Uji Kesesuain Bentuk Distribusi (Goodness of Fit Test)
|
|
- Hadi Kusumo
- 5 tahun lalu
- Tontonan:
Transkripsi
1 Uji Kesesuain Bentuk Distribusi (Goodness of Fit Test) Sebuah model, harus mampu merepresentasikan sistem nyata yang dimodelkan, dengan kata lain sebuah model harus mampu meniru perilaku sistem nyatanya. Agar model mampu meniru perilaku sistem nyatanya, model harus dibangun berdasarkan karakteristik sistem nyatanya. Misalnya, dalam sebuah pemodelan loket pembayaran tol, waktu antar kedatangan mobil yang akan membayar biaya tol harus sesuai dengan waktu antar kedatangan mobil pada loket pembayaran tol yang sebenarnya. Demikian juga dengan waktu pelayanannya (waktu yang dihabiskan oleh sebuah mobil dari mulai berhenti di depan loket, membayar, mendapatkan kembalian atau bukti pembayaran, sampai mobil kembali berjalan), harus sesuai dengan waktu pelayanan petugas tol yang sebenarnya. Setiap data memiliki pola, dalam ilmu statistika, pola data biasa disebut Distribusi Statistik (Statistical Distributions). Data sistem nyata yang dikumpulkan dengan cara melakukan pengamatan/survey harus dicari karakteristiknya (pola dan parameternya). Jika karakteristik data dari sistem nyata tersebut sudah diketahui, kita akan dapat memasukkan karakteritik tersebut ke dalam model yang sedang dibangun, sehingga model tersebut akan berjalan sesuai dengan karakteristik sistem nyatanya. Untuk mendapatkan karakteristik data sistem nyata tersebut diperlukan pengujian kesesuaian bentuk distribusi (goodness of fit test). Dengan goodness of fit test akan diketahui pola data (distribusi) berikut parameternya. Berikut ini disajikan beberapa distribusi statistik yang cukup dikenal dan banyak digunakan dalam penelitian. Distribusi terbagi ke dalam: 1. Distribusi Kontinyu: a. Distribusi Normal b. Distribusi Beta c. Distribusi Eksponensial d. Distibusi Lognormal e. Distribusi Triangular f. Distribusi Weibull g. dll. 2. Distribusi Diskrit: a. Distribusi Poissön (dibaca: poassong) b. Distribusi Binomial c. Distribusi Hipergeometrik d. Distribusi Geometrik e. dll. Goodness of Fit Test 1
2 Sebagai software simulasi multipurpose, Arena dilengkapi dengan fasilitas pembangkitan bilangan random berdistribusi (random number generator) dan fasilitas pengujian bentuk distribusi statistik. Distribusi Statistik yang tersedia dan dapat digunakan dalam pemodelan dengan Arena, adalah sebagai berikut: Distribusi Beta Distribusi Continuous Distribusi Discrete Distribusi Erlang Distribusi Exponential Distribusi Gamma Goodness of Fit Test 2
3 Distribusi Normal Distribusi Lognormal Distribusi Weibull Distribusi Poissön Distribusi Triangular Distribusi Uniform Distribusi Johnson Goodness of Fit Test 3
4 Untuk mengetahui suatu data membentuk pola (distribusi) tertentu, perlu dilakukan Uji Kesesuaian Bentuk Distribusi (Goodness of Fit Test) dengan prosedur tertentu. Berikut adalah contoh Pengujian Kesesuaian Bentuk Distribusi Normal: Prosedur Uji Hipotesis Kesesuaian Bentuk Distribusi (Normal) 1. Hipotesis: H o: Data Hasil Pengamatan Berdistribusi Normal H 1: Data Hasil Pengamatan Tidak Berdistribusi Normal 2. Statistik Pengujian (Test Statistics): Perhitungan 2 (Chi Square) dilakukan dengan mekanisme tertentu, proses perhitungan selengkapnya dipelajari dalam kuliah Statistika. 3. Kriteria Penolakan H o: Tolak H o jika > diperoleh dari Tabel Chi Square dengan dan tertentu = significance level = tingkat signifikansi = tingkat keberartian = degree of freedom = derajat kebebasan, = k p 1, dengan k = jumlah kelas, dan p = jumlah parameter dari distribusi yang sedang diuji. Daerah penolakan H o Daerah penerimaan H o = tingkat signifikansi Tabel Chi Square dst.. 4. Kesimpulan: Jika H o DITERIMA, maka Data Hasil Pengamatan tidak berbeda secara signifikan dengan Distribusi Normal, artinya Data Hasil Pengamatan Berdistribusi NORMAL. Jika H o DITOLAK, maka Data Hasil Pengamatan berbeda secara signifikan dengan Distribusi Normal, artinya Data Hasil Pengamatan Tidak Berdistribusi NORMAL. bramand@unpas.ac.id Goodness of Fit Test 4
5 Arena juga dilengkapi dengan fasilitas untuk melakukan pengujian bentuk distribusi. Fasilitas itu terdapat pada menu Tools Input Analyzer: Sebelum melakukan pengujian bentuk distribusi ini, data yang akan diuji harus disiapkan terlebih dahulu. Data tersebut dapat ditulis menggunakan aplikasi Notepad dan disimpan dengan extension DST. Berikut ini adalah contoh data yang disusun mengunakan Notepad: Jika data yang akan diuji telah siap, pengujian dapat dilakukan dengan memilih menu File New, maka akan tampil layar Input seperti ini: Goodness of Fit Test 5
6 Lalu klik menu File Data File Use Existing dan browse file data yang akan diuji, maka data tersebut akan ditampilkan dalam bentuk grafik seperti ini: Dan untuk mengetahui bentuk distribusi dari data yang akan diuji, klik menu Fit Fit All, maka akan tampil hasil pengujian seperti ini: Goodness of Fit Test 6
7 Dari pengujian tersebut terlihat hasil sebagai berikut: 1. Bentuk distribusi: Normal 2. Distribusi Normal memiliki 2 parameter, yaitu rata rata (mean) dengan nilai 18.6 dan simpangan baku (standard deviation) dengan nilai 1.5, dapat dilihat pada bagian Expression: NORM(18.6,1.5). Hasil pengujian ini adalah hasil pengujian terbaik (square error nya paling kecil), hasil pengujian terhadap seluruh Distribusi Statistik dapat dilihat menggunakan menu Window Fit All Summary: bramand@unpas.ac.id Goodness of Fit Test 7
Distribusi Probabilitas Kontinyu Teoritis
Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Pada kehidupan sehari-hari, distribusi probabilitas dapat ditemukan dalam banyak hal yang dapat memberikan manfaat dalam penerapannya. Distribusi probabilitas merupakan
Lebih terperinciBAB LAMPIRAN Distribusi Peluang dengan SPSS
BAB LAMPIRAN Distribusi Peluang dengan SPSS Dalam modul ini, kita akan mempelajari bagaimana melakukan berbagai analisa berkaitan dengan distribusi peluang menggunakan SPSS 1. Membangkitkan data random
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciDAFTAR ISI... KATA PENGANTAR... ABSTRAKSI Perumusan Masalah Batasan Masalah Tujuan Penelitian... 3
DAFTAR ISI HALAMAN JUDUL... LEMBAR PENGESAHAN DOSEN PEMBIMBING... LEMBAR PENGESAHAN DOSEN PENGUJI... HALAMAN PERSEMBAHAN... HALAMAN MOTTO... KATA PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR.. DAFTAR TABEL...
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Pada kehidupan sehari-hari, distribusi probabilitas dapat diterapkan dalam banyak hal yang memberikan keuntungan serta manfaat dalam pengaplikasiannya. Misalnya, pada
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan berjalannya waktu, ilmu pengetahuan dan teknologi (sains dan teknologi) telah berkembang dengan cepat. Salah satunya adalah ilmu matematika yang
Lebih terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciSATUAN ACUAN PERKULIAHAN MATA KULIAH : STATISTIK & PROBABILITAS KODE : TIK1010 / SKS : 3 SKS
SATUAN ACUAN PERKULIAHAN MATA KULIAH : KODE : TIK1010 / SKS : 3 SKS SEMESTER : III / GANJIL WAKTU : 150 Menit JUMLAH PERTEMUAN : 16 x pertemuan (14 x materi kuliah, 2 x Ujian (UTS dan UAS)) 1 ANALISIS
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN Bab 4 ini akan membahas mengenai pengumpulan data, pengolahan data, dan analisa data. Pengumpulan data diperoleh dari perusahaan dengan cara observasi langsung ke lapangan dan
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013
3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:
Lebih terperinciDISTRIBUSI VARIABEL RANDOM
DISTRIBUSI VARIABEL RANDM Distribusi Variabel Diskrit Distribusi variabel diskrit adalah salah satu variabel acak yang diasumsikan memiliki bilangan terbatas dari nilai-nilai yang berbeda. Contoh : Waktu
Lebih terperinciPEMBANGKIT RANDOM VARIATE
PEMBANGKIT RANDOM VARIATE Mata Kuliah Pemodelan & Simulasi JurusanTeknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probalitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Antrian Teori antrian adalah teori yang menyangkut studi sistematis dari antrian atau baris-baris penungguan. Formasi baris-baris penungguan ini tentu saja merupakan suatu
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciBAB III OBYEK DAN METODE PENELITIAN. penafsiran semua data yang berkaitan dengan apa yang menjadi obyek di dalam
BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Penelitian Obyek penelitian adalah proses yang mendasari pemilihan, pengolahan, dan penafsiran semua data yang berkaitan dengan apa yang menjadi obyek di dalam
Lebih terperinciTAKARIR. digunakan dalam menyusun laporan tugas akhir ini : : Besi berbentuk pipa yang digunakan untuk menggulung benang pada. proses splitting.
TAKARIR Berikut ini adalah padanan kata bahasa asing dalam bahasa Indonesia yang digunakan dalam menyusun laporan tugas akhir ini : Mother Yarn : Bahan baku berupa filament benang Nylon yang terdiri dari
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciANALISIS KONDISI HAULAGE PETI KEMAS DI AREA PELABUHAN (STUDI KASUS: PELABUHAN TANJUNG PERAK SURABAYA)
ANALISIS KONDISI HAULAGE PETI KEMAS DI AREA PELABUHAN (STUDI KASUS: PELABUHAN TANJUNG PERAK SURABAYA) *Muhammad Imam Wahyudi,**Setyo Nugroho. *Mahasiswa Jurusan Teknik Perkapalan *Staf Pengajar Jurusan
Lebih terperinciJurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA. Continuous Probability Distributions.
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada STATISTIKA Continuous Probability Distributions 1 Continuous Probability Distributions Normal Distribution Uniform Distribution Exponential Distribution
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana
Lebih terperinciI. PENDAHULUAN 1.1 Latar Belakang 1.2 Tujuan praktikum II. TINJAUAN PUSTAKA 2.1 Definisi Distribusi Probabilitas
I. PENDAHULUAN 1.1 Latar Belakang Distribusi probabilitas dapat diterapkan dalam banyak hal seperti pada kehidupan sehari-hari, kegiatan bisnis maupun pada dunia industri. Distribusi probabilitas berguna
Lebih terperinciFORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING
FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan
Lebih terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Antrian Sistem antrian adalah merupakan keseluruhan dari proses para pelanggan atau barang yang berdatangan dan memasuki barisan antrian yang seterusnya memerlukan pelayanan
Lebih terperinciPEMODELAN DISTRIBUSI FREKWENSI TIME HEADWAY LALU LINTAS DI WILAYAH JALAN BERBUKIT
PEMODELAN DISTRIBUSI FREKWENSI TIME HEADWAY LALU LINTAS DI WILAYAH JALAN BERBUKIT Rizky Indra Utama Jurusan Teknik Sipil Universitas Andalas Abstrak Time headway merupakan besaran mikroskopik arus lalu
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN
BAB 4 HASIL DAN PEMBAHASAN 4.1 Pengantar Pada Bab ini akan dilakukan pembahasan untuk menetapkan beban overbooking melalui model penghitungan. Untuk dapat melakukan penghitungan tersebut, terlebih dahulu
Lebih terperinciBAB III METODOLOGI PENELITIAN. dalam pembuatan solusi tersebut adalah sebagai berikut: harapan dan memiliki manfaat yang maksimal.
BAB III METODOLOGI PENELITIAN Pada bab ini akan menjelaskan tentang tahapan-tahapan yang dilakukan untuk memecahkan masalah. Tahapan tersebut diawali dengan analisa permasalahan yang terjadi dalam Puskesmas
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS
KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu
Lebih terperinciPEMODELAN DISTRIBUSI FREKWENSI TIME HEADWAY LALU LINTAS DI WILAYAH JALAN BERBUKIT ABSTRAK
VOLUME 12 NO. 2, OKROBER 2016 PEMODELAN DISTRIBUSI FREKWENSI TIME HEADWAY LALU LINTAS DI WILAYAH JALAN BERBUKIT Rizky Indra Utama 1, Purnawan 2, dan Hendra Gunawan 3 ABSTRAK Time headway merupakan besaran
Lebih terperinciMODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 )
MODUL UJI NON PARAMETRIK (CHI-SQUARE/X 2 ) Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Chi Square Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi
Lebih terperinciBILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :
BILANGAN ACAK Bilangan acak adalah bilangan sembarang tetapi tidak sembarangan. Kriteria yang harus dipenuhi, yaitu : Bilangan acak harus mempunyai distribusi serba sama (uniform) Beberapa bilangan acak
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN Dalam bab ini akan menjelaskan tentang hasil pengujian perhitungan secara matematis dengan membandingkan histogram data mentah dan distribusi probabilitias teoritis. Data mentah
Lebih terperinciSTATISTIK PERTEMUAN IV
STATISTIK PERTEMUAN IV PRINSIP DAN DISTRIBUSI PROBABILITAS A. PERANAN PROBABILITAS Pembuatan model, analisis matematis, simulasi komputer dan sebagainya, banyak didasarkan atas asumsi-asumsi yang diidealisir,
Lebih terperinciLAMPIRAN 1. Struktur Organisasi PT. Soho
8 LAMPIRAN Struktur Organisasi PT. Soho 83 LAMPIRAN Perhitungan Jumlah Sampel Minimum Menurut Sritomo (995, p 84), untuk menetapkan jumlah observasi yang seharusnya dibuat (N ) maka disini harus diputuskan
Lebih terperinciADITHYA SUDIARNO, ST., MT.
STATISTIKA INDUSTRI [VAR RANDOM & DISTRIBUSI PROB.] ADITHYA SUDIARNO, ST., MT. ANALISIS PEMBELAJARAN STATISTIK DESKRIPTIF KONSEP PELUANG/ PROBABILITAS TEKNIK PENGAMBILAN SAMPLING RANDOM VARIABLE KONSEP
Lebih terperinciDISTRIBUSI KONTINU. Uniform Normal Gamma & Eksponensial. MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar
DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA3181 Teori Peluang 3 November 2014 Utriweni Mukhaiyar Distribusi Uniform 2 Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p: f(x)
Lebih terperinciPERHITUNGAN MEAN TIME TO FAILURE RODA GERINDA SILICONE CARBIDE Ø 205 mm PADA MESIN GERINDA. Firlya Rosa 1, Edrward Prawiro 2 ABSTRAK
PERHITUNGAN MEAN TIME TO FAILURE RODA GERINDA SILICONE CARBIDE Ø 205 mm PADA MESIN GERINDA Firlya Rosa 1, Edrward Prawiro 2 1 Jurusan Teknik Mesin, Universitas Bangka Belitung 2 Sarjana S-1 Jurusan Teknik
Lebih terperinciBAB 2 LANDASAN TEORI
24 BAB 2 LANDASAN TEORI 2.1 Pendahuluan Ilmu pengetahuan tentang bentuk antrian, yang sering disebut sebagai teori antrian (queueing theory) merupakan sebuah bagian penting operasi dan juga alat yang sangat
Lebih terperinci6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.
Pertemuan ke- BAB IV POPULASI, SAMPEL, DISTRIBUSI TEORITIS, VARIABEL KONTINU, DAN FUNGSI PROBABILITAS. Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat α Jika x berdistribusi χ (v) dengan v = derajat
Lebih terperinciDISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Peluang terjadinya nilai variabel random X yang meliputi semua nilai ditentukan melalui distribusi peluang. Distribusi peluang suatu variabel random X adalah
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciR Commander - Rcmdr. A. Instalasi & Menu dalam Rcmdr 1. Instalasi
+ R Commander - Rcmdr Seperti kita telah pelajari dan lihat sebelumnya, R adalah perangkat lunak statistik berbasiskan perintah (command driven), yang sepertinya dapat memberi kesulitan bagi pengguna pemula
Lebih terperinciBAB IV ANALISIS DAN PEMBAHASAN. 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Tabel. 4.1 Data Laporan Keuangan PT Mayora Indah Tbk.
BAB IV ANALISIS DAN PEMBAHASAN 4.1 Analisis Data Laporan Keuangan PT Mayora Indah Tbk. Berikut adalah data laporan keuangan PT Mayora Indah Tbk (dalam juta Rupiah), selama tahun 2007 sampai dengan 2010.
Lebih terperinciTINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.
II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
Lebih terperinciBAB 3 METODOLOGI DAN DATA PENELITIAN
BAB 3 METODOLOGI DAN DATA PENELITIAN 3.1 Pengantar Dalam penelitian ini digunakan rancangan penelitian kasus karena dengan rancangan ini diharapkan dapat memberikan informasi yang mendalam, akurat, lengkap
Lebih terperinciPRAKTIKUM ANALISIS DATA EKSPLORATIF
LAPORAN PRAKTIKUM ANALISIS DATA EKSPLORATIF Oleh: GEMPUR SAFAR (10877) PROGRAM STUDI STATISTIKA Asisten SIGIT SAMAPTAAJI BAGUS PRAMULYA Dosen Dra. SRIHARYATMI KARTIKO, M.Sc. LABORATORIUM KOMPUTASI MATEMATIKA
Lebih terperinciSIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL
SEMINAR TUGAS AKHIR SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL (STUDI KASUS TERMINAL MIRAH PELABUHAN TANJUNG PERAK SURABAYA) Oleh : Risky Abadi 1203.109.004 Latar Belakang Pelabuhan Tanjung Perak sebagai
Lebih terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciBAB V HASIL DAN PEMBAHASAN 5.1 OBSERVASI LAPANG
BAB V HASIL DAN PEMBAHASAN 5.1 OBSERVASI LAPANG Perum Perhutani Unit III Jawa Barat dan Banten merupakan salah satu perusahaan yang memproduksi air minum dalam kemasan. Perusahaan memproduksi berbagai
Lebih terperinciBAB 4 HASIL DAN PEMBAHASAN. merupakan mesin paling kritis dalam industri pengolahan minyak sawit. Pabrik
BAB 4 HASIL DAN PEMBAHASAN 4.1.Pengumpulan Data Kerusakan Mesin Dalam penelitian ini, penulis meneliti kerusakan pada mesin kempa yang merupakan mesin paling kritis dalam industri pengolahan minyak sawit.
Lebih terperinciBAB 3 PENGOLAHAN DATA
BAB 3 PENGOLAHAN DATA 3.1 Menentukan Model Persamaan Regresi Linier Berganda Data yang dikumpulkan dalam penelitian ini adalah jumlah kecelakaan lalu lintas dan faktor-faktor yang mempengaruhinya yaitu
Lebih terperinciStatistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari
Lebih terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
Lebih terperinciDISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson
DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai
Lebih terperinciMODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL
MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Eksponensial Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi
Lebih terperinciProsiding Statistika ISSN:
Prosiding Statistika ISSN: 2460-6456 Distribusi Binomial Negatif-Lindley pada Data Frekuensi Klaim Asuransi Kendaraan Bermotor di Indonesia Binomial Negative-Lindley Distribution in the Frequency Data
Lebih terperinciBAB 1 PENDAHULUAN. banyak lagi. Pernah kita mendengar pernyataan seperti: tiap bulan habis
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari tanpa disadari kita telah banyak menggunakan statistika. Melalui media informasi seperti, surat kabar, televisi, dunia pendidikan, dan masih
Lebih terperinciBAB III PEMODELAN DAN SIMULASI
BAB III PEMODELAN DAN SIMULASI 3.1 Sistem Antrian Incoming Call THE TEMPO GROUP Gambar 3.1 Telepon Operator Secara umum Sistem Antrian Incoming Call di THE TEMPO GROUP dapat digambarkan sebagai berikut
Lebih terperinciMata Kuliah Pemodelan & Simulasi
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia 1 Pendahuluan (1) Sifat probabilitistik pada sistem nyata mempunyai pola distribusi probabilistik
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Dari hasil analisis persediaan pulsa produk AS, Simpati, IM3, Mentari, dan XL di Graha Cellular, dapat ditarik kesimpulan bahwa untuk memaksimumkan total laba
Lebih terperinciBAB 4. Hasil dan Pembahasan. dengan perawatan berkala, penyediaan kendaraan pengganti, layanan darurat dan
BAB 4 Hasil dan Pembahasan 4.1. PT. X 4.1.1. Profil PT. X PT. X melayani jasa penyewaan kendaraan meliputi penyewaan kendaraan dengan perawatan berkala, penyediaan kendaraan pengganti, layanan darurat
Lebih terperinciSTATISTIKA NONPARAMETRIK
Jurusan Pendidikan Fisika FPMIPA Universitas Pendidikan Indonesia STATISTIKA NONPARAMETRIK Uji Tanda, Uji Wilcoxon, dan Kolmogorov Smirnov Achmad Samsudin, S.Pd., M.Pd. MODUL STATISTIKA NONPARAMETRIK Achmad
Lebih terperinciBAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA
BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan
Lebih terperinciPembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu
Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Distribusi Peluang Diskrit 1. Hitunglah P( < 10) dengan distribusi binomial untuk n = 15, p = 0,4!
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciRegresi dengan Microsoft Office Excel
Regresi dengan Microsoft Office Excel Author: Junaidi Junaidi 1. Pengantar Dalam statistik, regresi merupakan salah satu peralatan yang populer digunakan, baik pada ilmu-ilmu sosial maupun ilmu-ilmu eksak.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciHaryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
Lebih terperinciMK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
47 BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Analisis Hasil Berdasarkan apa yang telah dijelaskan diatas maka dalam bab selanjutkan penulis akan menyajikan hasil analisis dan pembahasan data. Dalam penelitian
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Pengertian Persediaan Persediaan merupakan simpanan material yang berupa bahan mentah, barang dalam proses dan barang jadi. Dari sudut pandang sebuah perusahaan
Lebih terperinciPrediksi Harga Saham dengan ARIMA
Prediksi Harga Saham dengan ARIMA Peramalan harga saham merupakan sesuatu yang ditunggu-tunggu oleh para investor. Munculnya model prediksi yang baru yang bisa meramalkan harga saham secara tepat merupakan
Lebih terperinciBAB 3 DATA DAN METODOLOGI PENELITIAN
BAB 3 DATA DAN METODOLOGI PENELITIAN 3.1 Pengantar Di dalam penelitian ini akan dijelaskan secara detil mengenai data penelitian dan hal-hal yang terkait dengan data-data yang akan digunakan dalam penelitian
Lebih terperinci2.1.1 Tujuan Perencanaan dan Pengaturan Tata Letak Pabrik
DAFTAR ISI Lembar Pengesahan Surat Keterangan Penelitian Motto Halaman Persembahan Abstraksi Kata Pengantar Daftar Isi Daftar Gambar Daftar Tabel BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan 1.2 Rumusan
Lebih terperinciPENDEKATAN SIMULASI UNTUK ANALISIS ANTRIAN PADA BENGKEL SERVIS PT. X
PENDEKATAN SIMULASI UNTUK ANALISIS ANTRIAN PADA BENGKEL SERVIS PT. X Prima Denny Sentia, Ilyas, Riyan Haikal Prodi Teknik Industri, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh Email: primadennysentia@unsyiah.ac.id
Lebih terperinciSEKOLAH TINGGI MANAJEMEN INFORMATIKA & KOMPUTER JAKARTA STI&K SATUAN ACARA PERKULIAHAN
SEKOLAH TINGGI MANAJEMEN INFORMAA KOMPUTER JAKARTA STIK SATUAN ACARA PERKULIAHAN Mata : TEKNIK SIMULASI Kode Mata : MI - 15222 Jurusan / Jenjang : D3 TEKNIK KOMPUTER Tujuan Instruksional Umum : Agar mahasiswa
Lebih terperinciSTATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan
Lebih terperinciPENDEKATAN SIMULASI UNTUK ANALISIS ANTRIAN PADA BENGKEL SERVIS PT. X
PENDEKATAN SIMULASI UNTUK ANALISIS ANTRIAN PADA BENGKEL SERVIS PT. X Prima Denny Sentia, Ilyas, Riyan Haikal Prodi Teknik Industri, Fakultas Teknik, Universitas Syiah Kuala, Banda Aceh Email: primadennysentia@unsyiah.ac.id
Lebih terperinciESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI
ESTIMASI PARAMETER REGRESI RANK BERDISTRIBUSI EKSPONENSIAL DENGAN MENGGUNAKAN METODE KUADRAT TERKECIL TERBOBOTI Megawati 1, Anisa 2, Raupong. 3 Abstrak Regresi kuadrat terkecil berdasarkan plot peluang,
Lebih terperinciUJI KECOCOKAN DATA DALAM PENGUKURAN RISIKO OPERASIONAL SKRIPSI NONI SULANI ALFRINA LUBIS
UJI KECOCOKAN DATA DALAM PENGUKURAN RISIKO OPERASIONAL SKRIPSI NONI SULANI ALFRINA LUBIS 090823010 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciMA4183 MODEL RISIKO Control your Risk!
Catatan Kuliah MA4183 MODEL RISIKO Control your Risk! disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2014 Tentang MA4183 Model Risiko A. Jadwal
Lebih terperinciPower Dari Uji Kenormalan Data
Power Dari Uji Kenormalan Data Dosen Jurusan Teknik Mesin-Fakultas Teknologi Industri, Universitas Kristen Petra Center for Quality Improvement Jl. Siwalankerto 121-131, Surabaya 60293 dwahjudi@peter.petra.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Bab ini terdiri dari 3 bagian. Pada bagian pertama diberikan tinjauan pustaka dari penelitian sebelumnya. Pada bagian kedua diberikan teori penunjang untuk mencapai tujuan penelitian
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks
Minggu Pokok Bahasan ke dan TIU 1 1Pendahuluan tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika statistika Mahasiswa dapat menjelaskan kegunaan
Lebih terperinciPRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu melakukan deskripsi, eksplorasi dan interpretasi data serta Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu
Lebih terperinciI. PENDAHULUAN. Perkembangan teori statistika telah mempengaruhi hampir semua aspek. Dalam teori statistika dan peluang, distribusi gamma (
I. PENDAHULUAN 1.1. Latar Belakang dan Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciII. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda
Lebih terperinciII. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull
Lebih terperinciBAB I PENDAHULUAN. Kata Statistik dikaitkan dengan kata staat (bahasa Jerman artinya Negara) atau statista
BAB I PENDAHULUAN 1.1 Latar Belakang Kata Statistik dikaitkan dengan kata staat (bahasa Jerman artinya Negara) atau statista (bahasa Italia artinya Negarawan). Jadi Statistika dapat bermakna suatu yang
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinci