ii) atau l L( ) terhadap (iii) 4. Seleaikalah (iii) Cotoh: Mialka,, adalah ampel acak berukura dari ditribui B (; ), dega tidak diketahui. Tetuka peakir titik utuk dega megguaka metode kemugkia Makimum. Peyeleaia: Fugi kepadata peluagdari adalah:

8 0 F(x; ) = ; x = 0, = 0 ; laiya Fugi kemugkia dari ample acak berukura adalah: L( ) = L( )=[ L( ) = Kemudia kedua rua beri l, ehigga diperoleh: Catata: Tujua di beri tambaha l ialah utuk meghilagka betuk pagkat. Selajutya kita turuka l L( ) terhadap, yaitu:.. = 0 Jadi, peakir kemugkia makimum utuk adalah, yag merupaka rerata empel.. Etimator baye Pedekata Bayeia dalam tatitic ecra fudametal berbeda dega pedekata klaik mome da likelihood. Mekipu demikia, beberapa apek dari pedekata terebut dapat bergua pada beberapa pedekata tatitic yag lai. Dalam pedekata klaik, parameter adalah beara tetep yag tidak diketaui. Sampel radom,,,, diambil dari populai beridek da berdaarka harga-harga terobervai dalam ampel didapat pegetahua tetag. Dalam pedekata Bayeia, dipadag ebagai beara yag variaiya digambarka dega ditribui probabilita(diebut ditribui poterior). Ii adalah ditribui ubjektif. Berdaarka pada keyakia eeorag da dirumuka ebelum data diambil. Kemudia, mapel diambil dari populai beridek da ditribui prior dieuaika dega iformai ampel ii. Prior yag telah dieuaika diebut ditribui poterior. Peyeuaia ii dilakuka dega megguaka atura baye. Itulah keapa diamai tatitic Bayeia.

9 Mialka,,,, merupaka ebuah ampel acak berukura dari ditribui yag mempuyai fugi kepadata peluag berbetuk f(x; ), dalam hal ii, kita aka meetuka takira baye utuk parameter Lagkah-lagkah utuk meetuka tekira baye bagi adalah:. Tetuka fugi kepadata peluag gabuga dari,,,, (diotaika) dega g(,,,, ) yag didefiiika ebagai berikut: g(,,,, )=f(x ; ). f(x ; ). f(x ; )..f(x ; ). Tetuka fugi deita (theta bear), yag bearya di ambil atau dipilih da dieuaika dega g(,,,, ). Ditribui yag mempuyai deita dari, da diotaika dega, diamaka ditribui prior..peakir baye utuk ditetuka oleh: ) Jika dari peubah acak berbetuk dikrit, maka: ) Jika dari peubah acak berbetuk kotiu, maka: δ(,,,, )= Kemudia hail akhir dari δ(,,,, ) dilakuka perubaha dari x mejadi edagka utuk meetuka ditribui poteriorya diguaka rumu ebagai berikut: Prior tak ejati. Salah atu ifat mearik dari pedekata Baye pada tatitic adalah keederhaaaya. Begitu ditribui prior udah ditetuka, prhituga atura baye dapat lagug dikerjaka. Keederhaaa ii membawa pada uaha utuk megguaka pedekata Bayeia mekipu iformai prior tebata bahka tidak ada ama ekali. Dalam ituai demikia, yag diperluka adalah prior takiformatif, yaitu prior yag tidak memuat iformai tetag. Cotoh : Mialka x x,,x merupaka ebuah ampel acak dari dirtibui B( ; θ), θ Ω = (0,). Tetuka peakir Baye utuk θ Peyeleaia: Fugi kepadata peluag dari adalah:

10 f(x;θ) = θ (-θ) ; x = 0, = 0 = laiya. Fugi deita gabuga dari,,, adalah: = f(x ; θ). F( θ). f( θ) B. Etimai Iterval Dari peelitia da perhituga-perhituga harga tatitik uatu ampel, bia dihitug uatu iterval dimaa dega peluag tertetu harga parameter yag hedak ditakir terletak dalam iterval terebut. Etimai iterval merupaka ekumpula ilai tatitik ampel dam iterval tertetu yag diguaka utuk megadaka etimai terhadap parameter populai dega harapa bahwa ilai parameter populai terletak dalam iterval terebut. Etimai Rata rata : dalam tatitik di aumika uatu ukura ampel dikataka bear apabila 30, ampel dikataka kecil apabila 30. Etimai rata-rata utuk ampel kecil < 30, maka iterval kofidei utuk m adalah :. t ( - ; a/ ). S μ + t ( - ; α/ ). S Cotoh: Wida, Budi, Roi melakuka pegamata megeai lama uia pakai baterey merk Alkali yag diguaka pada alfalikya maigmaig, meurut mereka dari 4 baterey merk Alfalik terebut rata-rata bia dipakai elama 00 jam dega impaga baku 00 jam, dega iterval kofidei 98% temuka berapa rata-rata uia pakai ebearya dari baterey merk Alkali terebut? Etimaiya: bar = 00 jam. N = 4 S = 00 jam -α = 98% α = 0,0 = 0,0 t-; ) = t(3;0,0) = 4,45 (dari tabel t).

11 3 bar t (-;a/). S μ bar + t (-;α/). S 00-[4, ] µ 00 + [4, ] ,9 jam µ 546, jam teryata etelah di uji dega iterval kofidei 98%, uia pakai baterey merk Alkali berkiar (ebearya) atara 754,9 jam miimum da 645, jam makimum..4 Peghituga Etimai ESTIMASI RATA-RATA () Kau Sampel Bear ( 30) da atau diketahui Utuk Ifiite Populatio Z Z0. P jika diketahui Z Z 0. P jika 30 Utuk Fiite Populatio N N P Z0.5 Z0. 5 N N jika diketahui N N P Z 0.5 Z0. 5 N N jika 30 Kau Sampel Kecil ( 30) da atau tidak diketahui Utuk Ifiite Populatio

12 4 P t 0.5 ;df t0.5; df Utuk Fiite Populatio N N P t 0.5;df t0.5; df N N dega df = SOAL-SOAL ESTIMASI RATA-RATA. Telah diambil ecara acak ampel yag terdiri dari 00 orag mahaiwa ebuah uiverita di Jakarta. Melalui tet IQ terhadap 00 mahaiwa terebut diperoleh rata-rata IQ ebear da varia 00. Dega megguaka tigkat keyakia (cofidece level) ebear 95%, tetuka iterval kofide utuk ilai rata-rata IQ eluruh mahaiwa uiverita terebut. Diketahui : = = = 0.05 Z 0.05 =.96 Ditayaka : P( ) = 0.95 Jawab : Z Z 0. P P

13 5 P P Kita meraa yaki ebear 95% bahwa rata-rata IQ eluruh mahaiwa uiverita terebut atara 0.04 da 3.96 ESTIMASI PROPORSI (p) Kau Sampel Bear ( 30) Utuk Ifiite Populatio pˆ Z pˆ( pˆ) pˆ( pˆ) p pˆ Z0. P Utuk Fiite Populatio pˆ Z pˆ( pˆ) N pˆ( pˆ) N p pˆ Z0. N N P Kau Sampel Kecil ( 30) Utuk Ifiite Populatio Ppˆ t 0.5 pˆ( pˆ) pˆ( pˆ) ;df p pˆ t0.5; df Utuk Fiite Populatio Ppˆ t 0.5 pˆ( pˆ) N pˆ( pˆ) N ;df p pˆ t0.5; df N N

14 6 dega df = SOAL-SOAL ESTIMASI PROPORSI. Dari hail urvey yag dilakuka uatu reearch agecy megeai kebiaaa ibu rumah tagga meyakika tayaga ikla di TV Swata. Teryata diperoleh hail bahwa 76 orag dari 80 orag ibu rumah tagga yag dipilih ecara acak, biaa meyakika tayaga ikla palig edikit jam per miggu. Jika peeliti terebut megguaka taraf kofide ebear 90%, maka tetuka iterval etimai eluruh ibu rumah tagga yag biaa meyakika tayaga ikla palig edikit jam per miggu. Diketahui : Mialka adalah ibu rumah tagga yag biaa meyakika tayaga ikla palig edikit jam per hari. = 80 da = 76 ehigga 76 / pˆ = = 0.05 Z 0.05 =.645 Ditayaka : P(... p... ) = 0.90 Jawab : pˆ Z pˆ( pˆ) pˆ( pˆ) p pˆ Z0. P P ( 0.4) p ( 0.4) P p P p P p

15 7 Kita meraa yaki ebear 90% bahwa propori ibu-ibu yag biaa meyakika tayaga ikla palig edikit jam per hari atara 35.9% da 48.% ESTIMASI BEDA DUA RATA-RATA A. Kau σ = σ = σ diketahui : Utuk Ifiite Populatio P Z Z Utuk Fiite Populatio d d P dimaa d Z0.5 (N N) ( ) N N B. Kau σ σ diketahui : Utuk Ifiite Populatio P Z Z Utuk Fiite Populatio d d P

16 8 dimaa N N ) ( ) N (N Z d 0.5 C. Kau σ = σ tidak diketahui : Utuk Ifiite Populatio t t P p ;df 0.5 p ;df 0.5 Utuk Fiite Populatio d d P dimaa N N ) ( ) N (N t d p ;df 0.5 ) ( ) ( p df = D. Kau σ σ tidak diketahui : Utuk Ifiite Populatio t' t' P Utuk Fiite Populatio

17 9 d d P dimaa d t' (N N) ( ) N N tw tw t' w w w w t t0.5;df t t0.5;df SOAL-SOAL ESTIMASI BEDA DUA RATA-RATA. Sampel acak yag terdiri dari orag buruh peruahaa A telah diperika teryata rata-rata waktu meyeleaika pekerjaaya per uit barag adalah meit dega tadar deviai meit. Sedagka dari peruahaa B yag ejei diambil ampel acak berukura 0, etelah diperika teryata rata-rata meyeleaika pekerjaa yag ama adalah meit dega tadar deviai 3 meit. Tetukalah iterval keyakia ebear 95% utuk megetimai beda rata-rata waktu peyeleaia pekerjaa emua buruh di peruahaa A da peruahaa B. Aumi = Diketahui : = = = 0 = 3 Karea = tidak diketahui, maka diguaka rumu iterval kofide utuk kau C. Sehigga = 0.95 = 0.05 dega 0.5 = 0.05 da df = 40 dari tabel t diperoleh t 0.05;df=40 =.0 Ditayaka : P

18 0 Jawab : P t t 0.5;df p 0.5;df p p ( ) ( ) ( ) (0 )3 p 0 p = P.0( ).0( ) P P P Kita meraa yaki ebear 95% bahwa beda rata-rata waktu peyeleaia pekerjaa emua buruh di peruahaa A da peruahaa B atara 0.58 da.58 meit. ESTIMASI BEDA DUA PROPORSI Kau Sampel Bear Utuk Ifiite Populatio (pˆ pˆ ) d p p (pˆ pˆ ) d P

19 d Z0.5 pˆ ( pˆ ) pˆ ( pˆ ) Utuk Fiite Populatio (pˆ pˆ ) d p p (pˆ pˆ ) P d Z0.5 pˆ ( pˆ ) pˆ ( pˆ ) N N N N Kau Sampel Kecil Utuk Ifiite Populatio (pˆ pˆ ) d p p (pˆ pˆ ) d P d t0.5;df pˆ ( pˆ ) pˆ ( pˆ ) Utuk Fiite Populatio (pˆ pˆ ) d p p (pˆ pˆ ) P N N pˆ ( pˆ ) pˆ ( pˆ ) d t0.5;df N N

20 SOAL-SOAL ESTIMASI DUA PROPORSI. Dua ampel acak maig-maig terdiri 700 mahaiwa da 500 mahaiwi yag megujugi uatu bazar buku murah. Teryata etelah kedua ampel terebut diperika, terdapat 39 mahaiwa da 35 mahaiwi yag meraa pua dega adaya bazar terebut. Tetuka iterval kofide ebear 98% utuk megetimai perbedaa propori mahaiwa da mahaiwi yag meraa pua terhadap bazar buku murah terebut. pˆ Diketahui : = 700 x = = 500 x = 35 pˆ Karea ampelya bear, maka = = 0.0 Z 0.0 =.3 Ditayaka : P( p p ) = 0.98 Jawab : d Z0.5 d.3 pˆ ( pˆ ) pˆ ( pˆ ) 0.56( 0.56) 0.65( 0.65) (pˆ pˆ ) d p p (pˆ pˆ ) d P ( ) p p ( ) P p p P 0.56 p p P

21 3 Kita meraa yaki ebear 98% propori mahaiwi yag meraa pua terhadap bazar buku lebih bear daripada mahaiwa atara.4% da 5.6%. MENENTUKAN UKURAN SAMPEL DALAM ESTIMASI PARAMETER SECARA STATISTIS Dalam etimai parameter ecara tatiti, ukura ampel () miimal dapat dihitug jika diketahui :. Bearya etimatio error (d) makimal yag dikehedaki. Tigkat keyakia (level of cofidece) yag dikehedaki 3. Parameter yag aka dietimai 4. Stadar error (tadar deviai tatitik) berdaarka hail urvey terdahulu atau aumi Jika yag aka dietimai adalah rata-rata () : Z 0. 5 d Z 0 5. d Z 0.5 d Z0.5 d Jika yag aka dietimai adalah propori (p) : p( p) Z 0. 5 d p( p) Z 0. 5 d Z 0. 5 p( p d Z 0.5 p( p) d Z 0.5 p( p) d

22 4

INTERVAL KEPERCAYAAN

INTERVAL KEPERCAYAAN INTERVAL KEPERCAYAAN Tujua utama diambil ebuah ampel dari ebuah populai adalah utuk memperoleh iformai megeai parameter populai.. Ada cara meetuka parameter populai yaitu peakira da pegujia hipotei. Peakira

Lebih terperinci

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan

PENDUGAAN PARAMETER. Ledhyane Ika Harlyan PENDUGAAN PARAMETER Ledhyae Ika Harlya Jurua Pemafaata Sumberdaya Perikaa da Kelauta Uiverita Brawijaya 03 Statitik Ifereia Mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai

Lebih terperinci

Pendugaan Parameter 1

Pendugaan Parameter 1 Topik Bahaa: Pedugaa Parameter 1 (Selag Pedugaa, Pedugaa Selag 1 Rata-Rata) Pertemua ke II 1 Ilutrai Statitika Ifereia : Mecakup emua metode yag diguaka utuk pearika keimpula atau geeraliai megeai populai

Lebih terperinci

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga

ESTIMASI. Jika parameter populasi disimbolkan dengan θ maka θ yang tidak diketahui harganya ditaksir oleh harga ESTIMASI Salah atu aek utuk mearik keimula megeai uatu oulai dega memakai amel yag diambil dari oulai terebut megguaka etimai (eakira) Jika arameter oulai diimbolka dega θ maka θ yag tidak diketahui hargaya

Lebih terperinci

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO

Pendugaan. Parameter HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Pedugaa Parameter HAZMIRA YOZZA JURUSAN MATEMATIKA FMIPA UNIV. ANDALAS LOGO Kompetei meyebutka klp ifereia tatitika & ruag ligkupya mejelaka metode pedugaa klaik da yarat-yarat peduga yag baik pada pedugaa

Lebih terperinci

Pengujian Hipotesis untuk selisih dua nilai tengah populasi

Pengujian Hipotesis untuk selisih dua nilai tengah populasi Pegujia Hipotei utuk eliih dua ilai tegah populai Hipotei Hipotei atu arah: H 0 : - 0 v H : - < 0 H 0 : - 0 v H : - > 0 Hipotei dua arah: H 0 : - = 0 v H : - 0 Statitik uji z h ( ( ) ) 0 Formula klik diketahui

Lebih terperinci

A. PENGERTIAN DISPERSI

A. PENGERTIAN DISPERSI UKURAN DISPERSI A. PENGERTIAN DISPERSI Ukura diperi atau ukura variai atau ukura peyimpaga adalah ukura yag meyataka eberapa jauh peyimpaga ilai-ilai data dari ilaiilai puatya atau ukura yag meyataka eberapa

Lebih terperinci

Metode Statistika Pertemuan XI-XII

Metode Statistika Pertemuan XI-XII /4/0 Metode Statitika Pertemua XI-XII Statitika Ifereia: Pegujia Hipotei Populai : = 0 Butuh pembuktia berdaarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : 5 Ok, itu adalah pegujia hipotei,

Lebih terperinci

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial

SOAL PELATIHAN 1. File_Imamgun_Statistik Inferensial SOAL PELATIHAN. Jelaka pegertia hipotei?. Seorag peeliti biaaya tertarik meguji atu hipotei dari eam alteratif hipotei. Sebutka eam alteratif hipotei terebut? 3. Apa yag dimakud dega pegujia hipotei? 4.

Lebih terperinci

MINGGU KE XII PENDUGAAN INTERVAL

MINGGU KE XII PENDUGAAN INTERVAL MINGGU KE XII PENDUGAAN INTERVAL Tujua Itrukioal Umum :. Mahaiwa mampu memahami apa yag dimakud dega pedugaa iterval. Mahaiwa mampu memahami pedugaa iterval utuk ample bear da utuk ample kecil 3. Mahaiwa

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

A.Interval Konfidensi pada Selisih Rata-rata

A.Interval Konfidensi pada Selisih Rata-rata A.Iterval Kofidei pada Seliih Rata-rata. Bila kita mempuyai da maig-maig adalah mea ample acak beba berukura da yag diambil dari populai dega ragam da diketahui, maka elag kepercayaa 00-% bagi - adalah

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter Pedahulua Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval Pedugaa Parameter. Pedahulua Pedugaa Parameter Popoulai dilakuka dega megguaka ilai Statitik Sampel Mial :. x diguaka ebagai peduga bagi. diguaka ebagai peduga bagi 3. p atau p diguaka ebagai peduga bagi

Lebih terperinci

BAB IV DESKRIPSI ANALISIS DATA

BAB IV DESKRIPSI ANALISIS DATA BAB IV DESKRIPSI ANALISIS DATA A. Dekripi Data Peelitia ii megguaka peelitia ekperime, ubyek peelitiaya dibedaka mejadi dua kela, yaitu kela kotrol da kela ekperime. Kela kotrol pada peelitia ii merupaka

Lebih terperinci

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui

Diagram Kendali Simpangan Baku Eksak untuk Proses Berdistribusi Normal dengan Parameter σ Diketahui Statitika, Vol. No., 5 6 Mei Diagram Kedali Simpaga Baku Ekak utuk Proe Berditribui Normal dega Parameter Diketahui Aceg Komarudi Mutaqi, Suwada Program Studi Statitika Fakulta MIPA Uiverita Ilam Badug,

Lebih terperinci

1. Ilustrasi. Materi 2 Pendugaan Parameter

1. Ilustrasi. Materi 2 Pendugaan Parameter Materi Pedugaa Parameter. Ilutrai Ifereia Statitika : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai megeai oulai dega melakuka egambila amel (amlig) Etimai / Pedugaa Parameter Yaitu

Lebih terperinci

Teori Penaksiran. Oleh : Dadang Juandi

Teori Penaksiran. Oleh : Dadang Juandi Teori Peakira Oleh : Dadag Juadi Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

Metode Statistika Pertemuan IX-X

Metode Statistika Pertemuan IX-X /7/0 Metode Statitika Pertemua IX-X Statitika Ifereia: Pedugaa Parameter Populai : Parameter Cotoh : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ditribui amplig PENDUGA TAK

Lebih terperinci

STATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1)

STATISTICS. Confidence Intervals (Rentang Keyakinan) Confidence Intervals (1) STATISTICS Cofidece Iterval (Retag Keyakia) Cofidece Iterval () Etimai Parameter Ditribui abilita memiliki ejumlah parameter. Parameter-parameter tb umumya tak diketahui. Nilai parameter terebut diperkiraka

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Al Azhar-3 III. METODOLOGI PENELITIAN A. Populai da Sampel Peelitia Populai dalam peelitia ii adalah emua iwa kela I IPA SMA Al Azhar-3 Badar Lampug tahu ajara 0/0 yag berjumlah 48 iwa da terebar dalam empat kela.

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas dasar-dasar teori yang akan digunakan BAB II LANDASAN TEORI Pada bab ii aka dibaa daar-daar teori yag aka diguaka dalam peulia kripi ii, yaitu megeai metode peakira maximum likeliood, metode peakira oit maximum likeliood da fier iformatio..1

Lebih terperinci

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model

BAB III METODE PENELITIAN. dengan kemampuan berpikir kreatif dengan menggunakan dua model 3 BAB III METODE PENELITIAN A. Jei Peelitia Tujua peelitia ii yaki membadigka kemampua berpikir kriti dega kemampua berpikir kreatif dega megguaka dua model pembelajara yaitu model pembelajara berbai maalah

Lebih terperinci

Tetapi apabila n < 5% N maka digunakan :

Tetapi apabila n < 5% N maka digunakan : Jei- jei pedugaa Iterval:. Pedugaa Parameter dega ampel bear (>30) a. Pedugaa terhadap parameter rata-rata Diketahui; z Maka; Z Z Tetapi apabila tadard deviai populai tidak diketahui, maka diguaka tadar

Lebih terperinci

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pendugaan Parameter. 1. Ilustrasi. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statitika Toik Bahaa: Pedugaa Parameter Oleh : Edi M Pribadi, SP, MSc E-mail: edi_m@taffguadarmaacid edi_m@ymailcom Ilutrai Statitika Ifereia : Mecaku emua metode yag diguaka utuk earika keimula atau geeraliai

Lebih terperinci

A. Interval Konfidensi untuk Mean

A. Interval Konfidensi untuk Mean ESTIMASI INTERVAL A. Iterval Kofidei utuk Mea Defiii Jika ˆ merupaka etimator utuk parameter da P ˆ ˆ, maka ˆ ˆ diebut Dimaa iterval kofidei(-)00% utuk. :- koefiie kofidei ˆ, ˆ bata iterval tigkat kealaha

Lebih terperinci

Bab6 PENAKSIRAN PARAMETER

Bab6 PENAKSIRAN PARAMETER Bab6 PENAKSIRAN PARAMETER MENAKSIR RATARATA μ Mialka kita memuyai ebuah oulai berukura N dega ratarata µ da imaga baku σ Dari oulai ii arameter ratarata µ aka ditakir Utuk keerlua ii,ambil ebuah amel acak

Lebih terperinci

INFERENSI STATISTIK Inferensi statistik mencakup semua metode yang digunakan dalam penarikan kesimpulan atau generalisasi mengenai populasi.

INFERENSI STATISTIK Inferensi statistik mencakup semua metode yang digunakan dalam penarikan kesimpulan atau generalisasi mengenai populasi. INFERENSI STATISTIK Iferei tatitik mecakup emua metode yag diguaka dalam pearika keimpula atau geeraliai megeai populai. Iferei Statitik Pedugaa Parameter Pegujia Hipotei PENDUGAAN PARAMETER Pedugaa parameter

Lebih terperinci

Teori Penaksiran. Oleh : Dewi Rachmatin

Teori Penaksiran. Oleh : Dewi Rachmatin Teori Peakira Oleh : Dewi Rachmati Pedahulua Ada metode iferei : metode klaik da metode Baye dalam meakir arameter oulai Dalam metode klaik iferei didaarka ada iformai yag dieroleh melalui amel acak Dalam

Lebih terperinci

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar

III. METODE PENELITIAN. Populasi penelitian ini yaitu seluruh siswa kelas X SMA Negeri 2 Bandar 7 III. METDE PENELITIAN A. Populai Peelitia Populai peelitia ii yaitu eluruh iwa kela MA Negeri Badar Lampug dega ampel kela, pada emeter geap Tahu Pelajara 0/0. B. ampel Peelitia Tekik pegambila ampel

Lebih terperinci

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F

BAB III ANALISIS PEMODELAN ANTRIAN HAULER PENGANGKUTAN OVERBURDEN PADA JALAN 7F BAB III AALISIS EMODELA ATRIA HAULER EGAGKUTA OVERBURDE ADA JALA 7F 3.. edahulua ada Bab II telah dijelaka beberapa teori yag diguaka utuk melakuka aalii yag tepat dalam memecahka maalah yag ada. ada bab

Lebih terperinci

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KUARTIL DARI KARAKTER TAMBAHAN PADA SAMPLING ACAK SEDERHANA

PENAKSIR RASIO UNTUK VARIANSI POPULASI MENGGUNAKAN KUARTIL DARI KARAKTER TAMBAHAN PADA SAMPLING ACAK SEDERHANA PEAKIR RAIO UTUK VARIAI POPULAI MEGGUAKA KUARTIL DARI KARAKTER TAMBAHA PADA AMPLIG ACAK EDERHAA Ari Elvita *, Arima Ada, Hapoa irait Mahaiwa Program Matematika Doe Jurua Matematika Fakulta Matematika da

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

Jurusan Matematika Universitas Riau, Riau 1 Kampus Binawidya Pekanbaru 28293, Indonesia Jurusan Matematika Universitas Riau, Riau 2 ABSTRACT

Jurusan Matematika Universitas Riau, Riau 1 Kampus Binawidya Pekanbaru 28293, Indonesia Jurusan Matematika Universitas Riau, Riau 2 ABSTRACT Proidig emirata05 bidag MIPA BK-PT Barat Uiverita Tajugpura Potiaak PEAKIR RAIO DA PRODUK EKPOEIAL YAG EFIIE UTUK VARIAI POPULAI PADA AMPLIG ACAK EDERHAA EXPOETIAL RATIO AD PRODUCT ETIMATIO FOR POPULATIO

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN A III METODOLOGI PENELITIAN A. Jei da Deai Peelitia. Jei Peelitia Jei peelitia ii adalah peelitia ekperime. Metode peelitia ekperime merupaka metode peelitia yag diguaka utuk mecari treatmet (perlakua)

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial STATISTIK INFERENSIAL Prof. Dr. H. Almadi Syahza, SE., MP Email: ayahza@yahoo.co.id PROGRAM STUDI PENDIDIKAN EKONOMI FKIP UNIVERSITAS RIAU DISTRIBUSI SAMPLING 2 Bagia I Statitik Iduktif Metode da Ditribui

Lebih terperinci

Selang Kepercayaan dari Parameter Distribusi Log-Normal Menggunakan Metode Bootstrap Persentil

Selang Kepercayaan dari Parameter Distribusi Log-Normal Menggunakan Metode Bootstrap Persentil Statitika, Vol. 8 No. 1, 13 17 Mei 008 Selag Kepercayaa dari Parameter Ditribui Log-Normal Megguaka Metode Boottrap Peretil Akhmad Fauzy Jurua Statitika FMIPA Uiverita Ilam Idoeia Yogyakarta Abtract I

Lebih terperinci

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University

--Fisheries Data Analysis-- Perbandingan ragam. By. Ledhyane Ika Harlyan. Faculty of Fisheries and Marine Science Brawijaya University --Fiherie Data Aalyi-- Perbadiga ragam By. Ledhyae Ika Harlya Faculty of Fiherie ad Marie Sciece Brawijaya Uiverity Tujua Itrukioal Khuu Mahaiwa dapat megguaka aalii tatitika ederhaa dega berfoku ukura

Lebih terperinci

Statistika. Besaran Statistik

Statistika. Besaran Statistik Statitika Beara Statitik Itiarto Statitical Meaure Commo tatitical meaure Meaure of cetral tedecy Mea Mode Media Meaure of variability Rage Variace Stadard deviatio Meaure of a idividual i a populatio

Lebih terperinci

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:

Statistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu: Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Berdaarka rumua maalah pada BAB I, peelitia kuatitatif ii bertujua utuk megetahui efektivita metode pembelajara dicovery dega megguaka Papa Tempel egi Empat

Lebih terperinci

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH

PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER METSTAT ANIK DJURAIDAH PENDUGAAN PARAMETER Populai : Parameter Sampel : Statitik Statitik merupaka PENDUGA bagi parameter populai Pegetahua megeai ebara cotoh PENDUGA TAK BIAS DAN MEMPUNYAI

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain:

Pendugaan Parameter. Selang Kepercayaan dengan Distribusi z (Tabel hal 175) Nilai α dan Selang kepercayaan yang lazim digunakan antara lain: Peahulua Peugaa Parameter Peugaa Parameter Populai ilakuka ega megguaka ilai Statitik Sampel, Mial :. x iguaka ebagai peuga bagi µ. iguaka ebagai peuga bagi σ 3. p atau p$ iguaka ebagai peuga bagi π Peugaa

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jei Peelitia Metode peelitia yag diguaka dalam kripi ii adalah metode peelitia kuatitatif ekperime yag berdeai pottet-oly cotrol deig, karea tujua dalam peelitia ii utuk mecari

Lebih terperinci

BAB 6. Penggunaan SPSS dalam STATISTIK INFERENSI

BAB 6. Penggunaan SPSS dalam STATISTIK INFERENSI 54 Modul Statitika TI oleh Hartatik,M.Si BAB 6 Pegguaa SPSS dalam STATISTIK INFERENSI Tujua : a. Mahaiwa mampu melakuka uji beda mea dua ample b. Mahaiwa mampu melakuka uji beda propori c. Mahaiwa mampu

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

Distribusi Pendekatan (Limiting Distributions) Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

Statistika Inferensial

Statistika Inferensial Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi

Lebih terperinci

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan

REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k

Lebih terperinci

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN

ESTIMASI TITIK DAN INTERVAL KEPERCAYAAN 8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jei Peelitia Peelitia ii merupaka peelitia ekperime. Peelitia ekperime yaitu peelitia yag egaja membagkitka timbulya uatu kejadia atau keadaa, kemudia diteliti bagaimaa akibatya

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)

BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu

Lebih terperinci

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi

Pendugaan Parameter: Kasus Dua sampel saling bebas. Selisih rataan dua populasi Pedugaa Parameter: Kau Dua amel alig beba Seliih rataa dua oulai - x x.96 x x.96 x x - SAMPLING ERROR Dugaa Selag bagi µ - µ ( x x z ( x x z Formula klik diketahui ama & Syarat : & Tidak ama Formula klik

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand

Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Unand TEKIK SAMPLIG PCA SEDERHAA Hazmira Yozza Izzati Rahmi HG Jurusa Matematika FMIPA Uad Defiisi : Jika suatu cotoh berukura diambil dari suatu populasi berukura sedemikia rupa sehigga setiap kemugkia cotoh

Lebih terperinci

BAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah quasi experimental research

BAB III METODE PENELITIAN. Jenis penelitian yang digunakan adalah quasi experimental research BAB III METODE PENELITIAN A. Jei da Deai Peelitia Jei peelitia yag diguaka adalah quai experimetal reearch atau peelitia ekperime emu. Peelitia dilakuka dega cara medekripika keefektifa kelompok ekperime

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

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

STATISTIK PERTEMUAN VIII

STATISTIK PERTEMUAN VIII STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag

Lebih terperinci

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h

BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM. ) menyatakan banyaknya kejadian pada interval [ 0, n ] dan h BAB IV SEBARAN ASIMTOTIK PENDUGA DENGAN MENGGUNAKAN KERNEL SERAGAM 4.1 Peduga dega Kerel Seragam Pada bab ii diguaka peduga dega kerel eragam. Hal ii karea aya belum berail memperole ebara aimtotik dari

Lebih terperinci

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus

Ukuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus -Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

Bab II Landasan Teori

Bab II Landasan Teori Bab II adaa eori Bab ii meyajika kajia item da teori-teori yag aka medaari da diguaka dalam mecari betuk model tereduki. Beberapa hal yag aka dikaji dalam bab ii adalah item PV da beberapa teori daar yag

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman

Fisika Statistik. Jumlah SKS : 3. Oleh : Jurusan Fisika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman Fiika Statitik Jumlah SKS : 3 Oleh : Rahmawati M, S.Si., M.Si. Jurua Fiika Fakulta Matematika da Ilmu Pegetahua Alam Uiverita Mulawarma Pertemua 2 da 3 Pedahulua (Termodiamika) 2. Statitik Maxwell-Boltzma.

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:

BAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu: 4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA SISWA KELAS XI SMAN 1 KARANGPAWITAN GARUT TAHUN PELAJARAN 2011/2012

MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA SISWA KELAS XI SMAN 1 KARANGPAWITAN GARUT TAHUN PELAJARAN 2011/2012 MODEL PEMBELAJARAN DRAMA DENGAN MENGGUNAKAN TEKNIK GANTI TOKOH PADA IWA KELA XI MAN KARANGPAWITAN GARUT TAHUN PELAJARAN 0/0 EMA ROHMAWATI NPM. 0.0499 Program tudi PB Idoeia ekolah Tiggi Kegurua da Ilmu

Lebih terperinci

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA

BAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,

Lebih terperinci

Pembangkitan bilangan random (RN)

Pembangkitan bilangan random (RN) Pembagkita bilaga radom (RN) Pembagkita bilaga radom dega megguaka oftware Exel. Bilaga radom yag dibakitka dikalika dega 7 agar bia mauk rage 7. Hail embagkita ebagai berikut : No RN RN x 7.7463.8753

Lebih terperinci

p =...(2-4) Distribusi Probabilitas Empiris

p =...(2-4) Distribusi Probabilitas Empiris Ditribui Probabilita Empiri Seperti telah diketahui, bahwa ecara gari bear fugi ditribui terbagi mejadi dua jei, yaitu fugi ditribui dikrit da fugi ditribui kotiyu. Sedagka cara peghituga peluag etiap

Lebih terperinci

EKONOMI FERTILITAS. Minggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB

EKONOMI FERTILITAS. Minggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB EKONOMI FERTILITAS Miggu ke 10 DEPARTEMEN ILMU KELUARGA DAN KONSUMEN FAKULTAS EKOLOGI MANUSIA IPB 2015 1 2 PENDAHULUAN Fertilita : jumlah aak yag dilahirka hidup Ukura Fertilita: - Agka kelahira kaar (Crude

Lebih terperinci

UJI KUALITAS MINYAK GORENG BERDASARKAN INDEKS BIAS CAHAYA MENGGUNAKAN ALAT REFRAKTOMETER SEDERHANA

UJI KUALITAS MINYAK GORENG BERDASARKAN INDEKS BIAS CAHAYA MENGGUNAKAN ALAT REFRAKTOMETER SEDERHANA 48 D. R. Praetyo et al. Uji Kualita Miyak Goreg Berdaarka Idek Bia Cahaya UJI KUALITAS MINYAK GORENG BERDASARKAN INDEKS BIAS CAHAYA MENGGUNAKAN ALAT REFRAKTOMETER SEDERHANA Dody Rahayu Praetyo * Mahardika

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,

Lebih terperinci

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:

b. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut: Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

III. METODELOGI PENELITIAN

III. METODELOGI PENELITIAN III. METODELOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika, meurut Arikuto (998:73)

Lebih terperinci

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya

BAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya 5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET

BAB VII RANDOM VARIATE DISTRIBUSI DISKRET BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka

Lebih terperinci

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang

II. LANDASAN TEORI. Sampling adalah proses pengambilan atau memilih n buah elemen dari populasi yang II. LANDASAN TEORI Defiisi 2.1 Samplig Samplig adalah proses pegambila atau memilih buah eleme dari populasi yag berukura N (Lohr, 1999). Dalam melakuka samplig, terdapat teori dasar yag disebut teori

Lebih terperinci