MINGGU KE-X: DISTRIBUSI CONTINOUS
|
|
- Lanny Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 MINGGU KE-: DISTRIBUSI CONTINOUS Tujuan Instruksional Umum : 1. Mahasiswa memahami apa yang dimaksud dengan distribusi continuous 2. Mahasiswa memahami perbedaan antara distribusi diskrit dengan distribusi continous 3. Mahasiswa memahami apaya dengan distribusi normal 4. Mahasiswa memahami apa yang dimaksud dengan standardized score (Z) 5. Mahasiswa memahami bagaimana membaca table distribusi Normal (Z Tabel) 6. mahasiswa mampu memahami apa yang dimaksud dengan STudnt s t distribusi 7. Mahasiswa mampu memahami bagaimana membaca table t Tujuan Instruksional Khusus : 1. Mahasiswa mampu menguji bentuk distribusi sekelompok data 2. Mahasiswa mampu mengubah dari nilai random menjadi nilai Z 3. Mahasiswa mampu menghitung nilai probabilta suatu kejadian dengan menggunakan distribusi normal 4. Mahasiswa mampu menggunakan aplikasi computer dalam menguji distribusi normal dan mencari nilai Z
2 Pendahuluan : Apabila suatu distribusi descrete tidak terputus maka bentuk distribusi tersebut akan menjadi distribusi yang continous, yang akan membentuk suatu distribusi yang berbentuk bel terbalik. Ilustrasi : Distribusi descrete l ) P( Distribusi Continous : Population mean ( ) Frequency distribution of the population Sample points Sample mean ( ) Distribusi COntinous biasa disebut sebagai distribusi normal. Distribusi normal adalah suatu distribusi yang simetris dan berbentuk lonceng/bell-shaped. Distribusi normal menunjukkan hubungan antara mean dengan berbagai titik pada berbagai jarak yang diukur dari mean.
3 Gambar distribusi normal: n = Large n Sifat-sifat dari distribusi normal : 1. Berbentuk lonceng terbalik dengan sebuah puncak 2. Rata-rata /mean terletak di tengah-tengah dari kurva 3. Bentuk distribusi adalah simetris mean = median = modus 4. Ujung setiap kurva akan sejajar dengan sumbu horizontal dan tidak akan memotong sumbu 5. Sebagian besar data akan terletak di tengah tengah kurva dan sebagain kecil data akan terletak di tepi kurva
4 Standard normal distribusi probability : =1 dimana Z i Z : Jarak deviasi x terhdap nilai rata rata i : Nilai variable random : Rata-rata populasi : Standar deviasi populasi =0 Z Mengubah nilai menjadi nilai Z ; Contoh : JIka diketahui rata-rata adalah 50, dengan standard deviasi 5, berapa n ilai Z pada = 41? 50 5 i Z 1.8 5
5 Probability dari Distribusi Normal Probabilita dari distribusi normal dilihat dari nilai Z. Dengan menghitung luas kurva normal,, dan dengan menggunakan table. Contoh : Apabila nilai Z = 1.56, berapa probabilita nilai Z antara 0 1,56 atau P(0<z<1.56) 0. 4 S t a n d a r d N o r m a l D ist r i b u t io n 0. 3 ) f( Z { Dengan melihat ke table kurva normal: z
6 Dengan melihat table diatas maka P (0<Z<1.56) adalah Contoh 2: Jika diketahui rata-rata berat (isi) jus jeruk rasa Orange adalah 952 ml dengan standard deviasi 4 ml. Berapa probabilita berat jeruk tersebut antara 956 ml dengan 952 ml? Z 1 4 P(0<Z<1) = Z Skor Dari keterangan pada bab diatas maka dapat disimpulkan mengenai Z skor : 1. Z skor merupakan penyederhanaan skor yang diperoleh dari hasi bagi selisih skor dengan rata-ratanya dengan simpngan bakunya 2. Z skor terdiri dari dua bagian yaitu tanda negative dan positif serta bilangan numeric 3. Z skor dapaat membantu peneliti dalam melakukan analisa statistik parametric dan non parametrik. 4. Z skor dapat digunakan untuk melakukan perbandingan dua buah distribusi atau lebih, karene transformasi Z skor merupakan standarisasi, yaitu membuat ata-rta distribusi menjadi nol, dengan simpangan baku Z skor juga bermanfaat untuk komparasi suatu distribusi yang diperoleh dari pengembangan terse baru dengan tes yang sudah baku. Student st t Distribution: Apabila tidak diketahui dan jumlah data kurang dari 30, maka digunakan distribusi t, dimana diketahui : t s i n
7 Ilustrsi sudent s t distribusi : Standard t, t, Quiz Manager training dari AA Insurance sedang mengadakan training untuk 1500 karyawan AA, setiap karyawan dapat menyelesaikan training dalam waktu yang berbeda-beda. Rata-rata karyawan dapat menyelesaikan training selama 500 jam dengan standard deviasi 100. a. Berapa %kah karyawan yang dapat menyelesaikan training lebih dari 500 jam? b. Berapa %kah karyawan yang dapat menyelesaikan traning antara jam? c. Berapa %kah karyawan yang menyelesaikan training lebih dari 700 jam? d. Berapa %kah karyawan yang menyelesaikan training antara jam? e. Berapa %kah karyawan yang menyelesaikan training kurang daru 570 jam?
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 terperinciDistribusi Normal, Skewness dan Qurtosis
Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan
Lebih terperinciDISTRIBUSI 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 terperinciDistribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai
Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi
Lebih terperinciUKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN Tita Talitha, MT DISTRIBUSI FREKWENSI PENGERTIAN distribusi frekwensi adalah suatu tabel dimana banyaknya kejadian / frekwensi didistribusikan ke dalam kelas-kelas
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciDistribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS
Distribusi Normal Statistika (MAM 4137) Syarifah Hikmah JS Outline Kurva normal Luas daerah di bawah kurva normal Penerapan sebaran normal DISTRIBUSI NORMAL model distribusi kontinyu yang paling penting
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial
DISTRIBUSI NORMAL Pertemuan 3 1 Pertemuan 3_Statistik Inferensial Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal
Lebih terperinciDistribusi probabilitas dan normal. Statisitik Farmasi 2015
Distribusi probabilitas dan normal Statisitik Farmasi 2015 Part 1. DISTRIBUSI PROBABILITAS Statisitik Farmasi 2015 Tujuan Perkuliahan Setelah menyelesaikan kuliah ini, mahasiswa mampu: Membuat distribusi
Lebih terperinciHaryoso 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 terperinciKURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)
KURVA NORMAL (Sumber: Buku Metode Statistika tulisan Sudjana) Distribusi Normal (Distribusi GAUSSE) Kurva Normal Suatu alat statistik yang sangat penting untuk menaksir dan meramalkan peristiwa-peristiwa
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciLAB 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 terperinciStatistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciMakalah Statistika Distribusi Normal
Makalah Statistika Distribusi Normal Disusun Oleh: Dwi Kartika Sari 23214297 2EB16 Fakultas Ekonomi Jurusan Akuntansi Universitas Gunadarma 2015 Kata Pengantar Puji syukur kehadirat Tuhan Yang Maha Esa
Lebih terperinciSebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor
Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran normal menjadi syarat untuk dilakukan Analisis varian,
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciUJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT
UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi
Lebih terperinciStatistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data
Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan
Lebih terperinciDATA. Populasi adalah keseluruhan dari karakteristik atau unit hasil pengukuran yang menjadi obyek penelitian. 1
DATA Populasi adalah keseluruhan dari karakteristik atau unit hasil pengukuran yang menjadi obyek penelitian. Sampel adalah bagian dari populasi yang mempunyai karakteristik tertentu atau ciri/keadaan
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN A. Deskripsi Pelaksanaan Penelitian Proses pelaksanaan penelitian ini diawali dengan pengajuan surat izin penlitian ke MTsN 2 Tulungagung pada tanggal 9 Desember 2015. Setelah surat
Lebih terperinciProbabilitas & Distribusi Probabilitas
Probabilitas & Distribusi Probabilitas Probabilitas Definisi peluang untuk terjadi atau tidak terjadi Probabilitas untuk keluarnya mata satu dalam pelemparan satu kali sebuah dadu? Berapakah peluang seorang
Lebih terperinci15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)
Modul ke: Fakultas 15Ilmu Komunikasi Uji t-student dan Uji Z (Distribusi Normal) Untuk sebaran distribusi sampel kecil, dikembangkan suatu distribusi khusus yang disebut distribusi t atau t-student Dra.
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciMINGGU KE VIII & IX DISTRIBUSI DESCRETE
MINGGU KE VIII & IX DISTRIBUSI DESCRETE Tujuan Instruksional Umum : 1. Mahasiswa mampu memahami dengan apa yang dimaksud dengan distribusi diskrit 2. Mahasiswa memahami manfaat dan kegunaan dari distrubusi
Lebih terperinciPENDIDIKAN BAHASA INGGRIS
STATISTIC FOR Pengesahan Nama Dokumen : SILABUS STATISTIC FOR No Dokumen : Fak.Prod SAP.8.1..KM No ISO 91:28/IWA 2 1dari 7 Diajukan oleh JAYA NUR IMAN, S.Pd., M.Pd. Diperiksa oleh Nama (GKM) Disetujui
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN TABEL I DATA HASIL PENELITIAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Hasil Penelitian Dari hasil pengukuran diperoleh data kemampuan servis bawah baik tes awal dan tes akhir, hasilnya dapat dilihat pada table berikut
Lebih terperinciPENGUKURAN DESKRIPTIF
PENGUKURAN DESKRIPTIF STATISTIK INDUSTRI I Jurusan Teknik Industri Universitas Brawijaya Malang 1 PENGUKURAN DESKRIPTIF Suatu pengukuran yang bertujuan untuk memberikan gambaran tentang data yang diperoleh
Lebih terperinciDistribusi 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 terperinciEstimasi 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 terperinciKuliah 4. Ukuran Penyebaran Data
Kuliah 4. Ukuran Penyebaran Data Mata Kuliah Statistika Dr. Ir. Rita Rostika MP. 21 Maret 2012 Prodi Perikanan Fakultas Perikanan dan Ilmu Kelautan Universitas Padjadjaran Content Rentang Data Rentang
Lebih terperinciKONSEP 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 terperinciEstimasi 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 terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciS T A T I S T I K A. Pertemuan ke-2
S T A T I S T I K A Pertemuan ke-2 Dasar-dasar Penghitungan Gejala Pusat Mean / Average / Rata-rata / Median / Me Mode / Modus / Mo Standard Deviation / Simpangan Baku / s Contoh : Susunlah data hasil
Lebih terperinciSatatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP
Satatistik dan Probabilitas Ir. I Nyoman Setiawan, MT. NIP. 19631229 199103 01 001 HP. 081338721408 setiawan@ee.unud.ac.id man_awan@yahoo.com Statistik Dan Probabilitas Pendahuluan Statistika adalah pengetahuan
Lebih terperinci25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak
Konsep Peubah Acak Metode Statistika (STK11) Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan
Lebih terperinciMINGGU KE- III: UKURAN NILAI SENTRAL
MINGGU KE- III: UKURAN NILAI SENTRAL Tujuan Instruksinal Umum : 1. Mahasiswa memahami apa yang dimaksud dengan nilai sentral 2. Mahasiswa memahami guna dari perhitungan nilai sentral 3. Mahasiswa dapat
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciPertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah fungsi) ke ruang bilangan
Lebih terperinciSTATISTICS. Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL WEEK 6 TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 6 Oleh: Hanung N. Prasetyo DISTRIBUSI NORMAL Pengantar: Dalam pokok bahasan disini memuat beberapa distribusi kontinyu yang sangat penting di bidang statistika. diantaranya distribusi normal.
Lebih terperinciBAB 9 DISTRIBUSI PELUANG KONTINU
BAB 9 DISTRIBUSI PELUANG KONTINU A. Pengertian Distribusi Peluang Kontinu Distribusi peluang kontinu adalah peubah acak yang dapat memperoleh semua nilai pada skala kontinu. Ruang sampel kontinu adalah
Lebih terperinci5/3/2012. Objective. Objective STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI STATISTIKA DALAM HIDROLOGI
Week 11 & 12 HYDROLOGIC STATISTICS (and Frequency Analysis) Introduction Frequency and Probability Function Statistical Parameters Fitting a Probability Distribution Probability Distributions for Hydrologic
Lebih terperinciDistribusi 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 terperinciSTK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh
STK511 Analisis Statistika Pertemuan 4 Sebaran Penarikan Contoh Konsep Dasar Suatu statistik, misalnya, adalah fungsi dari peubah acak sering kita tulis. Idea dasaranya : Karena adalah peubah acak, maka
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciBinomial Distribution. Dyah Adila
Binomial Distribution Dyah Adila Binomial Distribution adalah bentuk percobaan yang memiliki syarat-syarat sebagai berikut: 1. Percobaan dilakukan sebanyak n kali. 2. Setiap percobaan memiliki dua hasil
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciStatistik Deskriptif Ukuran Dispersi
MAKALAH STATISTIKA DASAR Statistik Deskriptif Ukuran Dispersi Oleh: Kelompok 1 Dwireta Ramadanti Aliv Vito Palox Arif Rahman Hakim Asrar Halim Desi Anggraini Eki Maruci Hary Sentosa Monalisa Muhammad Irvand
Lebih terperinciANALISIS DATA DALAM STATISTIK
1. Pengertian Analisis Data ANALISIS DATA DALAM STATISTIK Analisis data diartikan sebagai upaya mengolah data menjadi informasi, sehingga karakteristik atau sifat-sifat data tersebut dapat dengan mudah
Lebih terperinciMetode Statistika (STK211)
Metode Statistika (STK211) Peubah Acak dan Sebaran Peluang (Random Variable and Probability Distribution) Dr. Ir. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 1 Konsep Peubah Acak (Random Variable) Peubah
Lebih terperinciPembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu
Pembahsan Tugas 9 Probabilitas dan Statistika Distribusi Peluang Diskrit dan Distribusi Peluang Kontinyu Distribusi Peluang Diskrit 1. Hitunglah P( < 10) dengan distribusi binomial untuk n = 15, p = 0,4!
Lebih terperinciB. 30 X + 10 Y 300; 20 X + 20 Y 400; X 0, Y 0 C. 10 X + 30 Y 300; 20 X + 20 Y 400, X 0, Y 0 D. 10 X + 30 Y 300, 20 X + 20 Y 400, X 0, Y 0
BIDANG STUDI : MATEMATIKA 1. Harga 3 kg pepaya dan 5 kg jeruk adalah Rp 13.000, sedangkan harga 4 kg papaya dan 3 kg jeruk adalah Rp 10.000, maka harga 2 kg papaya dan 4 kg jeruk adalah. A. Rp 10.000 B.
Lebih terperinciDistribusi 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 terperinciSATUAN ACARA PERKULIAHAN
Topik Bahasan : Membahas Silabus Perkuliahan Tujuan Umum : Mahasiswa Mengetahui Komponen Yang Perlu Dipersiapkan Dalam Matakuliah Ini satu kali Tujuan 1 Menjelaskan tentang Mengakomodasi berbagai masukan
Lebih terperinciDISTRIBUSI NORMAL. RatuIlmaIndraPutri
DISTRIBUSI NORMAL RatuIlmaIndraPutri Distribusi normal menggunakan variabel acak kontinu. Distribusi normal sering disebut DISTRIBUSI GAUSS. Distribusi ini merupakan salah satu yang paling penting dan
Lebih terperinciKumpulan 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 terperinciBAB 2 LANDASAN TEORI. 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial
BAB 2 LANDASAN TEORI 2.1 Risiko, Manajemen Risiko, dan Manajemen Risiko Finansial Risiko adalah kerugian akibat kejadian yang tidak dikehendaki muncul. Risiko diidentifikasikan berdasarkan faktor penyebabnya,
Lebih terperinciOUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar
3 OUT LINE Pengertian Distribusi Probabilitas Normal Distribusi Probabilitas Normal Distribusi Probabilitas Normal Standar Penerapan Distribusi Probabilitas Normal Standar Pendekatan Normal Terhadap Binomial
Lebih terperinciPengukuran Deskriptif
Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi
Lebih terperinciStatistika Ekonomi UT ESPA 4123
Statistika Ekonomi UT ESPA 413 Angka Indeks 1. Angka indeks harga dapat digunakan untuk menghitung... A. Nilai riil suatu variabel B. Tingkat inflasi C. Nilai nominal suatu variabel D. A dan B saja yang
Lebih terperinciMateri W11a S T A T I S T I K A. Kelas X, Semester 2. A. Ukuran Pemusatan Data.
Materi W11a S T A T I S T I K A Kelas X, Semester 2 A. Ukuran Pemusatan Data www.yudarwi.com A. Ukuran Pemusatan Data Ukuran pemusatan kumpulan data merupakan ukuran yang nilainya cenderung memusat (sama
Lebih terperincistatistika untuk penelitian
statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,
Lebih terperinciSampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.
Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi
Lebih terperinciMetode Statistika. Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)
Metode Statistika Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution) Konsep Peubah Acak Peubah acak merupakan suatu fungsi yang memetakan ruang kejadian (daerah
Lebih terperinciSATUAN 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 terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR JURUSAN : TEKNIK KOMPUTER JUMLAH SKS : 2
SATUAN ACAA PEKULIAHAN MATA KULIAH : STATISTIKA DASA JUUSAN : TEKNIK KOMPUTE Minggu Pokok Bahasan ke dan TIU 1 Pendahuluan tentang konsep statistika dan notasi Sub Pokok Bahasan dan Sasaran Belajar Konsep
Lebih terperinciPROGRAM STUDI PENDIDIKAN MANAJEMEN BISNIS FAKULTAS PENDIDIKAN EKONOMI DAN BISNIS UNIVERSITAS PENDIDIKAN INDONESIA
SILABUS 1) Identitas mata kuliah Nama mata kuliah : Statistika I Kode Mata kuliah : PE 104 Jumlah SKS : 3 SKS Semester : 3 Kelompok mata kuliah : MKK Program Studi Program Stud : Pendidikan Manajemen Bisnis
Lebih terperinciTabel 7-1 Rata-rata hitung hasil test mata kuliah statistik deskriptif kelompok A dan B. A B
A. Pengukuran Penyebaran (Dispersi) 1. Pengertian Tentang Disperse. Digunakan untuk menunjukkan keadaan berikut : a. Gambaran variabilitas data Yang dimaksud dengan variabilitas data adalah suatu ukuran
Lebih terperinciPengukuran Deskriptif. Debrina Puspita Andriani /
Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dari hasil pengukuran diperoleh data servis pre-test dan post-test.hasilnya
36 BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Hasil Penelitian 4.1.1 Data Hasil Penelitian Dari hasil pengukuran diperoleh data servis pre-test dan post-test.hasilnya sebagai mana pada table
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
Lebih terperinciALAT UJI STATISTIK. Endang Sri Utami, S.E., M.Si., Ak., CA
ALAT UJI STATISTIK Endang Sri Utami, S.E., M.Si., Ak., CA Penggunaan Statistik Statistik merupakan sekumpulan metode yang digunakan untuk menarik kesimpulan masuk akal dari suatu data. Statistik yang digunakan
Lebih terperinciSTATISTIKA. Distribusi Binomial. Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai. Distribusi Normal
STATISTIKA Distribusi Normal Distribusi Binomial Ingat contoh pemilihan 1 kegiatan (Kegiatan A) dari 4 kegiatan untuk didanai Distribusi Binomial Histogram Distribusi Probabilitas Sukses Statistika Distribusi
Lebih terperinciSTATISTIK. Materi Pertemuan V Ukuran Dispersi (Penyebaran)
STATISTIK Materi Pertemuan V Ukuran Dispersi (Penyebaran) Ukuran Dispersi (Penyebaran) Ukuran dispersi merupakan suatu metode analisis data yang ditunjukan dengan penyimpangan/penyebaran dari distribusi
Lebih terperinciMODUL MATEMATIKA SMA IPA Kelas 11
SMA IPA Kelas A. Data Tunggal No. Jenis Rumus Rumus. Rata-rata (rataan) hitung _ x x x x n Median Me x, untuk n ganjil _ x : rata-rata x n : data ke-n n : banyaknya data. Modus Modus (Mo) merupakan data
Lebih terperinciMATERI W11A S T A T I S T I K A. KELAS X, SEMESTER 2. A. UKURAN PEMUSATAN DATA
MATERI W11A S T A T I S T I K A. KELAS X, SEMESTER 2. A. UKURAN PEMUSATAN DATA Materi W11a STATISTIKA Kelas X, Semester 2 A. Ukuran Pemusatan Data www.yudarwi.com A. Ukuran Pemusatan Data Ukuran pemusatan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN Deskripsi Kemampuan Awal Kelompok Latihan Dumbbell (Variabel X 1.1 )
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Deskripsi Hasil Penelitian 4.1.1 Deskripsi Kemampuan Awal Kelompok Latihan Dumbbell (Variabel X 1.1 ) Kemampuan awal yang dimaksudkan di sini adalah kemampuan
Lebih terperinciPERTEMUAN I: PENDAHULUAN
PERTEMUAN I: PENDAHULUAN Pada pertemuan ini akan dibahas mengenai isi perkuliahan secara keseluruhan, baik kals teori maupun kelas laboratorium computer dan non keomputer, serta mendefinisikan statistic,
Lebih terperinciPengantar Statistik. Nanang Erma Gunawan
Pengantar Statistik Nanang Erma Gunawan nanang_eg@uny.ac.id Sekilas tentang sejarah Statistik Statistik: pada awal zaman Masehi, bangsa-bangsa mengumpulkan data untuk mendapatkan informasi mengenai pajak,
Lebih terperinciANALISIS 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 terperinciLEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA
Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Beberapa bentuk penyajian data, sebagai berikut: Kompetensi Dasar (KURIKULUM 2013): 3.15 Memahami dan menggunakan berbagai ukuran
Lebih terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciTENTANG UTS. Penentuan Cadangan, hal. 1
TENTANG UTS Soal 1: Jawaban umumnya tidak fokus atau straight ke pertanyaan/ masalah yang diajukan. Key words dalam pertanyaan di atas tekanan saturasi, sedangkan dalam banyak jawaban di bawah tekanan
Lebih terperinciPENGERTIAN STATISTIK. Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd.
PENGERTIAN STATISTIK Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd. PENGERTIAN STATISTIK Statistik adalah kesimpulan fakta
Lebih terperinciDAFTAR 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 terperinciCIRI-CIRI DISTRIBUSI NORMAL
DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan
Lebih terperinciAntiremed Kelas 11 Matematika
Antiremed Kelas Matematika Data Tunggal Doc. Name: KARMATWJB00 Version: 0-0 halaman 0. Mean dari (x - ), (x - ), x, (x + ), (x + ), (x + ) (A) x + (B) x + 0, (C) x + (D) x - (E) x - 0, 0. Jumlah rataan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciSTATISTIK NON PARAMTERIK
STATISTIK NON PARAMTERIK PROSEDUR PENGOLAHAN DATA : PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang membahas parameterparameter
Lebih terperinciSkala pengukuran dan Ukuran Pemusatan. Ukuran Pemusatan
Skala Pengukuran Nominal (dapat dikelompokkan, tidak punya urutan) Ordinal (dapat dikelompokkan, dapat diurutkan, jarak antar nilai tidak tetap sehingga tidak dapat dijumlahkan) Interval (dapat dikelompokkan,
Lebih terperinciUKURAN PEMUSATAN : MEAN, MEDIAN, MODUS
UKURAN PEMUSATAN : MEAN, MEDIAN, MODUS PERTEMUAN IV EvanRamdan DATA BERKELOMPOK Data berkelompok adalah data yang telah dikelompokan ke dalam kelaskelas dan disajikan dalam tabel frekuensi UKURAN PEMUSATAN
Lebih terperinciBAB 3: NILAI RINGKASAN DATA
BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Penelitian 4.1.1 Deskriptif Hasil Belajar Siswa Deskriptif hasil belajar siswa dalam penelitian ini dipaparkan dalam bentuk mean (M), median (Me), Modus
Lebih terperinciMK Statistik Bisnis 2 MultiVariate. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1
Haryoso Wicaksono, S.Si., M.M., M.Kom. 1 Descriptive Statistics mengandung metoda dan prosedur yang digunakan untuk pengumpulan, pengorganisasian, presentasi dan memberikan karakteristik terhadap himpunan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Analisis Regresi Istilah regresi pertama kali digunakan oleh Francis Galton. Dalam papernya yang terkenal Galton menemukan bahwa meskipun terdapat tendensi atau kecenderungan bahwa
Lebih terperinci