Statistika Non Parametrik

Ukuran: px
Mulai penontonan dengan halaman:

Download "Statistika Non Parametrik"

Transkripsi

1 . Pedahulua Statistika No Paametik Kelebiha Uji No Paametik: - Pehituga sedehaa da cepat - Data dapat beupa data kualitatif (Nomial atau Odial) - Distibusi data tidak haus Nomal Kelemaha Uji No Paametik: - Tidak memafaatka semua ifomasi dai sampel (Tidak efisie) Kelemaha dipebaiki dega meambah ukua sampel Bebeapa Uji No Paametik yag aka dipelajai : - Uji tada bepasaga - Uji Peigkat Sampel Ma-Whitey - Uji Peigkat Sampel Wilcoxo - Uji Koelasi Peigkat Speama - Uji Kokodasi Kedall - Uji Ru(s). Uji Tada Bepasaga Uji dilakuka pada sampel tepisah (idepede) tada (+) data pada sampel > pasagaya sampel tada ( ) data pada sampel < pasagaya sampel tada Nol (0) data pada sampel pasagaya sampel Tada Nol tidak diguaka dalam pehituga Notasi yag diguaka : bayak tada (+) da tada ( ) dalam sampel p poposi SUKSES dalam sampel q p p 0 poposi SUKSES dalam H 0 q 0 p 0 p q Stada Eo Galat Baku σ p Rata-Rata Sampel μ p p 0 0 0

2 p μp p p Statistik Uji zhitug 0 zhitug σ p p0 q0 SUKSES tegatug dai apa yag ditayaka (igi diuji) dalam soal. Jika yag igi diuji sampel > sampel maka SUKSES adalah bayak tada (+) Jika yag igi diuji sampel < sampel maka SUKSES adalah bayak tada ( ) Nilai p 0 disesuaika dega ilai pegujia p yag diigika dalam soal atau jika igi diuji poposi sampel poposi sampel maka p 0 q Peetapa Peetapa H 0 da H : Tedapat 3 alteatif H 0 da H : (a) H 0 : p p 0 da H : p< p 0 Uji aah dega daeah peolaka H 0 : (b) H 0 : p p 0 da H : p > p 0 z < z α Uji aah dega daeah peolaka H 0 : z > z α (c) H 0 : p p 0 da H : p p 0 Uji aah dega daeah peolaka H 0 : z < z α / da z > z α / Cotoh a: Beikut adalah ilai pefeesi kosume tehadap Mek Sabu Madi. Dega taaf yata %, ujilah apakah poposi pefeesi kosume pada kedua mek beilai sama? No. LUXE GIVE Tada Respode Bayak tada (+) 8 Bayak tada ( )

3 Jika kita asumsika LUXE lebih disukai dibadig GIVE maka SUKSES dalam sampel adalah p poposi bayak tada (+) dalam sampel bayak positif 8 p q p Kaea igi diuji poposi yag suka LUXE GIVE maka p 0 q Lagkah Pegujia:. H 0 : p 0.50 H : p Statistik Uji : z 3. Uji: Aah 4. Taaf Nyata Pegujia α % α/ 0.5% Daeah Peolaka H 0 z < z z < da z > z > z Daeah Peolaka H 0 Daeah Peolaka H Daeah Peeimaa H Nilai statistik Uji : zhitug p p0 p0 q Kesimpula: z hitug 0.87 ada di daeah peeimaa H 0 H 0 diteima Poposi kosume yag meyukai LUXE masih sama dega yag meyukai GIVE. Cotoh b: 3

4 Dega megguaka data pada Tabel da taaf yata % ujilah apakah poposi pefeesi kosume pada sabu LUXE dibadig sabu GIVE sudah lebih dai 0.30? p q H 0 : p 0.30 H : p > Statistik Uji : z 3. Uji Aah 4. Taaf Nyata Pegujia α % Daeah Peolaka H 0 z > z00. z >.33 Luas daeah ii α Daeah Peolaka H 0 Daeah Peeimaa H Nilai statistik Uji : z hitug p p0 p0 q Kesimpula: z hitug.5 ada di daeah peolaka H 0, H0 ditolak H diteima Poposi kosume yag meyukai LUXE sudah lebih dai Uji Peigkat Sampel Ma-Whitey 4

5 Uji ii meupaka alteatif uji beda ata-ata Paametik dega megguaka t (Sampel-sampel beukua kecil). Lagkah petama pegujia ii adalah peguuta ilai mulai dai yag tekecil higga tebesa. Peguuta dilakuka tapa pemisaha kedua sampel. Selajutya lakuka peetapa Rak (Peigkat) dega atua beikut: Peigkat ke - dibeika pada ilai tekecil di uuta petama Peigkat tetiggi dibeika pada ilai tebesa Jika tidak ada ilai yag sama maka uuta peigkat Jika ada ilai yag sama, maka akig dihitug dega umus uuta data yg beilai sama Peigkat (R) bayak data yg beilai sama Cotoh a: Beika peigkat (akig) data dalam tabel beikut ii! Tabel. Nilai UAS Statistika Mahasiswa Fak. Ekoomi Mahasiswa Fak. Ilmu Kompute Nilai Uuta Ragkig Nilai Uuta Rakig R 7 R 93 Rakig utuk Nilai Rakig utuk Nilai Notasi yag diguaka 5

6 R Jumlah peigkat dalam sampel ke R Jumlah peigkat dalam sampel ke ukua sampel ke ukua sampel ke Ukua kedua sampel tidak haus sama ( + + ) Rata-ata R μ R ( + + ) Rata-ata R μ R Stada Eo (Galat Baku) σ R ( + + ) R μr z Statistik Uji Dalam pehituga haya H : R σ R yag diguaka, kaea ia mejadi subyek dalam H 0 da Peetapa H 0 da H : Tedapat 3 alteatif H 0 da H : (a) H 0 : μ μ da H : μ < μ Uji aah dega daeah peolaka H 0 : z < z α (b) H 0 : μ μ da H : μ > μ Uji aah dega daeah peolaka H 0 : z > z α (c) H 0 : μ μ da H : μ μ Uji aah dega daeah peolaka H 0 : z < z α / da z > z α / Cotoh b: Bedasaka Tabel (lihat Cotoh a), ujilah dega taaf yata 5%, apakah (peigkat) ilai mahasiswa Fak, Ekoomi lebih besa dibadig mahasiswa Ilmu Kompute?. H 0 : μ μ H μ > μ. Statistik Uji : z 3. Uji Aah 6

7 4. Taaf Nyata Pegujia α 5% Daeah Peolaka H 0 z > z 0.05 z >.645 Luas daeah ii α Daeah Peolaka H 0 Daeah Peeimaa H Nilai statistik Uji : R 7 R ( + + ) 0 ( ) μ R ( + + ) σ R z R μr σ R 7. Kesimpula: z hitug 0.9 ada di daeah peeimaah 0, H 0 diteima (Peigkat) ilai UAS Statistika di Fakultas Ekoomi Fakultas Ilmu Kompute. 4. Uji Peigkat Sampel Wilcoxo 7

8 Pisip pegejaaya sama dega Uji Peigkat Sampel Ma-Whitey, haya fokus kii dialihka sampel dega ukua tekecil. Notasi yag diguaka : ukua sampel ke ukua sampel ke < ukua sampel ke selalu lebih kecil dai sampel ke W jumlah peigkat pada sampel beukua tekecil Nilai Ekspektasi (W) E(W) ( + + ) Stada Eo SE Statistik Uji z ( + + ) W E(W ) SE Peetapa uuta, peigkat da H 0 da H sama dega Uji Ma-Whitey Cotoh 3: Beikut adalah data pedapata di kelompok pekeja Tabel 3. Pedapata Kayawa Icome (ibu USD/tahu) Depateme Q Depateme Z Uuta Ragkig Icome Uuta (ibu USD/tahu) Rakig W

9 Dega taaf yata 5% ujilah apakah (peigkat) pedapata di depateme Q lebih kecil dibadigka depateme Z?. H 0 : μ μ H μ < μ. Statistik Uji : z 3. Uji Aah 4. Taaf Nyata Pegujia α 5% Daeah Peolaka H 0 z < z 0.05 z <.645 Luas daeah ii α Daeah Peolaka H 0 6. Nilai statistik Uji : Daeah Peeimaa H 0 W 9 E(W) ( + + ) 44 ( + 8+ ) SE ( + + ) W E(W ) z SE Kesimpula: z hitug.9 ada di daeah peeimaah 0, H 0 diteima Peigkat Pedapata di kedua depateme sama 9

10 5. Uji Koelasi Peigkat Speama Dua uji teakhi (Ma-Whitey da Wilcoxo) ditujuka utuk sampel yag salig bebas (idepede), sedagka Uji Peigkat Speama ditujuka utuk peetapa peigkat data bepasaga. Kosep da itepetasi ilai Koelasi Speama ( Koelasi pada Regesi (Liie Sedehaa). R s ) sama dega kosep Koefisie Notasi yag diguaka: bayak pasaga data selisih peigkat pasaga data ke i d i R s R s Koelasi Speama 6 di i ( ) Statistik Uji z RS ( ) Peetapa H 0 da H : Tedapat 3 alteatif H 0 da H : (a) H 0 : R 0 (koelasi beilai 0, tidak ada hubuga /tidak ada kecocoka) H : R < 0 (koelasi egatif) Uji aah dega daeah peolaka H 0 : z < z α (b) H 0 : R 0 (koelasi beilai 0, tidak ada hubuga /tidak ada kecocoka) H : R > 0 (koelasi positif) Uji aah dega daeah peolaka H 0 : z > z α (c) H 0 : R 0 (koelasi beilai 0, tidak ada hubuga /tidak ada kecocoka) H : R 0 (ada koelasi/ada kecocoka, koelasi tidak sama dega 0) Uji aah dega daeah peolaka H 0 : z < z α / da z > z α / Peigkat dibeika tegatug kategoi peilaia. Jika ada item yag diilai be-peigkat sama, maka peetapa peigkat sepeti dalam Ma-Whitey dapat dilakuka (ambil ata-ata peigkatya!) 0

11 Cotoh 5: Dua oag paka (ahli) dimita membeika peigkat kieja pada 0 Bak di Idoesia. Peigkat dibeika mulai dai bak tebaik peigkat sedag yag tebuuk dibei peigkat 0. Hasilya disajika dalam Tabel 4. Tabel 4. Hasil peigkat 0 Bak oleh Paka d i d i Bak Rakig Paka I Ragkig Paka II A 4 3 B C D 7 6 E F - G H I J Σ d i 55 Dega taaf yata 5% ujilah apakah apa koelasi ataa peigkat yag dibeika kedua paka?. H 0 : R 0 H : R 0. Statistik Uji : z 3. Uji Aah 4. Taaf Nyata Pegujia α 5% α/.5% Daeah Peolaka H 0 z < z z < -.96 da z > z > z 005. Daeah Peolaka H 0 Daeah Peolaka H Daeah Peeimaa H 0.96

12 6. Nilai statistik Uji : R s 6 di i 6 55 ( ) 0 ( 0 ) z RS ( ) ( ) Kesimpula: z hitug.0 ada di daeah peolaka H 0 H 0 ditolak H diteima Ada koelasi/ada kecocoka pembeia peigkat oleh kedua paka, 6. Uji Kokodasi Kedall Pegujia sampel bepasaga gada (multiple-paied samples). Oag yag membei peigkat lebih dai. Statistik Uji yag diguaka : χ (chi kuadat) dega deajat bebas (db) - Notasi yag diguaka bayak pasaga data, 8 R jumlah peigkat k bayak oag yag membei peigkat (k >) Statistik Uji R (3( k( + ) ) χ **) k( + ) **) sumbe di Diktat Statistika-, Guadama agak acu? Sumbe lai belum saya temuka. Yag palig medekati ada di tatistics_compaig_multiple_depedet_samples_fiedma_aova_kedall_cocodace.h tml Cotoh 6: Tiga kosulta Tekologi Ifomasi (TI) dimita membei peigkat pada 8 mek laptop. Dega taaf yata 5% ujilah apakah tedapat kecocoka peigkat? (lihat Tabel di bawah)

13 Mek Laptop Paka Paka Paka 3 R R A B C 4 6 D E F G H ΣR 78 Jawab:. H 0 : R Kedall 0 (tidak ada koelasi/tidak ada kecocoka) H : R Kedall 0 (ada koelasi/ada kecocoka). Statistik Uji : χ 3. Taaf Nyata Pegujia α 5% db 8 7 da χ² tabel (db; α) Daeah Peolaka H 0 jika χ² > χ² tabel (db; α) χ² > Daeah peolaka H Nilai statistik Uji : R (3( k( + ) ) ( 78) ((3 8) (3 (8 + ) )) χ 5 k( + ) (3 3) (8 + ) 7. Kesimpula: χ² hitug 5 ada di daeah peolaka H 0 maka H 0 ditolak da H diteima Ada kecocoka peigkat. 7. Uji Ru(s) Uji Ru(s) diguaka utuk meguji keacaka dalam suatu sampel. 3

14 Ru adalah satu atau lebih lambag-lambag yag idetik yag didahului atau diikuti oleh suatu lambag yag bebeda atau tidak ada lambag sama sekali. Misal: LLL PPP L P L PPPP L P LLLLLL tedapat 9 us Ru ke Statistik Uji yag diguaka z Notasi yag diguaka bayak lambag dalam sampel > 0 bayak lambag dalam sampel > 0 + bayak u(s) Rata-ata Ru(s) μ + Stada Deviasi Ru(s) σ ( ( ) ) Statistik Uji z z μ σ Peetapa H 0 H 0 : Susua Acak (Radom) H : Susua Tidak Acak (Tidak Radom) Uji aah dega daeah peolaka H 0 : z < z α / da z > z α / Cotoh 7: Beikut adalah uuta duduk mahsiswa da mahasiswi dalam suatu kelas: LL P L PP L P L P L P LL P LLLLLLL PP L P LL PP LLLLLL L Laki-laki, P Peempua Dega taaf yata 5%, ujilah apakah uuta ii sudah adom? bayak L 4 bayak P bayak us 9. H 0 : susua acak H : susua tidak acak 4

15 . Statistik Uji : z 3. Uji Aah 4. Taaf Nyata Pegujia α 5% α/.5% Daeah Peolaka H 0 z < z z < -.96 da z > z > z 005. Daeah Peolaka H 0 Daeah Peolaka H Daeah Peeimaa H 0 6. Nilai statistik Uji : 4 μ ( ) 4 ( 4 36) σ ( ) 36 (36 ) z μ σ.6 7. Kesimpula: z hitug 0.76 ada di daeah peeimaa H 0 H 0 diteima. Susua acak. Catata akhi: Tedapat bayak agam pehituga Statistika No-paametik laiya, mahasiswa sagat diajuka mempelajai sedii bebagai tekik pehituga Statistika No Paametik tesebut. Selesai 5

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT

PERBANDINGAN PENAKSIR REGRESI LINIER SEDERHANA PADA SAMPLING BERPERINGKAT, SAMPLING EKSTRIM BERPERINGKAT DAN SAMPLING MEDIAN BERPERINGKAT PBANDINGAN PENAKSIR REGRESI LINI SEDHANA PADA SAMPLING BPINGKAT, SAMPLING EKSTRIM BPINGKAT DAN SAMPLING MEDIAN BPINGKAT E. W. Aitoag *, Haiso, R. Efedi Mahasiswi Pogam S Matematika Dose Juusa Matematika

Lebih terperinci

KORELASI DAN REGRESI BERGANDA

KORELASI DAN REGRESI BERGANDA KORELASI DAN REGRESI BERGANDA KORELASI BERGANDA Koelasi begada meupaka alat uku megeai hubuga yag tejadi ataa vaiabel depede () dega dua atau lebih vaiabel idepede,. Dega koelasi begada kekuata atau keeata

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peelitia Jeis peelitia yag peulis lakuka adalah peelitia kuatitatif, kaea peelitia ii betujua utuk megetahui adaya koelasi ataa tigkat kecedasa (IQ), motivasi bepestasi,

Lebih terperinci

Pengujian Hipotesis Komperatif 2 sampel Independen

Pengujian Hipotesis Komperatif 2 sampel Independen Statistika No Paametik A Tugas Kategoi : Kelompok Pegujia Hipotesis Kompeatif sampel Idepede Kelompok ELSA RESA SARI ( H 5 309 ) SARINA ( H 5 3 ) Taggal Tugas : 03 Apil 07 Taggal Kumpul : 0 Apil 07 DEPARTEMEN

Lebih terperinci

ANALISIS REGRESI BERGANDA

ANALISIS REGRESI BERGANDA Matei kuliah Aalisis Multivaiat Aalisis Regesi Begada : Tekik Idusti WiMa Madiu ANALISIS REGRESI BERGANDA Cotoh : Dai hasil peelitia dipeoleh data seagai eikut : Aalisis : 3 0 7 7 3 3 5 4 4 7 6 4 5 3 8

Lebih terperinci

Menentukan Pembagi Bersama Terbesar dengan Algoritma

Menentukan Pembagi Bersama Terbesar dengan Algoritma Meetuka Pembagi Besama Tebesa dega Algoitma Macelius Hey M. (135108) Pogam Studi Tekik Ifomatika Sekolah Tekik Elekto da Ifomatika Istitut Tekologi Badug, Jl. Gaesha 10 Badug 4013, Idoesia 135108@std.stei.itb.ac.id

Lebih terperinci

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh,

Deret Bolak-balik (Alternating Series) Deret bolak-balik adalah deret yang suku-sukunya berganti tanda. Sebagai contoh, Deet Bolak-balik Alteatig Seies Deet bolak-balik adalah deet yag suku-sukuya begati tada. Sebagai cotoh, + 4 + + + Deet bolak-balik beikut: = + a, dega a positif, kovege jika memeuhi dua syaat i. Setiap

Lebih terperinci

p q r sesuai sifat operasi hitung bentuk pangkat

p q r sesuai sifat operasi hitung bentuk pangkat Adi Nuhidayat, S.Pd PEMBAHASAN SALAH SATU PAKET SOAL UN MATEMATIKA SMK KELOMPOK PARIWISATA, SENI DAN KERAJINAN, TEKNOLOGI KERUMAHTANGGAAN, PEKERJAAN SOSIAL, DAN ADMINISTRASI PERKANTORAN TAHUN PELAJARAN

Lebih terperinci

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

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

Lebih terperinci

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi

TINJAUAN PUSTAKA. Pada bab ini akan diberikan beberapa konsep dasar, istilah istilah dan definisi II. TINJAUAN PUSTAKA Pada bab ii aka dibeika bebeapa kosep dasa, istilah istilah da defiisi yag eat kaitaya dega masalah yag haus dibahas yaitu megeai bayakya caa megkostuksi Dyck path dega pajag k upstokes

Lebih terperinci

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

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

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

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

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

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

Lebih terperinci

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian

BAB III METODE PENELITIAN. Dipilihnya Bappeda Kabupaten Labuhanbatu Selatan sebagai objek penelitian 37 BAB III METODE PENELITIAN 3.. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di Bappeda Kabupate Labuhabatu Selata. Dipilihya Bappeda Kabupate Labuhabatu Selata sebagai objek peelitia kaea peeliti

Lebih terperinci

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1

UNIVERSITAS GUNADARMA POLA, BARISAN DAN DERET BILANGAN BAHAN AJAR. Oleh : Muhammad Imron H. Modul Barisan dan Deret Hal. 1 BAHAN AJAR POLA, BARISAN DAN DERET BILANGAN Oleh : Muhammad Imo H 0 Modul Baisa da Deet Hal. BARISAN DAN DERET A. POLA BILANGAN. Pegetia Baisa Bilaga Baisa bilaga adalah uuta bilaga-bilaga dega atua tetetu.

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

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

Lebih terperinci

MOMEN, KEMIRINGAN, DAN KURTOSIS

MOMEN, KEMIRINGAN, DAN KURTOSIS 00 MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Juusa Pedidika Fisika FPMIPA Uivesitas Pedidika Idoesia /8/00 MODUL MOMEN, KEMIRINGAN, DAN KURTOSIS Achmad Samsudi, S.Pd., M.Pd. Pedahulua

Lebih terperinci

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

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

Lebih terperinci

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian

3 METODE PENELITIAN 3.1 Kerangka Pemikiran 3.2 Lokasi dan Waktu Penelitian 19 3 METODE PENELITIAN 3.1 Keragka Pemikira Secara rigkas, peelitia ii dilakuka dega tiga tahap aalisis. Aalisis pertama adalah megaalisis proses keputusa yag dilakuka kosume dega megguaka aalisis deskriptif.

Lebih terperinci

A. Pengertian Hipotesis

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

Lebih terperinci

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

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

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Suharsimi Arikunto (2006:136) metode penelitian adalah cara yang

III. METODOLOGI PENELITIAN. Menurut Suharsimi Arikunto (2006:136) metode penelitian adalah cara yang III. METODOLOGI PENELITIAN A. Metode Peelitia Meuut Suhasimi Aikuto (006:136) metode peelitia adalah caa yag diguaka oleh peeliti dalam megumpulka data peelitia, dapat beupa agket, wawacaa, pegamata atau

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

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

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

1 ANGKET PERSEPSI SISWA TERH

1 ANGKET PERSEPSI SISWA TERH 48 Lampian ANGKET PERSEPSI SISWA TERHADAP PERANAN ORANG TUA DAN MINAT BELAJAR DALAM PENINGKATAN HASIL BELAJAR BIOLOGI SISWA KELAS XI IPA SMA NEGERI 8 MEDAN Nama : Kelas : A. Petunjuk Pengisian. Bacalah

Lebih terperinci

1. Uji Dua Pihak. mis. Contoh :

1. Uji Dua Pihak. mis. Contoh : . Uji Dua Pihak H 0 H a : : Cotoh : mis : mea kelas Lab mea kelas tapa lab Ho : Tidak ada perbedaa kemampua hasil belajar biologi siswa atara yag belajar melalui media laboratorium dega yag tidak. Ha :

Lebih terperinci

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

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

SEBARAN t dan SEBARAN F

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

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

Bab 3 Metode Interpolasi

Bab 3 Metode Interpolasi Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

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

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) A.Standar Kompetensi 1. Menerapkan konsep dan prinsip gejala gelombang dalam menyelesaikan masalah.

RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) A.Standar Kompetensi 1. Menerapkan konsep dan prinsip gejala gelombang dalam menyelesaikan masalah. RENCANA PELAKSANAAN PEMBELAJARAN ( RPP 7 ) Mata Pelajaa Nama Guu Sekolah Kelas / Semeste Kabupate Povisi : FISIKA : I Made Ridiyasa : SMA N Blahbatuh : XII (Dua belas) / Semeste I : Giaya : Bali A.Stada

Lebih terperinci

BAB III METODE PENELITIAN. bertujuan untuk mengetahui hubungan antara dua variabel atau lebih (Sugiyono,

BAB III METODE PENELITIAN. bertujuan untuk mengetahui hubungan antara dua variabel atau lebih (Sugiyono, BAB III METODE PENELITIAN 3.1 Desai Peelitia Peelitia ii adalah peelitia asosiatif/hubuga yaitu peelitia betujua utuk megetahui hubuga ataa dua vaiabel atau lebih (Sugiyoo, 01).Selajutya, utuk pedekata

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB TINJAUAN TEORITIS.. Aalisis Koelasi Aalisis koelasi adalah metode statistika yag diguaka utuk meetuka kuatya atau deajat huuga liie ataa dua vaiael atau leih. Semaki yata huuga liie (gais luus), maka

Lebih terperinci

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1

4. KOMBINATORIKA ... S 1. S n S 2. Gambar 4.1 4. KOMBINATORIKA 4. Atua Utuk Suatu Peistiwa Evet sesuatu yag tejadi. Jika peistiwa A dapat tejadi dalam m caa da peistiwa B dapat tejadi dalam N caa, maka tedapat (m, ) caa kedua peistiwa tejadi besama-sama.

Lebih terperinci

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA

Regresi 4/13/2015 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA 4/3/05 REGRESI LINER BERGND DN REGRESI (TREND) NONLINER Oleh : Fauza mi Sei, 3 pil 05` GDL (07.30-0.50) Regesi Dai deajat (pagkat) tiap peuah eas Liie (ila pagkatya ) No-liie (ila pagkatya uka ) Dai ayakya

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

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

Lebih terperinci

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 86-88 Latiha 2 Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a. Hitug Sum of Square for Regressio (X) b.

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

Lebih terperinci

PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST

PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST Buleti Ilmiah Mat. Stat. da Teapaya (Bimaste) Volume 03, No.1 (2014), hal 63 68. PERHITUNGAN BIAYA TAMBAHAN DALAM PENDANAAN PROGRAM PENSIUN DENGAN METODE ACCRUED BENEFIT COST Septiaa, Dada Kusada, Neva

Lebih terperinci

PENGUJIAN HIPOTESA BAB 7

PENGUJIAN HIPOTESA BAB 7 PENGUJIAN IPOTESA BAB 7 Pedahulua ipotesis ( upo : lemah, Thesis : peryataa ) Diartika :. Peryataa yag masih lemah kebearaya da perlu dibuktika. Dugaa yag sifatya masih semetara ipotesis ii perlu utuk

Lebih terperinci

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur

III. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur 0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA

S T A T I S T I K A OLEH : WIJAYA S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 ANALISIS KORELASI 1. Koefisien Koelasi Peason Koefisien Koelasi Moment

Lebih terperinci

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered.

Penyelesaian: Variables Entered/Removed a. a. Dependent Variable: Tulang b. All requested variables entered. 2. Pelajari data dibawah ii, tetuka depede da idepede variabel serta : a) Hitug Sum of Square for Regressio (X) b) Hitug Sum of Square for Residual c) Hitug Meas Sum of Square for Regressio (X) d) Hitug

Lebih terperinci

BAB III METODE PENELITIAN

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

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

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

Lebih terperinci

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena

BAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena 7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP

Lebih terperinci

JENIS PENDUGAAN STATISTIK

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

Lebih terperinci

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL

Nama : INDRI SUCI RAHMAWATI NIM : ANALISIS REGRESI SESI 01 HAL Nama : INDRI SUCI RAHMAWATI NIM : 2015-32-005 ANALISIS REGRESI SESI 01 HAL. 85-88 Latiha 1 Pelajari data dibawah ii, tetuka depede da idepedet variabel serta a. Hitug Sum of for Regressio (X) b. Hitug

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

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

Lebih terperinci

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

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

Lebih terperinci

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dega caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia adalah

Lebih terperinci

Pendugaan Parameter. Selang Kepercayaan = Konfidensi Interval = Confidence Interval

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

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD)

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN (FIELD) Muhamad Zaki Riyato NIM: 02/156792/PA/08944 E-mail: zaki@mail.ugm.ac.id http://zaki.math.web.id Dose Pembimbig: Pof. D. Si Wahyui Pedahulua Sebelum melagkah

Lebih terperinci

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

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

Lebih terperinci

1. Pendahuluan. Materi 3 Pengujuan Hipotesis

1. Pendahuluan. Materi 3 Pengujuan Hipotesis Materi 3 Pegujua Hiotesis. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu atau lebih oulasi) Kebeara suatu hiotesis diuji dega megguaka statistik samel hiotesis

Lebih terperinci

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain

BAB III METODE PENELITIAN. Dalam melakukan penelitian, terlebih dahulu menentukan desain BAB III METODE PENELITIAN 3.1 Desai Peelitia Dalam melakuka peelitia, terlebih dahulu meetuka desai peelitia yag aka diguaka sehigga aka mempermudah proses peelitia tersebut. Desai peelitia yag diguaka

Lebih terperinci

a = suku pertama (U 1 ) n = banyaknya suku b = beda/selisih = U 2 U 1 = U 3 U 2

a = suku pertama (U 1 ) n = banyaknya suku b = beda/selisih = U 2 U 1 = U 3 U 2 BARIAN DAN DERET A. Baisa Baisa adalah uuta bilaga yag memiliki atua tetetu. etiap bilaga pada baisa disebut suku baisa yag dipisahka dega lambag, (koma). Betuk umum baisa:,,,, dega: suku petama suku kedua

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jenis Penelitian Penelitian ini meupakan penelitian kuantitatif dengan menggunakan analisis egesi. Analisis ini digunakan untuk mengetahui adakah pengauh antaa vaiabel bebas

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

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

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa

METODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa 19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh

Lebih terperinci

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi. . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis

Lebih terperinci

BARISAN DAN DERET. a = suku pertama (U 1 ) n = banyaknya suku b = beda/selisih = U 2 U 1 = U 3 U 2

BARISAN DAN DERET. a = suku pertama (U 1 ) n = banyaknya suku b = beda/selisih = U 2 U 1 = U 3 U 2 www.plusido.wodpess.com BARIAN DAN DERET A. Baisa Baisa adalah uuta bilaga yag memiliki atua tetetu. etiap bilaga pada baisa disebut suku baisa yag dipisahka dega lambag, (koma). Betuk umum baisa:,,,,

Lebih terperinci

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan

BAB 2 LANDASAN TEORI. Statistika merupakan salah satu cabang penegtahuan yang paling banyak mendapatkan BAB LANDASAN TEORI. Pegertia Regresi Statistika merupaka salah satu cabag peegtahua yag palig bayak medapatka perhatia da dipelajari oleh ilmua dari hamper semua bidag ilmu peegtahua, terutama para peeliti

Lebih terperinci

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi,

BAB III METODE PENELITIAN. Metode yang digunakan dalam penelitian ini adalah penelitian korelasi, BAB III METODE PENELITIAN 3.1 Metode Peelitia Metode yag diguaka dalam peelitia ii adalah peelitia korelasi, yaitu suatu metode yag secara sistematis meggambarka tetag hubuga pola asuh orag tua dega kosep

Lebih terperinci

BAB III METODE PENELITIAN. adalah untuk mengetahui kontribusi motivasi dan minat bekerja di industri

BAB III METODE PENELITIAN. adalah untuk mengetahui kontribusi motivasi dan minat bekerja di industri BAB III METODE PENELITIAN A. Jenis Penelitian Bedasakan pemasalahan, maka penelitian ini temasuk penelitian koelasional yang besifat deskiptif, kaena tujuan utama dai penelitian ini adalah untuk mengetahui

Lebih terperinci

Distribusi Pendekatan (Limiting Distributions)

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

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun

BAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun 47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA

PENAKSIR RASIO UNTUK RATA-RATA POPULASI MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PADA SAMPLING GANDA PEAKSIR RASIO UTUK RATA-RATA POPULASI MEGGUAKA KOEFISIE VARIASI DA KOEFISIE KURTOSIS PADA SAMPLIG GADA Heru Agriato *, Arisma Ada, Firdaus Mahasiswa Program S Matematika Dose Jurusa Matematika Fakultas

Lebih terperinci

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA.

PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. PENGARUH KEMAMPUAN AKADEMIK DAN JENIS KELAMIN TERHADAP LAMANYA MASA STUDI MAHASISWA MENGGUNAKAN METODE ANALISIS REGRESI LINIER BERGANDA. Wachyudi Duda, Kuiati, da Ai Adiyati. Pogam Studi Matematika Fakultas

Lebih terperinci

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN

SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN SIFAT SIFAT RUANG VEKTOR ATAS LAPANGAN Dose Pegampu : Pof. D. Si Wahyui DISUSUN OLEH: Nama : Muh. Zaki Riyato Nim : 02/156792/PA/08944 Pogam Studi : Matematika JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN

Lebih terperinci

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

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

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Permasalahan

BAB I PENDAHULUAN Latar Belakang Permasalahan BAB I PENDAHULUAN 1.1. Latar Belakag Permasalaha Matematika merupaka Quee ad servat of sciece (ratu da pelaya ilmu pegetahua). Matematika dikataka sebagai ratu karea pada perkembagaya tidak tergatug pada

Lebih terperinci

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

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

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 36 BAB III METODE PENELITIAN A. Racaga Peelitia 1. Pedekata Peelitia Peelitia ii megguaka pedekata kuatitatif karea data yag diguaka dalam peelitia ii berupa data agka sebagai alat meetuka suatu keteraga.

Lebih terperinci

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian:

BAB X. PELUANG. Terjadinya 2 kemungkinan kejadian yaitu : AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC = 12 kemungkinan. Prinsip/kaidah perkalian: isip/kaidah pekalia: BAB X. ELUANG Jika posisi /tempat petama dapat diisi dega caa yag bebeda, tempat kedua dea caa, da seteusya, sehigga lagkah ke ada caa maka bayakya caa utuk megisi tempat yag tesedia

Lebih terperinci

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi.

KORELASI. menghitung korelasi antar variabel yang akan dicari hubungannya. Korelasi. kuatnya hubungan dinyatakan dalam besarnya koefisien korelasi. KORELASI Tedapat tiga macam bentuk hubungan anta vaiabel, yaitu hubungan simetis, hubungan sebab akibat (kausal) dan hubungan Inteaktif (saling mempengauhi). Untuk mencai hubungan antaa dua vaiabel atau

Lebih terperinci

HAND OUT STATISTIK NON PARAMETRIK

HAND OUT STATISTIK NON PARAMETRIK HAND OUT STATISTIK NON PARAMETRIK KASUS (k) SAMPEL BERHUBUNGAN Oleh : Aief Sudajat, S. Ant, M.Si PRODI SOSIOLOGI FAKULTAS ILMU SOSIAL UNIVERSITAS NEGERI SURABAYA 006 KASUS (k) SAMPEL BERHUBUNGAN Pada bagian

Lebih terperinci

PENDAHULUAN. (ingat : STATISTIKA STATISTIK!!! )

PENDAHULUAN. (ingat : STATISTIKA STATISTIK!!! ) Hal dari 7 PENDAHULUAN. PENGERTIAN STATISTIKA Statistika metode yag berhubuga dega peyajia da peafsira kejadia yag bersifat peluag dalam suatu peyelidika terecaa atau peelitia ilmiah (igat : STATISTIKA

Lebih terperinci

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan.

BAB 1 PENDAHULUAN. statistik dipergunakan untuk mencapai hasil yang dapat diramalkan. BAB PENDAHULUAN.. Lata Belakag Tidak seoagpu yag dapat meamalka apa yag aka tejadi dimasa yag aka datag secaa sempua, meskipu dega megguaka bebagai alat aalisis. Setiap amala yag dilakuka tidak telepas

Lebih terperinci

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

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.

III. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011. III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia

Lebih terperinci

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE

Biostatistics UJI CHI-SQUARE UJI HIPOTESIS CHI-SQUARE Biostatistics UJI CHI-SQUARE I N T A N Y U S U F H A B I B I E, S. G Z - Ilmu statistik tidak haya membatu kita utuk medeskripsika data secara rigkas, tapi juga dapat diguaka utuk meguji hipotesa. - Hipotesa

Lebih terperinci

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling

Perbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,

Lebih terperinci

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai

simulasi selama 4,5 jam. Selama simulasi dijalankan, animasi akan muncul pada dijalankan, ProModel akan menyajikan hasil laporan statistik mengenai 37 Gambar 4-3. Layout Model Awal Sistem Pelayaa Kedai Jamoer F. Aalisis Model Awal Model awal yag telah disusu kemudia disimulasika dega waktu simulasi selama 4,5 jam. Selama simulasi dijalaka, aimasi

Lebih terperinci

Makalah ANALISIS REGRESI DAN REGRESI GANDA

Makalah ANALISIS REGRESI DAN REGRESI GANDA 1 Makalah ANALISIS REGRESI DAN REGRESI GANDA Disusu oleh : 1. Rudii mulya ( 41610010035 ). Falle jatu awar try ( 41610010036 ) 3. Novia ( 41610010034 ) Tekik Idustri Uiversitas Mercu Buaa Jakarta 010 Rudii

Lebih terperinci

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.

BAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014. BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek

Lebih terperinci

Persamaan Non-Linear

Persamaan Non-Linear Persamaa No-Liear Peyelesaia persamaa o-liear adalah meghitug akar suatu persamaa o-liear dega satu variabel,, atau secara umum dituliska : = 0 Cotoh: 2 5. 5 4 9 2 0 2 5 5 4 9 2 2. 2 0 2 5. e 0 Metode

Lebih terperinci

BAB VII ANALISIS VARIANSI KLASIFIKASI 2 ARAH DENGAN INTERAKSI

BAB VII ANALISIS VARIANSI KLASIFIKASI 2 ARAH DENGAN INTERAKSI BAB VII ANALISIS VARIANSI KLASIFIKASI ARAH DENGAN INTERAKSI Misalkan kita ingin meneliti pengauh dua fakto A dan B pada suatu espon. Sebagai contoh, dalam suatu pecobaan kimia kita ingin mengubah tekanan

Lebih terperinci

Bab 2 LANDASAN TEORI

Bab 2 LANDASAN TEORI Bab LANDASAN TEORI Vaiabel Vaiabel adalah suatu sebuta ag dapat dibei ilai agka (kuatitatif) atau ilai mutu (kualitatif) Vaiabel meupaka pegelompoka secaa logis dai dua atau lebih atibut dai objek ag diteliti

Lebih terperinci

I. DERET TAKHINGGA, DERET PANGKAT

I. DERET TAKHINGGA, DERET PANGKAT I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da

Lebih terperinci

BAB IV DESKRIPSI DAN ANALISIS DATA PENELITIAN. intensif, X-unggulan SMA Al-Azhar Menganti Gresik tahun ajaran 2013-

BAB IV DESKRIPSI DAN ANALISIS DATA PENELITIAN. intensif, X-unggulan SMA Al-Azhar Menganti Gresik tahun ajaran 2013- 55 BAB IV DESKRIPSI DAN ANALISIS DATA PENELITIAN A. Deskripsi Data 1. Data Nama Siswa Populasi dalam peelitia ii adalah siswa kelas X-reguler, X- itesif, X-uggula SMA Al-Azhar Megati Gresik tahu ajara

Lebih terperinci