FORMAT LAPORAN MODUL IV DISTRIBUSI VARIABEL RANDOM KONTINU

Ukuran: px
Mulai penontonan dengan halaman:

Download "FORMAT LAPORAN MODUL IV DISTRIBUSI VARIABEL RANDOM KONTINU"

Transkripsi

1 FORMAT LAPORAN MODUL IV DISTRIBUSI VARIABEL RANDOM KONTINU ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN Pengantar 1.1 Latar Belakang 1.2 Tujuan Praktikum 1.3 Perumusan Masalah 1.4 Batasan Masalah 1.5 Sistematika Penulisan BAB II LANDASAN TEORI (Pengantar) (minimal memuat teori-teori terkait tentang Distribusi variabel random kontinu, jenis-jenis distribusi variabel random kontinu, contoh aplikasi penggunaan distribusi variabel random kontinu, dll) BAB III METODOLOGI PENELITIAN (Pengantar) BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Pengantar 4.1 Hasil Pengumpulan Data Pengantar

2 4.1.1 Data Pengamatan Waktu Kedatangan Kendaraan di. Pukul AA:BB:CC DD:EE:FF Pengantar Tabel 4.1 Rekapitulasi Hasil Pengamatan Waktu Kedatangan dan Waktu Antar Kedatangan Kendaraan di Jalan XX Pukul AA:BB:CC DD:EE:FF Kendaraan ke Jenis Kendaraan Waktu Kedatangan Waktu Antar Kedatangan (Detik) 1 Motor 7:00:15-2 Mobil 7:00: Mobil 7:00: Motor 7:00: Motor 7:00: Motor 7:00: Mobil 7:00: Motor 7:00: Motor 7:00: Mobil 7:00:43 2 (Selanjutnya dilampirkan pada Lampiran A.1) Data Pengukuran Waktu Perakitan dan Lepas Rakit Pena ++ Pengantar Tabel 4.x Rekapitulasi Pengukuran Waktu Perakitan Pena Waktu Perakitan Percobaan Ke- (detik) 1 9,4 2 9, Tabel 4.x Rekapitulasi Pengukuran Waktu Lepas Rakit Pena Waktu Perakitan Percobaan Ke- (detik) 1 9,4 2 9,

3 4.2 Pengolahan Data Pengantar Pengolahan Data Distribusi Eksponensial Pengantar Penentuan Probabilitas Waktu Kedatangan Sepeda Motor di. Pukul AA:BB:CC DD:EE:FF Data yang diolah berupa waktu antar kedatangan kendaraan waktu antar kedatangan ke n= waktu kedatangan ke n - waktu kedatangan ke n-1 Tabel 4.x Perhitungan Waktu Antar Kedatangan Kendaraan di Pukul AA:BB:CC DD:EE:FF Kendaraan Waktu Antar ke- Kedatangan (Selanjutnya dilampirkan pada Lampiran A.2) Perhitungan waktu antar kedatangan kendaraan dilakukan dengan dua cara yaitu secara teoritis dengan menggunakan rumus distribusi eksponensial dan perhitungan dengan menggunakan probabilitas dan probabilitas kumulatif. P (t)= f i f i 3

4 Tabel 4.x Probabilitas Kumulatif Waktu Antar Kedatangan Per 20 detik di Pukul AA:BB:CC DD:EE:FF t (detik) fi P(t) 0 2 0, , , , , , , , , , , , , , , , , , Total , Contoh perhitungan : (berikan contoh perhitungan 2 buah) 1. P (t)= f i f i P (20)= P (20)= 0, P (t)= f i f i P (40)= P (40) = 0,

5 Probabilitas Probabilitas Waktu Kedatangan Motor per 20 Detik 1, , , , , P(t) 0, Waktu Gambar 4.1 Histogram Probabilitas Waktu Kedatangan Per 20 Detik di Pukul AA:BB:CC DD:EE:FF Perbandingan Distribusi Probabilitas Kedatangan Kendaraan Sepeda Motor dari Hasil Perhitungan dengan Distribusi Teoritis di.. Pukul AA:BB:CC DD:EE:FF Hasil perhitungan probabilitas waktu antar kedatangan kendaraan. di terdapat pada bagian ini. Hasil distribusi eksponensial secara teoritis dihitung dengan menggunakan rumus : μ= f i. t f i λ= 1 μ P (x t) = 1- e -λ.t P (x=t) = 1- e -λ.t 1- e -λ(.t-1) 5

6 Tabel 4.x Perhitungan Rata-rata Eksponensial di Pukul AA:BB:CC DD:EE:FF Contoh perhitungan : μ= f i. t f i μ= μ= μ = 21,976 t (detik) fi fi*t μ λ , , Total λ= 1 μ λ= 1 μ λ= 1 21,976 λ = 0,04588 P (x t) = 1- e -λ.t P (x=t) = 1- e -λ.t 1- e -λ(.t-1) 6

7 Tabel 4.x Perhitungan Probabilitas Distribusi Eksponensial di Pukul AA:BB:CC DD:EE:FF t (detik) fi P(t) P (x <= t) P (x = t) 0 2 0,0008 0, , ,9266 0, , ,0634 0, , ,0059 0, , ,0029 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 0, , ,0000 1, , ,0000 1, , ,0000 1, , ,0004 1, ,00000 Total ,0000 1,0000 Contoh perhitungan : (beri contoh perhitungan 2 buah) 1. Contoh perhitungan P(x t) a. P (x t) = 1- e -λ.t P (x 20) = 1- (2,71828) -0,04588x20 P (x 20) = 0, b. P (x t) = 1- e -λ.t P (x 40) = 1- (2,71828) -0,04588x40 P (x 40) = 0, Contoh perhitungan P(x=t) a. P (x=t) = 1- e -λ.t 1- e -λ(.t-1) P (x=20) = 1- (2,71828) -0,04588x20 1-2, ,04588x0 P (x=20) = 0, P (x=20) = 0,

8 Probabilitas b. P (x=t) = 1- e -λ.t 1- e -λ(.t-1) P (x=40) = 1- (2,71828) -0,04588x40 1-2, ,04588x20 P (x=40) = 0, , P (x=40) = 0, Distribusi Probabilitas Kedatangan Motor Secara Perhitungan 1,0000 0,8000 0,6000 0,4000 0,2000 0,0000 P(t) P(x=t) Waktu Gambar 4.2 Diagram Distribusi Probabilitas Kedatangan di Pukul AA:BB:CC DD:EE:FF Secara Perhitungan Penentuan Probabilitas Waktu Kedatangan Mobil di Jalan Perbandingan Distribusi Probabilitas Kedatangan Kendaraan Mobil dari Hasil Perhitungan dengan Distribusi Teoritis di Jalan Pengolahan Data Distribusi Normal untuk Waktu Perakitan Pena sebanyak 100 Trial Pengantar Perhitungan Probabilitas Kumulatif Waktu Perakitan Pena sebanyak 100 Trial Perhitungan yang dilakukan pada bagian ini adalah perhitungan frekuensi kumulatif dari waktu perakitan. 8

9 P(t)= f f Tabel 4.x Perhitungan Frekuensi Kumulatif Waktu Perakitan Pena sebanyak 100 Trial Waktu Perakitan (Detik) f P (t) 9,3 1 0,01 9,4 1 0,01 9,42 1 0,01 9,5 1 0,01 9,52 1 0,01 9,62 1 0,01 9,7 4 0,04 9,72 4 0, ,98 1 0,01 Total P(t)= Contoh perhitungan : f f P(9,52)= P(9,52) = 0,01 2. P(t)= f f P(9,72)= P(9,72) = 0,04 9

10 P (t) 0,25 0,2 0,15 0,1 0,05 0 Probabilitas Sebaran Waktu Perakitan Pena sebanyak 100 Trial Waktu Gambar 4.x Diagram Batang Probabilitas Sebaran Waktu Perakitan Pena Menentukan Distribusi Sebaran Data dengan Histogram (Pengantar) Tabel 4.x Sebaran Data Waktu Perakitan Pena sebanyak 100 Trial 9,3 9,74 9,8 9,82 9,84 9,74 Jumlah Data : 100 Data maks : 9,98 Data min : 9,30 Range :data maks-data min = 9,98 9,30 = 0,68 10

11 Jumlah kelas :1 + 3,3 Log (N) =... (di round up) Lebar kelas : range jumlah kelas (Sebelum di Run up) = (Tidak di round down dan tidak di round up) Batas Bawah : data min 0,05 = -0,05 Batas Atas : batas bawah + lebar kelas = Tabel 4.x Perhitungan Rata-Rata dan Standar Deviasi Waktu Perakitan Pena sebanyak 100 Trial Kelas BB BA fi fi kum xi fi.xi (xi-x)² fi(xi-x)² σ 1 9,29 9, ,33 9,33 0,207 0, ,38 9, ,42 18,85 0,133 0, ,47 9, ,51 19,03 0,076 0, ,56 9, ,60 9,60 0,035 0,035 9, ,65 9, ,69 77,54 0,009 0,075 0, ,74 9, ,78 547,80 0,000 0, ,83 9, ,87 227,05 0,007 0, ,92 10, ,96 69,73 0,030 0, ,93 1,0996 Perhitungan : (Beri contoh perhitungan 2 kelas) Contoh Perhitungan (2 buah) 1. Pada kelas 1 Batas Bawah (BB1) = data min 0,05 Batas Atas (BA1) BB1 Nilai tengah kelas I (xi) 2. Pada kelas 2 = 9,30 0,05 = 9,25 = BB1+ LK = + =. = BA1 = = BB1 +BB2 2 =.+ 2 = Batas Bawah (BB1) = data min 0,05 11

12 = 0,05 =. Batas Atas (BA1) BB1 Nilai tengah kelas 2 (xi) = BB1+ LK = + =. = BA1 = = BB1 +BB2 2 =.+ 2 = Perbandingan Distribusi Hasil Perhitungan dengan Distribusi Secara Teoritis secara teoritis. Bagian ini berisi perbandingan distribusi hasil perhitungan dengan distribusi Tabel 4.x Perhitungan Probabilitas Distribusi Normal Waktu Perakitan Pena sebanyak 100 Trial Waktu P (t) kum Zr P (Zr<=-Zr) 9,3 0,01-4,666 0,000 9,4 0,02-3,712 0,000 9,42 0,03-3,521 0,000 9,5 0,04-2,758 0,003 9,52 0,05-2,568 0,005 9,62 0,06-1,614 0,053 9,7 0,1-0,851 0,197 9,72 0,14-0,661 0,254 9,74 0,26-0,470 0,319 9,76 0,32-0,279 0,390 9,78 0,36-0,088 0,465 9,8 0,49 0,102 0,541 9,82 0,7 0,293 0,615 9,84 0,81 0,484 0,686 9,86 0,87 0,675 0,750 9,88 0,89 0,865 0,807 9,9 0,93 1,056 0,855 9,92 0,99 1,247 0,894 9,98 1 1,819 0,966 12

13 9,3 9,42 9,52 9,7 9,74 9,78 9,82 9,86 9,9 9,98 P (Zr <= -Zr) P (t) Kumulatif Zr= t - x σ Perhitungan : (beri contoh perhitungan 2 buah) a. Zr= t - x σ Zr= 9,3-9,7893 0,1049 Zr = -4,666 b. Zr= t - x σ Zr= 9,4-9,7893 0,1049 Zr = -3,712 1,5 1 0,5 0 Distribusi Probabilitas Kumulatif Secara Perhitungan P (t) kum Waktu (Detik) Gambar 4.3 Diagram Distribusi Probabilitas Kumulatif Secara Perhitungan 1,500 1,000 Distribusi Probabilitas Secara Teoritis 0,500 0,000 P (Zr<=-Zr) Waktu (Detik) Gambar 4.4 Diagram Distribusi Probabilitas Secara Teoritis 13

14 4.2.3 Pengolahan Data Distribusi Normal untuk Waktu Lepas Rakit Pena sebanyak 100 Trial Pengolahan Data dengan Menggunakan Software Penentuan Distribusi Eksponensial Waktu Kedatangan Kendaraan Sepeda Motor di Jalan.. dengan Menggunakan Software STATISTICA Penentuan Distribusi Eksponensial Waktu Kedatangan Kendaraan Mobil di Jalan.. dengan Menggunakan Software STATISTICA Penentuan Distribusi Normal Pengukuran Waktu Perakitan Pena sebanyak 100 Trial dengan Menggunakan Software STATISTICA Penentuan Distribusi Normal Pengukuran Waktu Lepas Rakit Pena sebanyak 100 Trial dengan Menggunakan Software STATISTICA BAB V ANALISIS Pengantar 5.1 Analisis Pengolahan Data Distribusi Eksponensial 5.2 Analisis Pengolahan Data Distribusi Normal 5.3 Analisis Perbandingan Hasil Pengolahan data antara Software MS Excel dengan Software STATISTICA (Sub-bab pada analisis tergantung dari pengamat) BAB VI PENUTUP Pengantar 6.1 Kesimpulan 6.2 Saran DAFTAR PUSTAKA 14

15 LAMPIRAN A REKAPITULASI WAKTU ANTAR KEDATANGAN KENDARAAN LAMPIRAN A1 Rekapitulasi Waktu Kedatangan dan Waktu Antar kedatangan Kendaraan Sepeda Motor dan Mobil di. Pukul AA:BB:CC DD:EE:FF LAMPIRAN A2 Rekapitulasi Waktu Kedatangan dan Waktu Antar Kedatangan Kendaraan Sepeda Motor di. Pukul AA:BB:CC DD:EE:FF LAMPIRAN A3 Rekapitulasi Waktu Kedatangan dan Waktu Antar kedatangan Kendaraan Mobil di. Pukul AA:BB:CC DD:EE:FF LAMPIRAN B TABEL DISTRIBUSI NORMAL LAMPIRAN C DOKUMENTASI 15

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA

BAB IV PENGUMPULAN DAN PENGOLAHAN DATA FORMAT LAPORAN MODUL III DISTRIBUSI VARIABEL ACAK DISKRIT ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN. Latar Belakang. Tujuan Penulisan Laporan.

Lebih terperinci

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan

Lebih terperinci

STUDI ANTRIAN KENDARAAN PADA PINTU KELUAR GERBANG TOL PASTEUR. Gayus Purob NRP : Pembimbing : V. Hartanto. Ir.,M.Sc.

STUDI ANTRIAN KENDARAAN PADA PINTU KELUAR GERBANG TOL PASTEUR. Gayus Purob NRP : Pembimbing : V. Hartanto. Ir.,M.Sc. STUDI ANTRIAN KENDARAAN PADA PINTU KELUAR GERBANG TOL PASTEUR Gayus Purob NRP : 0021034 Pembimbing : V. Hartanto. Ir.,M.Sc. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA BANDUNG ABSTRAK

Lebih terperinci

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat

Lebih terperinci

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING

FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING FORMAT LAPORAN MODUL V DISTRIBUSI SAMPLING ABSTRAK ABSTRACT KATA PENGANTAR DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR DAFTAR LAMPIRAN BAB I PENDAHULUAN (kata pengantar) 1.1 Latar Belakang 1.2 Tujuan Penulisan

Lebih terperinci

Fungsi Kepadatan Probabilitas/Probability Density Function-PDF

Fungsi Kepadatan Probabilitas/Probability Density Function-PDF Fungsi Kepadatan Probabilitas/Probability Density Function-PDF Slide : Tri Harsono PENS Politeknik Elektronika Negeri Surabaya (PENS) 1 PDF Definisi Fungsi kepadatan probabilitas atau probability density

Lebih terperinci

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata

Probabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata Probabilitas dan Analisis dan Adam Hendra Brata Deskriptif Induktif Pembagian Deskriptif Metode guna mengumpulkan, menghitung, dan menyajikan suatu data secara kwantitatif sehingga memberikan informasi

Lebih terperinci

BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK

BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK Dalam melakukan estimasi pada suatu kasus regresi nonparametrik, ada banyak metode yang dapat digunakan. Yasin (2009) dalam makalahnya melakukan estimasi regresi

Lebih terperinci

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X

Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik

Lebih terperinci

STUDI ANTRIAN DI PINTU MASUK GERBANG TOL PASTEUR. Deasi Harnesi NRP : Pembimbing : V. Hartanto, Ir., M.Sc

STUDI ANTRIAN DI PINTU MASUK GERBANG TOL PASTEUR. Deasi Harnesi NRP : Pembimbing : V. Hartanto, Ir., M.Sc 22 STUDI ANTRIAN DI PINTU MASUK GERBANG TOL PASTEUR Deasi Harnesi NRP : 0221099 Pembimbing : V. Hartanto, Ir., M.Sc FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRISTEN MARANATHA BANDUNG ABSTRAK Transportasi

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 UJI KERANDOMAN (RANDOMNESS TEST / RUN TEST) Uji KERANDOMAN Untuk menguji apakah data sampel yang diambil merupakan data yang acak / random Prosedur

Lebih terperinci

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26 Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random

Lebih terperinci

KEBUTUHAN FASILITAS PENYEBERANGAN JALAN BERDASARKAN GAP KRITIS PADA RUAS JALAN WOLTER MONGINSIDI DEPAN FRESHMART BAHU MALL MANADO

KEBUTUHAN FASILITAS PENYEBERANGAN JALAN BERDASARKAN GAP KRITIS PADA RUAS JALAN WOLTER MONGINSIDI DEPAN FRESHMART BAHU MALL MANADO KEBUTUHAN FASILITAS PENYEBERANGAN JALAN BERDASARKAN GAP KRITIS PADA RUAS JALAN WOLTER MONGINSIDI DEPAN FRESHMART BAHU MALL MANADO Riati Tentero J.A. Timboeleng, Audie L. E. Rumayar Fakultas Teknik Jurusan

Lebih terperinci

Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive

Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive Modul ke: 02 Zulkifli, Fakultas Ekonomi dan Bisnis STATISTIK BISNIS Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive SE., MM. Program Studi Akuntansi S1 Distribusi Frekuensi Distribusi

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 Non Parametrik-2

Statistik 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 terperinci

Penyajian Data. Teori Probabilitas

Penyajian Data. Teori Probabilitas Penyajian Data Teori Probabilitas Sub Materi Tabel distribusi frekuensi Tabel distribusi frekuensi relatif Tabel distribusi frekuensi kumulatif, histogram dan kurva ogive Teori Probabilitas - Onggo Wr

Lebih terperinci

Modul ke: STATISTIKA BISNIS PENYEJIAN DATA. Tri Wahyono, SE. MM. Fakultas EKONOMI DAN BISNIS. Program Studi AKUNTANSI S1.

Modul ke: STATISTIKA BISNIS PENYEJIAN DATA. Tri Wahyono, SE. MM. Fakultas EKONOMI DAN BISNIS. Program Studi AKUNTANSI S1. Modul ke: STATISTIKA BISNIS PENYEJIAN DATA Fakultas EKONOMI DAN BISNIS Tri Wahyono, SE. MM. Program Studi AKUNTANSI S1 www.mercubuana.ac.id BAB 2 PENYAJIAN DATA 2 PENGANTAR Tujuan: Untuk menyajikan data

Lebih terperinci

STATISTIKA & PROBABILITAS. PANCARAN FREKUENSI

STATISTIKA & PROBABILITAS. PANCARAN FREKUENSI STATISTIKA & PROBABILITAS. PANCARAN FREKUENSI Statistika & Probabilitas Pancaran Frekuensi Pancaran Frekuensi Membentuk Pancaran Frekuensi raw data (data mentah) Sekelompok data yang belum tersusun & belum

Lebih terperinci

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah

Statistika I. Pertemuan 2 & 3 Statistika Dasar (Basic( Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta. Konsep Peubah Statistika I Pertemuan & 3 Statistika Dasar (Basic( Statistic) Ari Wibowo, MPd Prodi PAI Jurusan Tarbiyah STAIN Surakarta Konsep Peubah Definisi Peubah merupakan karakteristik dari objek yang sedang diamati,

Lebih terperinci

TUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA

TUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA TUGAS II STATISTIKA Oleh Butsiarah / 15B20020 Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2015 1. Penelitian terhadap nilai mahasiswa S1 Jurusan

Lebih terperinci

Data Jenis Pekerjaan 60 Ketua RT di Kelurahan Slipi Kecamatan Palmerah Jakarta Barat

Data Jenis Pekerjaan 60 Ketua RT di Kelurahan Slipi Kecamatan Palmerah Jakarta Barat Data Jenis Pekerjaan 60 Ketua RT di Kelurahan Slipi Kecamatan Palmerah Jakarta Barat Jenis Pekerjaan Frekuensi Frekuensi Relatif (f) (%) Wiraswasta 15 25 Karyawan 19 31,67 Ibu Rumah Tangga 11 18,33 Pensiunan

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

berapa lama waktu yang diperiukan oleh fasilitas pelayanan dalam melayani tiap

berapa lama waktu yang diperiukan oleh fasilitas pelayanan dalam melayani tiap BAB IV HASIL DAN ANALISIS PENL LITIAN 4.1. Pendahuluan Sistem Antrian pada industri beton ready mixed merupakan kasus antrian yang sedikit berbeda dan kasus antrian pada umumnya. Perbedaan ini terletak

Lebih terperinci

Statistik Non Parametrik

Statistik 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 terperinci

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya

Lebih terperinci

Fungsi Kepadatan Probabilitas

Fungsi Kepadatan Probabilitas Fungsi Kepadatan Probabilitas Gambaran Permasalahan Fungsi Distribusi Data Dalam Statistik [] Perusahaan jasa penjualan telur ayam kampung yang dikelola sendiri oleh Pak Hadi, mempunyai 3 orang karyawan.

Lebih terperinci

STATISTIKA LINGKUNGAN. DISTRIBUSI FREKUENSI DAN NILAI SENTRAL Minggu ke-2

STATISTIKA LINGKUNGAN. DISTRIBUSI FREKUENSI DAN NILAI SENTRAL Minggu ke-2 STATISTIKA LINGKUNGAN DISTRIBUSI FREKUENSI DAN NILAI SENTRAL Minggu ke-2 PENGUMPULAN DATA Data yang terkumpul variabel Variabel sebuah karakteristik yang dapat bervariasi dari satu item ke item yang lain

Lebih terperinci

Penyajian Data Bab 2 PENGANTAR. Tujuan:

Penyajian Data Bab 2 PENGANTAR. Tujuan: PENYAJIAN DATA 1 PENGANTAR Tujuan: Untuk menyajikan data mentah yang diperoleh dari populasi atau sampel menjadi data yang tertata dengan baik, sehingga bermakna informasi bagi pengambilan keputusan manajerial.

Lebih terperinci

STATISTIKA LINGKUNGAN

STATISTIKA LINGKUNGAN STATISTIKA LINGKUNGAN DISTRIBUSI FREKUENSI DAN NILAI SENTRAL Minggu ke-2 PENGUMPULAN DATA Data yang terkumpul variabel Variabel sebuah karakteristik yang dapat bervariasi dari satu item ke item yang lain

Lebih terperinci

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode

Lebih terperinci

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia

Mata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi

Lebih terperinci

Statistika & Probabilitas. Pancaran Frekuensi

Statistika & Probabilitas. Pancaran Frekuensi Statistika & Probabilitas Pancaran Frekuensi Membentuk Pancaran Frekuensi raw data (data mentah) Sekelompok data yang belum tersusun & belum teratur sehingga belum dapat dijelaskan ataupun dipahami. Tabel

Lebih terperinci

LAB MANAJEMEN DASAR MODUL STATISTIKA 1

LAB MANAJEMEN DASAR MODUL STATISTIKA 1 LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK Husein Sastranegara International Airport adalah satu-satunya airport yang ada di kota Bandung. Salah satu fasilitas yang tersedia di airport tersebut adalah lahan parkir kendaraan roda empat untuk

Lebih terperinci

CONTOH STUDI KASUS ANTRIAN

CONTOH STUDI KASUS ANTRIAN CONTOH STUDI KASUS ANTRIAN ABSTRAKSI Teori Antrian merupakan teori yang menyangkut studi matematis dari antrian-antrian dan barisbaris penengguan, yang formasinya merupakn suatu fenomena biasa yang terjadi

Lebih terperinci

MODUL 2 penyajian data

MODUL 2 penyajian data Modul ke: 02 MODUL 2 penyajian data Fakultas FEB Nur Azmi Karim, SE, M.Si Program Studi Akuntansi BAB 2 PENYAJIAN DATA 2 PENGANTAR Tujuan Untuk menyajikan data mentah yang diperoleh dari populasi atau

Lebih terperinci

Fungsi Kepadatan Probabilitas

Fungsi Kepadatan Probabilitas Fungsi Kepadatan Probabilitas Achmad Basuki Politeknik Elektronika Negeri Surabaya 2004 Gambaran Permasalahan Fungsi Distribusi Data Dalam Statistik [1] Perusahaan jasa penjualan telur ayam kampung yang

Lebih terperinci

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan

Lebih terperinci

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1 DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori

Lebih terperinci

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu

Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat

Lebih terperinci

PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN TBK

PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN TBK PROSES POISSON MAJEMUK DAN PENERAPANNYA PADA PENENTUAN EKSPEKTASI JUMLAH PENJUALAN SAHAM PT SRI REJEKI ISMAN TBK Ririn Dwi Utami, Respatiwulan, dan Siswanto Program Studi Matematika FMIPA UNS Abstrak.

Lebih terperinci

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering kali kita melihat adanya suatu antrian yang

BAB I PENDAHULUAN. Dalam kehidupan sehari-hari, sering kali kita melihat adanya suatu antrian yang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari, sering kali kita melihat adanya suatu antrian yang panjang. Sebagai contoh adalah antrian di bank saat nasabah mengantri di teller untuk

Lebih terperinci

STUDI ANTRIAN DI PINTU MASUK GERBANG TOL SADANG FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRITEN MARANATHA BANDUNG

STUDI ANTRIAN DI PINTU MASUK GERBANG TOL SADANG FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRITEN MARANATHA BANDUNG STUDI ANTRIAN DI PINTU MASUK GERBANG TOL SADANG Christianto Sukisworo NRP : 9921058 Pembimbing : Tan Lie Ing, ST., MT. FAKULTAS TEKNIK JURUSAN TEKNIK SIPIL UNIVERSITAS KRITEN MARANATHA BANDUNG ABSTRAK

Lebih terperinci

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial

Distribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 3 4 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

PENGUMPULAN, PENGOLAHAN DAN PENYAJIAN DATA

PENGUMPULAN, PENGOLAHAN DAN PENYAJIAN DATA PENGUMPULAN, PENGOLAHAN DAN PENYAJIAN DATA 2.1. Pengumpulan Data Salah satu hal yang mempengaruhi kualitas hasil penelitian adalah kualitas data yang di kumpulkan. Pengumpulan data dapat dilakukan dengan

Lebih terperinci

KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS

KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS KONSEP PROBABILITAS & DISTRIBUSI PROBABILITAS 5 Pengendalian Kualitas Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e- Mail : debrina@ub.ac.id Blog : hbp://debrina.lecture.ub.ac.id/ 2

Lebih terperinci

BAB 3 METODOLOGI DAN DATA PENELITIAN

BAB 3 METODOLOGI DAN DATA PENELITIAN BAB 3 METODOLOGI DAN DATA PENELITIAN 3.1 Pengantar Dalam penelitian ini digunakan rancangan penelitian kasus karena dengan rancangan ini diharapkan dapat memberikan informasi yang mendalam, akurat, lengkap

Lebih terperinci

Distribusi Teoritis Probabilitas

Distribusi Teoritis Probabilitas Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu

Lebih terperinci

Simulasi Produksi dan Distribusi Pelayanan Permintaan Sarung Tenun (studi kasus di PT. ASEANTEX Mojokerto)

Simulasi Produksi dan Distribusi Pelayanan Permintaan Sarung Tenun (studi kasus di PT. ASEANTEX Mojokerto) Simulasi Produksi dan Distribusi Pelayanan Permintaan Sarung Tenun (studi kasus di PT. ASEANTEX Mojokerto) Weny Indah Kusumawati, MMT ITS, weny@stikom.edu Dr. Ir. Abdullah Shahab, M.Sc, ITS Abstraksi PT.

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Pada kehidupan sehari-hari, distribusi probabilitas dapat diterapkan dalam banyak hal yang memberikan keuntungan serta manfaat dalam pengaplikasiannya. Misalnya, pada

Lebih terperinci

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS

DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS DISTRIBUSI TEORITIS Variabel Acak Distribusi Teoritis Binomial Normal 1 Variabel acak adalah sebuah besaran yang merupakan hasil dari percobaan acak yang secara untung-untungan, dapat

Lebih terperinci

Pokok Bahasan: MODUL PERKULIAHAN STATISTIKA BISNIS. Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive.

Pokok Bahasan: MODUL PERKULIAHAN STATISTIKA BISNIS. Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive. MODUL PERKULIAHAN STATISTIKA BISNIS Pokok Bahasan: Distribusi Frekuensi, Penyajian Data Histogram, Polygon dan Kurva Ogive Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh Ekonomi dan Bisnis Akuntansi

Lebih terperinci

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya.

Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. UKURAN PENYEBARAN 1 Bab 4 PENGANTAR Ukuran Penyebaran Suatu ukuran baik parameter atau statistik untuk mengetahui seberapa besar penyimpangan data dengan nilai rata-rata hitungnya. Ukuran penyebaran membantu

Lebih terperinci

MODUL 5 PETA KENDALI CUSUM & EWMA

MODUL 5 PETA KENDALI CUSUM & EWMA MODUL 5 PETA KENDALI CUSUM & EWMA Laboratorium OSI & K FT.UNTIRTA Praktikum Pengendalian Kualitas 2014 Page 1 MODUL 5 PETA KENDALI CUSUM & EWMA A. Tujuan Praktikum Berikut ini adalah tujuan praktikum modul

Lebih terperinci

PENGARUH DELMAN TERHADAP KELANCARAN LALU LINTAS DI JALAN GUNUNG BATU BANDUNG

PENGARUH DELMAN TERHADAP KELANCARAN LALU LINTAS DI JALAN GUNUNG BATU BANDUNG PENGARUH DELMAN TERHADAP KELANCARAN LALU LINTAS DI JALAN GUNUNG BATU BANDUNG Arnold Sofyan NRP : 9621057 NIRM : 41077011960336 Pembimbing : BUDI HARTANTO SUSILO, Ir., M.Sc UNIVERSITAS KRISTEN MARANATHA

Lebih terperinci

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi

Lebih terperinci

Distribusi Probabilitas Kontinyu Teoritis

Distribusi Probabilitas Kontinyu Teoritis Distribusi Probabilitas Kontinyu Teoritis Suprayogi Dist. Prob. Teoritis Kontinyu () Distribusi seragam kontinyu (continuous uniform distribution) Distribusi segitiga (triangular distribution) Distribusi

Lebih terperinci

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT

MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT MINGGU KE-11 HUKUM BILANGAN BESAR LEMAH DAN KUAT HUKUM BILANGAN BESAR LEMAH DAN KUAT Misalkan X 1, X 2, X 3... barisan variabel random. Kita tulis S n = n X i. Dalam subbab ini kita akan menjawab pertanyaan

Lebih terperinci

INSTRUMEN PENELITIAN LAMPIRAN 1 : KISI KISI INSTRUMEN PENELITIAN

INSTRUMEN PENELITIAN LAMPIRAN 1 : KISI KISI INSTRUMEN PENELITIAN INSTRUMEN PENELITIAN LAMPIRAN 1 : KISI KISI INSTRUMEN PENELITIAN Instrumen Penelitian Variabel Pembelajaran Learning Manajement System (LMS) (X) 1. Kisi-kisi No Dimensi Indikator No. Butir Jumlah Butir

Lebih terperinci

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA a. Tabel distribusi frekuensi Kelas Tabulasi Frekuensi 4 IIII 7 IIII IIII 9 8 1 IIII IIII II 1 11 13 IIII IIII IIII IIII 19 14 16 IIII IIII IIII IIII IIII 4 17

Lebih terperinci

STATISTIKA. A Pengertian Statistik dan Statistika. B Populasi dan Sampel. C Pengertian Data PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL

STATISTIKA. A Pengertian Statistik dan Statistika. B Populasi dan Sampel. C Pengertian Data PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL STATISTIKA PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL A Pengertian Statistik dan Statistika Statistik adalah kumpulan akta berbentuk angka yang disusun dalam datar atau tabel, yang menggambarkan suatu

Lebih terperinci

STATISTIKA MATEMATIKA KELAS XI MIA

STATISTIKA MATEMATIKA KELAS XI MIA STATISTIKA MATEMATIKA KELAS XI MIA STATISTIKA Matematika Kelas XI MIA 90 80 70 60 50 40 30 20 10 0 East West North 1st Qtr 2nd Qtr 3rd Qtr 4th Qtr Disusun oleh : Markus Yuniarto, S.Si Tahun Pelajaran 2016

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

3 BAB III LANDASAN TEORI

3 BAB III LANDASAN TEORI 3 BAB III LANDASAN TEORI 3.1 Pemeliharaan (Maintenance) 3.1.1 Pengertian Pemeliharaan Pemeliharaan (maintenance) adalah suatu kombinasi dari setiap tindakan yang dilakukan untuk menjaga suatu barang dalam,

Lebih terperinci

Menjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan

Menjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan Tujuan Pembelajaran Menjelaskan pengertian distribusi binomial, mengidentifikasi eksperimen binomial dan menghitung probabilitas binomial, menghitung ukuran pemusatan dan penyebaran distribusi binomial

Lebih terperinci

Distribusi Frekuensi

Distribusi Frekuensi Distribusi Frekuensi STATISTIKA DESKRIPTIF: DISTRIBUSI FREKUENSI A. Dasar 1. Populasi Data Data berasal dari berbagai sumber dan terdapat pada berbagai bidang ilmu Pada statistika, data berbentuk bilangan

Lebih terperinci

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik

DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2. Distribusi Hipergeometrik DISTRIBUSI PROBABILITAS DISKRIT TEORITIS 2 TI2131 TEORI PROBABILITAS MINGGU KE-10 Distribusi Hipergeometrik Eksperimen hipergeometrik memiliki karakteristik sebagai berikut: 1. sebuah sampel random berukuran

Lebih terperinci

DAFTAR ISI. 1.1 Latar Belakang Rumusan Masalah Tujuan Penelitian Batasan Masalah Sistematika Penulisan...

DAFTAR ISI. 1.1 Latar Belakang Rumusan Masalah Tujuan Penelitian Batasan Masalah Sistematika Penulisan... DAFTAR ISI KATA PENGANTAR... i ABSTRAK... iii ABSTRACT... iv DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... x DAFTAR SIMBOL... xi DAFTAR SINGKATAN... xii BAB I PENDAHULUAN 1.1

Lebih terperinci

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana

Lebih terperinci

6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.

6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1. Pertemuan ke- BAB IV POPULASI, SAMPEL, DISTRIBUSI TEORITIS, VARIABEL KONTINU, DAN FUNGSI PROBABILITAS. Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat α Jika x berdistribusi χ (v) dengan v = derajat

Lebih terperinci

DAFTAR ISI. ABSTRAK... i. ABSTRACT... ii KATA PENGANTAR... DAFTAR ISI... vi DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

DAFTAR ISI. ABSTRAK... i. ABSTRACT... ii KATA PENGANTAR... DAFTAR ISI... vi DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... DAFTAR ISI LEMBAR PERSETUJUAN PEMBIMBING ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... vi DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN... ix x xi BAB I PENDAHULUAN... 1 1.1. Latar

Lebih terperinci

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL

MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL MODUL DISTRIBUSI PROBABILITAS EKSPONENSIAL Tujuan Praktikum: Membantu mahasiswa memahami materi Distribusi Eksponensial Pengambilan keputusan dari suatu kasus dengan menggunakan kaidah dan syarat Distribusi

Lebih terperinci

PERBANDINGAN KURVA PADA DISTRIBUSI UNIFORM DAN DISTRIBUSI BINOMIAL

PERBANDINGAN 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 terperinci

BAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR,

BAB IV PEMBAHASAN. Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, BAB IV PEMBAHASAN IV.1 Analisa Harga Saham BBCA Sebelum melakukan analisis dengan penerapan simulasi Monte Carlo dan VaR, penulis akan menganalisa pergerakan harga saham BBCA. Data yang diperlukan dalam

Lebih terperinci

HUBUNGAN KECEPATAN, VOLUME, KERAPATAN LALU LINTAS DENGAN METODE GREENSHIELDS PADA RUAS JALAN DR. DJUNDJUNAN BANDUNG

HUBUNGAN KECEPATAN, VOLUME, KERAPATAN LALU LINTAS DENGAN METODE GREENSHIELDS PADA RUAS JALAN DR. DJUNDJUNAN BANDUNG HUBUNGAN KECEPATAN, VOLUME, KERAPATAN LALU LINTAS DENGAN METODE GREENSHIELDS PADA RUAS JALAN DR. DJUNDJUNAN BANDUNG Dionisius Julianus Sinaga NRP : 0521054 Pembimbing : Tan Lie Ing,ST.,MT. FAKULTAS TEKNIK

Lebih terperinci

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah

Distribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi

Lebih terperinci

Statistika & Probabilitas

Statistika & Probabilitas Statistika & Probabilitas Peubah Acak Peubah = variabel Dalam suatu eksperimen, seringkali kita lebih tertarik bukan pada titik sampelnya, tetapi gambaran numerik dari hasil. Misalkan pada pelemparan sebuah

Lebih terperinci

MODUL STATISTIKA KELAS : XI BAHASA. Disusun Oleh : Drs. Pundjul Prijono Nip

MODUL STATISTIKA KELAS : XI BAHASA. Disusun Oleh : Drs. Pundjul Prijono Nip MODUL MATEMATIKA MODUL 11.1.1 STATISTIKA KELAS : XI BAHASA Disusun Oleh : Drs. Pundjul Prijono Nip. 1980117.198101.1.003 PEMERINTAH KOTA MALANG DINAS PENDIDIKAN SMA NEGERI 6 Jalan Mayjen Sungkono No. 8

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi)

BAB 4 HASIL DAN PEMBAHASAN. penentuan jumlah sampel minimum yang harus diambil. Tabel 4.1 Data Hasil Survei Pendahuluan. Jumlah Kepala Keluarga (Xi) BAB 4 HASIL DAN PEMBAHASAN 4.1. Hasil Pengumpulan Data Berdasarkan data jumlah kepala keluarga pada masing-masing perumahan yang didapatkan pada survei pendahuluan, maka dapat dilakukan penentuan jumlah

Lebih terperinci

LAPORAN PRAKTIKUM TEKNIK TRANSPORTASI

LAPORAN PRAKTIKUM TEKNIK TRANSPORTASI LAPORAN PRAKTIKUM TEKNIK TRANSPORTASI KELOMPOK B Randy Asad P 1406574251 Diva Pradita 1406433131 Salsabila M 1406533301 Ajruddin Akhmad 1306405534 LABORATORIUM TRANSPORTASI DEPARTEMEN TEKNIK SIPIL FAKULTAS

Lebih terperinci

BAB I PENDAHULUAN. A. Latar Belakang Masalah. Permasalahan transportasi di daerah Yogyakarta terjadi sebagai salah satu

BAB I PENDAHULUAN. A. Latar Belakang Masalah. Permasalahan transportasi di daerah Yogyakarta terjadi sebagai salah satu 1 BAB I PENDAHULUAN A. Latar Belakang Masalah Permasalahan transportasi di daerah Yogyakarta terjadi sebagai salah satu akibat dari laju pertumbuhan penduduk yang relatif sangat pesat, peningkatan daya

Lebih terperinci

BAB IV ANALISA HIDROLOGI

BAB IV ANALISA HIDROLOGI BAB IV ANALISA HIDROLOGI 4.1. Diagram Alir M U L A I Data Curah Hujan N = 15 tahun Pemilihan Jenis Sebaran Menentukan Curah Hujan Rencana Uji Kecocokan Data - Chi Kuadrat - Smirnov Kolmogorov Intensitas

Lebih terperinci

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif

Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif 1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari

Lebih terperinci

3. METODOLOGI PENELITIAN

3. METODOLOGI PENELITIAN 3. METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Penelitian ini dilakukan pada bulan Maret September 2011 dengan menggunakan data berupa data echogram dimana pengambilan data secara in situ dilakukan

Lebih terperinci

BAB 3 METODOLOGI PEMECAHAN MASALAH

BAB 3 METODOLOGI PEMECAHAN MASALAH 87 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flowchart Metodologi Pemecahan Masalah Diagram alir di bawah ini merupakan langkah-langkah yang diambil untuk menunjang penelitian dan penyelesaian permasalahan

Lebih terperinci

Penyajian Data. Ilham Rais Arvianto, M.Pd Hp : Statistika Pertemuan 2

Penyajian Data. Ilham Rais Arvianto, M.Pd Hp : Statistika Pertemuan 2 Penyajian Data Ilham Rais Arvianto, M.Pd Hp : 085642419339 Email : ir.arvianto@akakom.ac.id Statistika Pertemuan 2 Penyajian Data Setelah data dikumpulkan maka data disajikan. Tujuan penyajian data dibuat

Lebih terperinci

BAB I PENDAHULUAN. Rumusan dari permasalahan yang ditemukan adalah sebagai berikut.

BAB I PENDAHULUAN. Rumusan dari permasalahan yang ditemukan adalah sebagai berikut. BAB I PENDAHULUAN 1.1 LATAR BELAKANG ( Cukup 3 paragraf saja ) - Jelaskan mengenai keadaan/masalah perusahaan yang diamati - Uraikan fungsi simulasi untuk mengatasi permasalahan yang ada pada obyek yang

Lebih terperinci

UKURAN PENYEBARAN DATA

UKURAN PENYEBARAN DATA UKURAN PENYEBARAN DATA HERDIAN S.Pd., M.Pd. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) PRINGSEWU UKURAN PENYEBARAN DATA Selain ukuran pemusatan data dan ukuran letak data, ada juga yang

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian yang dilakukan oleh penulis mengenai hubungan waktu kerja terhadap hasil kerja ini dilaksanakan di SMK Taruna Mandiri Cimahi, yang beralamatkan

Lebih terperinci

BAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini

BAB IV PEMBAHASAN. pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini BAB IV PEMBAHASAN Bab ini menguraikan hasil penelitian dan pembahasan untuk menjawab pertanyaan pada perumusan masalah. Hal-hal yang dijelaskan dalam bab ini mencakup pemeriksaan steady state, uji distribusi,

Lebih terperinci

DISTRIBUSI FREKUENSI (DF)

DISTRIBUSI FREKUENSI (DF) DISTRIBUSI FREKUENSI (DF) Definisi : Adalah salah satu bentuk tabel yang merupakan suatu penyusunan data ke dalam kelas-kelas tertentu dimana individu hanya termasuk ke dalam kelas tertentu. Adalah penggolongan

Lebih terperinci

Penyajian data histrogram

Penyajian data histrogram Modul ke: Distribusi Frekuensi Penyajian data histrogram Fakultas EKONOMI & BISNIS Sediyanto, ST. MM Program Studi Akuntansi www.mercubuana.ac.id Pengelompokan data Pengelompokkan data menjadi tabulasi

Lebih terperinci

UKURAN LOKASI DAN VARIANSI MEAN:

UKURAN LOKASI DAN VARIANSI MEAN: UKURAN LOKASI DAN VARIANSI MEAN: Mean merupakan ukuran rata-rata dari data. Dua metode yang akan dibahas untuk menentukan rata-rata adalah rata-rata hitung dan rata-rata harmonik. Rata-rata hitung Merupakan

Lebih terperinci

Pengantar Statistika Matematika II

Pengantar Statistika Matematika II Bab 2: Sifat-Sifat Estimator Statistika FMIPA Universitas Islam Indonesia Statistik Cukup Dalam kondisi real, kita tidak mengetahui parameter dari populasi data yang akan kita teliti Informasi dalam sampel

Lebih terperinci

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... HALAMAN PENGESAHAN... MOTTO DAN PERSEMBAHAN... ABSTRAK... PENGANTAR...

DAFTAR ISI... HALAMAN JUDUL... HALAMAN PERSETUJUAN... HALAMAN PENGESAHAN... MOTTO DAN PERSEMBAHAN... ABSTRAK... PENGANTAR... DAFTAR ISI HALAMAN JUDUL... HALAMAN PERSETUJUAN... HALAMAN PENGESAHAN... MOTTO DAN PERSEMBAHAN... ABSTRAK... PENGANTAR... DAFTAR ISI... DAFTAR GAMBAR... DAFTAR TABEL... DAFTAR LAMPIRAN... DAFTAR NOTASI

Lebih terperinci

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA

PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Saintia Matematika Vol. 1, No. 3 (2013), pp. 299 312. PERBANDINGAN DISTRIBUSI BINOMIAL DAN DISTRIBUSI POISSON DENGAN PARAMETER YANG BERBEDA Raini Manurung, Suwarno Ariswoyo, Pasukat Sembiring Abstrak.

Lebih terperinci

DISTRIBUSI FREKUENSI (DF)

DISTRIBUSI FREKUENSI (DF) DISTRIBUSI FREKUENSI (DF) DISTRIBUSI FREKUENSI (DF) Definisi : Adalah salah satu bentuk tabel yang merupakan suatu penyusunan data ke dalam kelas-kelas tertentu dimana individu hanya termasuk ke dalam

Lebih terperinci

MANAJEMEN TUNDAAN DI BANDARA

MANAJEMEN TUNDAAN DI BANDARA PENDAHULUAN MANAJEMEN TUNDAAN DI BANDARA Pergerakan yang efisien dari pesawat dan penumpang di bandara dipengaruhi oleh: Kapasitas bandara Jumlah penumpang dan pesawat Dr.Eng. Muhammad Zudhy Irawan, S.T.,

Lebih terperinci

ANALISIS ANTRIAN PADA STASIUN PENGISIAN BAHAN BAKAR UMUM(SPBU) TRANSITO JAKARTA TIMUR. : R Rizky Iqbal M :

ANALISIS ANTRIAN PADA STASIUN PENGISIAN BAHAN BAKAR UMUM(SPBU) TRANSITO JAKARTA TIMUR. : R Rizky Iqbal M : ANALISIS ANTRIAN PADA STASIUN PENGISIAN BAHAN BAKAR UMUM(SPBU) 34-13418 TRANSITO JAKARTA TIMUR Nama NPM Jurusan Pembimbing : R Rizky Iqbal M : 15212813 : Manajemen : S. Tiwi Anggraeni, SE., MM LATAR BELAKANG

Lebih terperinci