STATISTIKA INDUSTRI 2 TIN 4004
|
|
- Indra Cahyadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 STATISTIKA INDUSTRI TIN 4004
2 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Goodness-of-Fit Uji Contingency Uji Homogenitas Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John Wiley & Sons, Inc., 011. Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability & Statistics for Engineers & Scientists, 9 th Ed. Prentice Hall, 01. Weiers, Ronald M., Introduction to Business Statistics, 7 th Ed. South-Western, 011.
3 Uji Variansi Konsep Dasar Menguji variansi populasi atau standard deviasi Digunakan untuk pengukuran produk, proses, metode kerja Membandingkan produktivitas dan variabilitas proses atau metode kerja Pada saat asumsi variansi sama tidak dapat dipenuhi, uji ini lebih tepat digunakan daripada uji t dua populasi Populasi dari sampel berdistribusi normal
4
5
6 Uji Variansi - Rumus Data statistik sampel: - = Variansi sampel - = Variansi populasi - = nilai dari hipotesis - Statistik uji: (distribusi chi-squared) χ hitung = n = ukuran sampel (n 1)s σ 0 ; ν = df = n 1
7 Langkah-langkah pengujian : a. Uji hipotesis H0 : σ = σ0 H1 : σ σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0
8 Langkah-langkah pengujian : b. Uji hipotesis H0 : σ = σ0 H1 : σ > σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0
9 Langkah-langkah pengujian : c. Uji hipotesis H0 : σ = σ0 H1 : σ < σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0
10 Latihan Soal Dalam kondisi normal, standard deviasi dari paket-paket produk dengan berat 40 ons yang dihasilkan suatu mesin adalah 0,5 ons. Setelah mesin berjalan beberapa waktu, diambil sampel produk sejumlah 0 paket, dari sampel tersebut diketahui standard deviasi beratnya adalah 0,3 ons. Apakah mesin tersebut masih bisa dikatakan bekerja dalam keadaan normal? Gunakan α = 0,05.
11 Jawaban Latihan Soal Diketahui: n = 0 s = 0,3 ons Uji hipotesis H0 : σ = 0,5 H1 : σ > 0,5 Tingkat signifikansi : α = 0,05 Statistik uji : χ hitung = (n 1)s σ = (19)(0,3 ) 0 (0,5 ) Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05;(19) = 30,144 = 31,196 Kesimpulan: karena χ hitung = 31,196 > χ 0,05;(19) = 30,144 maka H0 ditolak artinya mesin sudah tidak bekerja dalam kondisi normal
12 Latihan Soal Sebuah perusahaan aki mobil mengklaim bahwa lifetime dari produknya berdistribusi normal dengan standard deviasi (σ) 0.9 tahun. Jika hasil random sampling dari 10 sampel menunjukkan bahwa standard deviasi 1. tahun. Benarkah klaim σ > 0.9 tahun? Gunakan α = 0,05.
13 Jawaban Latihan Soal Diketahui: n = 10 s = 1, tahun Uji hipotesis H0 : σ = 0,9 H1 : σ > 0,9 Tingkat signifikansi : α = 0,05 Statistik uji : χ hitung = (n 1)s σ = (9)(1, ) 0 (0,9 ) Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05(9) = 16,919 = 16 Kesimpulan: karena χ hitung = 16 < χ 0,05(9) = 16,919 maka H0 diterima artinya lifetime produk berstandard deviasi 0,9 tahun
14 Soal
15 Uji Variance Dua Populasi Menguji kesamaan variansi σ 1 dan σ dari dua populasi H 0 : σ 1 =σ H 1 : σ 1 <σ ; σ 1 >σ ; atau σ 1 σ Menggunakan Uji F Syarat: Kedua populasi independent dan berdistribusi normal Sample yang digunakan independent dan random
16 Uji Variance Dua Populasi: Uji F
17
18 Latihan Soal Sebuah eksperimen dilakukan untuk membandingkan dampak abrasive wear pada material. Uji yang sama dilakukan pada 1 material A dan 10 material B. Dari hasil uji diketahui bahwa rata-rata kedalaman pada material A 85 unit ukur dengan standard deviasi 4, rata-rata material B 81 unit ukur dengan standard deviasi 5. Dapatkah disimpulkan bahwa abrasive wear material A lebih besar dari material B sebesar unit ukur (α = 0.05)? Asumsi populasi normal dan variansi keduanya sama.
19 Latihan Soal
20 Soal
21 Uji Goodness-of-Fit Menguji keseusaian suatu distribusi pada suatu model populasi Distribusi populasi tidak diketahui Misal: kita ingin menguji hipotesa bahwa suatu populasi berdistribusi normal Prosedur pengujian berdasarkan distribusi chi-square χ hitung = k (o i e i ) i=1 ; ν = k 1 H 0 : populasi berdistribusi " " H 1 : populasi tidak berdistribusi " " o i = observed frequency, e i = expectedfrequency, k = frequency e i Jika frekuensi observasi berbeda dengan frekuensi ekspektasi, χ hitung akan besar, artinya poor fit. Terima H 0 jika good fit, Tolak H 0 jika poor fit Critical Region hanya berada pada tail kanan distribusi chi-square: > χ α,ν χ hitung
22 Contoh Soal Uji hipotesa bahwa populasi dari data berikut adalah distribusi uniform: (α = 0.05) H 0 : populasi berdistribusi uniform H 1 : populasi tidak berdistribusi uniform Frekuensi Observasi Ekspektasi χ 0.05 (6 1) = χ hitung = 1.7 < χ α,ν = , terimah 0, data berdistribusi uniform
23 Latihan Soal Baca: Montgomery (011), hal
24 Uji Independen (Categorical Data) Uji Tabel Contingency Uji hipotesa tentang independensi dua variabel klasifikasi Menggunakan Uji Chi-Squared Tabel contingency: tabel yang menunjukkan frekuensi pengamatan Tabel contingency yang terdiri atas r baris dan c kolom disebut juga dengan tabel r x c
25 Uji Independen (Categorical Data) Langkah-langkah pengujian hipotesis: H 0 : p i1 = p i = = p ic = p; i = 1,,3, r H 1 : tidak semua proposi sama Tingkat signifikansi : α Data sampel :
26 Uji Independen (Categorical Data) Statistik uji: χ hitung = r i=1 c j=1 o ij = x ij ; e ij = Critical region: χ hitung Rumus (o ij e ij ) e ij (total kolom x total baris) grand total > χ α,ν ; ν = (r 1)(c 1)
27 Latihan Soal Untuk menentukan apakah terdapat hubungan antara performansi karyawan dalam program training yang diadakan perusahaan terhadap keberhasilan perusahaan mereka dalam tugas-tugas pekerjaannya, diambil sampel sebanyak 400 karyawan. Hasilnya disajikan dalam tabel berikut: Gunakan α = 0,01 untuk menguji hal tersebut
28 Jawaban Latihan Soal H 0 : p 1 = p = p 3 = p performansi karyawan dalam program training dengan keberhasilan perusahaan adalah independen H 1 : tidak semua proposi sama Tingkat signifikansi : α = 0.01 Data sampel :
29 Jawaban Latihan Soal Statistik uji: χ hitung = = r i=1 c j=1 (o ij e ij ) e ij (3 16,8) (60 5,6) (9 4,6) (8 5) (79 78,5) ,8 5,6 4,6 5 78,5 (60 63,5) (9 18,) (49 56,9) (63 45,9) = 0,34 63,5 18, 56,9 45,9 Critical region: χ hitung χ hitung > χ 0,01;(4) χ 0,01;(4) ; ν = (3 1)(3 1) = 13,77 = 0,34 > χ 0,01;(4) = 13,77 Kesimpulan: Tolak H 0 ; performansi karyawan dalam program training dengan keberhasilan perusahaan adalah tidak independen
30 Soal
31 Uji Homogeneity: Test for several proportion Kelanjutan dari uji beda dua proporsi atau beda diantara k proporsi. H 0 : p 1 = p = p 3 = = p k H 1 : tidak semua proposi sama
32 Latihan Soal Pada sebuah toko, dilakukan pengumpulan data untuk mengetahui apakah proporsi kerusakan yang dilakukan oleh pekerja shift siang, sore, dan malam adalah sama. Data yang diperoleh adalah sbb: Shift Siang Sore Malam Kerusakan Tanpa kerusakan Dengan menggunakan tingkat signifikan 0.05, tentukan apakah proporsi kerusakan ketiga shift tersebut sama?
33 Jawaban Latihan Soal Uji hipotesis H 0 : p 1 = p = p 3 H 1 : p 1, p, p 3 tidak semua sama α = 0,05 Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05;() = χ hitung > Shift Siang Sore Malam Total Kerusakan 45 (57.0) 55 (56.7) 70 (56.3) 170 Tanpa kerusakan 905 (893.0) 890 (888.3) 870 (883.7) 665 Total Kesimpulan: karena χ hitung = 6,9 < χ 0,05;() = maka H 0 diterima artinya proporsi kerusakan sama pada semua shift
34 Soal Tabel berikut menunjukkan dampak yang terjadi akibat perubahan temperatur terhadap 3 jenis material. Gunakan tingkat signifikansi 0,05 untuk menguji apakah probabilitas akan terjadi keretakan pada ketiga material akibat temperatur tersebut sama.
35 Pertemuan 6 - Persiapan Tugas: Bentuk kelompok terdiri dari maks. 3 mahasiswa Cari kasus di sekitar anda, lakukan pengambilan sample, lakukan uji hipotesis Satu kasus hanya untuk satu kelompok Satu metode uji hipotesa hanya boleh digunakan oleh maks. dua kelompok Laporan dalam bentuk PPT Laporan di- ke agustina.eunike@ub.ac.id Deadline pengumpulan: 5 Oktober 01 (1:00 am) Baca: Regresi Linier
36
STATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI TIN 4004 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Contingency Uji Homogenitas Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 001.
Lebih terperinciSTATISTIKA 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 terperinciSTATISTIKA 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 terperinciSTATISTIKA 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 terperinciSTATISTIKA 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 terperinciSTATISTIKA 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 terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and
Lebih terperinciPENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik
Lebih terperinciPertemuan 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 terperinciPENGUJIAN HIPOTESIS (3)
PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis
Lebih terperinciUJI HIPOTESIS UNTUK PROPORSI
PENGUJIAN HIPOTESIS UJI HIPOTESIS UNTUK PROPORSI Uji Hipotesis untuk Proporsi Data statistik sampel: - = Proporsi kejadian sukses dalam sampel - p = Proporsi kejadian sukses dalam populasi - - Statistik
Lebih terperinciUJI 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 terperinciSTATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui
Lebih terperinciPENDUGAAN 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 terperinciSTATISTIKA 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 terperinciPENDUGAAN 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 terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu
Lebih terperinciDistribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013
3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:
Lebih terperinciPENGUJIAN 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 terperinciPertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016
19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-110 Nama Mata Kuliah : Teori Probabilitas Jumlah SKS : 2 Semester : II Mata Kuliah Pra Syarat : TKI-101 Pengantar Teknik Industri
Lebih terperinciUji 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 terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2.
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-209 Nama Mata Kuliah : Praktikum Statistika Jumlah SKS : 1 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas
Lebih terperinciMATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS
Minggu Pokok Bahasan ke dan TIU 1. 1.Distribusi sampling Memberi penjelasan tentang populasi, sampel, tehnik pengambilan sampel., serta distribusi sampling ratarata Sub Pokok Bahasan dan Sasaran Belajar
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-204 Nama Mata Kuliah : Statistika Industri Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas Deskripsi
Lebih terperinciAnalisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1
Analisis of Varians (Anova) dan Chi-Square /6/00 Pengujian Hipotesis Chi Square Digunakan untuk menguji apakah dua atau lebih proporsi sama. Pengujian beda proporsi hanya untuk populasi namun chi square
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Statistika 2 / Probabilitas Terapan : IT012249 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1. Distribusi sampling populasi, sampel, tehnik
Lebih terperinciEvaluasi Deviasi dari Aproksimasi Frekuensi Kejadian Perawatan Korektif dan Preventif
Petunjuk Sitasi: Rahman, A. (2017). Evaluasi Deviasi Dari Aproksimasi Frekuensi Kejadian Perawatan Korektif Dan Preventif. Prosiding SNTI dan SATELIT 2017 (pp. C181-186). Malang: Jurusan Teknik Industri
Lebih terperinciAyundyah Kesumawati. May 31, 2015
Kesumawati Prodi Statistika FMIPA-UII May 31, 2015 Dalam praktek, pengujian hipotesis dapat mencakup lebih dari dua proporsi. Misalnya, persentase sejenis barang yang rusak 3 pabrik adalah sama (tidak
Lebih terperinciPokok Bahasan: Chi Square Test
Pokok Bahasan: Chi Square Test Start Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness of Fit Test) (Kontigensi Table Test) 1 Instruksional Umum Memberi penjelasan tentang distribusi
Lebih terperinciPENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura
PENGUJIAN HIPOTESIS Nurwahyu Alamsyah, S.Kom wahyu@plat-m.com wahyualamsyah.wordpress.com HIPOTESIS Berasal dari bahasa Yunani, Hupo (lemah) dan Thesis (teori). Jadi hipotesis dapat diartikan sebagai suatu
Lebih terperinciPRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja.
RP S1 SP 01 A. CAPAIAN PEMAN : 1. CP 11.1 : Mampu menganalisis data secara kuantitatif baik secara univariat maupun Multivariat serta menerapkannya. 2. CP 8.1 : Memformulasikan masalah ke dalam pemodelan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. yang mengenai parameter-parameter populasi yang merupakan induk
BAB 2 TINJAUAN TEORITIS 21 Statistik Non Parametrik Tes statistik non parametrik adalah test yang modelnya tidak menetapakan syaratsyaratnya yang mengenai parameter-parameter populasi yang merupakan induk
Lebih terperinciDISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS
DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila
Lebih terperinciBI5106 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 terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciPENGUJIAN HIPOTESIS (2)
PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : debrina@ub.ac.id Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Rata-rata Sampel
Lebih terperinciPENGARUH FAKTOR LINGKUNGAN FISIK TERHADAP WAKTU PERAKITAN STICK PLAYSTATION
PENGARUH FAKTOR LINGKUNGAN FISIK TERHADAP WAKTU PERAKITAN STICK PLAYSTATION Resa Taruna Suhada dan Ricky Reza Adhavi Program Studi Teknik Industri, Fakultas Teknologi Industri - Universitas Mercu Buana
Lebih terperinciPENGUJIAN 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 terperinciMA2081 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 terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah,, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah,, ST., MT UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur
Lebih terperinciMODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON ABSTRACT
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 229-240 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MODEL ASURANSI KENDARAAN BERMOTOR MENGGUNAKAN DISTRIBUSI MIXED POISSON Tina
Lebih terperinciDESAIN ACAK SEMPURNA 2
2 DESAIN ACAK SEMPURNA Outline 2 D e s a i n A c a k Sempurna Pengertian Desain Acak Sempurna Analisis Varians untuk DAS Daftar ANAVA Model Linier Model dalam DAS Studi Kasus Desain Acak Sempurna (1) 3
Lebih terperinciSTATISTIK PERTEMUAN X
STATISTIK PERTEMUAN X STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA) Outline Uji Hipotesis Variansi dengan sampel ganda Uji Hipotesis Mean dengan Sampel ganda : - Uji t untuk populasi saling bergantung
Lebih terperinciDISTRIBUSI 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 terperinciStatistik Non Parametrik-2
Statistik Non Parametrik-2 UJI RUN 2 Uji Run Disebut juga uji random Bertujuan untuk menentukan apakah urutan yang dipilih atau sampel yang diambil diperoleh secara random atau tidak Didasarkan atas banyaknya
Lebih terperinciBAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian deskriptif dengan
53 BAB III METODOLOGI PENELITIAN A. Metode dan Desain penelitian Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif komparatif. Alasan menggunakan pendekatan komparatif
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (IA) KODE / SKS : KD / 3 SKS
1 1. Distribusi Sampling TIU : Memberi penjelasan tentang populasi, sampel, teknik pengambilan sampel, serta distribusi sampling rata-rata 2 1.2. Distribusi Sampling Rata-rata 1.1. Konsep Dasar Sampling
Lebih terperinci4/16/2009. 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 terperinciPROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI
Prof. Dr. Ir. Zulkifli Alamsyah, M.Sc. PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI 1 HIPOTESIS Hipotesis adalah pernyataan yang masih lemah tingkat kebenarannya sehingga masih harus diuji
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN
ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF Dina Ariek Prasdika, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika Fakultas Matematika
Lebih terperinciDISTRIBUSI 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 terperinciPengujian Varian Satu Jalur. (One Way ANOVA)
One Way ANOVA Pengujian Varian Satu Jalur (One Way ANOVA) Uji One Way ANOVA, digunakan untuk mengetahui ada tidaknya perbedaan ratarata antara tiga kelompok lebih sample yang tidak berhubungan. Jika ada
Lebih terperinciKAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN
Lebih terperinciPengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum
Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran
BAB 2 TINJAUAN TEORITIS 2.1 Statistik non Parametrik Metode statistik non parametrik atau sering juga disebut metode bebas sebaran (distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat
Lebih terperinciPROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )
PENGUJIAN HIPOTESIS PROSEDUR UMUM Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) misalnya: H 0 : µ = 100 H 1 : μ 100 atau H 1 : μ> 100 atau H 1 : μ< 100 PROSEDUR UMUM Langkah : tentukan
Lebih terperinciStatistik Non Parametrik
Statistik Non Parametrik Tjipto Juwono, Ph.D. March 2017 TJ (SU) Non Parametrik March 2017 1 / 26 Tipe-tipe Variabel dan Level Pengukuran Tipe-tipe Variabel kualitatif Bersifat non-numerik (tidak dapat
Lebih terperinciUJI CHI SQUARE ( 2 ) PRINSIP : 1. merupakan analisis data kategorial. data kualitatif (nominal) data kategorial. data semikuantitatif (ordinal)
( 2 ) UJI CHI SQUARE ( 2 ) PRINSIP : 1. merupakan analisis data kategorial data kualitatif (nominal) data kategorial data semikuantitatif (ordinal) lebih tepat menggunakan analisis data semikuantitatif
Lebih terperinciUji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan
Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan frekuensi observasi, dilambangkan dengan fo ) dengan frekuensi
Lebih terperinciIndependent Sample T Test
Independent Sample T Test Pengujian Dua Sample Tidak berhubungan (Independent Sample T Test) Uji Independence Sample T Test, digunakan untuk mengetahui ada tidaknya perbedaan rata-rata antara dua kelompok
Lebih terperinciDISTRIBUSI 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 terperinciKULIAH 2 : UJI NON PARAMETRIK 1 SAMPEL. Tim Pengajar STATSOS Lanjutan
KULIAH : UJI NON PARAMETRIK 1 SAMPEL Tim Pengajar STATSOS Lanjutan What is Statistics Science of gathering, analyzing, interpreting, and presenting data Branch of mathematics Facts and figures Measurement
Lebih terperinciBAB III METODE PENELITIAN. Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta), Pasar
27 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian dilakukan di daerah Jabotabek (Jakarta, Bogor, Tangerang dan Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta),
Lebih terperinciSTATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /
STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman
Lebih terperinciPENGERTIAN 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 terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciPERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA
PERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA Uji beda dua rata-rata sampel berpasangan (Paired test) Dibutuhkan untuk mencek perbedaan yang bermakna antara dua nilai rata-rata ketika sampel-sampel tersebut
Lebih terperinciSTATISTIK PERTEMUAN XI
STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan
Lebih terperinciPERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL
Statistika, Vol., No., Mei PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL Moh. Yamin Darsyah, Dwi Haryo Ismunarti Program Studi S Statistika Universitas Muhammadiyah Semarang, Jl. Kedung
Lebih terperinciChi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh:
Pokok Bahasan: Chi Square Test Oleh: Edi Minaji Pribadi, SP., MSc. Start Home Contact Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness o Fit Test) (Contingency Table Test)
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Statistik sangat sering ditemui dalam kehidupan sehari-hari, tidak hanya dalam dunia pendidikan dan ilmu pengetahuan. Statistik inferensia salah satunya, merupakan satu
Lebih terperinciContoh Solusi PR 5 Statistika & Probabilitas
Contoh Solusi PR 5 Statistika & Probabilitas 1. X = proporsi pelanggan yang menggunakan layanan penerbangan untuk keperluan bisnis. n = ukuran sampel, p = proporsi sampel yang menggunakan layanan penerbangan
Lebih terperinciDifferent Scales, Different Measures of Association
Different Scales, Different Measures of Association Scale of Both Variables Nominal Scale Measures of Association Pearson Chi-Square: χ 2 Ordinal Scale Spearman s rho Interval or Ratio Scale Pearson r
Lebih terperinciANALISIS VARIAN Satu Jalur. Uji F
ANALISIS VARIAN Satu Jalur Uji F Anava/SAM/F.Psi.UA/006 Anava Uji t digunakan untuk pengujian dua sampel Uji F atau Anava digunakan untuk pengujian lebih dari dua sampel Keduanya sama-sama menguji perbedaan
Lebih terperinciPENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING
PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING Arif Rahman Program Studi Teknik Industri, Fakultas Teknik, Universitas Brawijaya Jl.
Lebih terperinciMata Kuliah: Statistik Inferensial
UJI CHI-KUADRAT Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Uji chi-kuadrat Uji Chi-Kuadrat untuk Keselarasan Uji Chi-Kuadrat untuk uji Kenormalan Uji Chi-Kuadrat untuk uji Independensi
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan
Lebih terperinciMA2081 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 terperinci10/14/2010 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 terperinciPERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc.
PERCOBAAN SATU FAKTOR: RANCANGAN ACAK LENGKAP (RAL) Arum Handini Primandari, M.Sc. PENGUJIAN HIPOTESIS Langkah-langkah pengujian hipotesis: 1) Merumuskan hipotesis 2) Memilih taraf nyata α 3) Menentukan
Lebih terperinciPENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Uji Hipotesis untuk Rata-rata Sampel Berukuran Besar 3 Uji Rata-rata untuk Sampel Berukuran
Lebih terperinciStatistika (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 terperinciMK. Statistik sosial
MK. Statistik sosial Digunakan untuk membandingkan rata- rata LEBIH dari dua sampel variabel Independen (Contoh : rata- rata lama TV di tonton oleh anak- anak dari beberapa negara : Australia, Inggris,
Lebih terperinciUJI HIPOTESIS. Oleh : Riawan Yudi Purwoko
UJI HIPOTESIS Oleh : Riawan Yudi Purwoko A. Konsep Uji Hipotesis Pada bab ini akan dibicarakan salah satu bahasan yang sangat banyak digunakan dalam penelitian, yaitu uji hipotesis. Uji hipotesis merupakan
Lebih terperinciSTATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA
STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output
Lebih terperinciProgram Studi Teknik Mesin S1
SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE / SKS : IT042238 / 2 SKS Program Studi Teknik Mesin S1 Pokok Bahasan Pertemuan dan TIU 1 Pendahuluan memahami tentang konsep statistik
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
67 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskripsi Subjek Penelitian Penelitian ini dilaksanakan di SMP Negeri 2 Tuntang, Kecamatan Tuntang Kabupaten Semarang yang beralamat
Lebih terperinciStatistika Psikologi 1
Modul ke: 11 Statistika Psikologi 1 Chi Square Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., M.Si. Asumsi dalam Statistika Asumsi adalah karakteristik yang diperlukan untuk menentukan dan
Lebih terperinciPeranan Matematika Dan Statistika Dalam Menganalisis Pengaruh Kepemimpinan Terhadap Pertumbuhan Usaha Industri Kecil Di Sulawesi Selatan
3 Vol. 9, No., 3-3, Januari 3 Peranan Matematika Dan Statistika Dalam Menganalisis Pengaruh Kepemimpinan Terhadap Pertumbuhan Usaha Industri Kecil Di Sulawesi Selatan Syamsuddin Abstrak Untuk menganalisis
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4
GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4 Berlaku mulai : Genap/2011 MATA KULIAH : STATISTIKA DAN PROBABILITAS KODE MATA KULIAH / SKS : 410202061 / 3 SKS MATA
Lebih terperinciPEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Mike Susmikanti *
PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN Mike Susmikanti * ABSTRAK PEMAKAIAN VARIABEL INDIKATOR DALAM PEMODELAN. Pemodelan dalam penelitian berbagai bidang khususnya bidang industri, merupakan kebutuhan
Lebih terperinciI. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Statistika sangat bermanfaat dalam kehidupan manusia, tidak hanya di bidang ilmu pengetahuan tapi penerapannya juga sangat aplikatif di dunia sehari-hari. Salah satunya
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan
Lebih terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciAnalisis Model Regresi Linear Berganda dengan Metode Response Surface
Jurnal Gradien Vol. 10 No. 1 Januari 2014 : 957-962 Analisis Model Regresi Linear Berganda dengan Metode Response Surface * Henoh Bayu Murti, Dian Kurniasari, Widiarti Jurusan Matematika, Fakultas Matematika
Lebih terperinciWORKSHOP STATISTIKA PENELITIAN KEPENDIDIKAN Oleh: Dr. Endang Susilaningsih, MS. NIP: NIDN: CP:
WORKSHOP STATISTIKA PENELITIAN KEPENDIDIKAN 2016 Oleh: Dr. Endang Susilaningsih, MS. NIP: 195903181994122001 NIDN: 0018035906 CP: 081578702326 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS
Lebih terperinciGARIS BESAR PROGRAM PENGAJARAN (GBPP)
GARIS BESAR PROGRAM PENGAJARAN (GBPP) Nama Mata Kuliah : STATISTIKA-2 **/ 2015 Kode Mata Kuliah/SKS : IT-022251/2 SKS Deskripsi singkat : Mata Kuliah Keilmuan dan Ketrampilan (MKKK) Statistika-2 merupakan
Lebih terperinci