UJI ROBUST T 2 -HOTELLING DENGAN MENGGUNAKAN PENDUGA MINIMUM COVARIANCE DETERMINANT AINI TIMUR

Ukuran: px
Mulai penontonan dengan halaman:

Download "UJI ROBUST T 2 -HOTELLING DENGAN MENGGUNAKAN PENDUGA MINIMUM COVARIANCE DETERMINANT AINI TIMUR"

Transkripsi

1 UJI OBUST T -HOTELLING DENGAN MENGGUNAKAN PENDUGA MINIMUM COVAIANCE DETEMINANT AINI TIMU DEPATEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PETANIAN BOGO BOGO

2 ABSTACT AINI TIMU A obust Hotellg s T Test Usg Mmum Covarace Determat Estmator Suervsed by I WAYAN MANGKU ad SISWANDI Hotellg s T statstc s a good statstc for ferece about the mea of a multvarate ormal oulato I Hotellg s T statstc, aroxmato wth Boferro cofdece tervals rovdes shorter terval tha T cofdece tervals Therefore, to fd the mea of a multvarate ormal oulato, smultaeous t-tervals based o the Boferro method s ofte aled However, hyothess test ad cofdece tervals based o T statstc ca be sgfcatly affected by outlers a set of multvarate ormal data Therefore, to fd a good estmator for the mea of a multvarate ormal oulato, the Mmum Covarace Determat (MCD estmator s used To crease the effcecy of the MCD estmator, ths test statstc s aled usg the reweghted MCD whch gves weghts to the mea ad covarace based o the robust of the observatos

3 ABSTAK AINI TIMU U obust T -Hotellg dega Megguaka Peduga Mmum Covarace Determat Dbmbg oleh I WAYAN MANGKU da SISWANDI Statstk T -Hotellg meruaka statstk yag teat utuk dguaka dalam meark kesmula tetag usat oulas ormal gada Pada statstk T -Hotellg, edekata dega selag keercayaa Boferro meghaslka selag yag lebh semt dbadgka dega selag keercayaa T Oleh karea tu, dalam meetuka usat oulas ormal gada selag smulta lebh serg ddasarka ada metode Boferro Namu, u hotess da selag keercayaa berdasarka statstk T daat degaruh secara sgfka dega adaya ecla yag terdaat dalam data ormal gada Oleh karea tu, utuk meetuka eduga usat oulas ormal gada yag bak dguaka eduga Mmum Covarace Determat (MCD yag taha terhada ecla Utuk megkatka efses dar eduga MCD, dalam u statstk dguaka reweghted MCD, yatu dega meghtug bobot utuk la rata-rata da ragam yag ddasarka ada arak robust dar egamata

4 UJI OBUST T -HOTELLING DENGAN MENGGUNAKAN PENDUGA MINIMUM COVAIANCE DETEMINANT Skrs sebaga salah satu syarat utuk memeroleh gelar Saraa Sas ada Dearteme Matematka Oleh : AINI TIMU G DEPATEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PETANIAN BOGO BOGO

5 Judul : U obust T -Hotellg dega Megguaka Peduga Mmum Covarace Determat Nama : A Tmur NP : G Meyetuu, Pembmbg I Pembmbg II Dr Ir I Waya Magku, MSc Drs Sswad, MS NIP NIP Megetahu, Ketua Dearteme Matematka Dr Berla Setawaty, MS NIP Taggal Lulus :

6 IWAYAT HIDUP Peuls dlahrka d Jakarta ada Agustus 989 sebaga aak bugsu dar tga bersaudara, aak dar asaga Nurdaya da Sutarm Tahu euls lulus dar SDN Paraat 3 Karawac Tahu 3 euls lulus dar SLTPN 6 Tagerag Tahu 6 euls lulus dar SMAN 8 Tagerag da ada tahu yag sama lulus seleks masuk IPB melalu alur Ua Sarga Masuk IPB (USMI Tahu 7 euls memlh Jurusa Matematka, Fakultas Matematka da Ilmu Pegetahua Alam Selama megkut erkulaha, euls mead asste dose mata kulah Kalkulus II ada tahu aara 8/9, asste dose mata kulah Persamaa Dferesal Basa ada tahu aara 8/9, asste dose mata kulah Persamaa dferesal Parsal ada tahu 9/, da asste mata kulah Pegatar Teor Peluag ada tahu 9/ Peuls uga aktf ada kegata kemahasswaa Gumatka (Gugus Mahasswa Matematka sebaga staf Dearteme kelmua erode 8/9 Sela tu, euls uga terlbat dalam beberaa kegata, atara la Koordator Kesekretarata Matematka a 8, Aggota Tm Khusus Try Out SPMB se-bogor 8, Peserta Olmade Matematka Nasoal Tgkat Mahasswa 9

7 KATA PENGANTA Pu da syukur euls aatka keada Allah SWT atas segala rahmat da karua-nya serta shalawat da salam keada Nab Muhammad SAW sehgga karya lmah berhasl dselesaka Peyusua karya lmah uga tdak leas dar batua berbaga hak Utuk tu euls megucaka terma kash yag sebesar-besarya keada: Dr Ir I Waya Magku, MSc selaku dose embmbg I (terma kash atas semua lmu, kesabara, motvas, da batuaya selama eulsa skrs Drs Sswad, MS selaku dose embmbg II (terma kash atas semua lmu, sara, da motvasya 3 Dr Ir Edar Hasafah Nugraha, MS selaku dose egu (terma kash atas semua lmu da saraya 4 Semua dose Dearteme Matematka (terma kash atas semua lmu yag telah dberka 5 Bu Sus, Bu Ade, Pak Yoo, Mas Boo, Mas Her, da Mas De 6 Keluargaku tercta: Baak da Mamah (terma kash atas doa, dukuga, kesabara, keercayaa, da kash sayagya, Kakak-kakakku; Mba Da&Mas Tatt, Mas Day&Mba Sar (terma kash atas doa, dukuga, kash sayg, da motvasya, da keoakkaku, Keze, Kayla, da Javas (kala lucu baget! da semua saudara-saudaraku serta akle da bude (terma kash atas doaya 7 adhta S Putra (terma kash atas doa, dukuga, kesabara, keercayaa, eruaga, da kash sayagya selama, semoga teta ad yag terbak bag drku da keluarga yag telah memberka dukuga, doa, da kash sayagya 8 Sahabatku Astra Syam (terma kash atas doa, motvas, dukuga, semagat, eruaga bak susah mauu seag, da kebersamaaya selama Tema-tema alum SMAN 8 Tagerag: setyo, sad, der, salma, sela, ma, hedra, desmo, zero, deky, a, da laya (terma kash atas doa, dukuga, motvas, semagat da kebersamaaya, serta tematema -gakure squad (terma kash atas doaya 9 Tema-tema satu bmbga: Kabl, Ndya, Sur, Putr, Destya (terma kash atas doa, dukuga, batua, da motvasya Tema-tema matematka 4 : ka acuy, ka ages, ka ayeeb, ka ayu, ka achy, ka de-de, ka dawa, ka erl, ka fachr, ka hkme, ka ha-ha, ka du, ka le, ka ut, ka ae, ka mocco, ka ke, ka yoma, ka vo, ka oby, ka rcke, ka tt, ka vera, ka waro, da laya (terma kash atas batua da dukugaya Tema-tema matematka 43 : ar, tam, cohy, suc, vera, wra, marge, farda, a, ras, ftra, faar, qe, resty, ee, adrew, ercha, ace, sabar, arf, arum, sr, agug, subro, gad, emta, ecka, rata, la, la, albra, adam, bertra, davd, des, obo, dw, dad, elly, fazal, fazul, hedra, rsyad, syahrul, cc, au, maraug, razo, el, rzk s, sed, arsh, zul, da laya (terma kash kawa atas doa, dukuga, batua, da kebersamaaya Tema-tema matematka 44 : ruhyat, ayu, rrh, wet, rachma, melo, ayum, sr, ayug, ma, faar, deda, della, ad, tyas, am, yam, da laya (terma kash atas dukugaya 3 Tema-tema kosa seeruaga : Adaleb (suc, la, ar, smaw, rma, mesl da tematema terma kash atas kebersamaa da dukugaya WJ house (sa, terma kash buat semagat, doa, dukuga, da motvasya selama, Wsma Padasuka (tema-tema math, ta, vera, eml, elv, da laya terma kash atas kebersamaa da doaya 4 Tema-tema laya yag telah medukug selama, bak morl mauu materl Semoga karya lmah daat bermafaat bag dua lmu egetahua khususya Matematka da mead sras bag eelta-eelta selautya Bogor, Maret A Tmur

8 DAFTA ISI Halama DAFTA ISI v DAFTA LAMPIAN v DAFTA TABEL v DAFTA GAMBA v PENDAHULUAN Latar Belakag Tuua LANDASAN TEOI uag Cotoh, Keada, da Peluag Peubah Acak da Fugs Sebara Matrks da Vektor 3 Nla Haraa da agam 4 Sebara Normal Gada 5 T -Hotellg 6 Beberaa Defs da Lema Teks 6 HASIL DAN PEMBAHASAN Dugaa Nla µ utuk Nla Tegah Poulas Normal 7 Metode Pembadga Bergada Boferro 9 Pedugaa Determa Kovara Mmum Statstk obust T Cotoh Kasus 6 KESIMPULAN DAFTA PUSTAKA LAMPIAN 4 v

9 DAFTA LAMPIAN Halama Peabara Teks Defs 4 Pembukta Lema 5 Pembukta Lema 8 Pembukta Lema 3 9 Pembukta Lema 4 da Lema 5 3 Pembukta Lema 7, Lema 8, da Lema 9 3 Pembukta Lema da Lema 33 Pembukta Dugaa Nla m da c 34 Smulas Cotoh Kasus 35 DAFTA TABEL Halama Tabel Daftar Nla k utuk Beberaa Dmes 4 Tabel Seuluh Perusahaa Idustr Terbesar d Amerka 6 Tabel 3 Selag Keercayaa T da Selag Keercayaa Boferro 6 d da q 7 Tabel 4 Kuadrat arak ( Tabel 5 Kuadrat Jarak ada H ( d ( H, lalu Durutka dar Terkecl ( ( d H 9 Tabel 6 Pembobot ada eweghted MCD 9 Tabel 7 Selag Keercayaa T,Selag Keercayaa Boferro, da Selag Keercayaa eweghted MCD DAFTA GAMBA Halama Gambar Plot Pecara (scatter lot q da d 7 Gambar Matrx Plot atar Peubah Peelas 8 Gambar 3 Plot Hasl Pegua Keormala Ssaa 8 v

10 PENDAHULUAN Latar Belakag Dalam earka kesmula suatu oulas ada dsl lmu statstka daurka utuk megguaka suatu hotess Hotess statstka meruaka eryataa atau dugaa megea satu atau lebh oulas Bear atau salahya suatu hotess tdak aka erah dketahu dega ast, kecual bla harus memerksa seluruh oulas Hal tu tdak mugk daat dlakuka dkareaka sumber daya terbatas, waktu yag terseda terbatas, da mustahl utuk megamat seluruh aggota oulas Oleh karea tu, utuk memerksaya daat dambl suatu cotoh acak dar oulas tersebut da megguaka formas yag ada utuk memutuska hotess tersebut adalah bear atau salah Pada tulsa dka earka kesmula tetag usat oulas ormal gada T -Hotellg meruaka statstk yag teat utuk dguaka Namu, u hotess da selag keercayaa berdasarka statstk daat degaruh dega adaya ecla Oleh karea tu, ddetfkas alteratf tekk earka kesmula dega megguaka eduga Mmum Covarace Determat (MCD Peduga MCD bag la ragam cotoh yag deroleh dar subhmua data berukura h yag memlk la determa matrks kovara terkecl aka meghaslka efses yag lebh redah Utuk tu dguaka reweghted MCD yag memuya efses yag lebh tgg yatu dega meghtug bobot utuk la rata-rata da ragam Hasl aroksmas lebh akurat darada statstk T -Hotellg (Wllems et al Utuk memberka gambara yag lebh elas, dalam tulsa dberka ula cotoh kasus eetua usat oulas ormal gada Tuua Tuua eulsa karya lmah adalah utuk : Megdetfkas edekata yag bak utuk meemuka usat oulas ormal gada Membadgka aroksmas yag akurat dalam earka kesmula usat oulas ormal gada dega statstk T - Hotellg dega eduga Mmum Covarace Determat (MCD LANDASAN TEOI uag Cotoh, Keada, da Peluag Suatu ercobaa yag daat dulag dalam kods yag sama, yag haslya tdak daat dredks secara teat teta daat dketahu semua kemugka hasl yag mucul dsebut ercobaa acak Defs (uag cotoh uag cotoh adalah hmua semua hasl yag mugk dar suatu ercobaa acak, da dotaska dega Ω (Grmmett ad Strzaker 99 Defs (Keada Keada adalah suatu hmua baga dar ruag cotoh Ω (Grmmett ad Strzaker 99 Defs 3 (Keada leas Keada A da B dsebut salg leas ka rsa dar keduaya adalah hmua kosog (Ø (Grmmett ad Strzaker 99 Defs 4 (Meda-σ Meda-σ adalah suatu hmua F yag aggotaya terdr atas hmua baga ruag cotoh Ω, yag memeuh syarat berkut: φ F Jka A, A, F maka A F c Jka A F maka A F (Grmmett ad Strzaker 99

11 Defs 5 (Ukura eluag Msalka Ω adalah ruag cotoh dar suatu ercobaa da F adalah meda-σ ada Ω Suatu fugs P yag memetaka usur-usur F ke hmua blaga yata, atau P : F dsebut ukura eluag ka : P tak egatf, yatu utuk seta A F, P(A P bersfat adtf tak hgga, yatu ka A, A, F, dega A A φ, k, k maka P A P ( A 3 P(Ω Pasaga (Ω,F, P dsebut ruag ukura eluag atau ruag robabltas (Hogg et al 5 Defs 6 (Keada salg bebas Keada A da B dkataka salg bebas ka : P(A B P(AP(B Secara umum, hmua keada { A, I } dkataka salg bebas ka: P A J J P( A utuk seta hmua baga J dar I (Grmmett ad Strzaker 99 Peubah Acak da Fugs Sebara Defs 7 (Peubah acak Msalka Ω adalah ruag cotoh dar suatu ercobaa acak Fugs yag terdefs ada Ω yag memetaka seta usur ω Ω ke satu da haya satu blaga real ( ω x dsebut eubah acak uag dar adalah hmua baga { x : x ω, ω Ω } blaga real A ( (Hogg et al 5 Peubah acak dotaska dega huruf katal seert, Y, Z Sedagka la eubah acak dotaska dega huruf kecl seert x, y, da z Seta eubah acak memlk fugs sebara Defs 8 (Fugs sebara Msalka adalah eubah acak dega ruag A Msalka keada A (, x] A, maka eluag dar keada A adalah ( A P ( x F ( x Fugs F dsebut fugs sebara dar eubah acak (Hogg et al 5 Defs 9 (Peubah acak dskret Peubah acak dkataka dskret ka semua hmua la dar eubah acak tersebut meruaka hmua tercacah (Hogg et al 5 Defs (Fugs massa eluag Fugs massa eluag dar eubah acak dskret adalah fugs : [,], yag dberka oleh: ( x P( x (Hogg et al 5 Defs (Fugs tertegralka lokal Fugs testas λ adalah tertegralka lokal, ka utuk sembarag hmua Borel terbatas B deroleh µ ( B λ( s ds< B (Dudley 989 Defs (Peubah acak kotu Peubah acak dkataka kotu ka ada fugs f sehgga fugs sebara F daat dyataka sebaga : F ( x x f (u du, x, dega f : [, adalah fugs yag tertegralka lokal Fugs f dsebut fugs keekata eluag bag eubah acak (Grmmett ad Strzaker 99 Defs 3 (Peubah acak ormal Peubah acak kotu dsebut meyebar Normal dega la haraa µ da ragam σ, aabla fugs keekata eluagya dberka oleh

12 3 f ( x ( x µ ex, < x< σ π σ (Grmmett ad Strzaker 99 Defs 4 (Peubah acak kh-kuadrat (chsquare Peubah acak kotu dsebut meyebar kh-kuadrat dega deraat bebas r, aabla fugs keekata eluagya dberka oleh x r e x, x> r f ( ( r x Γ, selaya (Hogg et al 5 Defs 5 (Sebara F Peubah acak kotu dsebut meyebar F dega arameter r da r, aabla fugs keekata eluagya dberka oleh r r + r r Γ r r x r+ r f ( x r, x r > Γ Γ r x + r, selaya (Hogg et al 5 Defs 6 (Nla haraa Msalka adalah eubah acak dskret x Nla dega fugs massa eluag ( haraa dar, dotaska dega E(, adalah ( ( E x x x (Hogg et al 5 Defs 7 (agam Msalka adalah eubah acak dskret x da la dega fugs massa eluag ( haraa E( Maka ragam dar, dotaska dega Var ( atau σ, adalah (( ( ( ( ( σ E E x x E x x (Hogg et al 5 Matrks da Vektor Defs 8 (Vektor da matrks acak Vektor acak adalah vektor yag aggotaya meruaka eubah acak Matrks acak adalah matrks yag aggotaya meruaka eubah acak (Johso ad Wcher 998 Defs 9 (Kedefta matrks Msalka A matrks berukura x Maka A dkataka: Semdeft ostf ka yay, utuk seta y, Deft ostf ka yay>, utuk seta y, y, Semdeft egatf ka yay, utuk seta y, Deft egatf ka yay<, utuk seta y, y, Tak deft ka yay>, utuk suatu y y, da yag la yay<, utuk suatu (Syma 5 Defs (Akar kuadrat matrks Msalka A adalah matrks deft ostf yag berukura kxk Matrks A daat dtuls k A λ e e dega λ adalah la ege ke- da e adalah vektor ege ke- ; e e, P Msalka [ e e e ],,, maka k k ( kxk λ e ( e ( kx xk ( kxk ( kxk ( kxk A P Λ P dega PP P P I da Λ adalah matrks dagoal, λ λ dega λ > Λ ( kxk λk k - A ( kxk e ( e kx ( xk P( kxk Λ ( kxk P ( kxk λ

13 4 karea - PΛ P PΛP PΛP - PΛ P PP I ( ( Berdasarka eabara d atas A k / ( λ e ( e kxk kx ( xk / ( kxk ( kxk ( kxk P Λ P Nla Haraa da agam (Johso ad Wcher 998 Defs (Nla haraa vektor da matrks acak Nla haraa dar matrks acak (atau vektor acak adalah matrks (vektor yag terdr dar la haraa dar masg-masg aggotaya Nla haraa dar eubah acak, dotaska E( Msalka { x } adalah matrks acak berukura x maka la haraa E( adalah E( E( E( E( E( E( E( E( E( E( E( µ E( µ µ E( µ (Johso ad Wcher 998 Defs (Matrks koragam Matrks koragam (covara dar dtuls Σ atau Cov( adalah matrks yag aggotaaggotaya adalah cov( x, x, utuk ( σ, ad var( x, utuk ( σ σ σ σ σ σ Cov( dega Σ σ σ σ Σ - µ - µ E( ( (Johso ad Wcher 998 Defs 3 (Matrks koragam cotoh Matrks koragam cotoh eubah tuggal berukura adalah S S S S S S S S S S ( x x ( x x ( x x ( x x ( x x ( x x (Johso ad Wcher 998 Defs 4 (Vektor rataa cotoh Vektor rataa dsebut vektor rataa cotoh ka xr,,,, adalah rataa r cotoh eubah tuggal (Johso ad Wcher 998 Lema Msalka,, adalah gabuga sebara dar cotoh acak dega vektor la tegah µ dar matrks koragam Σ, maka adalah eduga tak bas dar µ, da matrks koragam dar adalah Σ Jad E ( µ (vektor la tegah oulas Cov( Σ (matrks koragam oulas dbag dega ukura cotoh Utuk matrks koragam cotoh S E( S Σ Σ Σ Karea E( S Σ maka S adalah eduga tak bas dar Σ (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra

14 5 Lema (Vektor la haraa da ragam kombas lear eubah acak Jka eubah acak tuggal dkalka E c cµ dega suatu kostata c maka ( da ( Var c c σ Utuk kombas lear dar E Var c c Σc ( c c µ da ( c memuya (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 3 Lema 3 Jka ~ N ( µ, Σ maka utuk seta kombas lear dar eubah A a + a + + a memlk sebara N( Aµ, AΣA (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 4 Sebara Normal Gada Lema 4 Jka da ( q x ( q x da masg-masg meyebar da adalah salg bebas N N ( ( µ, Σ q maka ( ( µ, Σ q memlk sebara ormal gada µ Σ N q, + q µ Σ (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 5 Lema 5 Msalka meyebar N (, Σ > Maka : - a ( - µ Σ ( µ Σ dega - µ meyebar χ, dega χ meyataka sebara chsquare dega deraar bebas b Sebara N ( µ, Σ memberka eluag α, { x :( x - µ Σ - ( x - µ χ ( α } χ α meyataka ( α dega ( ercetle dar sebara χ (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 5 Lema 6 (Teorema lmt usat Msalka,,, adalah eubah yag salg bebas dar suatu oulas dega la haraa µ da matrks koragam Σ, maka ( - µ memuya sebara N (, Σ utuk cotoh ( yag berukura besar (Johso ad Wcher 998 Bukt : daat dlhat ada Aderso 984 Defs 5 (Pemerksaa Normal Gada Salah satu arak terbobot yag umum dguaka dalam aalss eubah gada adalah arak Mahalaobs Jarak Mahalaobs daat dlakuka egua utuk memerksa ormal gada sela dega lot ch-square U hotess utuk memerksa ormal gada yatu : H data meyebar ormal gada H data tdak meyebar ormal gada U megguaka statstk u arak mahalaobs d ( x x S ( x x d arak mahalaobs ke- x vektor kolom yag bers la egamata ke- x vektor kolom yag bers la rataa S verse matrks koragam d d d da adalah,,, ( bayakya varabel yag dguaka yag dbadgka dega la kebalka eluag kumulatf sebara ch-square dega deraat bebas da taraf yata sebesar α, yatu Jka d < χ ( α table, maka H dterma ( Jka d χ ( α > table, maka ( H dtolak (Krzaowsk 988

15 6 T -Hotellg Defs 6 (T -Hotellg Jka α daat ddefska sebaga m d M - d dega d da M adalah salg bebas yag N,I da W ( I, m secara meyebar ( berturut-turut maka daat dkataka α memuya sebara T -Hotellg dega arameter da m daat dtuls α ~ T (, m (Marda et al 979 Lema 7 (Sebara T -Hotellg Jka da M adalah salg bebas yag N W Σ, m secara meyebar ( µ, da ( berturut-turut maka - m( - µ M ( - µ ~ (, T m (Marda et al 979 Bukt : daat dlhat ada Lamra 6 Lema 8 m T (, m F, m + m (Marda et al 979 Bukt : daat dlhat ada Lamra 6 Beberaa Defs da Lema Teks Defs 7 (Jarak vektor devas Jarak kuadrat vektor devas adalah ( x x Ld dd da ( x x ( x x Ld, d k k k k d d (Johso ad Wcher 998 Defs 8 (Sebara wshart Jka M adalah matrks berukura sehgga matks M dega x, ( mx adalah matrks data yag meyebar N (, Σ maka matrks M memuya sebara W( Σ, m Ketka Σ I, maka sebara dkataka betuk stadar (Marda et al 979 Lema 9 Msalka M ~ W (, m matrks berukura B MB ~ Wq(, m B ΣB Σ da B adalah xq maka (Marda et al 979 Bukt : daat dlhat ada Lamra 6 Lema (Ketaksamaa Cauchy-Schwarz Msalka b da ( x d adalah vektor ( x berukura x maka ( b d b bd d dega b cd atau d cb utuk c adalah suatu kostata (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 7 Lema (Perluasa Ketaksamaa Cauchy- Schwarz Msalka b ( x da x da msalka d ( x adalah vektor berukura B ( x adalah matrks deft ostf maka ( b d ( b b( d d B B dega b cb d atau d cb b utuk c adalah suatu kostata (Johso ad Wcher 998 Bukt : daat dlhat ada Lamra 7

16 7 HASIL DAN PEMBAHASAN Dugaa Nla µ utuk Nla Tegah Poulas Normal Pada Kasus eubah tuggal, egua suatu oulas aakah memuya la tegah sebesar µ atau tdak, daat drumuska melalu hotesa berkut: H : µ µ vs H : µ µ dega H hotess ol (hotess awal megea µ adalah la tegah oulas yag sebearya H hotess alteratf Aabla,,, adalah cotoh acak dar suatu oulas yag meyebar ormal, maka u statstk yag dguaka utuk megu hotess tersebut adalah µ t dega da s s ( U statstk t meyebar t-studet dega deraat bebas Jka t melebh t ( α ( >, maka tolak H sehgga ( P t t α α Peolaka H ketka la t lebh besar dar t ( α adalah seada dega eolaka H aabla la sebara t dkuadratka ( ( µ ( ( µ µ t s s lebh besar dar t ( α taraf yataα ka ( Jad, tolak H ada ( ( µ ( µ ( s > t α ( Aabla H tdak dtolak daat dsmulka bahwa belum bukt utuk meymulka µ buka la tegah oulas tersebut Utuk la µ la bag la tegah oulas tersebut daat ddetfkas dega selag keercayaa bag µ yatu (terma H : µ µ ada taraf yata (α atau ( t ( α s µ sama halya dega µ terletak ada selag α %, keercayaa ( ( α s ( α s µ ( α ± t atau s t + t (3 Selag keercayaa tersebut memuat semua la µ yag tdak dtolak H : µ µ ada taraf yata α Utuk meetuka vektor µ yag berukura x adalah la rata-rata dar sebara ormal gada dega adalah bayakya eubah bebas, maka daat deroleh dar erluasa ersamaa ( T S ( - µ ( - µ dega - ( - µ S ( - µ ( x, (4 S( ( ( x da µ µ µ ( x µ Statstk T damaka sebaga T - Hotellg, sebab Harold Hotellg sebaga eloor dalam aalss eubah gada yag ertama kal memerkealka sebara cotoh dega S adalah eduga matrks koragam dar (Johso da Wcher 998 Jka la T htug terlalu besar, yatu melebh egua formal hotess tersebut (ka terlalu auh dar µ maka hotess H : µ µ d tolak Aka teta,

17 8 tdak derluka tabel T utuk egua formal hotess tersebut karea T meyebar ( F (5, ( (berdasarka Lema 8, dega F, meruaka eubah acak yag meyebar F dega deraat bebas da Msalka,,, adalah cotoh acak dar suatu oulas ormal gada N µ, Σ dega ( ( x, S( ( ( x maka ( ( α PT > F, ( α ( P( - µ S ( - µ > F, ( α ( (6 Sehgga ada egua hotess H : µ µ vs H : µ µ ada taraf yata α, H dtolak aabla la ( ( ( ( T > F, ( α - µ S - µ (7 Secara teor, sebara Wshart meruaka geeralsas dar sebara kh kuadrat, sehgga T ( - µ ( ( ( - µ yag meggabugka vektor acak ormal, W N ( Σ da matrks acak Wshart ( dalam betuk T,, Σ vektor _ acak matrks _ acak _ wshart vektor _ acak ormal _g ada deraat _ bebas ormal _g ada (, Σ, ( Σ (, Σ N W N umusa d atas adalah seada dega ( µ ( ( µ t s atau ( (8 _ eubah acak eubah acak kh kuadrat dskalaka eubah acak t ormal deraat _ bebas ormal utuk kasus eubah tuggal T Salah satu sfat dar statstk adalah bahwa statstk tdak berubah aabla satua egukura eubah dubah mead betuk Y( C( x x ( x + d dega ( x C adalah matrks osgular ( x (9 Msalka dketahu x, x,, x maka deroleh y Cx + d da ( (, S y y - y y - y CSC Berdasarka Lema µ y E( Y E( C + d E( C + E( d Cµ + d Sehgga, T yag dhtug dar Y da suatu la hotess µ y Cµ + d adalah T, - ( y - µ y Sy ( y - µ y - ( x - µ C ( CSC C( x - µ ( x - µ C ( C S C C( x - µ ( ( x - µ S x - µ Hasl tersebut meuukka bahwa dhtug dar T Daerah keercayaa ada T - Hotellg, adalah ( x - µ ( c S x - µ dega c adalah suatu kostata yag secara teat memberka formas yag berkata dega kemugka la bag µ Msalka memlk sebara N ( membetuk kombas lear Z a a + a + + a sehgga memlk sebara ( µ, Σ da N a µ,aσa berdasarka Lema 3 Selag keercayaa smulta daat d betuk dar eyusua selag keercayaa ( α % bag µ z a µ utuk berbaga la a yag ddasarka ada statstk ( a x a µ z µ z t, sehgga sz / a Sa sz sz z t ( α / µ z z + t ( α / atau a Sa a x a µ a x t + ( α / t ( α / a Sa (

18 9 Pedekata megabaka struktur koragam dar eubah, sehgga s x t x + t ( α / µ ( α / s x t x + t ( α / µ ( α / s s s s x t ( α / µ x + t ( α / ( Sebaga lustras, dega a [ ] maka a µ µ da a Sa s Utuk beberaa eryataa selag keercayaa tetag komoe µ, µ,, µ dega masgmasg koefse keercayaa α, dega memlh koefse yag berbeda utuk vektor a Namu, keercayaa yag berkata dega semua eryataa tersebut tdak sama dega α karea egamata ada eubah ertama bebas dega egamata ada eubah kedua, da seterusya Daat dlhat ada kasus khusus dega egamataegamata memlk sebara bersama da σ σ, sehgga Σ σ P[ semua selag t ada ( mecaku µ ] ( α( α ( α ( α Utuk meam eluag α berlaku utuk semua eryataa tetag komoe la tegah secara smulta maka masg-masg selag harus lebh lebar dbadgka dega yag dsusu dar oe at a tme t method (satu selag t sekalgus yag lebar selag tu aka tergatug ada,, da α ( a x a µ seada dega t t ( α a Sa / ( a x a µ ( a ( x µ t t ( α / a Sa a Sa ( Suatu daerah keercayaa yag dberka oleh a µ dega t relatf kecl darada t ( α utuk semua lha a Dharaka kostata t ( α ada ( dgat dega la lebh / besar yatu c bla eryataa dbuat utuk bayak lha a Dega meetuka la a maka t c, ( ( max t max a x µ a Sa berdasarka Lema aka deroleh ( ( a x µ ( ( max a x µ max a Sa a Sa x µ S x µ T ( ( (3 Berdasarka ersamaa (3 T x µ S x µ c dyataka dalam ( ( ( a x a µ a Sa c a Sa a x c a µ a x+ c utuk seta a, atau a Sa Dega memlh ( c ( utuk seta a F, ( α ada ersamaa (7 aka deroleh terval yag memuat a µ utuk seta a dega eluag α P T c Maka utuk keseluruha a secara smulta utuk selag T meghaslka kesmula ( s ( s x F, ( α µ x + F, ( α ( ( ( ( ( ( s ( ( α µ ( α ( s x F, x + F, ( ( s x F, ( α µ x + F ( α s, (4 Metode Pembadga Bergada Boferro (The Boferro Method of Multle Comarsos Utuk medaatka selag keercayaa yag lebh bak dbadgka dega selag keercayaa smulta T ada kombas lear a µ a µ + a µ + + a µ daat dsusu selag keercayaa yag lebh semt Metode alteratf utuk embadga bergada damaka sebaga metode Boferro dkareaka metode dsusu berdasarka ertdaksamaa eluag Boferro Msalka C meuukka eryataa dega keercayaa la a µ

19 [ bear] α, dega,,, [ semua bear] [ alg tdak satu salah ] P C P C P C [ ] ( P[ C ] P C salah bear ( α α α (5 Pertdaksamaa (5 adalah kasus khusus dar ertdaksamaa Boferro utuk megotrol keseluruha tgkat kesalaha α + α + + α dega selag keercayaa t ada (, α x t α α / ± s,,,, dega Karea α s P x ± t α /,,,, maka dar ersamaa (5, α s α α α Px ± t α sebayak Utuk tu, dega semua tgkat keercayaa lebh besar atau sama dega α adalah α s α s x t µ x + t α s α s x t µ x + t α s α x t µ x + t s (6 Pedugaa Determa Kovara Mmum (Mmum Covarace Determat Estmator Msalka terdaat eubah eelas (,,, Jka terdaat ecla dalam data maka utuk meduga la tegah oulas ada ersamaa (4 derluka eduga robust utuk meduga la rata-rata S Dalam hal, metode ( da ragam ( robust yag dguaka adalah Mmum Covarace Determat (MCD MCD mecar hmua baga yag berukura h dar x, x,, x ;,, da,,, { } yag matrks kovaraya memuya determa yag terkecl dega ( + + h, h Namu, ka dyak kurag dar 5% data yag deroleh megadug ecla (terkotamas maka daat dguaka h [ 75] (ousseeuw da Dresse, 999 * * MCD ( TJ, CJ dega * J m det CJ, # J meyataka J {,,, } # J h umlah dar aggota ada hmua J Utuk meduga usat (ceter ddefska sebaga la rata-rata dar dugaa tersebut, yatu T * J x h J (7 da utuk meduga ragam adalah * * * C x T x T ( ( J J J h J (8 Adau lagkah-lagkah algortma yag dguaka utuk meyusu eduga MCD, yatu x, x,, x, Agga { } msalka H {,, } dega # H h Temuka T da H C H (ka ( H det C maka tambahka amata sela amata yag megadug ecla ke dalam subhmua H sama deroleh ( H det C Htuglah arak ( ( d x T C x T da H H H H lakuka eguruta dar yag terkecl hgga terbesar d π, d π,, d π H ( ( ( ( ( ( H H Deroleh H : { π (, π (,, π ( h } kemuda htuglah berdasarka ada H T da H C H

20 Aka dketahu det( CH det( C H aabla det( CH det( CH maka T T da C H H C H H Utuk megkatka efses dar MCD, dhtug dega reweghted MCD Peduga reweghted utuk bobot la rata-rata adalah T ( ( w d ( ( w d (9 da eduga reweghted utuk bobot ragam adalah w( d( ( T ( T C c δ ( dega c δ ( ( w d ( ( w d δ, q δ F χ + ( q δ χ δ ( χ,975, ka d, selaya ( dega * * * d( ( TJ ( CJ ( TJ, adalah arak robust dar egamata * * berdasarka ada eduga MCD ( J, J T T C Statstk obust Utuk memeroleh tekk earka kesmula robust utuk la tegah sebara ormal gada daat deroleh dega meggat eduga klask dalam T -Hotellg dega eduga reweghted MCD Utuk N µ,, dega cotoh berukura dar ( sebara T -Hotellg klask dberka sebaga berkut : T ( - µ S ( - µ ~( F, ( ( α Terdaat tga sfat dar sebara, yatu a ~ N µ, Σ W Σ, b ( S ~ ( (Sebara Wshart c da S salg bebas Bukt: a Berdasarka Teorema Jka N adalah matrks data dar ( x ( µ, Σ da memlk sebara Bukt maka N µ, Σ Berdasarka Lema E ( µ da Var( Σ Sehgga E( E( µ da Var Σ ( ( Cov,, ka Var Var Cov [ Σ + ] Σ b Dketahu bahwa da S salg bebas (lhat c maka utuk S dega ( ( + (, ( ( ( S matrks berukura x da ( matrks berukura x sehgga ( S ( ( meyebar σ χ karea ( S ~ χ Msalka σ S σ Z + σ Z + σ Z, dega ( x µ z maka berdasarka Lema 6 σ / N, σ sehgga matrks σ Z ~ ( ( S memuya matrks Σ yag σ memuya era sama ada dalam sebara Wshart dega deraat bebas berdasarka Defs 8

21 c x x x x x x x atau, dega, ( da x ( x ( x x x x x x x x x x x x x x x x x x x x x x x x x x x x ( x S x x x x x x x x x x x x x x x x x x x x x dega, x x x x da x x x x x x x x x x x x x x x maka S ( I, utuk I ( x karea + I I I I Bukt : da I I I x sebayak kal sebayak kal sebayak kal sebayak kal sebayak kal sebayak kal sebayak kal sebayak kal sebayak kal I + + +

22 3 Berdasarka eabara d atas deroleh da S I sehgga da S salg bebas Sama halya, berdasarka eduga T, C daat ddefska reweghted MCD ( sebaga u robust statstk yatu T : T µ C T µ Sebara cotoh ( ( ( dar reweghted MCD, µ da Σ tdak dketahu teta µ da Σ memuya kesamaa dega edugaa sebelumya, yatu utuk cotoh berukura dar N µ, sfat aroksmas eduga ( reweghted MCD memeuh Terdaat la k sedemka sehgga T ~ N µ, k Terdaat la m da c sedemka sehgga mc C W, m da E( C c ~ ( 3 T da C salg bebas Sfat memerkeaka utuk memeroleh aroksmas sebara F utuk T yag aalog dega sebara F utuk T -Hotellg sehgga berdasarka Lema 8 deroleh m T kc F (, m + m m da c adalah arameter berdasarka da C secara berturut-turut, arameter * J * T J da c daat dduga (ada Lamra 8 berdasarka ada Croux da Haesbroeck (999 m Taa meetuka la utuk k, m da c daat dguaka edekata yag secara lagsug yatu T df (, q yag lebh sederhaa dega haya ada dua kostata d da q yag dtetuka Faktor d da q deroleh dega mecocokka la rata-rata da ragam dar sebara T ada ersamaa (, sehgga daat deroleh aroksmas yag elas utuk sebara secara teat Oleh karea tu, utuk medaatka la d da q utuk cotoh dar N I, sebara (, q E( T d q q ( + q Var( T d ( q 4( q Dega meulska dua ersamaa sebelumya daat deroleh kostata d da q yatu q E( T d q ( ( E( T ( q E T q dq d (3 q Telah dketahu q ( + q Var( T d Dega ( q 4( q melakuka substtus E( T ( q d q sehgga deroleh T ( Var T d q q Var T ( q ( + q ( 4( ( ( ( + q ( q 4( q E T q q q

23 4 Var T ( E( T ( + q ( q 4 ( ( + q 4 Var T E T q 4 ( q 4 Var( T E( T ( + q 4 ( 4 ( ( + ( 4 ( ( ( ( ( ( q Var T Var T E T q E T E T q Var T q E T E T E T Var T q Var( T ( ( 4 ( 4 ( E T E T E T + Var T ( ( ( + Var( T E( T E T 4 E T 4 Var T q ( ( ( ( + + Var( T E( T E T 4 E T 8 E T 4 Var T ( + E( T ( E( T E T Var T E( T ( ( E( T Var T ( E( T Var T ( E( T (4 Karea la rata-rata da ragam dar sebara T tdak daat deroleh secara aaltk, sehgga aka daroksmas dega smulas Aka dtuukka bahwa hasl edekata aroksmas sagat akurat dar sebara yag sebearya Sela tu, aka dtuukka E T fugs yag memberka la utuk ( da Var( T utuk semua la da sehgga tdak derluka smulas lebh laut Telah dketahu bahwa sebara T T adalah asmtotk ormal dar T daat T µ N, k dyataka dega ( ( dega k adalah asmtotk ragam dar komoe T Asmtotk ragam dar arameter yag beregaruh terhada reweghted MCD D bawah dberka la k utuk beberaa dmes (Wllems et al Tabel Daftar la k utuk beberaa dmes k Oleh karea tu, daat dtuukka, ( µ ( ( µ T T C T kχ

24 5 sehgga tereuh ( k da Var( T E T k Selag keercayaa dar statstk (5 (6 T utuk kombas lear dar usat oulas, sama halya dega selag keercayaa ada T -Hotellg ada ersamaa (3 yatu ( a T a µ max T a C a (7 Oleh karea tu, selag keercayaa robust α % utuk kombas lear a µ ( adalah d T ± F, q, α C a a a atau d d T F ( α C µ T + F ( α C, q, q d d T F ( α C µ T + F ( α C, q, q d d T F ( α C µ T F ( α C, q +, q (8

25 6 Cotoh Kasus Tabel Seuluh Perusahaa Idustr Terbesar d Amerka Perusahaa xsales xrofts (mlo of dollars (mllos of dollars Geeral Motors 6,974 4,4 Ford 96,933 3,835 Exxo 86,656 3,5 IBM 63,438 3,758 Geeral Electrc 55,64 3,939 Mobl 5,976,89 Phl Morrs 39,69,946 Chrysler 36, Du Pot 35,9,48 Texaco 3,46,43 Sumber : Fortue 5, Fortue, (3 Arl 99 Ddaatka dar erusahaa dustr 5 43x terbesar d Amerka ada tabel d atas yag µ meyataka x adalah umlah euala 5 (dalam satua dollars da x adalah umlah 43x keutuga (dalam satua dollars Dar data tersebut deroleh 978 µ x da Jka dbadgka dega metode 973 embadga begada Boferro aka deroleh selag keercayaa smulta 9% x 5 S bag µ da µ ada ersamaa (6, yatu Aka deroleh selag keercayaa smulta s s x t ( α / µ x + t ( α / 9% bagµ da µ ada ersamaa (4, s s yatu x t ( α / µ x + t ( α /, ( s ( s x F, ( α µ x + F, ( α ( ( dega ( s ( s t α x F, ( α µ x + F, ( α ( ( t t ( 5 6 ( ( Dega ( 5 ( 5x µ, (,8( ( α ( 5 5x ( , sehgga µ µ x µ 43x µ 5 5x µ x µ Tabel 3 Selag keercayaa T da selag keercayaa Boferro Varabel Selag keercayaa T Selag keercayaa Boferro Batas bawah Batas atas Batas bawah Batas atas

26 7 Daat dsmulka bahwa selag keercayaa Boferro 9% memlk selag yag lebh semt dbadgka dega selag keercayaa T yag mecaku semua µ da µ sehgga selag Boferro berada d dalam selag T Maka seta earka feresa, selag smulta lebh serg ddasarka ada metode Boferro Selautya ddetfkas, adaya ecla atau tdak dalam data tersebut yatu dega megguaka lot ch-square Utuk membagktka lot ch square harus d yatu deroleh kuadrat arak ( d ( x x S ( x x dega,,, da q ( yag meruaka ( ( / / ercetle dar sebara ch square dega deraat bebas, sehgga (( q / χ + / Sehgga terlebh dahulu durutka kuadrat arak dar yag terkecl hgga terbesar d d d lalu buat lot ( q, d Tabel 4 Kuadrat arak ( J Perusahaa d d da q q Exxo,5945, Du Pot,865,33 3 IBM,8956,58 4 Texaco,97356,86 5 Mobl,86, 6 Phl Morrs,356,6 7 Ford,9886, 8 Geeral Electrc,8794,77 9 Geeral Motors 4,3497 3,79 Chrysler 5,3337 5,99 Keteraga: egamata aka meyebar ormal ka d χ ( sesua dega arak Mahalaobs ada Defs 5 Pada data tersebut terdaat satu data yag d luar kotor (ecla atau sektar % data terkotamas karea χ ( 46 atau daat uga dlhat ada scatter lot ( q d, Gambar Plot ecara (scatter lot q da d 6 Scatterlot of d vs q 5 4 d 3 3 q Terlhat ada scatter lot (, q d, tebara ttk dega betuk medekat gars lurus sehgga data eubah gada tersebut meyebar ormal gada (Johso da Wcher, 999 Pada matrx lot dbawah terlhat ola hubuga atara seta asaga eubah, yatu atara x da x

27 8 Gambar Matrx Plot atar eubah eelas Matrx Plot x da x 3 4 xsales (mlo of dollars xrofts(mllos of dollars Gambar 3 Plot hasl egua keormala ssaa Probablty Plot of ESI Normal Percet Mea -4,885E-6 StDev,53 N KS,45 P-Value >,5 5 -,5 -, -,5, ESI,5, Karea terdaat ecla, yatu ada Chrysler, maka dguaka eduga robust dalam hal dguaka MCD utuk meaggulaggya Data tersebut terdr dar x, x,, x ;,, da, { } yag matrks kovaraya memuya determa yag terkecl dega ( + + h, h, sehgga * * MCD T, C Namu dyak data yag ( J J deroleh megadug % (kurag dar 5% ecla maka daat dguaka h 75 (ousseeuw da Dresse 999 [ ] [ ] h 75 75x 75 7 T x da * J h J C x T x T ( ( * * * J J J h J maka deroleh la haraa da ragam yag ddasarka ada h, yag selautya dguaka reweghted MCD yag ddasarka ada ( d ( H da ( ( d H

28 9 Tabel 5 Kuadrat arak ada H ( d ( H, lalu durutka dar terkecl ( d ( H J Perusahaa sales rofts d d ( H J Perusahaa d ( H Exxo , Du Pot 975 Du Pot , Texaco IBM , Phls 354 Morrs 4 Texaco , Exxo Mobl , IBM Phl , Ford 734 Morrs 7 Ford , Mobl Geeral , Geeral Electrc Electrcs 9 Geeral , Geeral 88 Motors Motors Chrysler , Chrysler 333 Aka dlh yag memlk matrks kovara dega determa terkecl T H C H da x 5, deroleh ( H det C 3688x T H C H da x 5, deroleh ( H det C 3688x sehgga det( CH det( C H * * MCD ( TH, CH ( TH, CH ( TJ, CJ 4 4 maka lh Utuk megkatka efses dar Mmum Covarace Determat, dhtug dega megguaka reweghted MCD, yatu: T C c δ ( ( w d ( ( w d da ( ( ( ( w d T T ( ( w d Keteraga : δ 5 cδ F q F q q δ χ ( ( δ +, δ χ,975 ( dega χ ( ( w d δ χ, (, ka d χ, selaya,975 dega χ,975 χ, ( da * * * d( ( TJ ( CJ ( TJ, Tabel 6 Pembobot ada reweghted MCD J Perusahaa sales rofts d ( d ( w( d( Du Pot Texaco Phls Morrs Exxo IBM

29 6 Ford Mobl Geeral Electrcs Geeral Motors Chrysler Sehgga deroleh eduga la rata-rata da ragam bag reweghted MCD sebaga berkut: T da x 5 C Berdasarka eduga reweghted MCD T, C daat ddefska sebaga u robust ( statstk yatu ( µ ( ( µ ( µ ( ( µ T : T C T dega T T C T k sehgga tereuh ( k da Var( T E T χ k Dega da k 45 maka deroleh ( k ( ( ( E T 45 9 da Var T k ( E( T Var T q ( E( T ( ( ( ( ( ( q ( 9( 4 E T d 45 q 4 Selautya deroleh selag keercayaa smulta 9% bagµ da µ ada ersamaa (8, yatu d d T F, q( α C µ T + F, q( α C d d T F ( α C µ T + F ( α C,, q, q dega F ( F (, α,4 43 maka q x 5 ( ( 45 µ x µ ( ( 45 ( ( µ µ ( ( T, selag keercayaa Boferro, da selag keercayaa reweghted MCD Selag keercayaa T Selag keercayaa Boferro Selag Keercayaa eweghted MCD Batas bawah Batas atas Batas bawah Batas atas Batas bawah Batas atas Tabel 7 Selag keercayaa Peubah Peelas Daat dsmulka bahwa selag keercayaa reweghted MCD 9% memlk selag yag lebh semt dbadgka dega selag keercayaa T mauu dega selag keercayaa Boferro

30 KESIMPULAN Pada tulsa dka suatu metode utuk megdetfkas earka kesmula utuk meemuka usat oulas ormal gada, statstk T -Hotellg meruaka statstk yag teat utuk dguaka Pedekata dega selag keercayaa Boferro meghaslka selag yag lebh semt dbadgka dega selag keercayaa T sehgga utuk seta µ, µ, µ, selag keercayaa Boferro atuh d dalam selag keercayaa T utuk la,, da α yag sama Oleh karea tu, saat meetuka usat oulas ormal gada, selag smulta lebh serg ddasarka ada metode Boferro Sela tu, aka delaar suatu metode statstk T sebaga suatu metode robust alteratf utuk statstk klask T - Hotellg Statstk T deroleh dega meggat la rata-rata klask da kovara ada statstk T -Hotellg dega reweghted MCD (Mmum Covarace Determat Smulas meuukka bahwa statstk T memuya keuggula dbadgka dega statstk T -Hotellg, yatu data yag terdetfkas adaya ecla daat dtemuka usat oulas ormal gada dega edekata yag lebh bak

31 DAFTA PUSTAKA Aderso, TW 984 A Itroducto to Multvarate Statstcal Aalyss Ed Ke- Joh Wley New York Croux, C, Haesbroeck, G 999 Ifluece Fucto ad Effcecy of the Mmum Covarace Determat Scatter Matrx Estmator Joural of Multvarate Aalyss 7:6-9 Dudley M 989 eal Aalyss ad Probablty Wadsworth & Brooks Calfora Grmmett G, Strzaker D 99 Probablty ad adom Processes Ed Ke- Claredo Press Oxford Hogg V, Crag AT, McKea JW 5 Itroducto to Mathematcal Statstcs Ed Ke-6 Pretce Hall, Eglewood Clffs New Jersey Johso A, Wcher DW 998 Aled Multvarate Statstcal Aalyss Ed Ke-4 Pretce Hall, Eglewood Clffs New Jersey Krzaowsk WJ 988 Prcles of Multvarate Aalyss, A User s Persectve Oxford Claredo Press Marda KV, Ket JT, Bbby JM 979 Multvarate Aalyss Academc Press Lodo ousseeuw PJ, Va Dresse K 999 A Fast Algorthm for the Mmum Covarace Determat Estmator Techometrcs 4:-3 Syma JA 5 Practcal Mathematcal Otmzato Srger New York Wllems G, Pso PJ, ousseeuw, S Va Aelst A obust Hotellg Test Metrka 55:5-38

32 LAMPIAN 3

33 4 Lamra Peabara Teks Defs (Matrks koragam Nla haraa dar matrks acak berukura x daat dtuls: E( E( E( E( µ E( E( E( E( µ E( µ E( E( E( E( µ Matrks koragam ddefska sebaga E[{ E( }{ E( }] yag meruaka egembaga dar la cov( x, x E[{ x E( x }{ x E( x }] da Var( x E[{ x E( x }] (Krzaowsk, 998 Dalam betuk matrks, matrks koragam dtuls sebaga (Johso ad Wcher 998 E( - µ ( - µ µ µ E µ, µ,, µ µ ( µ ( µ ( µ ( µ ( µ ( ( ( ( ( E µ µ µ µ µ ( µ ( µ ( µ ( µ ( µ E( µ E( µ ( µ E( µ ( µ E( µ ( µ E( µ E( µ ( µ E( µ ( µ E( µ ( µ E( µ atau σ σ σ σ σ σ Cov( σ σ σ

34 5 Lamra Pembukta Lema Lema Msalka,, adalah gabuga sebara dar cotoh acak dega vektor la tegah µ dar matrks koragam Σ, maka adalah eduga tak bas dar µ, da matrks koragam dar adalah Σ Jad E ( µ (vektor la tegah oulas Cov( Σ (matrks koragam oulas dbag dega ukura cotoh Utuk matrks koragam cotoh S E( S Σ Σ Σ Karea E( S Σ maka S adalah eduga tak bas dar Σ (Johso ad Wcher 998 Bukt : ( Msalka E( E( E( + E( + + E( E( + E( + + E( µ + µ + + µ µ Utuk ( - µ ( - µ ( - µ ( ( ( - µ - µ - µ l l Cov( E( µ ( µ E( ( µ l µ l

35 6 Utuk seta l maka E( ( - µ l - µ aka berla ol, karea koragam atara komoe da salg bebas, sehgga Cov( E( ( - µ - µ Karea E( - µ ( - µ adalah matrks koragam oulas utuk seta, maka deroleh Cov( E( - µ ( - µ Σ + Σ + + Σ ( Σ Σ Utuk memeroleh la haraa dar (, k dar ( ( matrks daat d tuls sebaga : S, daat d tuls ( ( k k adalah aggota ke - - sehgga eumlaha dar kuadrat da erkala dalam betuk ( - ( - ( - + ( - ( - Karea ( - da E E E, maka la haraaya adalah ( ( - Utuk sembarag vektor eubah acak V dega ( V V V E VV Σ + µ µ Selautya deroleh ( Σ µµ da E( E ( V µ V da Cov ( V V E + Σ + µµ Dega megguaka hasl ddaatka ( ( ( E E Σ + µµ Σ + µµ Σ + µµ Σ µµ Σ - Σ Σ ( Σ, deroleh

36 7 Karea S, maka E( S E( E( ( Σ Karea E S Σ maka matrks koragam cotoh S S ( ( - - S adalah eduga tak bas dar Σ Daat dsmulka,

37 8 Lamra 3 Pembukta Lema Lema (Vektor la haraa da matrks koragam kombas lear eubah acak Jka eubah acak tuggal dkalka dega suatu kostata c maka E( c cµ da ( c σ Var c Utuk kombas lear dar Bukt: Jka eubah acak tuggal c memuya E ( c c µ da Var ( c c c (Johso ad Wcher 998 E c ce cµ dkalka dega suatu kostata c maka ( ( µ σ Var c E c c c Var c da ( ( ( Utuk kombas lear dar c a + b dega Msalka c memuya E ( c c µ da Var ( c c c a b c maka x ax + bx c dega, Sehgga, la haraa E c E a + b ae + be a + b c µ ( ( ( ( µ µ ( c ( ( ( + + µ + µ Var Var a b E a b a b Jka dmsalka ( µ b( µ E a + E a µ + ab µ µ + b µ a Var + abcov, + b Var ( ( ( ( ( ( ( a σ + abσ + b σ σ σ σ σ ( ( c Var a + b Var c Σc karea adalah matrks koragam dar maka σ σ a c c [ a b] a σ+ abσ + b σ σ σ b Maka daat dtuls Var ( c c Σc Sehgga c memlk sebara N( µ,c Σc

38 9 Lamra 4 Pembukta Lema 3 Lema 3 N µ, Σ maka utuk seta kombas lear dar eubah A a + a + + a Jka ~ ( memlk sebara N( Aµ, AΣA Bukt: Msalka q adalah kombas lear dar eubah acak Msalka Z a + + a Z a + + a Z a + + a q q, Z a a a Z a a a Z A, Zq aq aq aq µ E Z E A Aµ z z ( ( x, ( Cov( Σ Cov Z A AΣ A Sehgga A ( qx ( x a + + a a a + + aq + + aq x meyebar N( Aµ, AΣA (Johso ad Wcher 998

39 3 Lamra 5 Pembukta Lema 4 da Lema 5 Lema 4 Jka da ( q x ( q x N ( ( µ, Σ q maka Bukt : Jka meyebar ( da haya ka Σ Σ adalah salg bebas da masg-masg meyebar memlk sebara ormal gada N µ, Σ dega Σ Maka da ( q x Utuk ( - µ Σ ( - µ ( µ ( µ N q + q N µ Σ da ( (, q µ Σ, µ Σ (Johso ad Wcher 998 adalah salg bebas ka ( q x Σ µ Σ µ Sehgga, memlk sebara ormal gada Lema 5 Msalka meyebar (, - c ( - µ Σ ( deraar bebas ( µ ( µ ( µ ( µ Σ + Σ N q + q N µ Σ dega > - µ meyebar Σ Maka : µ Σ, µ Σ χ, dega χ meyataka sebara ch-square dega d Sebara N ( µ, Σ memberka eluag α, ( - ( χ ( α χ α meyataka ( { } x : x - µ Σ x - µ dega ( α ercetle dar sebara χ (Johso ad Wcher 998 Bukt : a Dketahu bahwa χ ddefska sebaga eumlaha dar sebara Z + Z + + Z, dega adalah eubah acak salg bebas yag meyebar N (, Z, Z,, Z Defs deroleh Akbatya Σ ee dega λ λ e e ad ( λ ( ( ( ( ( ( ( e / e Dar ( ( ( ( λ λ λ - µ Σ - µ / - µ e e - µ / e - µ / e - µ

40 3 Msalka Z A( - µ dega Z ( x Z Z, A Z ( x dketahu ( e λ e λ e λ Z A - µ meyebar N ( da ( - µ meyebar (,, AΣA dega N Σ Dar Lema 3, e λ e e λ A( Σ x ( x A λ ( x λee e e e λ λ λ λ e λ e e e e I λ λ λ λ e Dar Lema 4, maka Z, Z, Z adalah eubah acak yag salg bebas yag meyebar - µ Σ - µ memlk sebara ormal baku da daat dsmulka ( ( b Daat dketahu dar baga a (( ( P - χ - µ Σ - µ α χ

41 3 Lamra 6 Pembukta Lema 7, Lema 8, da Lema 9 Lema 7 (Sebara T -Hotellg Jka da M adalah salg bebas yag meyebar N ( µ, da W (, m Σ secara berturutturut maka - m( - µ M ( - µ ~ (, T m (Marda et al 979 Bukt : * - Jka d Σ ( dega - - * - µ da M Σ MΣ, meurut Defs 6 terdaat α ~ T (, m * * - * m( - d M d - µ M ( - µ ~ (, α m T m Lema 8 (, m m T m F, m + Bukt : (Marda et al Dega megguaka Defs 6, msalka α md M d sehgga daat dtuls - d M d d d α m d d Karea M da d salg bebas, daat dmsalka β - d d d M d dega d meyebar χ + Kods sebara tdak bergatug ada d melaka ada sebara β, m sehgga β bebas terhada d - Msalka - d Σ ( x - µ sehgga daat deroleh ( ( 5a daat deroleh d d ~ χ χ Maka m α m F χm + m Lema 9 Msalka M ~ W (, m, m + Σ da B adalah matrks berukura xq maka d d x - µ Σ x - µ berdasarka Lema B MB ~ Wq (, m B ΣB (Marda et al 979 Bukt : Dega megguaka Defs 8, karea B MB B B Y Y dega Y B da ~ N(, Σ Dega megguaka Lema 3 maka Y ~ (, maka B MB ~ Wq (, m B ΣB N B ΣB sehgga berdasarka Defs 8

42 33 Lamra 7 Pembukta Lema da Lema Lema (Ketaksamaa Cauchy-Schwarz Msalka atau d b ( x da d ( x adalah vektor berukura x cb utuk c adalah suatu kostata Bukt : Utuk ertaksamaa tersebut elas ka adalah sembarag skalar maka aag b ( ( ( < b xd b xd b b xd b b xd + x d d ( b d ( b d maka ( b d b bd d dega b cd b da d Agga vektor b xd ostf yatu b xd, sehgga ( + b b x b d x d d ( < b b x b d x d d d d + d d + ( b d b d < b b + ( d d x d d d d Dega memlh x b d ( b d deroleh d d (Johso ad Wcher 998 xd, dega x < b b atau ( b d ( b b( d d ka b xd d d Lema (Perluasa Ketaksamaa Cauchy-Schwarz Msalka b ( x da d ( x adalah vektor berukura x da msalka B ( x adalah matrks deft ostf maka ( b d ( b b ( d d kostata B B dega b cb d atau d cb b utuk c adalah suatu (Johso ad Wcher 998 Bukt : Utuk ertaksamaa tersebut elas ka b da d Utuk kasus laya, agga akar kuadrat dar matrks / λ e e / B ddefska dalam betuk la egeλ da vektor ege e sehgga / B berdasarka Defs maka daat uga dyataka B e e Sehgga b d b d b / / ( / d b ( / d Schwarz ( b d b bd d I B B B B da dega ketaksamaa Cauchy- / / / / ( B b ( B b( B d ( B d / / / / b ( B B bd ( B B d B B b bd d λ

43 34 Lamra 8 Dugaa Nla m da c Parameter c daat dduga dega P( χ + < χ(, h / c h / Parameter m daat dduga dega α, dega adalah bayakya cotoh da ( + + h q α daat ddefska sebaga α P( χ q α c α α P χ + ( qα ( χ + qα P c, P( χ + 4 qα c3, c 3c, 4 3 (,, h cα c3 c4 b, α cα qα α b 5+ c3 c +, α cα qα v α b α c cα 3 b b + + b b b ( ( ( ( ( 3 ( ( ( α v b b b c α, v v, v m c v α,

44 35 Lamra 9 Smulas Cotoh Kasus I[]: Trasose[{{6974, 96933, 86656, 63438, 5564, 5976, 3969, 3656, 359, 346}, {44, 3835, 35, 3758, 3939, 89, 946, 359, 48, 43}}] Out[] {{6974, 44}, {96933, 3835}, {86656, 35}, {63438, 3758}, {5564, 3939}, {5976, 89}, {3969, 946}, {3656, 359}, {359, 48}, {346, 43}} I[]: xbar Mea[] // N Out[] {639, 973} I[3]: S Covarace[] // N Out[3] {{5*^9, 55756*^7}, {55756*^7, 43*^6}} I[4]: Iverse[S] // N Out[4] {{843*^-9, -393*^-8}, {-393*^-8, 886*^-6}} I[5]: {6974, 44} Out[5] {6974, 44} I[6]: { - xbar}iverse[s]trasose[{ - xbar}] Out[6] {{43497}} I[7]: {96933, 3835} Out[7] {96933, 3835} I[8]: { - xbar}iverse[s]trasose[{subscrt[, ] - xbar}] Out[8] {{9886}} I[9]: {86656, 35} Out[9] {86656, 35} I[]: { - xbar}iverse[s]trasose[{ - xbar}] Out[] {{594497}} I[]: {63438, 3758} Out[] {63438, 3758} I[]: { - xbar}iverse[s]trasose[{ - - xbar}] Out[] {{8956}} I[3]: - {5564, 3939} Out[3] {5564, 3939} I[4]: { - xbar}iverse[s]trasose[{{ - xbar}] Out[4] {{8794}} I[5]: { {5976, 89} Out[5] {5976, 89}

45 36 I[6]: {{ - xbar}iverse[s]trasose[{ ] - xbar}] Out[6] {{86}} I[7]: {3969, 946} Out[7] {3969, 946} I[8]: { - xbar}iverse[s]trasose[{ - xbar}] Out[8] {{356}} I[9]: {3656, 359} Out[9] {3656, 359} I[]: { xbar}iverse[s]trasose[{ - xbar}] Out[] {{53337}} I[]: {359, 48} Out[] {359, 48} I[]: { - xbar}iverse[s]trasose[{ - xbar}] Out[] {{8653}} I[3]: {346, 43} Out[3] {346, 43} I[4]: { - xbar}iverse[s]trasose[{ - xbar}] Out[4] {{973559}} I[5]: H Trasose[{{86656, 359, 63438, 346, 5976, 3969, 96933}, {35, 48, 3758, 43, 89, 946, 3835}}] Out[5{{86656, 35}, {359, 48}, {63438, 3758}, {346, 43}, {5976, 89}, {3969, 946}, {96933, 3835}} I[6]: Hx Plus[86656, 359, 63438, 346, 5976, 3969, 96933] Out[6] I[7]: Hx Plus[35, 48, 3758, 43, 89, 946, 3835] Out[7] 75 I[8]: TH {{Hx/7}, {Hx/7}} // N Out[8] {{57839}, {96443}} I[9]: CH Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/7 Out[9] *^8 I[3]: CH Plus[( *( , ( *( , ( *( , ( *( , ( *( , ( *( , ( *( ]/7 Out[3] 4938*^7

46 37 I[3]: CH Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/7 Out[3] I[3]: CH Trasose[{{563995`*^8, 4938`*^7}, {4938`*^7, 58485}}] Out[3] {{563995*^8, 4938*^7}, {4938*^7, 58485}} I[33]: Det[CH] Out[33] 3688*^4 I[34]: x {86656, 35} Out[34] {86656, 35} I[35]: Trasose[x - TH]Iverse[CH](x - TH Out[35] {{556}} I[36]: x {359, 48} Out[36] {359, 48} I[37]: Trasose[x - TH]Iverse[CH](x - TH Out[37] {{975}} I[38]: x3 {63438, 3758} Out[38] {63438, 3758} I[39]: Trasose[x3 - TH]Iverse[CH](x3 - TH Out[39] {{98748}} I[4]: x4 {346, 43} Out[4] {346, 43} I[4]: Trasose[x4 - TH]Iverse[CH](x4 - TH Out[4] {{446}} I[4]: x5 {5976, 89} Out[4] {5976, 89} I[43]: Trasose[x5 - TH]Iverse[CH](x5 - TH Out[43] {{44368}} I[44]: x6 {3969, 946} Out[44] {3969, 946} I[45]: Trasose[x6 - TH]Iverse[CH](x6 - TH Out[45] {{354}} I[46]: x7 {96933, 3835} Out[46] {96933, 3835} I[47]: Trasose[x7 - TH]Iverse[CH](x7 - TH Out[47] {{734}}

47 38 I[48]: x8 {5564, 3939} Out[48] {5564, 3939} I[49]: Trasose[x8 - TH]Iverse[CH](x8 - TH Out[49] {{459933}} I[5]: x9 {6974, 44} Out[5] {6974, 44} I[5]: Trasose[x9 - TH]Iverse[CH](x9 - TH Out[5] {{88}} I[5]: x {3656, 359} Out[5] {3656, 359} I[53]: Trasose[x - TH]Iverse[CH](x - TH Out[53] {{333}} I[54]: H Trasose[{{359, 346, 3969, 86656, 63438, 96933, 5976}, {48, 43, 946, 35, 3758, 3835, 89}}] Out[54] {{359, 48}, {346, 43}, {3969, 946}, {86656, 35}, {63438, 3758}, {96933, 3835}, {5976, 89}} I[55]: Hx Plus[359, 346, 3969, 86656, 63438, 96933, 5976] Out[55] I[56]: Hx Plus[48, 43, 946, 35, 3758, 3835, 89] Out[56] 75 I[57]: TH {{Hx/7}, {Hx/7}} // N Out[57] {{57839}, {96443}} I[58]: CH Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/7 Out[58] *^8 I[59]: CH Plus[( *( , ( *( , ( *( , ( *( , ( *( , ( *( , ( *( ]/7 Out[59] 4938*^7 I[6]: CH Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/7 Out[6] I[6]: CH Trasose[{{563995`*^8, 4938`*^7}, {4938`*^7, 58485}}] Out[6] {{563995*^8, 4938*^7}, {4938*^7, 58485}}

48 39 I[6]: Det[CH] Out[6] 3688*^4 I[63]: eweghted Plus[359, 346, 3969, 86656, 63438, 96933, 5976, 5564] Out[63] I[64]: eweghted Plus[48, 43, 946, 35, 3758, 3835, 89, 3939] Out[64] 469 I[65]: Treweghted Trasose[{{eweghted}/8, {eweghted}/8}] // N Out[65] {{57495, 3865}} I[66]: creweghted 796*Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/8 Out[66] 34899*^8 I[67]: creweghted 796*Plus[( *( , ( *( , ( *( , ( *( , ( *( , ( *( , ( *( , ( *( ]/8 Out[67] 998*^6 I[68]: creweghted 796*Plus[( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^, ( ^]/8 Out[68] 4983 I[69]: Creweghted Trasose[{{34899`*^8, 998`*^6}, {998`*^6, 4983}}] Out[69] {{34899*^8, 998*^6}, {998*^6, 4983}}

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

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

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

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

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

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

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

Lebih terperinci

BAB II KAJIAN LITERATUR

BAB II KAJIAN LITERATUR BAB II Kaja Lteratur 4 BAB II KAJIAN LITERATUR. Jarak Mahalaobs Megut artkel tetag jarak Mahalaobs dar htt://e.wkeda.org ada 8 Maret 008, jarak Mahalaobs adalah ukura jarak yag derkealka oleh Prasata Chadra

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

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

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

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

π ( ) menyatakan peluang bahwa

π ( ) menyatakan peluang bahwa GRF RN SNY D SSTE ERSN CHN- OOGOROV u Nugrahe Jurusa eddka atematka F Uverstas uhammadyah uroreo Jala H.. Dahla uroreo e-mal: u_r@telkom.et bstrak Tuua dar eulsa adalah megetahu kostruks betuk graf alra

Lebih terperinci

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si

ANALISIS MULTIVARIAT. Pengantar Analisis Multivariat Lanjutan. Irlandia Ginanjar M.Si ANALISIS MULTIVARIAT Pegatar Aal Multvarat Lauta Irlada Gaar M.S Jurua Stattka FMIPA Uad Nota utuk varabel varabel berkala l terval atau rao k bl k Vektor varabel acak: Nla haraa vektor Nla haraa vektor

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

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

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

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

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

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat INFERENSI VEKTOR RATA RATA Dsusu utuk memeuh salah satu tugas mata kulah multvarat Dsusu oleh: Ast Aula Rahma (6796) Khaerusa Mahmudah (69) Lucky Heryat Jufr (673) Rsa Nur Vauzyah (6933) Syfa Isa (66)

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

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

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

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

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

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

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

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

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

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

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

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

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

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Defes Aalss Korelas da Regres a Aalss Korelas adalah metode statstka yag dguaka utuk meetuka kuatya atau derajat huuga lear atara dua varael atau leh. Semak yata huuga ler gars lurus,

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION 1. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 5528, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti)

III PEMBAHASAN. Karena vektor-vektor kolom X adalah bebas linear, maka L(ε) mempunyai n vektor eigen yang bebas linear. (Terbukti) Karea vektor-vektor kolom X adalah bebas lear maka mempuya vektor ege yag bebas lear. erbukt eorema 9 Jka... adalah la ege dar maka... adalah la ege dar. BUK : salka... adalah la ege dar yag bersesuaa

Lebih terperinci

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS LGORITM MENENTUKN HIMPUNN TERBESR DRI SUTU MTRIKS INTERVL DLM LJBR MX-PLUS Rata Novtasar Program Stud Matematka FMIP UNDIP JlProfSoedarto SH Semarag 575 bstract Ths research dscussed about how to obtaed

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I PENDAHULUAN II LANDASAN TEORI I PENDAHULUAN 11 Latar Belakag Peelta yag dlakuka oleh Va der Pol pada sebuah tabug trode tertutup, yatu sebuah alat yag dguaka utuk megedalka arus lstrk dalam suatu srkut pada trasmtter da recever meghaslka

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

DISTRIBUSI NORMAL MULTIVARIAT

DISTRIBUSI NORMAL MULTIVARIAT DISTRIBUSI NORMAL MULTIVARIAT 4.6 Meaksr Asums-asums Keormala Paa embahasa tekk-tekk statstk multvarat, aka bayak asumska bahwa seta vektor observas X berstrbus ormal multvarat. Dketahu ula aa saat ukura

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

Regresi & Korelasi Linier Sederhana

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

Lebih terperinci

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP Lusa Tr Lstyowat Krstaa Waya M Fatekurohma Jurusa Matematka FMIPA Uerstas Jember e-mal: krstaa_waya@yahoocom da m_fatkur@yahoocom Abstract:

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

Lebih terperinci

MATEMATIKA INTEGRAL RIEMANN

MATEMATIKA INTEGRAL RIEMANN MATEMATIKA KELAS XII IPA - KURIKULUM GABUNGAN Ses NGAN INTEGRAL RIEMANN A. NOTASI SIGMA a. Defs Notas Sgma Sgma (Σ) adalah otas matematka megguaka smbol yag mewakl pejumlaha da beberapa suku yag memlk

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN 3 BAB 5 HASIL DAN PEMBAHASAN Dalam baga hasl da embahasa aka dtamlka roses aalss da egolaha data, dalam betuk deskrtf, tabel-tabel yag dguaka, gambar-gambar beserta hasl da embahasaya. Dega memerhatka

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

Lebih terperinci