Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar

Ukuran: px
Mulai penontonan dengan halaman:

Download "Uji Hipotesis. MA2081 STATISTIKA DASAR Utriweni Mukhaiyar"

Transkripsi

1 Uji Hipotesis MA081 STATISTIKA DASAR Utriweni Mukhaiyar 8 Maret 01

2 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannyaa Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu diuji kebenarannya 1. Hipotesis nol (H 0 ) ; pernyataan yang mengandung tanda kesamaan (=,, atau ) ). Hipotesis tandingan (H 1 ) ; tandingan hipotesis H 0, mengandung tanda, >, atau <.

3 Galat (error) H 0 ditolak H 0 benar P(menolak H 0 H 0 benar) = galat tipe I = α H 0 salah keputusan benar H 0 tidak ditolak keputusan benar P(tidak ( d k menolak H 0 H 0 salah) = galat tipe II = β yang dimanfaatkan dalam pokok bahasan ini 3

4 Skema Umum Uji Hipotesis i Hipotesis Statistik??? Hipotesis yang ingin diuji Memuat suatu kesamaan (=, atau ) Dapatp berupa H 0 - hasil penelitian sebelumnya - informasi dari buku atau - hasil percobaan orang lain H 1 Hipotesis yang ingin dibuktikan Disebut juga hipotesis alternatif Memuat suatu perbedaan (, > atau <) Keputusan mungkin terjadi Kesalahan H 0 ditolak H 0 tidak ditolak Tipe II 4 Kesimpulan H 1 benar Kesimpulan Tidak cukup bukti untuk menolak H 0 Menolak H 0 padahal H 0 benar P(tipe I) = α = tingkat signifikansi

5 Statistik Uji dan Titik Kritis Statistik uji digunakan untuk menguji hipotesis statistik yang telah dirumuskan. Notasinya berpadanan dengan jenis distribusi yang digunakan. Titik kritis membatasi daerah penolakan dan penerimaan H 0. Diperoleh dari tabel statistik ti tik yang bersangkutan. H 0 ditolak jika nilai statistik uji jatuh di daerah kritis. 5 daerah kritis = / titik kritis daerah daerah penerimaan H 0 daerah daerah kritis = / penerimaan H 0 kritis 1 - titik kritis 0 diperoleh dari tabel statistik 1 - titik kritis

6 Uji Rataan Satu Populasi uji dua arah 1. H : = vs H 1 : H 0 : = 0 vs H 1 : > 0 3. H 0 : = 0 vs H 1 : < 0 uji satu arah 0 adalah suatu konstanta yang diketahui 6

7 Statistik Uji untuk Rataan Satu Populasi 1. Kasus σ diketahui Z X / 0 n ~ N(0,1) Tabel Z (normal baku). Kasus σ tidak diketahui T X s / 0 n ~ t (n-1) Tabel t 7

8 Daerah Kritis Uji Rataan Satu Populasi σ diketahui σ tidak diketahui Statistik uji : Z T H 0 : = 0 vs H 1 : 0 Z < - Z 1-α/ atau Z > Z 1-α/ T < - T α/ atau T > T α/ H 0 : = 0 vs H 1 : > 0 Z > Z 1-α T > T α H 0 : = 0 vs H 1 : < 0 Z < - Z 1-α T < - T α titik kritis dengan derajat kebebasan n - 1 8

9 Uji Rataan Dua Populasi uji dua arah 1. H 0 : 1 - = 0 vs H 1 : 1-0. H 0 : 1 - = 0 vs H 1 : 1 - > 0 3. H 0 : 1 - = 0 vs H 1 : 1 - < 0 uji satu arah 0 adalah suatu konstanta yang diketahui 9

10 10 Statistik Uji untuk Rataan Dua Populasi 1. Kasus σ 1 dan σ diketahui Z = H X X μ 1 0 σ n σ n 1 1. Kasus σ 1 dan σ tidak diketahui dan σ 1 σ 1 0 H S1 S T = X X μ n n 1 3. Kasus σ 1 1 dan σ tidak diketahui dan σ = σ T = H X X μ S 1 0 p 1 1 n n 1 dengan (n 1)S (n 1)S 1 1 p n 1 n S =

11 Daerah Kritis Uji Rataan Dua Populasi 11 σ 1, σ diketahui σ 1, σ tidak diketahui Statistik uji : Z T Derajat Kebebasan n 1 + n - j 1 Z < - Z α/ atau Z > Z α/ T < -T α/ atau T > T α/ σ 1 = σ σ 1 σ S1 S n n v= 1 S 1 (n1 1) n 1 (n 1) n 1 1 S T < -T α/ atau T > T α/ H 0 : 1 - = 0 vs H 1 : 1-0 H 0 : 1 - = 0 vs H 1 : 1 - > 0 Z > Z α T > T α T > T α H 0 : 1 - = 0 vs Z < - Z H 1 : 1 - < α T < -T α T < -T α 0

12 Uji untuk Rataan Berpasangan 1. H 0 : d = 0 vs H 1 : d 0. H 0 : d = 0 vs H 1 : d > 0 3. H 0 : d = 0 vs H 1 : d < 0 Statistik uji menyerupai statistik untuk kasus satu populasi dengan variansi tidak diketahui. D μ T= S / n d 0 ; 1

13 Contoh 1 13 Berdasarkan 100 laporan kejadian hujan (dengan lama kejadian hujan sama) di daerah SH yang diamati secara acak, diperoleh bahwa rata-rata tingkat curah hujan adalah adalah 71,8 mm dengan simpangan baku 8,9 mm. Berdasarkan literatur diduga bahwa rata-rata tingkat curah hujan di daerah tersebut lebih dari 70 mm. a. Nyatakan dugaan tersebut dalam pernyataan hipotesis statistik b. Untuk tingkat signifikansi 5%, benarkah pernyataan literatur tersebut?

14 Solusi Diketahui Ditanya: 0 70, X 71.8, a. Hipotesis statistik b. Kesimpulan uji hipotesis Jawab: Parameter yang akan diuji : μ a. Rumusan hipotesis: H 0 : μ = 70 H 1 : μ > 70 s 8.9, 0,05 14

15 b. α = 5%=0.05, maka titik kritis t 0.05,(99) = x 0 71,8 70 t,0 s 8,9 n 100 Karena t > t 0.05,(99), maka t berada pada daerah penolakan sehingga keputusannya H 0 ditolak. Jadi pernyataan literatur tersebut benar bahwa rata-rata tingkat curah hujan di daerah SH lebih dari 70 mm. 15

16 Contoh 16 Suatu percobaan dilakukan untuk membandingkan keausan yang diakibatkan k oleh lhgosokan, daridua bh bahan yang dilapisi. i i Dua bl belas potong bahan 1 diuji dengan memasukan tiap potong bahan ke dalam mesin pengukur aus. Sepuluh potong bahan diuji dengan cara yang sama. Dalam tiap hal, diamati dalamnya keausan. Sampel bahan 1 memberikan rata-rata keausan (sesudah disandi) sebanyakak 85 satuan dengan simpangan baku sampel 4, sedangkan sampel bahan memberikan rata-rata keausan sebanyak 81 dengan simpangan baku sampel 5. Dapatkah disimpulkan, pada taraf keberartian 5%, bahwa rata-rata keausan bahan 1 melampaui rata-rata keausan bahan lebih dari dua satuan? Anggaplah kedua populasi berdistribusi hampir normal dengan variansi yang sama.

17 Solusi Misalkan μ 1 dan μ masing-masing menyatakan rata-rata populasi bahan 1 dan populasi bahan. Variansi populasi kedua bahan tidak diketahui, yang diketahui adalah variansi sampel. Diasumsikan variansi populasi kedua bahan adalah sama. Rumusan hipotesis yang diuji adalah: H 0 : μ 1 - μ = H 1 : μ 1 - μ > 17

18 18 t = H Tingkat keberartian, α = 0.05 x 85, s 4, n x 81, s 5, n 10 Kita gunakan statistik ttitikuji untuk variansi ikd kedua populasi tk tak diketahui tapi dianggap sama, yaitu xdengan 1xμ0 dengan s p 1 1 n n 1 Maka diperoleh : t = H s = p (n 11)s 1 (n 1 )s (11)(16) (9)(5) n n x1x μ0 (85 81) (1/1) (1/10) n n s p

19 Statistik uji t berdistribusi t-student dengan derajat kebebasan n 1 +n - = = 0, sehingga titik iikkii kritisnya adalah dlh t 0.05,0 = Karena t < 1.75, maka H 0 tidak ditolak. Tidak dapat disimpulkan bahwa rata-rata keausan bahan 1 melampaui rata-rata keausan bahan lebih dari satuan. 19

20 Contoh 3 (data berpasangan) Pada tahun 1976, J.A. Weson memeriksa pengaruh obat succinylcholine terhadap kadar peredaran hormon androgen dalam darah. Sampel darah dari rusa liar yang hidup bebas diambil melalui urat nadi leher segera setelah succinylcholine disuntikkan pada otot rusa. Rusa kemudian diambil lagi darahnya kirakira 30 menit setelah suntikan dan kemudian rusa tersebut dilepaskan. Kadar androgen pada waktu ditangkap dan 30 menit kemudian diukur dalam nanogram per ml (ng/ml) untuk 15 rusa. Data terdapat pada tabel berikut 0

21 1 No. Kadar androgen (ng/ml) Kadar androgen (ng/ml) 30 Selisih (d i ) sesaat setelah disuntik menit setelah disuntik

22 Anggap populasi androden sesaat setelah suntikan dan 30 menit kemudian berdistribusi normal. Ujilah, pada tingkat keberartian 5%, apakah konsentrasi androgen berubah setelah ditunggu 30 menit.

23 Solusi Ini adalah data berpasangan karena masing-masing unit percobaan (rusa) memperoleh lhdua kl kali pengukuran Misalkan μ 1 dan μ masing-masing menyatakan rata-rata konsentrasi androgen sesaat setelah suntikan dan 30 menit kemudian. Rumusan hipotesis yang diuji adalah H 0 : μ 1 = μ atau μ D = μ 1 - μ = 0 H 1 : μ 1 μ atau μ D = μ 1 - μ 0 Tingkat signifikansi yang digunakan adalah α = 5% =

24 Rata-rata sampel dan variansi sampel untuk selisih ( d i ) adalah, d dan s Statistik uji yang digunakan adalah, d Dalam hal ini, d d 0 t= s / n d t= /

25 Statistik uji t berdistribusi t-student dengan derajat kbb kebebasan n 1 = 15 1 = 14. Pada tingkat keberartian 0.05, H 0 ditolak jika t < - t 0.05,14 = atau t > t 0.05,14 =.145. Karena nilai t =.06, maka nilai t tidak berada pada daerah penolakan. Dengan demikian, H 0 tidak ditolak. Kendati demikian, nilai t =.06 mendekati nilai t ,14 =.145. Jadi perbedaan rata-rata kadar peredaran androgen bisa diabaikan. 5

26 Uji Hipotesis Tentang Variansi Satu Populasi Bentuk hipotesis nol dan tandingannya untuk kasus variansi satu populasi adalah 1. H : = vs H : H : vs H : H : vs H : Dengan 0 menyatakan suatu konstanta mengenai variansi yang diketahui. 6

27 Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah : ( n 1) s 0 Jika H 0 benar, maka statistik uji tersebut kuadrat dengan derajat kebebasan n-1. berdistribusi khi- 7

28 Untuk hipotesis H 0 : = 0 vs H 1 : 0, tolak H 0 pada tingkat kb keberartian α jika : atau 1,( n 1),( n 1) H 0 : = 0 vs H 1 : 0 Untuk hipotesis, tolak H 0 pada tingkat keberartian α jika 1,( n1) nilai dari tabel distribusi chi-square dengan derajat kbb kebebasan n - 1 Untuk hipotesis H 0 : = 0 vs H 1 : 0, tolak H 0 pada tingkat keberartian α jika 8,( n1)

29 Uji Hipotesis Tentang Variansi Dua Populasi Bentuk hipotesis nol dan tandingannya untuk uji hipotesis mengenai variansi dua populasi adalah, 1. H : vs H : H : vs H : H : vs H : Dengan σ 1 dan σ masing-masing adalah variansi populasi ke-1 dan variansi populasi ke- 9

30 Statistisk uji yang digunakan untuk menguji ketiga hipotesis di atas adalah, F s 1 s Jika H 0 benar, statistik ttitikuji tersebut tberdistribusi ib i Fisher dengan derajat kebebasan, v 1 = n 1 1 dan v = n 30

31 H : vs H : Untuk hipotesis , tolak H 0 pada tingkat keberartian α jika : F f atau F f 1,( v 1, v ),( v 1, v ) H : vs H : Untuk hipotesis , tolak H 0 pada tingkat keberartian α jika : F f1,( v, v ) 1 H : vs H : Untuk khipotesis i , tolak kh 0 pada tingkat keberartian α jika : F f,( v 1, v ) f f f f,( v, v ), 1,( v, v ), /,( v, v ),dan 1 /,( v, v ) adalah nilai-nilai dari tabel distribusi Fisher dengan derajat 31 kebebasan v 1 dan v

32 Contoh 4 Suatu perusahaan baterai mobil menyatakan bahwa umur baterainya berdistribusi b hampir normal dengan simpangan baku 0.9 tahun. Bila sampel acak 10 baterai tersebut menghasilkan simpangan baku 1. tahun, apakah anda setuju bahwa σ > 0.9 tahun? Gunakan taraf kebartian 5%! 3

33 Solusi H 0 : σ = 0.81 H 1 : σ > α = 0.05 Diketahui simpangan baku sampel, s = 1. Statistik uji Titik kritis adalah n s 16 ( 1) (9)(1.44) , n1 0.05, Karena 0.05,9, maka H 0 tidak ditolak. Simpulkan bahwa simpangan baku umur baterai tidak melebihi

34 Contoh 5 Dalam pengujian keausan kedua bahan di contoh, dianggap bahwa kedua variansi yang tidak diketahui sama besarnya. Ujilah anggapan ini! Gunakan taraf keberartian

35 Solusi Misalkan σ 1 dan σ adalah variansi populasi p dari masing- masing keausan bahan 1 dan bahan. rumusan hipotesis yang akan diuji adalah H 0 : σ 1 = σ H 1 : σ 1 σ α =

36 Statistik uji f = s 1 / s = 16 / 5 = 0.64 H 0 ditolak dengan tingkat keberartian α jika 36 f f atau f f 1,( v1, v),( v1, v) α = 0.10, v 1 = n 1 1 = 1 1 = 11, dan v = n 1 = 10 1 = 9. Maka f 1,( v1, v) f 0.95,(11.9) 0.34 dan f,( v1, v) f ,(11.9) Karena f f f, maka jangan tolak H 0. 1,( v1, v),( v1, v) Simpulkan bahwa tidak cukup kenyataan untuk menyatakan bahwa variansinya berbeda.

37 Referensi Devore, J.L. and Peck, R., Statistics The Exploration and Analysis of Data, USA: Duxbury Press, Pasaribu, U.S., 007, Catatan Kuliah Biostatistika. Wild, C.J. and Seber, GAF G.A.F., Chance Encounters A first Course in Data Analysis and Inference, USA: John Wiley&Sons,Inc., 000. Walpole, Ronald E. Dan Myers, Raymond H., Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan, Edisi 4, Bandung: Penerbit ITB, Walpole, Ronald E. et.al., Probability & Statistics for Enginerrs & Scientists,, Eight edition, New Jersey : Pearson Prentice Hall,

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012 Uji Hipotesis MA081 STATISTIKA DASAR MA081 STATISTIKA DASAR Utriweni Mukhaiyar 1 November 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang

Lebih terperinci

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah) 4/6/9 Galat (error) Uji Hipotesis H ditolak H benar H salah a P(menolak H H benar) galat tipe I keputusan benar MA 8 Statistika Dasar Kamis, 6 Februari 9 H tidak ditolak keputusan benar P(tidak menolak

Lebih terperinci

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah) /4/ UJI HIPOTESIS UJI RATAAN UJIVARIANSI MA 8 Analisis Data Utriweni Mukhaiyar Oktober PENGERTIAN Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu

Lebih terperinci

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011

UJI RATAAN UJIVARIANSI MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 2011 Uji Hipotesis UJI RATAAN UJIVARIANSI MA 081 STATISTIKA DASAR UTRIWENI MUKHAIYAR A PRIL 011 Pengertian Hipotesisadalah i suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lbih lebih

Lebih terperinci

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012

MA 2081 Statistika Dasar Utriweni Mukhaiyar. 11 September 2012 1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2081 Statistika Dasar Utriweni Mukhaiyar 11 September 2012 2 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 3 Peubah

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar

PEUBAH ACAK DAN DISTRIBUSINYA. MA 2081 Statistika Dasar Utriweni Mukhaiyar PEUBAH ACAK DAN DISTRIBUSINYA MA 208 Statistika Dasar Utriweni Mukhaiyar 0 Februari 20 Pemetaan (Fungsi) Suatu pemetaan / fungsi Kategori fungsi:. Fungsi titik 2. Fungsi himpunan 2 A A B B Peubah Acak

Lebih terperinci

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011

PEUBAH ACAK DAN. MA 2181 Analisis Data Utriweni Mukhaiyar. 22 Agustus 2011 1 PEUBAH ACAK DAN DISTRIBUSINYA MA 2181 Analisis Data Utriweni Mukhaiyar 22 Agustus 2011 Pemetaan (Fungsi) 2 Suatu pemetaan / fungsi Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B Peubah Acak

Lebih terperinci

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR, 6 FEBRUARI 2012 Utriweni Mukhaiyar 1 Eksperimen Ciri-ciri i i i eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun

Lebih terperinci

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Digunakan istilah diterima atau ditolak untuk suatu hipotesis Penolakan suatu hipotesis berarti menyimpulkan bahwa

Lebih terperinci

Pengujian Hipotesis. Oleh : Dewi Rachmatin

Pengujian Hipotesis. Oleh : Dewi Rachmatin Pengujian Hipotesis Oleh : Dewi Rachmatin Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Akan digunakan istilah diterima atau ditolak pada bagian ini Penolakan

Lebih terperinci

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar

Peluang & Aturan Bayes. MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 1 Peluang & Aturan Bayes MA 2081 STATISTIKA DASAR 5 Februari 2014 Utriweni Mukhaiyar 2 Eksperimen Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi

Lebih terperinci

MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar

MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar MA 4085 Pengantar Statistika 5 Februari 2013 Utriweni Mukhaiyar 1 Ciri-ciri eksperimen acak (Statistik): *Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. *Proporsi keberhasilan dapat diketahui

Lebih terperinci

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR

PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR 1 PELUANG & ATURAN BAYES MA 2181 ANALISIS DATA, 15 AGUSTUS 2011 UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi

Lebih terperinci

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik).

PELUANG 8/18/2010 EKSPERIMEN RUANG SAMPEL. Ruang sampel S, yaitu himpunan dari semua kemungkinanki hasil dari suatu percobaan acak (statistik). PELUANG 1 MA 2181 ANALISIS DATA, 18 AGUSTUS 2010 UTRIWENI MUKHAIYAR EKSPERIMEN Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan

Lebih terperinci

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari

Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari (C) by UM, last edited Feb 2011 1 Ciri-ciri eksperimen acak (Statistik): Dapat dulangi baik oleh si pengamat sendiri maupun orang lain. Proporsi keberhasilan dapat diketahui dari hasil-hasil sebelumnya.

Lebih terperinci

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK

PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK 1 PELUANG & ATURAN BAYES BI5106 ANALISIS BIOSTATISTIK UTRIWENI MUKHAIYAR Eksperimen 2 Ciri-ciri i ii eksperimen acak (Statistik): ti tik) Dapat dulangi baik oleh si pengamat sendiri maupun orang lain.

Lebih terperinci

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011

ANALISIS VARIANSI. Utriweni Mukhaiyar. 2 November 2011 1 ANALISIS VARIANSI Utriweni Mukhaiyar MA 2181 Analisis Data 2 November 2011 Analisis Variansi 2 1. Tujuan Analisis Variansi 2. Asumsi-asumsi dalam Analisis Variansi 3. Hipotesis yang diuji dalam analisis

Lebih terperinci

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011

PENAKSIRAN. Penaksiran Titik. Selang Kepercayaan untuk VARIANSI. MA2181 ANALISIS DATA Utriweni Mukhaiyar 17 Oktober 2011 PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA8 ANALISIS DATA Utriwei Mukhaiyar 7 Oktober 0 Metode Peaksira Peaksira Titik Peaksira Selag Nilai

Lebih terperinci

DISTRIBUSI KONTINU. Utriweni Mukhaiyar

DISTRIBUSI KONTINU. Utriweni Mukhaiyar DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2081 Statistika ti tik Dasar Utriweni Mukhaiyar Maret 2012 By NN 2008 Distribusi Uniform Distribusi kontinu yang paling sederhana Notasi: X ~ U

Lebih terperinci

DISTRIBUSI 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 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 terperinci

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR

Penaksiran Titik Penaksiran Selang. Selang Kepercayaan untuk VARIANSI MA2081 STATISTIKA DASAR PENAKSIRAN Peaksira Titik Peaksira Selag Selag Kepercayaa utuk RATAAN Selag Kepercayaa utuk VARIANSI MA08 STATISTIKA DASAR MA08 STATISTIKA DASAR Utriwei Mukhaiyar 5 Oktober 0 Metode Peaksira Peaksira Titik

Lebih terperinci

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6.

dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 6. Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA DAN KORELASI 1. Model Regresi Linear 2. Penaksir Kuadrat Terkecil 3. Prediksi Nilai Respons 4. Inferensi Untuk Parameter-parameter Regresi 5. Kecocokan Model Regresi 6. Korelasi

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Kontrak Perkuliahan Pertemuan & Materi RPKPS Penilaian Tugas, short quiz (30%) Quiz 1 & 2 (40%) UAS (30%) Referensi Montgomery, D.C, George C. Runger. Applied Statistic and

Lebih terperinci

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012

Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012 1 Analisis Variansi (ANOVA) Utriweni Mukhaiyar MA 2081 Statistika Dasar 13 November 2012 2 Analisis Variansi 1. Tujuan Analisis Variansi 2. Asumsi-asumsi s s dalam a Analisis s Variansi a 3. Hipotesis

Lebih terperinci

PEUBAH ACAK DAN DISTRIBUSINYA

PEUBAH ACAK DAN DISTRIBUSINYA PEUBAH ACAK DAN DISTRIBUSINYA MA3181 Teori Peluang 8 September 2014 Utriweni Mukhaiyar 1 Pemetaan (Fungsi) O Suatu pemetaan / fungsi O Kategori fungsi: 1. Fungsi titik 2. Fungsi himpunan A A B B 2 Peubah

Lebih terperinci

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4.

1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. * 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi Utriweni Mukhaiyar MA 2081 Statistika

Lebih terperinci

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R

PENAKSIRAN M A S T A T I S T I K A D A S A R 1 7 M A R E T 2014 U T R I W E N I M U K H A I Y A R PENAKSIRAN P E N A K S I R A N T I T I K P E N A K S I R A N S E L A N G S E L A N G K E P E R C A Y A A N U N T U K R A T A A N S E L A N G K E P E R C A Y A A N U N T U K V A R I A N S I M A 0 8 S T

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS U N I F O R M ( S E R A G A M ) B E R N O U L L I B I N O M I A L P O I S S O N MA 4085 Pengantar Statistika 26 Februari 2013 Utriweni Mukhaiyar M U L T I N O M I A L H I P E

Lebih terperinci

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016

REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS. Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 21 Januari 2016 REVIEW: DISTRIBUSI PELUANG KHUSUS & UJI HIPOTESIS Utriweni Mukhaiyar MA81 Statistika Nonparametrik Kamis, 1 Januari 016 PEUBAH ACAK Peubah acak, yaitu pemetaan X: S R Ruang Sampel, S X x Himpunan Bil.Riil,

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)

Lebih terperinci

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar.

UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, MA 2081 Statistika Dasar. DISTRIBUSI DISKRIT UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON BEBERAPA DISTRIBUSI LAINNYA : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 2081 Statistika Dasar Utriweni Mukhaiyar 7 Maret

Lebih terperinci

MA2181 Analisis Data - U. Mukhaiyar 1

MA2181 Analisis Data - U. Mukhaiyar 1 DISTRIBUSI KONTINU Uniform Normal Gamma & Eksponensial MA 2181 Analisis Data Utriweni Mukhaiyar September 20 By NN 2008 DISTRIBUSI UNIFORM Distribusi kontinu yang paling sederhana Notasi: X ~ U (a,b) f.k.p:

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 4 Outline: Uji Dua Sample Uji Z Uji t Uji t gabungan (pooled t-test) Uji t berpasangan (paired t-test) Uji proporsi Uji Chi-Square Referensi: Johnson, R. A., Statistics

Lebih terperinci

Regresi Linear Sederhana

Regresi Linear Sederhana Regresi Linear Sederhana dan Korelasi 1. Model Regresi Linear dan Penaksir Kuadrat Terkecil 2. Prediksi Nilai Respons 3. Inferensi Untuk Parameter-parameter Regresi 4. Kecocokan Model Regresi 5. Korelasi

Lebih terperinci

Fungsi Peluang Gabungan

Fungsi Peluang Gabungan Fungsi Peluang Gabungan MA3181 Teori Peluang 15 September 2014 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ingin diasuransikan dengan kategori-kategori yang

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform U (seragam) MultinomialM l i i l Bernoulli Hipergeometrik Binomial Geometrik Poisson Binomial Negatif MA 2081 Statistika Dasar Utriweni Mukhaiyar 27 September 2012 2 Distribusi

Lebih terperinci

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar

DISTRIBUSI DISKRIT. MA 2081 Statistika Dasar Utriweni Mukhaiyar DISTRIBUSI DISKRIT Uniform (seragam) Bernoulli Binomial Poisson Beberapa distribusi lainnya : MULTINOMIAL, HIPERGEOMETRIK, GEOMETRIK, BINOMIAL NEGATIF MA 081 Statistika Dasar Utriweni Mukhaiyar 5 Maret

Lebih terperinci

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal)

Percobaan terdiri dari 1 usaha. Peluang sukses p Peluang gagal 1-p Misalkan. 1, jika terjadi sukses X jika terjadi tidak sukses (gagal) Percobaan Bernoulli 5 Percobaan terdiri dari 1 usaha Sukses Usaha Gagal Peluang sukses p Peluang gagal 1-p Misalkan 1, jika terjadi sukses X 0, jika terjadi tidak sukses (gagal) Distribusi Bernoulli 6

Lebih terperinci

UJI HIPOTESIS SATU-SAMPEL

UJI HIPOTESIS SATU-SAMPEL UJI HIPOTESIS SATU-SAMPEL Pengantar 1. Tulisan ini terkait dengan artikel berjudul KETIKA ILMU HUKUM SEIRING STATISTIKA pada laman www.edscyclopedia.com. Pada website tersebut, mengenai uji hipotesis secara

Lebih terperinci

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar

(HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 20 September 2012 Utriweni Mukhaiyar 1 EKSPEKTASI (HARAPAN MATEMATIKA) BI5106 Analisis Biostatistik 0 September 01 Utriweni Mukhaiyar Ekspektasi Suatu Peubah Acak Misalkan X peubah acak Ekspektasi dari X EX [ ] xp( X x), jika X peubah acak

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS Uniform Bernoulli Binomial Poisson Distribusi Lainnya: Multinomial Hipergeometrik Geometrik Binomial Negatif BI5106 Analisis Biostatistika 27 September 2012 Distribusi uniform

Lebih terperinci

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji Z: Proportional Populasi Uji Hipotesis 2 populasi: Uji Z Uji pooled t-test Uji paired t-test Referensi: Johnson, R. A., Statistics

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Directional & Nondirectional test Langkah-langkah Uji Hipotesis Error dalam Uji hipotesis (Error Type I) Jenis Uji Hipotesis satu populasi

Lebih terperinci

11/8/2010 ANALISIS VARIANSI ILUSTRASI

11/8/2010 ANALISIS VARIANSI ILUSTRASI 11/8/010 ANALISIS VARIANSI 1 Utriweni Mukhaiar MA 181 Analisis Data 8 November 010 ANALISIS VARIANSI 1. Tujuan Analisis Variansi. Asumsi-asumsi dalam Analisis Variansi 3. Hipotesis ang diuji dalam analisis

Lebih terperinci

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak

Lebih terperinci

Distribusi Sampel & Statistitik Terurut

Distribusi Sampel & Statistitik Terurut Distribusi Sampel & Statistitik Terurut Sampel Acak, Rataa sampel, X-bar, Variasi sampel, S, Teorema Limit Pusat, Distribusi t,, F Statistik Terurut MA 3181 Teori Peluag 11 November 014 Utriwei Mukhaiyar

Lebih terperinci

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANALISIS VARIANSI DWIFAKTOR Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANOVA one-way vs two-way 2 Dalam ANOVA one-way ( satu faktor), diperhatikan hanya satu faktor saja yang berpengaruh

Lebih terperinci

PENGUJIAN HIPOTESIS RATA-RATA DUA POPULASI -YQ-

PENGUJIAN HIPOTESIS RATA-RATA DUA POPULASI -YQ- PENGUJIAN HIPOTESIS RATA-RATA DUA POPULASI -YQ- Materi : Pengujian Hipotesis Rata-rata Dua Populasi Data Tidak Berpasangan Data Berpasangan 5 Langkah-langkah pengujian hipotesis Menentukan hipotesis nol

Lebih terperinci

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011

MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Fungsi Peluang Gabungan MA 2081 STATISTIKA DASAR UTRIWENI MUKHAIYAR 24 FEBRUARI 2011 Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang berbeda.

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK STATISTIKA NON PARAMETRIK Utriweni Mukhaiyar BI5106 Analisis Biostatistik 4 Desember 2012 Prosedur Uji Hipotesis Prosedur Uji Hipotesis Parametrik Uji Z Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi

Lebih terperinci

PRAKTIKUM STATISTIKA INDUSTRI 2013 MODUL IV PENGUJIAN HIPOTESIS

PRAKTIKUM STATISTIKA INDUSTRI 2013 MODUL IV PENGUJIAN HIPOTESIS PRAKTIKUM STATISTIKA INUSTRI 3 PENGUJIAN HIPOTESIS A. TUJUAN PRAKTIKUM Melalui praktikum Modul IV ini diharapakan praktikan dapat:. Melakukan pengujian hipotesis secara statistik dengan prosedur yang benar..

Lebih terperinci

PENGUJIAN HIPOTESIS. Konsep: Dua macam kekeliruan. Pengujian hipotesis.

PENGUJIAN HIPOTESIS. Konsep: Dua macam kekeliruan. Pengujian hipotesis. Konsep: PENGUJIAN HIPOTESIS Agus Susworo Dwi Marhaendro Hipotesis: asumsi atau dugaan sementara mengenai sesuatu hal. Dituntut untuk dilakukan pengecekan kebenarannya. Jika asumsi atau dugaan dikhususkan

Lebih terperinci

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar

BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar FUNGSI PELUANG GABUNGAN BI5106 Analisis Biostatistik 18 September 2012 Utriweni Mukhaiyar Ilustrasi Suatu perusahaan properti memiliki banyak gedung/bangunan yang ditawarkan dengan kategori-kategori yang

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4]

PENAKSIRAN METODE PENAKSIRAN CONTOH. Kasus 1: taksiran titik IP = 3,5 Kasus 2: taksiran selang IP = [3,4] PENAKIRAN Peaksira Titik Peaksira elag elag Kepercayaa utuk µ elag Kepercayaa utuk σ MA 8 Aalisis Data Utriwei Mukhaiyar Oktober 00 008 by UP & UM METODE PENAKIRAN. Peaksira Titik Nilai tuggal dari suatu

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability

Lebih terperinci

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R

FUNGSI PELUANG GABUNGAN M A P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R FUNGSI PELUANG GABUNGAN M A 4 0 8 5 P E N G A N T A R S T A T I S T I K A 14 F E B R U A R I 2013 U T R I W E N I M U K H A I Y A R ILUSTRASI Suatu perusahaan properti memiliki banyak gedung/bangunan yang

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih PENGUJIAN HIPOTESIS. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran

Lebih terperinci

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL Jurnal Matematika UNAND Vol. 3 No. 4 Hal. 139 146 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PERBANDINGAN KUASA WILCOXON RANK SUM TEST DAN PERMUTATION TEST DALAM BERBAGAI DISTRIBUSI TIDAK NORMAL

Lebih terperinci

Aplikasi Pengujian Hipotesis Statistik dalam Sistem Teknologi Informasi

Aplikasi Pengujian Hipotesis Statistik dalam Sistem Teknologi Informasi Aplikasi Pengujian Hipotesis Statistik dalam Sistem Teknologi Informasi Nama : Irvan Stefanus Sutarjo NIM : 18209001 Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi

Lebih terperinci

Ayundyah Kesumawati. April 20, 2015

Ayundyah Kesumawati. April 20, 2015 Pengujian Kesumawati Nol dan Prodi Statistika FMIPA-UII April 20, 2015 Pengujian Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi Pengujian hipotesis berhubungan dengan penerimaan atau

Lebih terperinci

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND

LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND LOGO PENGUJIAN HIPOTESIS HAZMIRA YOZZA IZZATI RAHMI HG JURUSAN MATEMATIKA UNAND Kompetensi Khusus menjelaskan mengenai pengujian hipotesis dan hal-hal yang terkait menguraikan langkah-langkah pengujian

Lebih terperinci

Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat

Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat Statistika, Vol. 8 No., 9 7 Nopember 8 Uji Permutasi untuk Masalah Dua Sampel Saling Bebas: Studi Kasus di LAFI-DITKES AD Bandung Jawa Barat Danang Setiawan dan Aceng K. Mutaqin Program Studi Statistika

Lebih terperinci

DISTRIBUSI SAMPLING besar

DISTRIBUSI SAMPLING besar DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan

Lebih terperinci

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015

Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Utriweni Mukhaiyar MA2281 Statistika Nonparametrik Kamis, 5 Februari 2015 Prosedur Uji Hipotesis Uji Z Parametrik Uji t ANOVA one way UJI MENYANGKUT RATAAN Asumsi distribusi normal Uji Tanda Uji Rang Tanda

Lebih terperinci

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan

Terima hipotesis Tidak membuat kesalahan Kesalahan tipe II Tolak hipotesis Kesalahan tipe I Tidak membuat kesalahan PENGUJIAN HIPOTESIS Hipotesis Statistik adalah pernyataan atau dugaan mengenai satu atau lebih populasi. Dengan mengambil suatu sampel acak dari populasi tersebut dan menggunakan informasi yang dimiliki

Lebih terperinci

STATISTIK Hypothesis Testing 2 Contoh kasus

STATISTIK Hypothesis Testing 2 Contoh kasus STATISTIK Hypothesis Testing 2 Contoh kasus Chapter 6 Sulidar Fitri, M.Sc Analisis Data Deskriptif Menghitung ukuran tendensi central (mean, median dan modus) dan ukuran dispersi (range, mean deviasi,

Lebih terperinci

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data Ahmad Zakaria, Ph.D. September 19, 2013 1 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter 2 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi

Lebih terperinci

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( ) BIOSTATISTIK UJI HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA (20611003) NURTASMIA (20611022) SOBRI (20611027) : Tahapan-tahapan dalam uji hipotesis 1.Membuat hipotesis nol (H o ) dan hipotesis alternatif (H

Lebih terperinci

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F

BEBERAPA DISTRIBUSI PELUANG KONTINU. Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F BEBERAPA DISTRIBUSI PELUANG KONTINU Normal, Gamma, Eksponensial, Khi-Kuadrat, Student dan F Distribusi Normal Distribusi yang terpenting dalam bidang statistika, penemu : DeMoivre (733) dan Gauss Bergantung

Lebih terperinci

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean

MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep uji hipotesis, kesalahan tipe 1 dan 2, uji hipotesis untuk mean (1 dan 2 sampel),

Lebih terperinci

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,

Lebih terperinci

MA5283 STATISTIKA Bab 7 Analisis Regresi

MA5283 STATISTIKA Bab 7 Analisis Regresi MA5283 STATISTIKA Bab 7 Analisis Regresi Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Perkuliahan Silabus Tujuan Peubah bebas dan terikat, konsep relation, model regresi linier, penaksir

Lebih terperinci

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability

Lebih terperinci

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut :

PENGUJIAN HIPOTESIS. Langkah-langkah pengujian hipótesis statistik adalah sebagai berikut : PENGUJIAN HIPOTESIS A. Pengertian Pengujian Hipotesis Hipotesis berasal dari bahasa Yunani, yaitu hupo dan thesis. Hupo berarti lemah, kurang, atau di bawah dan thesis berarti teori, proposisi, atau pernyataan

Lebih terperinci

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan

TINJAUAN PUSTAKA. Analisis regresi adalah suatu metode analisis data yang menggambarkan II. TINJAUAN PUSTAKA 2.1 Analisis Regresi Analisis regresi adalah suatu metode analisis data yang menggambarkan hubungan fungsional antara variabel respon dengan satu atau beberapa variabel prediktor.

Lebih terperinci

PENGUJIAN HIPOTESIS 1

PENGUJIAN HIPOTESIS 1 PENGUJIAN HIPOTESIS 1 Pengertian Pengujian Hipotesis From: BAHASA YUNANI HUPO THESIS Lemah, kurang, di bawah Teori, proposisi, atau pernyataan yang disajikan sebagai bukti Hipotesis suatu pernyataan yang

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji t Uji Proportional Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 2001. Walpole, R.E.,

Lebih terperinci

PENGERTIAN PENGUJIAN HIPOTESIS

PENGERTIAN PENGUJIAN HIPOTESIS PENGUJIAN HIPOTESIS PENGERTIAN PENGUJIAN HIPOTESIS HUPO From: BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau

Lebih terperinci

STATISTIKA II (BAGIAN

STATISTIKA II (BAGIAN STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis

Lebih terperinci

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan PENGUJIAN HIPOTESIS Hipotesis : Merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah mengenai sesuatu hal, dan dibuat untuk menjelaskan sesuatu hal tersebut sehingga memerlukan pengecekan

Lebih terperinci

Pengertian Pengujian Hipotesis

Pengertian Pengujian Hipotesis PENGUJIAN HIPOTESIS Pengertian Pengujian Hipotesis HUPO BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau pernyataan

Lebih terperinci

STK 211 Metode Statistika PENGUJIAN HIPOTESIS

STK 211 Metode Statistika PENGUJIAN HIPOTESIS STK Metode Statistika PENGUJIAN HIPOTESIS Pendahuluan Dalam mempelajari karakteristik populasi sering telah memiliki hipotesis tertentu. pemberian DHA pada anak-anak akan menambah kecerdasannya atau pemberian

Lebih terperinci

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis STK 5 Analisis statistika Materi 6 Pengujian Hipotesis Pendahuluan Dalam mempelajari Karakteristik Populasi kita sering telah memiliki pernyataan/anggapan tertentu. pemberian DHA pada anak-anak akan menambah

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN

Lebih terperinci

PERTEMUAN KE 2 HIPOTESIS

PERTEMUAN KE 2 HIPOTESIS PERTEMUAN KE 2 HIPOTESIS DEFINISI Jawaban sementara terhadap masalah penelitian yang kebenarannya masih harus diuji secara empiris. Pernyataan mengenai keadaan populasi yang akan diuji kebenarannya berdasarkan

Lebih terperinci

Statistika (MMS-1403)

Statistika (MMS-1403) Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang

Lebih terperinci

PENGUJIAN HIPOTESIS. Daerah penolakan. luas KED

PENGUJIAN HIPOTESIS. Daerah penolakan. luas KED PENGUJIAN HIPOTESIS A. Langkah langkah pengujian hipotesis Hipotesis adalah asumsi atau dugaan mengenai sesuatu. Jika hipotesis tersebut tentang nilai nilai parameter maka hipotesis itu disebut hipotesis

Lebih terperinci

Uji Hipotesis dengan ANOVA (Analysis of Variance)

Uji Hipotesis dengan ANOVA (Analysis of Variance) Uji Hipotesis dengan ANOVA (Analysis of Variance) I. Pengertian Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan

Lebih terperinci

BAGAIMANA CARA MENGATASI KASUS TERSEBUT? JAWAB: MELAKUKAN UJI HIPOTESIS

BAGAIMANA CARA MENGATASI KASUS TERSEBUT? JAWAB: MELAKUKAN UJI HIPOTESIS UJI HIPOTESIS Kasus Misalkan suatu perusahaan shampo KILAU mengiklankan bahwa 7 dari 10 orang menggunakan produknya. Anisa, seorang mahasiswa, merasa bahwa pernyataan tersebut berlebihan. Oleh karena itu,

Lebih terperinci

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. STATISTIKA Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll. Statistika deskriptif: pencatatan dan peringkasan hasil

Lebih terperinci

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER

ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal

Lebih terperinci

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015

Uji Hipotesis. Atina Ahdika, S.Si, M.Si. Universitas Islam Indonesia 2015 Uji Hipotesis Atina Ahdika, S.Si, M.Si Universitas Islam Indonesia 015 Definisi Hipotesis Suatu pernyataan tentang besarnya nilai parameter populasi yang akan diuji. Pernyataan tersebut masih lemah kebenarannya

Lebih terperinci