PENAKSIRAN NILAI PARAMETER POPULASI

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENAKSIRAN NILAI PARAMETER POPULASI"

Transkripsi

1 PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis penaksiran parameter populasi (3) Menggunakan penaksiran nilai rata-rata dan proporsi yang sesuai dengan kasus (4) Menghitung jumlah sampel yang dibutuhkan A. PENAKSIRAN PARAMETER POPULASI Keberadaan pedagang bensin jenis premium eceran sangat membantu masyarakat yang membutuhkan pelayanan dengan cepat. Namun demikian, karena tidak termasuk dalam jalur distribusi yang dikendalikan Pertamina masyarakat juga mengeluhkan kualitas bensin yang dicampur atau volume yang kurang. Menanggapi keluhan masyarakat tersebut, Lembaga Penelitian Universitas bermaksud mengajukan konsep kepada pihak Pertamina dan sebagai langkah awal perlu dilakukan penelitian tentang ketepatan timbangan premium isi 1 liter yang dijual pedangang eceran di wilayah Jakarta dengan menggunakan botol minuman. Seorang mahasiswa ditugaskan mencari data telah berhasil melakukan pengukuran ulang 10 botol isi 1 liter yang dibelinya dari 10 pedagang berlainan seperti data pada tabel berikut, Pedagang Ke Isi 1 botol (Liter) Pedagang Ke Isi 1 botol (Liter) Mahasiswa yang baru lulus Business Statistics I menyampaikan hasil temuannya sebagai berikut, (1) Rata-rata Terukur (Mean) 0.82 liter (2) Rata-Rata Lokasi (Median) liter Pengujian Hipotesa Page 1

2 (3) Jumlah frekeuensi terbanyak (Modus) 0,95 liter. Pertanyaan yang muncul kalau hanya temuan mahasiswa tersebut yang akan dijadikan kesimpulan adalah sebagai berikut, (1) Statistik apakah yang paling tepat digunakan untuk menentukan rata-rata isi 1 liter yang dijual pedagang eceran (2) Apakah jumlah sampel 10 pedagang sudah cukup mewakili populasi bensin premium 1 liter yang dijual pedangan eceran di wilayah Jakarta Statistik yang tepat untuk mengukur paramater rata-rata populasi adalah nilai tengah/mean (akan dijelaskan kemudian) dan tentu saja jumlah sampel 10 pedagang sangat tidak mewakili populasi rata-rata isi premium eceran di Wilayah Jakarta (akan dijelaskan kemudian). Untuk memenuhi persyaratan jumlah sampel dilakukan pengambilan data oleh 20 mahasiswa yang masing-masingnya mencari 10 pedagang berbeda sehingga jumlah sampel menjadi 200 botol isi 1 liter. Keseluruhan data yang berhasil disurvey mahasiswa menghasilkan nilai rata-rata yang tidak sama (Tabel II) Mahasiswa Isi rata-rata Mahasiswa Isi rata-rata botol 1 liter botol 1 liter Nilai rata-rata diatas akan membentuk distribusi sampel nilai rata-rata seperti ditunjukkan pada Tabel III Pengujian Hipotesa Page 2

3 Nilai Rata-rata Frekuensi Jumlah 20 Dari data nilai rata-rata yang diperoleh dari sampel, berapa taksiran nilai rata-rata volume botol 1 liter yang dijual pedagang eceran di Jakarta Dari distribusi sampel nilai rata-rata yang diambil dari 200 pedagang di jakarta dapat diperkirakan taksiran nilai rata-rata isi premium botol 1 liter yang dijual oleh pedagang di Jakarta (point estimation/ Penaksiran titik) dengan menggunakan nilai rata-rata (mean) yaitu sebeser 0.86 liter. Apabila distribusi sampel tersebut menghasilkan standar variansi 0.03, maka dapat dilakukan penaksiran interval kepercayaan (confidence level) nilai rata rata isi premiun botol 1 liter dengan memperhitungkan tingkat kepercayaan (level of confidence) yang ditetapkan. Dengan tingkat kepercayaan 90%, maka interval kepercayaan nilai rata-nilai rata adalah (0.03) atau antara 0.81 liter sampai dengan 0.91 liter. Dengan tingkat kepercayaan 95%, maka interval kepercayaan nilai rata-rata adalah (0.03) atau antara 0.80 liter sampai dengan 0.92 liter. Penaksiran Titik (Point Estimation) adalah sebuah nilai yang diperoleh dari sampel (statistik sampel) yang digunakan untuk menduga nilai parameter populasi yang sesuai Pengujian Hipotesa Page 3

4 Penaksiran interval kepercayaan (Confidence Interval) adalah dugaan lebar interval parameter populasi yang diperoleh dari sampel pada tingkat kepercayaan yang ditetapkan Tingkat Kepercayaan (level oi Confidence) adalah persentase dugaan selang yang memenuhi parameter yang diduga. B. JENIS PENAKSIRAN PARAMETER Penaksiran parameter populasi yang sering digunakan digunakan untuk mendukung penelitian deskriptif terdiri dari, 1. Penaksiran nilai rata-rata ( µ ) populasi Penaksiran Nilai rata-rata populasi Interval Kepercayaan dari nilai rata-rata populasi tergantung dari besar sampel dan standar deviasi dari populasi, yaitu a. Bila standar deviasi populasi ( σ ) diketahui berdasarkan pengalaman atau penelitian terdahulu dengan tingkat kepercayaan 1 maka / / b. Bila standar deviasi populasi tidak diketahui dan jumlah sampel sama dengan atau lebih besar dari 30 ( n 30) dengan tingkat kepercayaan 1 maka / / c. Bila standar deviasi populasi tidak diketahui dan jumlah sampel sama dengan atau lebih besar dari 30 ( n < 30) dengan tingkat kepercayaan 1 maka Pengujian Hipotesa Page 4

5 / / Untuk jumlah populasi yang terbatas (tertentu), maka interval kepercayaan harus dikoreksi dengan besaran faktor FPC (Finite Population Factor) yaitu, sehingga menjadi Penaksiran nilai proporsi ( p ) populasi Penaksiran proporsi populasi Penaksiran proporsi populasi untuk N besar atau p kecil 1 1 / / C. PENAKSIRAN RATA-RATA POPULASI JIKA STANDAR DEVIASI (σ) POPULASI DIKETAHUI 1. Lihat exercises no 1 hal 297 (Lind/ Marchal/ Wathern) Populasi normal n = 49 σ = 10 = 55 Ditanyakan : Interval kepercayaan 99 % dari nilai rata-rata populasi ( atau α/2 = 0.005) / / Pengujian Hipotesa Page 5

6 Lihat exercises no 5 hal 297 (lind/marchal/wathen) Belanja perokok setiap minggu berdistribusi normal n = 49 σ = $ 5 = $ 20 Ditanyakan : a. Penaksiran rata-rata dari populasi belanja perokok setiap minggu? Alasannya? b. Gunakan 95 % tingkat kepercayaan untuk menaksir interval kepercayaan belanja perokok setiap minggu? ( atau α/2 = 0.025) a. µ = $ 20. NIlai rata-rata sampel merupakan pekasiran terbaik untuk nilai rata-rata populasi b. / / D. PENAKSIRAN RATA-RATA POPULASI JIKA STANDAR DEVIASI (σ) POPULASI TIDAK DIKETAHUI Lihat exercises no 9 hal 304 (Lind/ Marchal/ Wathern) = 20 n = 20 S = 2 Pengujian Hipotesa Page 6

7 Ditanyakan : a. Berapa rata-rata populasi? Apa penaksiran terbaik untuk nilai ratarata populasi b. Mengapa harus menggunakan distribusi t? Asumsi yang digunakan? c. Untuk Tingkat kepercayaan 95%, berapa nilai t d. Hitung interval kepercayaan dari nilai rata-rata populasi e. Apakah cukup beralasan untuk menyimpulkan nilai rata rata populasi 21 telur? 25 telur a. Nilai rata-rata populasi belum diketahui. Penaksiran terbaik adalah 20 telur setiap bulan setiap ekor b. Jumlah sampel yang digunakan lebih kecil dari 30 dengan sumsi distribusi populasi normal atau mendekati normal c. t = d. / / e. Nilai rata-rata 21 atau 25 berada diluat interval kepercayaan E. PENAKSIRAN PROPORSI POPULASI Lihat exercises no 15 hal 308 (Lind/ Marchal/ Wathern) Ditanyakan : N = 100 n = 80 a. Berapa proporsi populasi? b. Interval kepercayaan proporsi untuk tingkat kepercayaan 95% c. Interpretasikan hasil yang diperoleh pada jawaban b a Pengujian Hipotesa Page 7

8 b ,, , , c. Proporsi konsumen yang menggunakan kartu kredit atau kartu debut diperkirakan antara 72% sampai dengan 88% F. FAKTOR KOREKSI UNTUK PENAKSIRAN PARAMETER POPULASI TERBATAS Lihat exercises no 19 hal 310 (Lind/ Marchal/ Wathern) N = 300 n = S = 5 Ditanyakan : Interval kepercayaan dari nilai rata-rata populasi untuk tingkat kepercayaan 95% sehingga , G. MENETAPKAN JUMLAH SAMPEL Untuk melakukan penaksiran yang lebih teliti maka kesalahan penaksiran dari parameter populasi sebenarnya akan semakin kecil. Hal tersbut hanya dimungkinkan apabila jumlah sampel semakin besar. Dengan demikian maka jumlah sampel yang harus diambil dipengaruhi oleh tiga factor, yaitu 1. Interval kepercayaan yang diinginkan 2. Batas maksimum kesalahan yang dibolehkan (E) 3. Variansi populasi Pengujian Hipotesa Page 8

9 1. JUMLAH SAMPEL UNTUK MENDUGA NILAI RATA-RATA APABILA DEVIASI STANDAR POPULASI DIKETAHUI Apabila E adalah batas maksimum kesalahan perkiraan nilai rata-rata, maka Interval kepercayaan / / dapat dinyatakan dengan rumusan sebagai berikut yang mana / / Lihat Exercises no 23 hal E = atau 0.05 Ditanyakan jumlah sampel yang dibutuhkan JUMLAH SAMPEL UNTUK MENDUGA PROPORSI Apabila E adalah batas maksimum kesalahan yang diperkenankan bagi pendugaan Interval kepercayaan proporsi, maka 1 1 / / Dapat diubah menjadi yang mana / 1 Pengujian Hipotesa Page 9

10 1 / Lihat Exercises no 26 hal E = atau / 1 / Ditanyakan jumlah sampel yang dibutuhkan , REFERENSI 1. Lind, Douglas, William marchal and Samuel Wathern., Statistical Techniques in Business and Economics, 14 th Edition., Mc Graw Hill David C Howell., Statistical Methods for Psychology., Duxbury Press., Third Edition., Ronald E. Walpole., Pengantar Statistika., PT Gramedia., Edisi ketiga., Jakarta., Sugiarto.,dkk., Teknik Sampling., Penerbit PT Gramedia Pustaka Utama., Jakarta 2003 Pengujian Hipotesa Page 10

BAB 6 PENAKSIRAN PARAMETER

BAB 6 PENAKSIRAN PARAMETER BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang

Lebih terperinci

ESTIMASI. Arna Fariza PENDAHULUAN

ESTIMASI. Arna Fariza PENDAHULUAN ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik

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

SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN

SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN Mata Kuliah : Statistik II Program Studi : S 1 Akuntansi dan S 1 Manajemen Beban : 2 Sks Dosen : W. Rofianto, ST, MSi I. Deskripsi

Lebih terperinci

Program Studi Teknik Mesin S1

Program 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 terperinci

BAB II PENYAJIAN DATA

BAB II PENYAJIAN DATA BAB II PENYAJIAN DATA Tujuan Instruksional dari Pendahuluan ini, agar pembaca dapat : 1. Menjelaskan dan membedakan pernyataan statitistika deskriptif dan induktif. Menyebutkan jenis, ciri-ciri dan memberikan

Lebih terperinci

Kontrak Kuliah Metode Statistika 2

Kontrak 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 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

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS

MATRIKS 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 terperinci

Versi : 3 Tanggal Revisi : 18 Agustus 2011 Revisi : Tanggal Berlaku: 12 September 2011 KONTRAK PERKULIAHAN. Deskripsi Mata Kuliah

Versi : 3 Tanggal Revisi : 18 Agustus 2011 Revisi : Tanggal Berlaku: 12 September 2011 KONTRAK PERKULIAHAN. Deskripsi Mata Kuliah Versi : 3 Tanggal Revisi : 18 Agustus 2011 Revisi : Tanggal Berlaku: 12 September 2011 F.SMP3.05 KONTRAK PERKULIAHAN Jurusan : Akuntansi & Managemen Kode Mata kuliah : 4203 Nama Mata kuliah : Statistik

Lebih terperinci

(ESTIMASI/ PENAKSIRAN)

(ESTIMASI/ PENAKSIRAN) ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun

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

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1 GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM INFORMASI Semester : 1 Berlaku mulai: Gasal/2011 MATA KULIAH : STATISTIKA KODE MATA KULIAH / SKS : 410102047 / 3 SKS MATA KULIAH PRASYARAT

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

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi

Lebih terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-011227 Ummu Kalsum UNIVERSITAS GUNADARMA 2017 Keterlambatan : KONTRAK KULIAH MOHON KETERLAMBATAN TIDAK LEBIH 15 MENIT Sanksi atau hukuman, sebagai contoh: Menguraikan pengetahuan tentang

Lebih terperinci

SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI

SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI STIE Bisma Lepisi Jl. Ks. Tubun No. 11 Tangerang 15112 Telp.:(021) 558 9161-62. Fax.:(021) 558 9163 SATUAN ACARA PERKULIAHAN (SAP) PROGRAM STUDI AKUNTANSI Kode Mata Kuliah Nama Mata Kuliah Kelompok Mata

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN 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 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

BUKU REFERENSI MATERI KULIAH DISTRIBUSI SAMPLING STATISTIK

BUKU REFERENSI MATERI KULIAH DISTRIBUSI SAMPLING STATISTIK BUKU REFERENSI Ronald E. Walpole, Pengantar Statistika, Edisi Terjemahan, Penerbit Gramedia, Jakarta, 1992. Sudjana, Metoda Statistika, Penerbit Tarsito, Bandung, 1993. Anto Dayan, Pengantar Metode Statistik

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DASAR Kode : EK11. B230 / 3 Sks Minggu Pokok Bahasan ke dan TIU 1 1Pendahuluan tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika statistika Mahasiswa dapat menjelaskan kegunaan

Lebih terperinci

Ummu Kalsum UNIVERSITAS GUNADARMA

Ummu Kalsum UNIVERSITAS GUNADARMA Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)

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

STATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling

STATISTIK 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 terperinci

STATISTIKA II IT

STATISTIKA II IT STATISTIKA II IT-021259 Ummu Kalsum UNIVERSITAS GUNADARMA 2016 KONTRAK KULIAH Waktu: Rabu, 7.30 10.30 dan 12.30 15.30 Jam mulai : 3 sks, maka: Mulai: 8. 00 Selesai: 3 x 50 menit = 150 menit 10.30 Keterlambatan

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

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan)

Metode Statistika. Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Metode Statistika Statistika Inferensia: Pendugaan Parameter (Selang Kepercayaan) Pengantar Seringkali kita tertarik dengan karakteristik umum dari suatu populasi parameter Misalnya saja berapa rata-rata

Lebih terperinci

1. Pendugaan Parameter

1. Pendugaan Parameter . Pendugaan Parameter Di dalam pendugaan parameter terdapat dua jenis pendugaan yaitu : pendugaan parameter ratarata dari sampel dan pendugaan rata-rata dari populasi.. Pendugaan Parameter Satu Rata-Rata

Lebih terperinci

Estimasi dan Confidence Interval

Estimasi dan Confidence Interval Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh

Lebih terperinci

SATUAN ACARA PENGAJARAN (SAP)

SATUAN ACARA PENGAJARAN (SAP) SATUAN ACARA PENGAJARAN (SAP) Mata Kuliah : Statistik Deskriptif Kode Mata Kuliah : 02085303 SKS : 3 Waktu Pertemuan : 3 x 45 Menit Pertemuan ke : 1 & 2 A. KOMPETENSI 1. Standar Kompetensi : Mahasiswa

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN

Lebih terperinci

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

STATISTIKA 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 terperinci

Estimasi dan Confidence Interval

Estimasi dan Confidence Interval Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June 2017 1 / 31 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh

Lebih terperinci

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER

Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui

Lebih terperinci

SILABUS STATISTIK BISNIS. Dosen: Dalizanolo Hulu, SE, ME

SILABUS STATISTIK BISNIS. Dosen: Dalizanolo Hulu, SE, ME SILABUS STATISTIK BISNIS Dosen: Dalizanolo Hulu, SE, ME Program Studi: Manajemen, Akuntansi, dan Teknik Informasi Universitas Pembangunan Jaya TA. 2014/2015 UNIVERSITAS PEMBANGUNAN JAYA SEMESTER GENAP

Lebih terperinci

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1 ESTIMASI Podojoyo, SKM, M.Kes Podojoyo 1 Definisi Estimasi Suatu metode dimana kita dapat memperkirakan nilai populasi (parameter) dengan memakai nilai sampel (statistik) Podojoyo 2 Didalam estimasi nilai

Lebih terperinci

SILABUS. URAIAN MATERI PEMBELAJARAN Estimasi parameter: 1. Pengenalan pendugaan titik (estimasi point) pada pendugaan selang (estimasi interval)

SILABUS. URAIAN MATERI PEMBELAJARAN Estimasi parameter: 1. Pengenalan pendugaan titik (estimasi point) pada pendugaan selang (estimasi interval) SILABUS JUDUL MATA KULIAH : STATISTIK INFERENSIAL NOMOR KODE/SKS : 02085314 / 3 SKS SEMESTER : 2 DOSEN : DESKRIPSI SINGKAT : Mata kuliah ini membahas tentang peranan statistika dalam pengembangan ilmu

Lebih terperinci

RENCANA PEMBELAJARAN SEMESTER (RPS)

RENCANA PEMBELAJARAN SEMESTER (RPS) RENCANA PEMBELAJARAN SEMESTER (RPS) MATA KULIAH: STATISTIK INFERENSIAL DAN LAB (UPM) PROGRAM STUDI S1 MANAJEMEN 2015 bekman4s@yahoo.com 1 dari 8 Nama Mata Kuliah : Statistik Inferensial dan Lab (UPM) Kode

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF 1 (MI) KODE / SKS: KK / 2 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika

Lebih terperinci

GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS 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

SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (IA) KODE / SKS : KD / 3 SKS

SATUAN 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 terperinci

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN

MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN MODUL XI SELANG KEPERCAYAAN UNTUK KEPERCAYAAN Taksiran suatu parameter populasi dapat diberikan berupa taksiran titik atau berupa taksiran selang. Taksiran titik suatu parameter populasi θ merupakan nilai

Lebih terperinci

DEPARTEMEN ILMU EKONOMI F A K U L T A S E K O N O M I D A N B I S N I S S I L A B U S STATISTIK I MAS 101 / 3 SKS

DEPARTEMEN ILMU EKONOMI F A K U L T A S E K O N O M I D A N B I S N I S S I L A B U S STATISTIK I MAS 101 / 3 SKS S I L A B U S STATISTIK I MAS 101 / 3 SKS Deskripsi Jenis Mata Kuliah Prasyarat : Mata kuliah ini membahas tentang konsep dasar metode statistik, yaitu Statistika Deskriptif dan Statistika Inferensial,

Lebih terperinci

ESTIMASI. A. Dasar Teori

ESTIMASI. A. Dasar Teori ESTIMASI A. Dasar Teori 1. Penaksiran atau Estimasi Penaksiran atau estimasi adalah metode untuk memperkirakan nilai populasi dengan menggunakan nilai sampel. Nilai penduga disebut estimator, estimator

Lebih terperinci

Ayundyah Kesumawati. April 27, 2015

Ayundyah Kesumawati. April 27, 2015 Kesumawati Prodi Statistika FMIPA-UII April 27, 2015 Estimasi interval Jika diperhatikan, terdapat kesamaan rumus-rumus yang dipakai pada saat pengujian hipotesis dan pendugaan selang kepercayaan. Untuk

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF & PRAKTIKUM (AKN) KODE / SKS: KD / 3 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF & PRAKTIKUM (AKN) KODE / SKS: KD / 3 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Penahuluan konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika Mahasiswa

Lebih terperinci

SUBSIDI LANGSUNG TUNAI DAN KONSUMSI KESEHATAN RUMAH TANGGA DI PROVINSI JAWA TENGAH

SUBSIDI LANGSUNG TUNAI DAN KONSUMSI KESEHATAN RUMAH TANGGA DI PROVINSI JAWA TENGAH SUBSIDI LANGSUNG TUNAI DAN KONSUMSI KESEHATAN RUMAH TANGGA DI PROVINSI JAWA TENGAH Sri Subanti 1, Respatiwulan 2, Lestari Sukarniati 3, Winita Sulandari 4, Arif Rahman Hakim 5 1 Prodi Statistika; Grup

Lebih terperinci

Materi Kuliah: Statistik Inferensial

Materi Kuliah: Statistik Inferensial TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id 1 Teori Statistik Pengujian Hipotesa Besar Pengujian Hipotesa Kecil Memilih Ukuran Teori Statistik Pengujian Hipotesa

Lebih terperinci

Sampling, Estimasi dan Uji Hipotesis

Sampling, Estimasi dan Uji Hipotesis Sampling, Estimasi dan Uji Hipotesis Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kode / SKS Program Studi Fakultas : Statistika Dasar : IT012244 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pendahuluan konsep statistika dan notasi penjumlahan 1.1. Konsep statistika

Lebih terperinci

Ledhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013

Ledhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013 UKURAN STATISTIK BAGI DATA Ledhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013 Konten Definisi: -Data dan Jenis Data -Parameter dan Statistik -Ukuran Statistik

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

SATUAN ACARA PENGAJARAN (SAP)

SATUAN ACARA PENGAJARAN (SAP) SATUAN ACARA PENGAJARAN (SAP) Mata Kuliah : STATISTIK INFERENSIAL Kode Mata Kuliah : 02085314 SKS : 3 Waktu Pertemuan : 3 x 45 Menit Pertemuan ke : 1 & 2 A. KOMPETENSI 1. Standar Kompetensi : Mahasiswa

Lebih terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika

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

RENCANA PEMBELAJARAN SEMESTER

RENCANA PEMBELAJARAN SEMESTER RENCANA PEMBELAJARAN SEMESTER F-0653 Issue/Revisi : Tanggal Berlaku : 1 Februari 2016 Untuk Tahun Akademik : 2015/2016 Masa Berlaku : 4 (empat) tahun Jml Halaman : 8 halaman Mata Kuliah : STATISTIK BISNIS

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PENGAJARAN PROGRAM STUDI : S1 SISTEM KOMputer Semester : 4

GARIS-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 terperinci

STATISTIKA TERAPAN (PS603)

STATISTIKA TERAPAN (PS603) RENCANA PEMBELAJARAN SEMESTER (RPS) STATISTIKA TERAPAN (PS603) PROGRAM STUDI PSIKOLOGI PENDIDIKAN SEKOLAH PASCA SARJANA UNIVERSITAS PENDIDIKAN INDONESIA 1 RENCANA PEMBELAJARAN SEMESTER 1. Identitas Nama

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

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 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

PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL

PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen

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

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308

SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1

Lebih terperinci

SOAL TUGAS STATISTIKA PENDIDIKAN. 2010, Prof. Ir. Sigit Nugroho, M.Sc., Ph.D.

SOAL TUGAS STATISTIKA PENDIDIKAN. 2010, Prof. Ir. Sigit Nugroho, M.Sc., Ph.D. SOAL TUGAS STATISTIKA PENDIDIKAN Dosen : Prof. Ir. Sigit Nugroho, M.Sc., Ph.D. 1. Berikut ini disajikan data banyaknya siswa yang lewat di depan kelas yang diambil secara sistematis dengan interval waktu

Lebih terperinci

TEORI PENDUGAAN (TEORI ESTIMASI)

TEORI PENDUGAAN (TEORI ESTIMASI) TEORI PENDUGAAN (TEORI ESTIMASI) Tujuan Pembelajaran Mempelajari bagaimana cara melakukan pendugaan parameter populasi berasarkan statistik yang dihitung dari sampel A. Pendahuluan Pendahuluan : Tujuan

Lebih terperinci

PENAKSIRAN PARAMETER TM_3

PENAKSIRAN PARAMETER TM_3 PENAKSIRAN PARAMETER TM_3 Pendahuluan Statistik inverensial membicarakan bgmn mengeneralisasi informasi yg telah diperoleh. Segala aturan, dan cara, yg dpt di pakai sebagai alat dlm mencoba menarik kesimpulan

Lebih terperinci

Statistika Psikologi 2

Statistika Psikologi 2 Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari

Lebih terperinci

GARIS BESAR PROGRAM PENGAJARAN (GBPP)

GARIS BESAR PROGRAM PENGAJARAN (GBPP) GARIS BESAR PROGRAM PENGAJARAN (GBPP) Nama Mata Kuliah : STATISTIKA-1*/** / 2015 Kode Mata Kuliah/SKS : IT-022250/2 SKS (AKUNTANSI) Deskripsi singkat : Mata Kuliah Keilmuan dan Ketrampilan (MKKK) Statistika-1

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

Ishafit

Ishafit ANALISIS DATA PENELITIAN PENDIDIKAN Ishafit ishafit@pfis.uad.ac.id http://ishafit.pfis.uad.ac.id PROGRAM STUDI PENDIDIKAN FISIKA UNIVERSITAS AHMAD DAHLAN Yogyakarta, 2016 STATISTIKA DAN STATISTIK Statistika

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

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

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU

MODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan

Lebih 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

ANALISIS KEMAMPUAN PROSES

ANALISIS KEMAMPUAN PROSES LOGO ANALISIS KEMAMPUAN PROSES Kelompok 7 Rohmad Hadi S. Ananta Ade Kurniawan Nariswari Setya Dewi Kristy Handayani Lisa Apriana Dewi Nanda Hidayati Nining Dwi Lestari M0107082 M0108015 M0108022 M0108053

Lebih terperinci

Statistika Psikologi 1

Statistika Psikologi 1 Modul ke: Statistika Psikologi 1 Tendensi Sentral Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. DISTRIBUSI SAMPEL 2 DISTRIBUSI SAMPEL 3 TENDENSI SENTRAL: Apa dan mengapa tendensi

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA 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 terperinci

TELKOM UNIVERSITY FAKULTAS KOMUNIKASI DAN BISNIS JURUSAN/PROGRAM STUDI S1 ADMINISTRASI BISNIS RENCANA PEMBELAJARAN SEMESTER

TELKOM UNIVERSITY FAKULTAS KOMUNIKASI DAN BISNIS JURUSAN/PROGRAM STUDI S1 ADMINISTRASI BISNIS RENCANA PEMBELAJARAN SEMESTER TELKOM UNIVERSITY FAKULTAS KOMUNIKASI DAN BISNIS JURUSAN/PROGRAM STUDI S1 ADMINISTRASI BISNIS RENCANA PEMBELAJARAN SEMESTER Kode Dokumen MATA KULIAH (MK) KODE Rumpun MK BOBOT (sks) SEMESTER Tgl Penyusunan

Lebih terperinci

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

PENARIKAN SAMPEL & PENDUGAAN PARAMETER PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti

Lebih terperinci

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30 Pendugaan Parameter Ayundyah Kesumawati Prodi Statistika FMIPA-UII April 13, 2015 Ayundyah (UII) Pendugaan Parameter April 13, 2015 1 / 30 Pendugaan 1 Proses yang menggunakan sampel statistik untuk menduga

Lebih terperinci

Statistika Psikologi 1

Statistika Psikologi 1 Statistika Psikologi 1 Modul ke: 14 Memilih Uji Statistika yang Tepat Review 1 14 Fakultas Psikologi Program Studi Psikologi Arie Suciyana S., S.Si., M.Si. 2 MemilihUji Statistikayang Tepat Jika dalam

Lebih terperinci

Distribusi dari Sampling

Distribusi dari Sampling Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi

Lebih terperinci

PENGARUH JURUSAN DAN NILAI SEKOLAH MENENGAH TERHADAP PRESTASI BELAJAR MAHASISWA STIKOM SURABAYA

PENGARUH JURUSAN DAN NILAI SEKOLAH MENENGAH TERHADAP PRESTASI BELAJAR MAHASISWA STIKOM SURABAYA PENGARUH JURUSAN DAN NILAI SEKOLAH MENENGAH TERHADAP PRESTASI BELAJAR MAHASISWA Sulistiowati 1) 1) Program Studi/Jurusan Sistem Informasi, STIKOM Surabaya, email: sulist@stikom.edu Abstrak : Penelitian

Lebih terperinci

YKRN

YKRN YKRN www.stioykpn.nc.fd STIE YKPN Yogyakarta Jl. Seturan, Depok, Sleman, Yogyakarta - 55281 Telp. (0274) 486321, (0274) 486160; Fax (0274) 486081 Website: www.stieykpn.ac.td SILABUS STATISTIKA I SEMESTER

Lebih terperinci

PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis

PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id

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_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 IV. PENDUGAAN PARAMETER Populasi Sampling Sampel N n Rata-rata : μ Simp.

Lebih terperinci

Setelah mempelajari bahan ajar ini diharapkan Anda dapat:

Setelah mempelajari bahan ajar ini diharapkan Anda dapat: D. Pembelajaran 4 1. Silabus N o STANDAR KOMPE TENSI Menerapk an aturan konsep statistika dalam pemecaha n masalah KOMPE TENSI DASAR Mengidenti fikasi pengerti-an statistik, statistika, populasi dan sampel

Lebih terperinci

Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi

Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi Statistika, Vol. No., Mei Pendugaan Selang Kepercayaan Persentil Bootstrap Nonparametrik untuk Parameter Regresi MARZUKI, HIZIR SOFYAN, ASEP RUSYANA Jurusan Matematika FMIPA Universitas Syiah Kuala Jl.

Lebih terperinci

STATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.

STATISTIKA 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 terperinci

Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika

Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika 2 N i 1 x i N 2 Z X Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika sederhana s 2 n i 1 x i x n 1 2 No.

Lebih terperinci

BAB 4 UKURAN TENDENSI SENTRAL

BAB 4 UKURAN TENDENSI SENTRAL BAB 4 UKURAN TENDENSI SENTRAL A. Pengertian Ukuran Tendensi Sentral Beserta Macam - macamnya Menurut Saleh (998 : 3-4), pengukuran nilai sentral merupakan suatu usaha yang ditujukan untuk mengukur besarnya

Lebih terperinci

METODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50

METODOLOGI. (a). (b) (c) Gambar 3. Pola sebaran data dengan = 0.05, 5, dan 50 METODOLOGI Data Data yang digunakan dalam penelitian ini ada dua jenis, yaitu data simulasi dan data riil Data simulasi digunakan untuk melihat pengaruh perubahan parameter konsentrasi ( ) terhadap karakteristik

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI TIN 4004 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

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1. Pengertian Data dan Informasi Pengertian informasi ialah data. Data adalah kenyataan yang menggambarkan suatu kejadian dan kesatuan nyata dan merupakan bentuk baku yang harus

Lebih terperinci

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina

Lebih terperinci

Apa itu suatu Hypothesis?

Apa itu suatu Hypothesis? Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh

Lebih terperinci

PE 105 STATISTIKA II

PE 105 STATISTIKA II PE 105 STATISTIKA II Subject Adviser ANI PINAYANI, DRS., MM. Indonesia University of Education FPIPS Building Room 93. Phone : (022) 5895016 (home) Handphone : 081573176826 Phone : (022) 2013163 ext. 2523

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

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:

KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters

Lebih terperinci

Uji Mengenai Variansi dan Proporsi. Oleh Azimmatul Ihwah

Uji Mengenai Variansi dan Proporsi. Oleh Azimmatul Ihwah Uji Mengenai Variansi dan Proporsi Oleh Azimmatul Ihwah Uji Hipotesis Mengenai Variansi Beda uji hipotesis mengenai variansi dengan uji hipotesis mengenai rataan adalah pada parameter penduga, yaitu menggunakan

Lebih terperinci