BAB IV ANALISA DATA EKSPERIMEN
|
|
- Adi Atmadja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB IV ANALISA DATA KSIMN Semua data eksperime harus diperiksa. Aalisa bisa berupa peilaia lisa tetag hasil uji atau bisa merupaka aalisis yag kompleks dega megguaka metode-metode statistik. Kesalaha aka selalu ada dalam setiap eksperime. Kesalaha ada yag bersifat acak da ada pula disebabka karea kekelirua pelaksaaa eksperime. Data buruk yag disebabka oleh kekelirua yag yata harus dibuag. Utuk data yag "tampakya buruk" tidak boleh dibuag begitu saja, haya karea tidak sesuai dega yag kita harapka, kecuali kita tahu betul baha ada sesuatu yag tidak beres. Sebab Sebab Kesalaha ksperime Data dapat dibedaka atas data sampel-tuggal atau cuplika tuggal sigle sample da data sampel ragkap atau cuplika majemuk multisample. Data sampel tuggal adalah data dimaa terdapat ketidak pastia ucertaity yag ditemuka dega ulaga pegukura dilakuka dega istrume. Data sampel ragkap didapatka dalam hal dimaa sejumlah eksperime telah dilakuka da keadala hasil-hasilya dapat dijami oleh statistik pegukura dilakuka oleh lebih dari istrume. Kesalaha asli dalam data eksperime adalah faktor-faktor yag memag selalu samar-samar da megadug ketakpastia. Tugas kita ialah meetuka berapa ketakpastia pegamata rata-rata. Beberapa jeis kesalaha yag serig meyebabka ketakpastia dalam pegukura eksperime :. Selalu ada kekelirua yata dalam pemasaga peralata atau istrume yag mugki merusak validitas data.. Mugki ada semacam kesalaha tetap fied error yag meyebabka pembacaa berulag-ulag megadug kesalaha yag besarya hampir sama, da sebabya tidak diketahui. 5
2 3. Ada kesalaha acak radom error yag mugki disebabka fluktuasi elektroik acak pada peralata atau istrume, pegaruh geseka da sebagaiya. Aalisa Kesalaha Atas Dasar Akal Sehat Salah satu megukur ketakpastia pegukura primer adalah dega cara aalisa akal sehat commo sese atas data yag dapat dilakuka dega berbagai cara berikut :. Atura tebak rule of thumb yaitu kesalaha itu sama dega kesalaha maksimum dalam parameter yag diguaka utuk meghitug hasil.. Meggabugka semua kesalaha itu utuk medapat efek terburuk, utuk meetuka kesalaha maksimum dalam hasil akhir. erhatika perhituga daya listrik berikut ii : I dimaa da I diukur sebagai : V ± V I A ±, A Nilai omial daya adalah : W. Dega megambil variasi terburuk voltase da arus, dapatlah kita hitug : maks + +, 4,4 W mi - -, 96,4 W Jadi ketidak pastia daya ialah +4,4% da -3,96%. Aalisa Ketakpastia Metode ii lebih seksama dari metode akal sehat. Misal suatu bacaa tekaa tertetu diyataka : p kn/m ± kn/m Tada ± meyataka tada ketakpastia. Orag yag membuat peadaa ketakpastia sebearya meyataka berapa meurut pedapatya derjat ketelitia pegukura yag dilakukaya itu. 6
3 Sebagai cara yag lebih baik dalam memberika spesifikasi ketakpastia suatu pegukura, Klie da McClitock meyaraka agar pelaku eksperime meyataka taruha kemugkia ketakpastia itu. Jadi persamaa tekaa tadi dapat kita tulis : p kn/m ± kn/m badig dega kata lai, pelaku eksperime berai bertaruh dega kemugkia badig pegukura itu aka berada dalam ± kn/m. Misal sejumlah pegukura dilakuka dimaa ketakpastia masigmasig pegukura dapat diyataka dega taruha yag sama. eragkat pegukura ii lalu diguaka utuk meghitug hasil eksperime yag dikehedaki. Kita igi meaksir ketakpastia dalam hasil perhituga atas dasar ketakpastia dalam pegukura-pegukura primer. Hasil ialah suatu fugsi dari variabeltak-tergatug atau tak gayut idepedet,, 3,...,. Jadi,,, 3,..., 4- Umpamaka: ketakpastia dalam hasil,,..., ketakpastia dalam variabel tak-tergatug. Jika semua ketakpastia variabel idepedet mempuyai taruha yag sama, maka ketakpastia dalam hasil yag mempuyai taruha diberika oleh persamaa : / L 4- cotoh 4-: Tahaa kiaat tembaga mempuyai ukura tertetu, diyataka oleh: o [ + αt - ] dimaa : o 6Ω ±,3% pada o C α,4/ o C ± % T 3 o ± o C Hituglah tahaa kaat da ketakpastia!. 7
4 Jaab Tahaa Nomial adalah : 6[ +,43 - ] 6,4 Ω Ketakpastia : + α T +,4 3,4 T 63 6 α α 6,4,4 T 6,3,8 Ω α T,4, C 4 Jadi ketakpastia tahaa ialah : 5 [,4, ,4 ] /,35 Ω atau,49% C Kalau ketakpastia satu variabel jauh lebih besar dari ketakpastia variabel laiya, maka ketakpastia yag terbesarlah yag meojol, sedag yag lai mugki dapat diabaika. Sebagai ilustrasi, umpamaka ada tiga variabel dega hasil perkalia kepekaa da ketakpastia [/ ] mempuyai ilai, sedagka satu variabel ilaiya 5, ketakpastia dalam hasil diberika oleh : / 8 / 5,9 Oleh karea itu memperbaiki hasil eksperime secara keseluruha haruslah dilakuka dega memperbaiki istrumetasi da tekik istrumetasi yag berhubuga dega ketakpastia yag relatif besar. ersamaa 4- dapat diguaka secara efektif utuk melakuka aalisis kesalaha eksperime sebelim melakuka eksperime. Cotoh 4-: Sebuah resistor mempuyai ilai omial Ω ± perse. esistor diberi tegaga, da disipasi/lesapa daya dihitug dega dua cara: dari / da I. Dalam kita haya megukur tegaga, sedag dalam baik arus maupu tegaga diukur. - 8
5 Hituglah ketakpastia dalam peetua daya dalam kedua kasus diatas, bila ilai-ilai da I meurut pegukura adalah : V ± % utuk kedua kasus I A ± % Jaab : da kita terapka persamaa 4- da medapat : / + Dibagi dega /, didapat : / 4 + Sisipka ilai umerik ketakpastia, / [4, +, ] /,36% Utuk kasus kedua, kita puya : I I da setelah maipulasi aljabar kita dapat: 9
6 / + I I dega meyisipka ilai umerik ketakpastia, / [, +, ] /,44% Jadi, metode kedua peetua daya diatas memberika ketakpastia yag jauh lebih kecil dari metode pertama, alaupu besara primer dalam kedua hal sama. Dalam cotoh diatas, keguaa aalisis ketakpastia adalah memberi kita dasarutuk memilih metode pegukura yag memberika hasil dega ketakpastia yag sekecil-kecilya. valuasi Ketakpastia Utuk eduksi Data umit Umpamaka telah kita kumpulka seperagkat data dalam variabel,,..., da kita hitug hasilya. Semetara itu variabel-variabel itu kita ubah dega Δ, Δ da seterusya da kita hitug hasilya, kita dapat :,...,,,...,,,...,, + Δ + Δ,..., Δ + + Δ + utuk ilai Δ yag cukup kecil derivatif parsialya didekati dega : Δ + Δ Δ + Δ da ilai ii dapat disisipka ke persamaa 4- utuk meghitug ketakpastia hasil. Cotoh 4-3: Hituglah ketakpastia dalam tahaa kaat dalam cotoh 4- dega megguaka tekik yag ditujukka dalam bagia ii. 3
7 Jaab : Dalam cotoh 4- telah kita hitug tahaa omial yaitu 6,4 ohm. Sekarag kita ubah sedikit ke tiga variabel o, α da T utuk medapatka turua parsialya. Kita buat Jadi, Δ o, Δα -5 T, o + Δ o 6,[ +,43 - ] 6,54 da turuaya didekati dega : + Δ Δ 6,54 6,4,4, atau sama hasilya dega cotoh 4-. Demikia pula : α + Δα 6,[ +,43 - ] 6,46 α α + Δα Δα 6,46 6,4 5-6 T + ΔT 6[ +,43, - ] 6,44 T T + ΔT ΔT 6,44 6,4,4, Semua turua ii sama dega dalam cotoh 4-, sehigga ketakpastia dalam sama, yaitu,35 ohm. Aalisis-Statistik Data ksperime Bila kita melakuka pembacaa dari suatu eksperime, pembacaa tersebut mugki agak berbeda satu sama lai. elaku eksperime biasaya lebih memperhatika purata atau pukul rata mea seluruh bacaa itu. Jika setiap bacaa ditadai dega i da ada bacaa, maka purata aritmetik aritmetik mea ialah: 3
8 m i i Deviasi atau peyimpaga deviatio d i dari masig-masig bacaa dicari dega : d i i m erata atau rata-rata average deviasi seluruh bacaa ialah ol, karea: d i i d i i i m 4-5 m m - erata ilai absolut deviasi diberika oleh : d i i d i i i m 4-6 erhatika baha besara ii tidak selalu ol. - Deviasi Stadar stadard deviatio atau deviasi akar purata kadrat root mea square deviatio didefiisika sebagai : / σ 4-7 i m i agkat dua deviasi stadar disebut varias variace. Serig dalam berbagai deviasi, para isiyur tidak dapat megumpulka data dalam jumlah yag cukup yag diperluka utuk meeragka suatu populasi. ada umumya diperluka sedikitya pegukura utuk membuat taksira yag dapat diadalka. Utuk data yag jumlahya kecil, deviasi stadar didefiisika sebagai deviasi stadar tak doyog/bias ubiased stadard deviatio atau disebut juga deviasi stadar sampel sample stadard deviatio yag dirumuska : 3
9 / i m i σ Media adalah ilai yag membagi dua titik-titik data, umpamaya jika pegukura yag dilakuka atas lima buah resistor hasil produksi meghasilka,, 3 da 5 kohm, ilai mediaya ialah 3 ohm da purata aritmetikya adalah : m ,8 kω 5 Distribusi robabilitas robabilitas adalah suatu besara matematik yag berhubuga dega frekesi terjadiya suatu feomea setelah dicoba berkali-kali jumlah ulaga besar. Misalya bila kita melambugka sebuah koi maka kemugkia/probabilitas muculya permukaa atas adalah / da permukaa belakag juga /. Umpamaka kita lempar sebuah sepatu kuda ke suatu jarak. Hasil lempara tidak aka tepat sama apabila lempara diulag berkali-kali. Oleh karea setiap jarak berbeda dari jarak laiya, ada baikya kita hitug probabilitas lempara itu mecapai suatu tambaha jarak atara da d. Bila dilakuka perhituga maka kita aka meemuka situasi seperti gambar. Gambar. Distribusi lempara sepatu kuda oleh pemai yag mahir. 33
10 Kurva pada gambar disebut distribusi probabilitas. Kurva tersebut meujukka bagaimaa probabilitas keberhasila dalam satu peristia tertetu terdistribusi di sepajag. Deviasi dari m dapat diaggap sebagai kesalaha dalam lempara itu. Suatu distribusi probabilitas yag khas ialah distribusi biomial. Distribusi ii memberika jumlah sukses diatara jumlah N buahperistia tak tergatug yag mugki bila setiap peristia mempuyai probabilitas sukses p. robabilitas baha peristia aka berhasil adalah : p N! p p N! N 4- erlu dicatat baha -p adalah probabilitas kegagala dari masig-masig variabel tak tergatug. Cotoh 4-4 Sebuah mata uag logam yag tak diberati dilambugka tiga kali. Hituglah probabilitas utuk medapatka ol, satu, dua atau tiga muka dari ketiga lempara tersebut. Jaab : Distribusi biomial kita terapka disii. robabilitas medapatka muka pada setiap lempara adalah p ½ da N 3, sedag mempuyai ilai,, da 3. robabilitas dihitug sebagai berikut : p p p p3 3! 3!! 3!!! 3!!! 3!!3! Sekarag umpamaka jumlah peristia idepede N sagat besar da probabilitas terjadiya p sagat kecil, maka perhituga probabilitas sukses dega megguaka persamaa 4- mejadi tidak praktis. Limit distribusi biomial jika N da p sehigga : 34
11 Np a kosta disebut Distribusi oisso da diberika oleh persamaa p a ae! a Deviasi stadar poisso adalah : σ a / Distribusi probabilitas yag didapat dari pembahasa yag terdahulu didapatka bila pegamata frekesi kejadia dilakuka dalam jumlah pegamata sagat besar. Bila jumlah pegamata terbatas, da dataya kita gambarka dalam grafik, grafik yag didapat disebut histogram. Sebagai cotoh, lempara sepatu kuda oleh seorag pemai memberika data sbb: Jarak dari sasara Jumlah lempara lebih dari jumlah 99 Data diatas digambarka dalam betuk histogram dega megguaka tambaha Δ cm sebagai berikut: 35
12 Gambar. Histogram dega Δ cm. Frekesi kumulatif dapat pula diguaka utuk data seperti ii seperti terlihat pada gambar 3. Gambar 3. Diagram frekuesi sasara, cm. Distribusi Kesalaha Gauss Atau Distribusi kesalaha Normal Bila kita melakuka suatu pegamata eksperime da hasilya dicatat. Kita tahu atau kita perkiraka baha pegamata tersebut bayak megadug kesalaha acak/rambag. Kesalaha acak meyebabka bacaa akhir terlalu besar atau terlalu kecil. Adaika ada bayak kesalaha kecil yag mugki ikut membetuk kesalaha akhir, da baha semua kesalaha kecil sama besarya, da sama kemugkiaya utuk mempuyai ilai positif atau 36
13 egatif maka dapatlah kita turuka distribusi kesalaha gauss gaussia error distributio atau distribusi kesalaha ormal ormal error distributio. Jika pegukura ditadai dega, maka distribusi Gauss memberika probabilitas baha pegukura itu terletak atara da + d da dituliska : e m σ π / σ 4-3 Grafik persamaa 4-3 diperlihatka pada gambar 4. Bacaa yag probabilitasya palig tiggi adalah m. Deviasi stadar ialah ukura lebar kurva distribusi itu, maki besar ilai deviasi maki redah/ceper kurva tersebut da karea itu maki besar kesalaha yag diperkiraka dari semua pegukura. Gambar 4. Distribusi kesalaha Gauss atau ormal utuk dua ilai deviasi stadar. ersamaa 4-3 diormalisasika sehigga luas bidag dibaah kurva adalah satu, jadi : + d, 4-4 Terlihat ada keserupaa atara grafik kesalaha ormal dega kurva distribusi eksperime melemparka sepatu kuda pada gambar. ada gambar terlihat baha pelempar sepatu kuda yag mahir maka lemparaya aka terkumpul di sekitar sasara. Maki trampil pelempar maka maki dekat 37
14 lemparaya terkumpul di sekitar harga rata-rata da maki tiggi pula probabilitas harga rata-rata m. Kita bisa meerapka distribusi kesalaha ormal utuk meetuka presisi atau ketepata seperagkat pegukura eksperime. ertayaaya adalah bagaimaa megetahui baha pegadaia dalam peurua distribusi kesalaha ormal berlaku utuk eksperime kita? Jaabaya adalah baha utuk peragkat data yag jumlahya cukup besar, eksperime meujukka baha pegukura memag megikuti distribusi seperti gambar 4. Dari fugsi Gauss, probabilitas maksimum terjadi pada m, da ilai probabilitasya adalah : m σ π 4-5 m disebut juga ukura presisi data karea ilaiya lebih besar pada ilai deviasi stadar yag lebih kecil.robabilitas pegukura utuk jatuh didalam batas jagkaua bacaa rata-rata adalah: e σ π m + m / σ m Dega memasukka substitusi variabel η σ m persamaa 4-6 mejadi : d 4-6 π + η η e η / d η 4-7 dimaa : η /σ 4-8 Nilai fugsi kesalaha ormal Gauss : π η e / 38
15 Itegral fugsi Gauss sesuai dega persamaa 4-7 diberika pada tabel da. Jika kita mempuyai cukup bayak titik data, kesalaha utuk setiap titik harus megikuti distribusi Gauss da kita dapat meetuka probabilitas suatu data tertetu masuk dalam deviasi tertetu dari harga rata-rata. Tabel 3 berisika peluag utuk deviasi tertetu dari ilai rata-rata kurva distribusi ormal. Tabel 3. eluag utuk deviasi dari ilai rata-rata distribusi ormal. Deviasi peluag hasil utuk jatuh dalam deviasi tertetu ±,6745 σ - σ,5- σ - 3σ 369- Cotoh 4-5 Hituglah probabilitas baha suatu pegukura jatuh dalam satu, dua, da tiga deviasi stadar dari ilai rata-rata, da badigka dega ilai dalam tabel 3. Jaab : Kita lakuka perhituga dega megguaka persamaa 4-7 da η, da 3. Nilai itegral didapatka dari tabel : + η η η η / η / e dη e dη sehigga :,3434,687,4775,9545 3,49865,9973 dega megguaka taruha dalam tabel 3, probabilitas dapat dihitug sbb:,5,687,5 + 39
16 +, , Lampira. 4
17 4
REGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciBAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL)
BAB V UKURAN GEJALA PUSAT (TENDENSI CENTRAL) Setiap peelitia selalu berkeaa dega sekelompok data. Yag dimaksud kelompok disii adalah: Satu orag mempuyai sekelompok data, atau sekelompok orag mempuyai satu
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciOutline. Pengukuran Listrik II. Kesalahan dlm Pengukuran 25/09/2012. Anhar, ST. MT. Lab. Jaringan Komputer
5/09/0 II. Kesalaha dlm Pegukura Ahar, ST. MT. Lab. Jariga Komputer Outlie Kosep pegukura Kesalaha Pegukura Istilah Tekik Pegukura Aalisis statistik 5/09/0 Kosep Pegukura Meetuka ilai kuatitatif atau besar
Lebih terperinciBab 3 Metode Interpolasi
Baha Kuliah 03 Bab 3 Metode Iterpolasi Pedahulua Iterpolasi serig diartika sebagai mecari ilai variabel tergatug tertetu, misalya y, pada ilai variabel bebas, misalya, diatara dua atau lebih ilai yag diketahui
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Aalisis Regresi Istilah regresi pertama kali diperkealka oleh seorag ahli yag berama Facis Galto pada tahu 1886. Meurut Galto, aalisis regresi berkeaa dega studi ketergatuga dari suatu
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciPETA KONSEP RETURN dan RISIKO PORTOFOLIO
PETA KONSEP RETURN da RISIKO PORTOFOLIO RETURN PORTOFOLIO RISIKO PORTOFOLIO RISIKO TOTAL DIVERSIFIKASI PORTOFOLIO DENGAN DUA AKTIVA PORTOFOLIO DENGAN BANYAK AKTIVA DEVERSIFIKASI DENGAN BANYAK AKTIVA DEVERSIFIKASI
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciMODUL BEBERAPA MACAM SEBARAN TEORITIS BEBERAPA MACAM SEBARAN TEORITIS
MODUL 7 BEBERAPA MACAM SEBARAN TEORITIS Pedahulua Dibedaka sebara probabilitas yag diskrit dega sebara yag kotiyu Keduaya bukalah sebara yag berasal dari pegalama, melaika berasal dari pertimbaga-pertimbaga
Lebih terperinciBAB VIII KONSEP DASAR PROBABILITAS
BAB VIII KONSEP DASAR PROBABILITAS 1.1. Pedahulua Dalam pertemua ii Ada aka mempelajari beberapa padaga tetag permutasi da kombiasi, fugsi da metode perhituga probabilitas, da meghitug probabilitas. Pada
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakag Maajeme risiko merupaka salah satu eleme petig dalam mejalaka bisis perusahaa karea semaki berkembagya duia perusahaa serta meigkatya kompleksitas aktivitas perusahaa
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciMODUL BEBERAPA MACAM SEBARAN TEORITIS
BEBERAPA MACAM SEBARAN TEORITIS MODUL 7 BEBERAPA MACAM SEBARAN TEORITIS Pedahulua Dibedaka sebara probabilitas yag diskrit dega sebara yag kotiyu Keduaya bukalah sebara yag berasal dari pegalama, melaika
Lebih terperinciI. DERET TAKHINGGA, DERET PANGKAT
I. DERET TAKHINGGA, DERET PANGKAT. Pedahulua Pembahasa tetag deret takhigga sebagai betuk pejumlaha suku-suku takhigga memegag peraa petig dalam fisika. Pada bab ii aka dibahas megeai pegertia deret da
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciSTATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP
STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciProbabilitas dan Statistika Teorema Bayes. Adam Hendra Brata
robabilitas da Statistika Teorema ayes dam Hedra rata Itroduksi - Joit robability Itroduksi Teorema ayes eluag Kejadia ersyarat Jika muculya mempegaruhi peluag muculya kejadia atau sebalikya, da adalah
Lebih terperinciPeubah Acak. Peubah Acak Diskrit dan Distribusi Peluang. Peubah Acak. Peubah Acak
Peubah Acak Peubah Acak Diskrit da Distribusi Peluag Peubah Acak (Radom Variable): Sebuah keluara umerik yag merupaka hasil dari percobaa (eksperime) Utuk setiap aggota dari ruag sampel percobaa, peubah
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciIII. METODOLOGI PENELITIAN. diinginkan. Menurut Arikunto (1991 : 3) penelitian eksperimen adalah suatu
III. METODOLOGI PENELITIAN A. Metode Peelitia Metode peelitia merupaka suatu cara tertetu yag diguaka utuk meeliti suatu permasalaha sehigga medapatka hasil atau tujua yag diigika. Meurut Arikuto (99 :
Lebih terperinciJURNAL MATEMATIKA DAN KOMPUTER Vol. 6. No. 2, 77-85, Agustus 2003, ISSN : DISTRIBUSI WAKTU BERHENTI PADA PROSES PEMBAHARUAN
JURAL MATEMATKA DA KOMPUTER Vol. 6. o., 77-85, Agustus 003, SS : 40-858 DSTRBUS WAKTU BERHET PADA PROSES PEMBAHARUA Sudaro Jurusa Matematika FMPA UDP Abstrak Dalam proses stokhastik yag maa kejadia dapat
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciDistribusi Pendekatan (Limiting Distributions)
Distribusi Pedekata (Limitig Distributios) Ada 3 tekik utuk meetuka distribusi pedekata: 1. Tekik Fugsi Distribusi Cotoh 2. Tekik Fugsi Pembagkit Mome Cotoh 3. Tekik Teorema Limit Pusat Cotoh Fitriai Agustia,
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI MIA SMA Negeri 5
III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas I MIA SMA Negeri 5 Badar Lampug Tahu Pelajara 04-05 yag berjumlah 48 siswa. Siswa tersebut
Lebih terperinciREGRESI DAN KORELASI SEDERHANA
REGRESI DAN KORELASI SEDERHANA Apa yag disebut Regresi? Korelasi? Aalisa regresi da korelasi sederhaa membahas tetag keterkaita atara sebuah variabel (variabel terikat/depede) dega (sebuah) variabel lai
Lebih terperinciIII. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I
7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB II LANDASAN TEORI. matematika secara numerik dan menggunakan alat bantu komputer, yaitu:
4 BAB II LANDASAN TEORI 2.1 Model matematis da tahapa matematis Secara umum tahapa yag harus ditempuh dalam meyelesaika masalah matematika secara umerik da megguaka alat batu komputer, yaitu: 2.1.1 Tahap
Lebih terperinci6. Pencacahan Lanjut. Relasi Rekurensi. Pemodelan dengan Relasi Rekurensi
6. Pecacaha Lajut Relasi Rekuresi Relasi rekuresi utuk dereta {a } adalah persamaa yag meyataka a kedalam satu atau lebih suku sebelumya, yaitu a 0, a,, a -, utuk seluruh bilaga bulat, dega 0, dimaa 0
Lebih terperinciBAB III METODE PENELITIAN. penelitian yaitu PT. Sinar Gorontalo Berlian Motor, Jl. H. B Yassin no 28
5 BAB III METODE PENELITIAN 3.1 Lokasi Peelitia da Waktu Peelitia Sehubuga dega peelitia ii, lokasi yag dijadika tempat peelitia yaitu PT. Siar Gorotalo Berlia Motor, Jl. H. B Yassi o 8 Kota Gorotalo.
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciBab 7 Penyelesaian Persamaan Differensial
Bab 7 Peelesaia Persamaa Differesial Persamaa differesial merupaka persamaa ag meghubugka suatu besara dega perubahaa. Persamaa differesial diataka sebagai persamaa ag megadug suatu besara da differesiala
Lebih terperinciPengamatan, Pengukuran dan Eksperimen
TEORI KESALAHAN EKSPERIMEN FISIKA DASAR I Pegamata, Pegukura da Eksperime Pegamata da pegukura Teori / model Eksperime Ramala Pegamata payig attetio watch somethig attetively record of somethig see or
Lebih terperinciStatistika MAT 2 A. PENDAHULUAN NILAI MATEMATIKA B. PENYAJIAN DATA NILAI MATEMATIKA NILAI MATEMATIKA STATISTIKA. materi78.co.nr
materio.r Statistika A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka).
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciKuliah : Rekayasa Hidrologi II TA : Genap 2015/2016 Dosen : 1. Novrianti.,MT. Novrianti.,MT_Rekayasa Hidrologi II 1
Kuliah : Rekayasa Hidrologi II TA : Geap 2015/2016 Dose : 1. Novriati.,MT 1 Materi : 1.Limpasa: Limpasa Metoda Rasioal 2. Uit Hidrograf & Hidrograf Satua Metoda SCS Statistik Hidrologi Metode Gumbel Metode
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Saham Saham adalah surat berharga yag dapat dibeli atau dijual oleh peroraga atau lembaga di pasar tempat surat tersebut diperjualbelika. Sebagai istrumet ivestasi, saham memiliki
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciESTIMASI TITIK DAN INTERVAL KEPERCAYAAN
8/8/0 IE 305 tatistika Idustri LOGO ETIMAI TITIK DAN INTERVAL KEPERCAYAAN Elty arvia, T.,MT. Fakultas Tekik Jurusa Tekik Idustri Uiversitas Kriste Maraatha Badug LT arvia/esi Tujua 3 4 5 6 Medefiisika
Lebih terperinciREGRESI LINIER GANDA
REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciSelang Kepercayaan (Confidence Interval) Pengantar Penduga titik (point estimator) telah dibahas pada kuliah-kuliah sebelumnya. Walau statistikawan
Selag Kepercayaa (Cofidece Iterval) Pegatar Peduga titik (poit estimator) telah dibahas pada kuliah-kuliah sebelumya. Walau statistikawa telah berusaha memperoleh peduga titik yag baik, amu hampir bisa
Lebih terperinciMANAJEMEN RISIKO INVESTASI
MANAJEMEN RISIKO INVESTASI A. PENGERTIAN RISIKO Resiko adalah peyimpaga hasil yag diperoleh dari recaa hasil yag diharapka Besarya tigkat resiko yag dimasukka dalam peilaia ivestasi aka mempegaruhi besarya
Lebih terperinciSTATISTIKA MAT 2 NILAI MATEMATIKA NILAI MATEMATIKA NILAI MATEMATIKA A. PENDAHULUAN B. PENYAJIAN DATA. Diagram garis
materio.r A. PENDAHULUAN Statistika adalah ilmu yag mempelajari pegambila, peyajia, pegolaha, da peafsira data. Data terdiri dari dua jeis, yaitu data kualitatif (sifat) da data kuatitatif (agka). B. PENYAJIAN
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TINJAUAN TEORITIS.1 Pegertia-pegertia Lapaga pekerjaa adalah bidag kegiata dari pekerjaa/usaha/ perusahaa/kator dimaa seseorag bekerja. Pekerjaa utama adalah jika seseorag haya mempuyai satu pekerjaa
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB II CICILAN DAN BUNGA MAJEMUK
BAB II CICILAN DAN BUNGA MAJEMUK 2.1. Buga Majemuk Ada sedikit perbedaa atara suku buga tuggal da suku buga majemuk. Pada suku buga tuggal, besarya buga B = Mp tidak perah digabugka dega modal M. Sebalikya
Lebih terperincii adalah indeks penjumlahan, 1 adalah batas bawah, dan n adalah batas atas.
4 D E R E T Kosep deret merupaka kosep matematika yag cukup populer da aplikatif khusuya dalam kasus-kasus yag meyagkut perkembaga da pertumbuha suatu gejala tertetu. Apabila perkembaga atau pertumbuha
Lebih terperinciMETODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/2012 SUGENG2010. Copyright Dale Carnegie & Associates, Inc.
METODE NUMERIK JURUSAN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS BRAWIJAYA 7/4/0 SUGENG00 Copyright 996-98 Dale Caregie & Associates, Ic. Kesalaha ERROR: Selisih atara ilai perkiraa dega ilai eksakilai
Lebih terperinciIII. METODE PENELITIAN
30 III. METODE PENELITIAN A. Metode Dasar Peelitia Metode yag diguaka dalam peelitia adalah metode deskriptif, yaitu peelitia yag didasarka pada pemecaha masalah-masalah aktual yag ada pada masa sekarag.
Lebih terperincix = μ...? 2 2 s = σ...? x x s = σ...?
Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)
Lebih terperinciUniversitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan REGRESI DAN KORELASI. Statistika dan Probabilitas
Uiversitas Gadjah Mada Fakultas Tekik Departeme Tekik Sipil da Ligkuga REGRESI DAN KORELASI Statistika da Probabilitas Kurva Regresi Mecari garis/kurva yag mewakili seragkaia titik data Ada dua cara utuk
Lebih terperinciBAB I KONSEP DASAR PERSAMAAN DIFERENSIAL
BAB I KONSEP DASAR PERSAMAAN DIFERENSIAL Defiisi Persamaa diferesial adalah persamaa yag melibatka variabelvariabel tak bebas da derivatif-derivatifya terhadap variabel-variabel bebas. Berikut ii adalah
Lebih terperinciSTATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA
STATISTIKA ANALISIS REGRESI DAN KORELASI LINIER SEDERHANA OUTLINE LANJUTAN Peetua garis duga regresi dega Metode OLS kostata a da koefisie b Aalisis Varias komposisi variasi sekitar garis r da r Stadard
Lebih terperinciMata Kuliah: Statistik Inferensial
PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)
Lebih terperinciTaksiran Interval bagi Rata-rata Parameter Distribusi Poisson Interval Estimate for The Average of Parameter Poisson Distribution
Prosidig Statistika ISSN: 460-6456 Taksira Iterval bagi Rata-rata Parameter Distribusi Poisso Iterval Estimate for The Average of Parameter Poisso Distributio 1 Putri Aggita Nuraei, Teti Sofia Yati, 3
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciMETODOLOGI PENELITIAN. penggunaan metode penelitian. Oleh karena itu, metode yang akan digunakan
47 III. METODOLOGI PENELITIAN A. Metodelogi Peelitia Keberhasila dalam suatu peelitia sagat ditetuka oleh ketepata pegguaa metode peelitia. Oleh karea itu, metode yag aka diguaka haruslah sesuai dega data
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB ENDAHULUAN. Latar Belakag Masalah Dalam kehidupa yata, hampir seluruh feomea alam megadug ketidak pastia atau bersifat probabilistik, misalya pergeraka lempega bumi yag meyebabka gempa, aik turuya
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciModul Kuliah statistika
Modul Kuliah statistika Dose: Abdul Jamil, S.Kom., MM SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER MUHAMMADIYAH JAKARTA Bab 2 Populasi da Sampel 2.1 Populasi Populasi merupaka keseluruha pegamata
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciMODUL PRAKTIKUM Statistik Inferens (MIK 411)
MODUL PRAKTIKUM tatistik Iferes (MIK 4) Disusu Oleh Nada Aula Rumaa, KM., MKM UNIVERITA EA UNGGUL 07 Revisi (tgl) : 0 (0 Desember 07) / 4 UJI T DEPENDEN/BERPAANGAN (PAIRED T TET) A. Pedahulua Uji t berpasaga,
Lebih terperinciAnalisa Data Statistik. Ratih Setyaningrum, MT
Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciPERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA
PERCOBAAN 4 VARIABEL ACAK DAN DISTRIBUSI PROBABILITASNYA 4.. Tujua : Setelah melaksaaka praktikum ii mahasiswa diharapka mampu : Membedaka data berdasarka jeis variabelya Mapatka mea da varias dari distribusi
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebelum melakukan deteksi dan tracking obyek dibutuhkan perangkat
BAB IV HASIL DAN PEMBAHASAN 4.1 Kebutuha Sistem Sebelum melakuka deteksi da trackig obyek dibutuhka peragkat luak yag dapat meujag peelitia. Peragkat keras da luak yag diguaka dapat dilihat pada Tabel
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini merupakan jenis penelitian deskriptif-kuantitatif, karena
7 BAB III METODE PENELITIAN A. Jeis Peelitia Peelitia ii merupaka jeis peelitia deskriptif-kuatitatif, karea melalui peelitia ii dapat dideskripsika fakta-fakta yag berupa kemampua siswa kelas VIII SMP
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciIII PEMBAHASAN. λ = 0. Ly = 0, maka solusi umum dari persamaan diferensial (3.3) adalah
III PEMBAHASAN Pada bagia ii aka diformulasika masalah yag aka dibahas. Solusi masalah aka diselesaika dega Metode Dekomposisi Adomia. Selajutya metode ii aka diguaka utuk meyelesaika model yag diyataka
Lebih terperinciKarakteristik Dinamik Elemen Sistem Pengukuran
Karakteristik Diamik Eleme Sistem Pegukura Kompetesi, RP, Materi Kompetesi yag diharapka: Mahasiswa mampu merumuskaka karakteristik diamik eleme sistem pegukura Racaga Pembelajara: Miggu ke Kemampua Akhir
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinci