KAJIAN BEBERAPA UJI KENORMALAN ABSTRACT

Ukuran: px
Mulai penontonan dengan halaman:

Download "KAJIAN BEBERAPA UJI KENORMALAN ABSTRACT"

Transkripsi

1 KAJIAN BEBERAPA UJI KENORMALAN St Karomah, Sgt Nugroho da Fachr Fasal Alum Jurusa Matematka, Fakultas MIPA, Uverstas Begkulu Dose Jurusa Matematka, Fakultas MIPA, Uverstas Begkulu ABSTRACT Ths research s amed to lear about Normal Dstrbuto ad the ormalty tests. The statstcal tests that was used the ormalty tests are Lllefors, Shapro-Wlk, Skewess, Kurtoss, D Agosto-Pearso, ad Jarque Bera. Lterature study s used ths expermet usg data smulato geerated from Normal, Ch Square, Exspoetal, ad Uform dstrbuto. The result shows that ot all of ormalty tests s good ad sutable for all dstrbuto data. I geeral, Shapro-Wlk test s good ad sutable for testg ormalty for both Normal ad o-normal dstrbuto, whle D Agosto-Pearso test s oly recommeded for o-normal geerated data. Keywords: Normal Dstrbuto, Statstcal tests, Normalty tests. PENDAULUAN Pegguaa metode statstka dalam membatu pemecaha masalah d berbaga bdag sepert ekoom, bss, pertaa, tekk, pskolog, kedoktera, peddka, da bdagbdag spesfk laya terasa semak dbutuhka. Dalam hal metode statstk merupaka alat aalss dar data kuattatf atau data kualtataf yag bertujua utuk pegambla keputusa da peramala (Djarwato, ). Sebelum kesmpula tersebut dbuat, data yag telah terkumpul tu terlebh dahulu dpelajar, daalss atau dolah. Pembuata suatu kesmpula harus dlakuka dega bak, cermat, telt, hat-hat, serta megkut cara-cara da teor yag bear. Dega demka kesmpula yag dbuat dar peelta da pegamata tersebut dapat dpertaggugjawabka. Msalya, terdapat suatu sampel berukura dega la pegamata y, y,..., y, kemuda aka tmbul pertayaa apakah populas asal sampel tu dapat daggap meyebar ormal atau tdak (Nasoeto & Barz,985). Oleh karea tu, utuk megetahu apakah suatu sampel berdstrbus ormal atau tdak, maka perlu dlakuka uj keormala. Uj keormala adalah suatu uj yag dlakuka utuk megetahu apakah suatu data memlk Dstrbus Normal. Data yag memlk Dstrbus Normal merupaka salah satu syarat dlakukaya uj parametrk. Sedagka data yag tdak mempuya Dstrbus Normal dapat daalss dega megguaka uj oparametrk (Patra, 8). Dalam uj statstk sepert uj χ, T, da F suatu data dasumska berdstrbus ormal. Secara kasat mata, keormala suatu data dapat dtaksr dega megguaka metode grafk. Tetap metode grafk tdak dapat dguaka jka perbedaa atara Dstrbus Normal da dstrbus sampel adalah sgfka. Uj-uj yag dapat dguaka utuk meaksr keormala adalah Ka-Kuadrat, Aderso Darlg, Rya Joer, Kolmogrov-Smrov, Shapro-Wlk, Jarque Bera, Lllefors, D Agosto-Pearso, Skewess, da Kurtoss.

2 Sgma Mu Rho e-jural Statstka Berdasarka uraa d atas peuls tertark utuk mempelajar da megkaj prosedur uj yag cocok da layak dguaka utuk meguj keormala suatu sampel data. Utuk lebh memaham kosep-kosep d atas aka dguaka data smulas yag dterapka utuk meguj keormala dega uj Lllefors, Shapro-Wlk, Skewess, Kurtoss, D Agosto- Pearso, da Jarque Bera.. LANDASAN TEORI. Dstrbus Normal Dstrbus Normal merupaka dstrbus teorts dar varabel acak yag kotu. Sebaga besar varabel acak kotu yag daplkaska d berbaga bdag, pada umumya memlk dstrbus yag dapat ddekat dega Dstrbus Normal. Karea dstrbusya kotu, maka cara meghtug peluagya dlakuka dega meetuka luas dbawah kurvaya (Daja, 996). Dstrbus Normal dkealka oleh Abraham De Movre pada tahu 733. Pada saat tu dstrbus dguaka utuk meghampr peluag yag berhubuga dega varabel acak bomal ketka parameter besar. asl kemuda dkembagka oleh Laplace da yag laya, da tercakup dalam teor peluag yag dkeal dega teorema lmt pusat (Ross, 987).. Karakterstk Dstrbus Normal Dstrbus Normal berbetuk sebuah loceg (bell-shape), yag juga serg dsebut bell-shape dstrbuto. Sebaga model teorts, Dstrbus Normal memlk empat karaterstk yag bersfat kumulatf, yatu: Umodal Sfat umodal (u satu da Modal modos) megadug pegerta bahwa setap Dstrbus Normal haya memlk satu modus. Smetrs Suatu dstrbus dsebut smetrs jka setegah baga dar suatu dstrbus sama da sebagu (detk) dega setegah baga laya Idetk Dar dua karaterstk d atas (umodal da smetrs), ketga ukura gejala pusat (modus, meda, da rata-rata) dstrbus sama besar (detk). Dega kata la, pada Dstrbus Normal, modus meda rata-rata. Asmtotk Oleh karea la terkecl da la terbesar pada suatu dstrbus data kotu bersfat tak hgga, maka tdak ada suatu daerah pu d bawah kurva ormal yag memlk frekues (probabltas) sama dega ol. Berdasarka asums sepert tu, maka kurva Dstrbus Normal tdak aka perah meyetuh abssya. Model dstrbus la mugk ada yag memlk salah satu atau beberapa dar keempat karaterstk tu, aka tetap haya Dstrbus Normal yag memlk semuaya. 9

3 Kaja Beberapa Uj Keormala.3 Persamaa Kurva Normal Fugs kepekata peluag (probablty desty fucto) varabel acak ormal dega rataa μ da varas σ dapat dyataka sebaga (Dxo & Massey, 99): x μ σ f ( x, μ, σ ) e () πσ utuk < x < ; < μ < ; σ > Dar turua pertama da kedua fugs kepekata peluag varabel acak ormal dapat dperoleh lma sfat kurva ormal, yatu :. Modus terdapat pada x μ. Kurva setagkup terhadap sumbu tegak yag melalu rataa μ 3. Kurva memlk ttk belok pada x μ ± σ, cekug dar bawah bla μ σ < x < μ + σ, da cekug dar atas utuk la x laya. 4. Kedua ujug kurva ormal medekat asmtot sumbu datar bla la x bergerak mejahu μ bak ke kr maupu ke kaa 5. Seluruh luas d bawah kurva da d atas sumbu datar sama dega Dstrbus Normal mempuya rataa μ da vara mome yag drumuska sebaga berkut (Ross, 987): x () M t e σ t μt+ σ, dega fugs pembagkt ().4 Dstrbus Normal Stadar Utuk megatas kesulta dalam meghtug tegral fugs kepekata peluag ormal, maka dbuat tabel luas kurva ormal sehgga memudahka pegguaaya. Aka tetap tdak aka mugk membuat tabel yag berlaa utuk setap la μ da σ. Karea seluruh pegamata setap varabel acak ormal X dapat dtrasformas mejad hmpua pegamata baru satu varabel acak ormal Z dega rataa da varas, maka permasalaha tersebut dapat datas. al dapat dlakuka dega trasformas: μ Z X (3) σ Jka X medapat suatu la x, maka la Z padaaya dberka oleh persamaa (3). Jad, utuk la X atara x x da x x maka varabel acak Z aka mempuya x μ x μ la atara z da z, sehgga probabltasya dapat dyataka dega: σ σ P( x < X < x) P( z < Z < z ) (4) da fugs kepekata peluag ormal stadar drumuska sebaga berkut: z e φ (5) π 3

4 Sgma Mu Rho e-jural Statstka Dega adaya trasformas, kebutuha aka bayakya tabel luas kurva ormal yag dbutuhka telah dperkecl mejad satu, yatu tabel Dstrbus Normal Stadar (Walpole & Myers, 995)..5 Dstrbus Normal Kumulatf Secara umum, fugs dstrbus kumulatf dar Dstrbus Normal yag kotu dega rataa μ da varas σ dapat drumuska sebaga : y μ σ x F( x, μ, σ ) e dy (6) πσ Secara matemats, fugs dstrbus pada persamaa (6) merupaka fugs X yag tdak perah meuru, aka medekat ol jka X da medekat satu jka X. Sedagka fugs dstrbus kumulatf ormal stadar drumuska sebaga: z u Φ( z ) e du (7) πσ.6 Dstrbus yag Dturuka dar Dstrbus Normal.6. Dstrbus Ka Kuadrat ( χ ) Jka Z, Z,..., Z adalah varabel acak Dstrbus Normal Stadar yag salg bebas, maka : X Z + Z Z (8) dkataka mempuya Dstrbus Ka Kuadrat dega derajat bebas, yag dotaska dega X χ. Fugs kepekata peluag Dstrbus Ka Kuadrat drumuska oleh: ~ x e x f ( x) Γ Sedagka fugs pembagkt mome dar varabel acak Ka Kuadrat dega dtujukka dega persamaa berkut : t ( ) (9) derajat bebas tx E e () Sela sebaga fugs pembagkt mome dar varabel acak Ka-Kuadrat, persamaa () juga dkeal sebaga fugs pembagkt mome dar varabel acak gamma dega parameter,. Oleh karea keuka fugs pembagkt mome tersebut, maka kedua dstrbus adalah detk. 3

5 Kaja Beberapa Uj Keormala.6. Dstrbus t Jka Z da V adalah varabel acak yag salg bebas dega Z berdstrbus Normal Stadar da V berdstrbus Ka Kuadrat dega derajat bebas, maka : Z T V () dkataka memlk Dstrbus-t dega derajat bebas. Fugs kepekata peluag dar adalah turua dar fugs dstrbus kumulatf F x yag drumuska oleh: T ( ) f ( x) + ( + Γ ) x + π Γ () dega Γ adalah fugs gamma. Dstrbus-t dterbtka pada tahu 98 dalam suatu makalah oleh W.S. Gosset. Dalam meuruka dstrbus, Gosset megaggap sampel berasal dar populas ormal. Karea Dstrbus-t setagkup dega rataa ol, maka t t α α..6.3 Dstrbus F Dstrbus F ddefska sebaga sbah dua peubah acak Ka Kuadrat yag salg bebas da masg-masg dbag dega derajat kebebasaya. Msalka, χ da χ m adalah varabel acak Ka-Kuadrat yag salg bebas dega da m berturut-turut adalah derajat χ kebebasaya. Maka varabel acak F, m ddefska oleh F, m. F, m dkataka χm m memlk dstrbus F dega da m derajat bebas. Fugs kepekata peluag dar adalah turua dar fugs dstrbus kumulatf F x yag dberka oleh: f ( x) F, ( ) m m + m m x Γ ( ) ( ) m Γ Γ m + x ( ) ( + m ) (3) Derajat kebebasa yag berkata dega varabel acak Ka-Kuadrat pada pemblag F selalu dtuls lebh dahulu, kemuda dkut oleh derajat kebebasa yag berkata dega varabel acak Ka-Kuadrat pada peyebut. Jad, kurva Dstrbus F tdak haya tergatug pada kedua parameter da m tetap juga tergatug pada uruta keduaya dtuls. 3

6 Sgma Mu Rho e-jural Statstka 3. UJI-UJI KENORMALAN Bayak uj statstk yag memerluka data berdstrbus Normal. Utuk tu, pemerksaa terhadap keormala data adalah krtera dalam proses aalss data. Berkut aka dbahas tetag beberpa uj yag dapat dguaka utuk memerksa keormala suatu data. 3. Uj Lllefors ( L) Uj Lllefors ddesa utuk meaksr Dstrbus Normal ketka satu da/atau kedua dar parameter populas ( μ da σ ) tdak dketahu. Kedua parameter yag dguaka utuk uj destmas dar sampel data. Prosedur uj Lllefors sama dega prosedur utuk uj Kolmogorov-Smrov, kecual pada parameter yag dguaka. Pada uj Lllefors parameter yag dguaka adalah la dar rata-rata sampel X da varas s. Suatu data x,, x yag dambl dar sampel acak berukura dar sebuah fugs dstrbus yag tdak dketahu da dotaska dega sebaga peduga bag μ, da X X F( x ). Apabla (4) s ( X X ) (5) sebaga peduga bag σ, serta: X X Z s utuk,,..., (6) Uj statstk Lllefors dhtug dar la Z sebaga peggat dar sampel acak aslya. Uj drumuska oleh (Coover, 97): L sup F ( x) S( x ) (7) x Uj Lllefors dguaka utuk meguj hpotess: : Sampel acak mempuya Dstrbus Normal dega rataa da vara tertetu : Fugs dstrbus dar la-la X tdak Normal aka dtolak pada taraf yata α jka la dar uj statstk Lllefors ( L ) lebh besar dar la w α da tdak dapat dtolak jka la dar L lebh kecl dar la w α. 3. Uj Shapro-Wlk ( SW ) Uj keormala dkembagka oleh Samuel Shapro da Mart Wlk pada tahu 965. Pada saat, uj Shapro-Wlk mejad uj keormala yag lebh dsuka kerea memlk kekuata uj yag lebh bak dbadgka uj-uj alteratf dar bermacam-macam rage. Uj tergatug pada korelas atara data yag dberka da kecocoka agka ormalya. 33

7 Kaja Beberapa Uj Keormala Tdak sepert beberapa uj-uj yag la, uj tdak perlu meetuka la dar rataa da vara terlebh dahulu, serta vald utuk meguj keormala dega ukura sampel atara 3 sampa 5. Nla dar uj statstk Shapro-Wlk adalah postf, yatu lebh kecl atau sama dega satu (atara da ) (Peg et al, 8). Uj statstk Shapro-Wlk ( SW ) drumuska sebaga berkut (Marques de Sa, 7): x dmaa () ( )... ( ) SW k ( ( ) ( )) + a x x ( x x) (8) x x merupaka pegamata tertata yag bebas dar skala da tttk pusat. Jarak dar kesmetra la data sektar la tegah dukur dega: dmaa ( + ) ( ( ) ( ) ) k utuk gajl da x x ; utuk,,..., k + ( ) k utuk yag laya. Dega megguaka uj statstk Shapro-Wlk aka duj hpotess: : Data dtark dar populas yag berdstrbus Normal : Data dtark dar populas yag berdstrbus tdak Normal potess ol aka dtolak pada taraf yata α jka la dar uj satatstk SW kurag dar la yag terdapat pada Tabel quatl statstk uj Shapro-Wlk. tdak dapat dtolak jka la dar SW lebh besar dar la Tabel persetl uj Shapro-Wlk. 3.3 Uj Skewess da Kurtoss Sela rata-rata da vara, ada dua pegukura la yag dapat memberka formas dskrptf tetag suatu dstrbus. Dua pegukura adalah Skewess da Kurtoss yag masg-masg meujukka mome ketga da mome keempat dar suatu dstrbus. ays & Wkler (97) dalam Shek (3) megataka bahwa perstlaha mome dguaka utuk meujukka la harapa dar perbedaa kekuata varabel acak. Persamaa umum utuk suatu mome drumuska: ( X X ) (9) m Skewess Skewess (kemrga) adalah pegukura yag meggambarka derajat utuk dstrbus yag smetrs. Pegukura yag palg tepat utuk skewess adalah dega megguaka la dar mome ketga d sektar rata-rata ( m 3 ) (Shek, 3): 34

8 Sgma Mu Rho e-jural Statstka 3 ( X X ) () m3 Kemuda persamaa () dguaka utuk meghtug koefse uj statstk Skewess yag dlambagka dega da drumuska: g 3 ( x x) m3 g 3 3 m ( x x) D Agosto et al. (99) dalam Shesk (3) megubah la dar () g kedalam statstk b. I adalah estmas dar parameter populas yag meujuk pada β yag juga dguaka utuk meggambarka Skewess da drumuska oleh: ( ) g b () ( ) 6 Jka dstrbusya Normal maka la Skewess N,. Iterpretas dar la b : Jka b, maka dstrbus adalah smetrs Jka b >, maka dstrbus aka mrg ke kaa Jka b <, maka dstrbus aka mrg ke kr Dega uj statstk Skewess aka duj hpotess bahwa: : Dstrbus populas yag meggambarka sampel adalah smetrs ( b ) : Dstrbus populas yag meggambarka sampel tdak smetrs ( b ) aka dtolak pada taraf yata α jka la dar uj satatstk Skewess yag telah dstadarlsas lebh besar dar la Dstrbus t da tdak dapat dtolak jka la dar Skewess lebh kecl dar la Dstrbus t. Kurtoss Meurut D Agosto et al (99) dalam Shek (3), kata kurtoss berart legkuga. Secara umum kurtoss ddefska sebaga pegukura yag meggambarka derajat kelacpa suatu dstrbus. Pegukura kurtoss dguaka utuk meetuka apakah data berasal dar dstrbus populas Normal. Kurtoss meggambarka mome keempat dsektar rata-rata ( m 4 ): m 4 4 ( X X ) (3) 35

9 Kaja Beberapa Uj Keormala Kemuda persamaa (3) dguaka utuk meghtug koefse statstk uj Kurtoss yag dlambagka dega da drumuska: g g m 4 m 4 ( x x) ( x x) Pegukura Kurtoss dega megguaka mome keempat selalu meghaslka blaga postf. Oleh karea tu, pada tahu 988 Moors megembagka suatu blaga dar pegukura alteratf utuk Kurtoss, yatu dega meghtug yag drumuska oleh: Walaupu pegukura 4 ( X X) ( + ) ( ) 3 ( X X) k4 ( )( 3) k 4 k 4 (4) (5) tdak meggambarka keadaa yag sesugguhya dar mome keempat sektar rata-rata. Tetap, dega pegguaa dapat dasumska juga suatu blaga egatf. Metode merupaka metode yag bak utuk megestmas Kurtoss. Dega pegukura alteratf pada persamaa, koefse uj statstk Kurtoss ( g ) dapat juga dhtug dega: k4 g (6) s Iterpretas dar la g : Jka g, maka dstrbus adalah mesokurtk Jka g >, maka dstrbus aka mejad leptokurtk Jka g <, maka dstrbus aka mejad platykurtk Zar (999) dalam Shek (3) megataka bahwa parameter populas β dguaka utuk meggambarka Kurtoss. Statstk yag dguaka utuk megestmas la β adalah b yag drumuska oleh: ( )( 3) g 3( ) b + (7) + + ( )( ) ( ) 4 Jka dstrbusya Normal maka la Kurtoss N 3,. Iterpretas dar la b : Jka b Jka b Jka b ( ) ( + ) ( ) ( + ) ( ) ( + ) 3 3 > 3 <, maka dstrbusya adalah mesokurtk, maka dstrbusya aka mejad leptokurtk, maka dstrbusya aka mejad platykurtk k 4 36

10 Sgma Mu Rho e-jural Statstka Jka ukura sampel megkat maka la dar b aka medekat 3. Uj statstk Kurtoss aka dguaka utuk meguj hpotess: : Dstrbus populas yag meggambarka sampel adalah mesokurtk ( β 3) : Dstrbus populas yag meggambarka sampel buka mesokurtk ( β 3) Jka la dar uj satatstk Kurtoss yag telah dstadarlsas lebh besar dar la Dstrbus t pada taraf yataα, maka aka dtolak da sebalkya. 3.4 Uj D Agosto-Pearso ( DAP ) Uj D Agosto-Pearso dkembagka oleh D Agosto da Pearso pada tahu 973. Uj D Agosto-Pearso megaalss data utuk meetuka Skewess (utuk megukur kesmetra dar dstrbus) da Kurtoss (utuk megukur betuk dar dstrbus). Kemuda meghtug seberapa jauh masg-masg dar la berbeda dar la harapa dega Dstrbus Normal da meghtug la p dar pejumlaha kuadrat dar ketdakcocoka. Uj adalah kombas atara uj D Agosto Skewess da Ascombe-Gly Kurtoss (Oztua et al, 6). Statstk uj D Agosto-Pearso drumuska sebaga berkut: DAP Z + Z (8) g g dmaa: Da g ( ) Z E l F + F + (9) F A (3) C E l D (3) D C (3) C B (33) ( ) ( + )( + )( +3) ( )( + 5)( + 7)( + 9) ( + )( + 3) A g 6( ) B Z g (34) (35) 3 L 9 K (36) 9K 37

11 Kaja Beberapa Uj Keormala L K + K K J J J ( ) ( )( ( )( ) ( )( ( )( 3) g ( + )( ) G 4( )( 3) G ( + ) ( + 3)( +5) J Dega megguaka uj statstk D Agosto-Pearso aka duj hpotess: ) ) (37) (38) (39) (4) (4) : Sampel berasal dar populas yag berdstrbus Normal : Sampel tdak berasal dar populas yag berdstrbus Normal Tolak pada taraf yata α jka la dar uj satatstk D Agosto-Pearso ( DAP ) lebh besar dar la lebh kecl dar la χ. 3.5 Uj Jarque Bera ( JB ) χ dega derajat bebas da tdak dapat dtolak jka la dar Uj dusulka oleh Jarque da Bera pada tahu 98 da haya dguaka utuk meguj keormala. Uj Jarque Bera dketahu mempuya kekuata uj yag sagat bak da mudah dalam perhtugaya serta basaya dguaka dalam bdag ekoometrk. Uj meghtug koefse dar Skewess da Kurtos dar varabel acak. Jka dstrbusya Normal maka Skewess aka berla da Kurtoss berla 3. Tetap, jka sampelya tdak berdstrbus Normal maka la Skewess aka jauh dar ol da la Kurtoss aka jauh dar 3. uj statstk Jarque Bera yag drumuska sebaga berkut (Gujarat, 999): ( g) ( g 3) JB + (4) 6 4 Uj statstk JB dhampr oleh dstrbus Ka Kuadrat dega derajat bebas. Dega uj Jarque Bera aka duj hpotess: : Sampel berasal dar populas yag berdstrbus Normal : Sampel tdak berasal dar populas yag berdstrbus Normal DAP 38

12 Sgma Mu Rho e-jural Statstka Tolak la la χ. pada taraf yata α jka la dar uj satatstk Jarque Bera ( JB ) lebh besar dar χ dega derajat bebas da tdak dapat dtolak jka la dar JB lebh kecl dar 4. TELADAN PENERAPAN Sebaga lustras, data yag dguaka utuk meguj keormala adalah data smulas. Smulas terdr dar data berdstrbus Normal da Dstrbus tdak Normal (dstrbus Ka kuadrat, Ekspoesal, da Seragam). Data smulas dbuat da dolah megguaka program komputer Mcrosoft Excel. 4. asl da Pembahasa Suatu uj statstk dkataka bak jka mempuya kemugka yag kecl utuk meolak apabla tu bear da mempuya kemugka yag besar utuk meolak, kalau tu salah. Dalam smulas dharapka bahwa utuk sampel data yag berdstrbus Normal, hpotess ol yag meyataka sampel data berasal dar populas yag berdstrbus Normal dterma, sedagka utuk sampel yag berasal dar dstrbus tdak Normal (dstrbus Ka kuadrat, Ekspoesal, da Seragam) dharapka hpotess ol dtolak. Tabel d bawah merupaka persetase peolaka dar smulas yag dlakuka utuk setap uj keormala. Tabel. Persetase Peolaka utuk Tap Tpe Dstrbus Persetase Peolaka Uj Statstk Normal Ka Kuadrat Ekspoesal Seragam Lllefors Shapro-Wlk Skewess Kurtoss D Agosto-Pearso Jarque Bera Utuk sampel data yag berdstrbus Normal dharapka bahwa persetase peolaka yag dberka oleh keeam uj keormala harus lebh kecl dar persetase peermaaya. Lma dar eam uj telah sesua dega yag dharapka, karea persetase peolakaya lebh kecl dar persetase peermaaya. al sesua dega keyataa bahwa sampel yag dguaka berasal dar Dstrbus Normal. Tetap, ada satu uj yatu D Agosto-Pearso yag tdak sesua dega yag dharapka karea persetase peolakaya lebh besar dar persetase peermaaya. al dsebabka oleh perhtuga uj megguaka gabuga dar hampra dstrbus sampel utuk Skewess da Kurtoss. Jka semak jauh perbedaa atara la Skewess da Kurtoss dar smulasya dega la Skewess da Kurtoss utuk Dstrbus Normal, maka kemugka peolaka hpotess ol oleh uj D Agosto-Pearso semak besar. 39

13 Kaja Beberapa Uj Keormala Sedagka utuk sampel data yag berdstrbus tdak Normal dharapka bahwa persetase peolaka harus lebh besar dar pada persetase peermaa. Dar Tabel 7 d atas dapat dlhat bahwa utuk sampel data yag berdstrbus Ekspoesal, persetase peolaka dar semua uj lebh besar dar persetase peermaaya. I sesua dega keyataa bahwa sampel data yag dguaka berasal dar populas berdstrbus tdak ormal. Tetap, dar sampel data yag berdstrbus tdak Normal laya (Ka Kuadrat da Seragam) tdak semua uj memeuh krtera. al dsebabka oleh parameter yag dguaka dalam smulas merupaka blaga bulat acak yag berbeda-beda. Utuk Dstrbus Ka Kuadrat dsebabka oleh db, jka db semak besar maka kemugka uj-uj statstk utuk meolak hpotess bahwa sampel data berdstrbus Normal semak kecl. Sedagka utuk Dstrbus Seragam dsebabka oleh parameter a da b, jka semak kecl la dar parameter a da b yag dguaka, maka kemugka uj-uj keormala utuk meolak hpotess ol semak kecl. 5. Kesmpula Dstrbus Normal merupaka dstrbus yag palg petg karea dstrbus memberka hampra yag bak terhadap dstrbus teorts laya da bayak uj statstk yag megasumska dataya megkut Dstrbus Normal dalam proses aalssya.. Secara keseluruha uj keormala yag bak utuk sampel data berdstrbus Normal maupu tdak Normal adalah uj Shapro-Wlk karea uj merupaka pegamata tertata yag bebas dar skala da ttk pusat serta tergatug pada korelas atara data yag dberka da kecocoka agka ormalya. Sedagka uj statstk D Agosto-Pearso dajurka utuk data yag dbagktka dar Dstrbus tdak Normal. DAFTAR PUSTAKA Coover, W.J. 97. Practcal Noparametrc Statstcs. Joh Wley ad Sos. New York Daja, A Pegatar Metode Statstk. PT Pustaka LP3ES. Jakarta Dxo, W.J. & F.J. Massey. 99. Pegatar Aalss Statstk. Gadjah Mada Uversty Press. Yogyakarta Djarwato.. Megeal Beberapa Uj Statstk dalam Peelta. Lberty. Yogyakarta Furqo. 4. Statstka Terapa utuk Peelta. Alpabeta. Badug Gujarat, D Essetals of Ecoometrcs. McGraw ll. Bosto ogg, R.V ad E.A. Tas Probablty ad Statstcal Iferece. MACMILLAN Publshg Compay. New York Kesk, S. 6. Comparso of Several Uvarate Normalty Test Regardg Type I Error Rate ad Power of the Test Smulato Based Small Samples. Mades, M ad A. Pala. 3. Type I Error Rate ad Power of Three Normalty Tests. Marques de Sa, J.P. 7. Appled Statstcs Usg SPSS, STATISTICAL, MATLAB, ad R. Sprger Berl edelberg. New York Nasoeto, A.. da Barz Metode Statstka utuk Pearka Kesmpula. PT Grameda. Jakarta 4

14 Sgma Mu Rho e-jural Statstka Oztua, D. et al. 6. Ivestgato of Four Dfferet Normalty Tests Terms of Type Error Rate ad Power Uder Dfferet Dstrbutos. Patra, B. 8. Uj Keormala. Peg, G. et al. 4. Testg Normalty of Data Usg SAS. Ross, S.M Itroducto to Probablty ad Statstcs for Egeers ad Scetsts. Joh Wley & Sos. New York Seber, G.A.F Multvarate Observato. Joh Wley ad Sos. New York Shesk, D.J. 3. Parametrc ad Noparametrc Statstcal Procedure. Chapma ad all (CRC). Boca Rato Walpole, R.E. ad R.. Myers Ilmu Peluag da Statstk utuk Isyur da Ilmuwa. ITB. Badug 4

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 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 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

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

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. 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

* 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

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 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

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

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

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

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 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

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

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

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

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 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

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

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

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

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

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

Lebih terperinci

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

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

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

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

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

Volume 1, Nomor 2, Desember 2007

Volume 1, Nomor 2, Desember 2007 Volume, Nomor, Desember 007 Barekeg, Desember 007. hal.-7 Vol.. No. ESTIMASI PARAMETER DISTRIBUSI EKPONENSIAL PADA LOKASI TERBATAS (Estmatg Parameter Dstrbuto Expoetal At Fte Locato MOZART W TALAKUA, JEFRI

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

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

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

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

Lebih terperinci

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

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

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

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

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

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

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

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

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

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat BAB II LANDASAN TEORI Sebaga pedukug dalam pembahasa selajutya, dperluka beberapa teor da defs megea varabel radom, regres ler, metode kuadrat terkecl, peguja asums aalss regres, outler, da regres robust.

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

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

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

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

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

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

; 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

BAB II TINJAUAN PUSTAKA. dua sampel berpasangan akan menggunakan statistik uji T 2 -Hotelling. Untuk itu,

BAB II TINJAUAN PUSTAKA. dua sampel berpasangan akan menggunakan statistik uji T 2 -Hotelling. Untuk itu, BAB II TINJAUAN PUSTAKA. Pedahulua Dalam bab aka dbahas tetag uj t utuk meguj sebuah parameter rata-rata da selsh dua parameter rata-rata dua sampel berpasaga dbawah asums populas berdstrbus ormal. Pada

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

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

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

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

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

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

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

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

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

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

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

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

Lebih terperinci

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA, Fakultas MIPA, Uverstas Neger Yogyakarta, 4 Me ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL Ksmat Jurusa Peddka

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

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

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

( ) ( ) ( ) ( ) ( ) 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

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakag Masalah Regres merupaka suatu metode statstka yag dguaka utuk meyeldk pola hubuga atara dua atau lebh varabel.betuk atau pola hubuga varabelvarabel tersebut dapat ddetfkas

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

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

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

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 15 di kota Gorontalo BAB III METODOLOGI PENELITIAN 3. Tempat Da Waktu Peelta 3.. Tempat peelta Peelta dlaksaaka d SMP Neger 5 d kota Gorotalo 3.. Waktu peelta Peelta dlaksaaka sejak bula oktober hgga bula desember, yag melput

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

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER

ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo Estmas Regres Deret Fourer ESTIMASI FUNGSI REGRESI MENGGUNAKAN METODE DERET FOURIER Supart da Sudargo 2 ) Jurusa Matematka, FMIPA, Udp 2) Jurusa Ped. Matematka, FPMIPA, IKIP PGRI, Semarag

Lebih terperinci

Sampel dan Distribusi Sampling

Sampel dan Distribusi Sampling P Modul Sampel da Dstrbus Samplg PENDAHULUAN Prof. Dr. Zazaw Soejoet ada modul pertama, aka dpelajar terlebh dahulu megea sampel da sfat-sfatya serta samplg-ya. Mater sebearya telah bayak dsajka pada mata

Lebih terperinci

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

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

Lebih terperinci

REGRESI SEDERHANA Regresi

REGRESI SEDERHANA Regresi P a g e REGRESI SEDERHANA.. Regres Istlah regres dkemukaka utuk pertama kal oleh seorag atropolog da ahl meteorology Fracs Galto dalam artkelya Famly Lkeess Stature pada tahu 886. Ada juga sumber la yag

Lebih terperinci

Analisis Korelasi dan Regresi

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

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

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

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 III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013.

BAB III METODOLOGI PENELITIAN. Propinsi Gorontalo tahun pelajaran 2012/2013. BAB III METODOLOGI PENELITIAN 3.. Tempat da Waktu Peelta Peelta dlaksaaka d SMP Neger 3 Gorotalo kota Gorotalo Props Gorotalo tahu pelajara 0/03. D SMP Neger 3 Gorotalo memlk 6 romboga belajar yag terdr

Lebih terperinci

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN

KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN KARAKTERISTIK INFLASI BULANAN KOTA-KOTA DI INDONESIA TAHUN 009 03 S - Ad Setawa Program Stud Matematka Fakultas Sas da Matematka Uverstas Krste Satya Wacaa, Jl. Dpoegoro 5-60 Salatga 507 Emal : ad_seta_03@yahoo.com

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

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

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

Lebih terperinci

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

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

HAND OUT STATISTIKA DASAR (MT308) Oleh : Dewi Rachmatin, S.Si., M.Si.

HAND OUT STATISTIKA DASAR (MT308) Oleh : Dewi Rachmatin, S.Si., M.Si. HAND OUT STATISTIKA DASAR (MT308) Oleh : Dew Rachmat, S.S., M.S. JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN IPA UNIVERSITAS PENDIDIKAN INDONESIA 008 Idettas Mata Kulah. Nama Mata

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

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka

Lebih terperinci

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama. BAB 2 LANDASAN TEORITIS 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatf lama. Sedagka ramala adalah

Lebih terperinci

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama. BAB 2 LANDASAN TEORI 2.1 Pegerta Peramala Peramala ( forecastg ) adalah kegata memperkraka atau mempredkska apa yag aka terjad pada masa yag aka datag dega waktu yag relatve lama. Sedagka ramala adalah

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

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci