INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat

Ukuran: px
Mulai penontonan dengan halaman:

Download "INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat"

Transkripsi

1 INFERENSI VEKTOR RATA RATA Dsusu utuk memeuh salah satu tugas mata kulah multvarat Dsusu oleh: Ast Aula Rahma (6796) Khaerusa Mahmudah (69) Lucky Heryat Jufr (673) Rsa Nur Vauzyah (6933) Syfa Isa (66) PROGRAM STUDI MATEMATIKA JURUSAN PENDIDIKAN MATEMATIKA FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS PENDIDIKAN INDONESIA 9

2 KATA PENGANTAR Pu da syukur kehadrat Allah SWT yag telah melmahka rahmat da karuaya sehgga eyusu daat meyelesaka makalah dega bak. Salam da salawat selalu tercurahka keada uuga kta ab besar Muhammad SAW. Pada makalah aka dbahas megea feres vektor rata rata ada ormal multvarat. Peyusu meyadar bahwa dalam makalah mash terdaat bayak kekuraga. Peyusu megharaka krtk da sara dem kesemuraa dalam eyusua makalah selautya. Akhr kata semoga makalah daat bermafaat bag eyusu da ara embaca ada umumya. Badug, Ju 9 Peyusu

3 DAFTAR ISI KATA PENGANTAR DAFTAR ISI BAB I PENDAHULUAN. Latar Belakag Masalah. Permasalaha.3 Tuua Peulsa.4 Metode Peulsa.5 Sstematka Peulsa BAB II LANDASAN TEORI. Matrks Dsers. Dstrbus Normal Multvarat.3 Beberaa Dstrbus Statstk BAB III ISI 3. Plausblty dar BAB IV PENUTUP 4. Kesmula Sara...5 DAFTAR PUSTAKA...6

4 BAB I PENDAHULUAN. Latar Belakag Masalah Ketka kta megguaka statstka utuk megu hotess maka mucullah dua macam hotess berua hotess eelta da hotess statstka. Teatya hotess eelta kta rumuska kembal mead hotess statstka yag seada. Hotess statstka harus mecermka dega bak maksud dar hotess eelta yag aka du. Pada hakkatya ada dua es hotess statstka. Jes ertama adalah aabla data kta berua oulas yag kta eroleh melalu sesus. Dega data oulas, hotess statstka cuku berbetuk H. Tdak derluka hotess H. Msalya dalam hal rerata, hotess statstka tu berbetuk H: > 6. Jka data oulas memlk rerata d atas 6 maka hotess dterma da ka tdak maka hotess dtolak. Karea seluruh oulas sudah dlhat maka keutusa mead keasta. Jes kedua adalah aabla data kta berua samel yag kta eroleh melalu earka samel. Basaya samel tu berua samel acak, bak dega cara egembala mauu dega cara taa egembala. Dega data samel, hotess statstka mead H da H. Msalya dalam rerata, hotess statstka tu berbetuk H : 6 da H : > 6. Syaratya adalah tadaya lha ketga. Dalam hal data samel, serg terad bahwa hotess eelta drumuska kembal mead H. Pegua hotess dlakuka melalu eolaka H. Selautya dega syarat tdak ada lha ketga ada hotess, maka eolaka H daat dartka sebaga eermaa H. Jad egua hotess eelta dlakuka melalu cara tak lagsug yak melalu eolaka H da melalu tadaya lha ketga ada hotess. Dalam makalah aka dbahas egua hotess tetag erbedaa atara vektor rata-rata da vektor kosta. Mr halya dega egua hotess ada stuas uvarat. tetag erbedaa atara rata-rata da kosta. Pada stuas multvarat uga derluka syarat-syarat agar rumus-rumus utuk egua hotess tu berlaku. Pada egua hotess utuk uvarat dsyaratka bahwa oulas yag bersagkuta berdstrbus ormal. Sesua dega tu, ada egua hotess utuk multvarat dsyaratka bahwa oulas yag bersagkuta berdstrbus ormal multvarat.

5 Utuk memeroleh metode utama dalam meetuka feres dar samle, kta aka memerluas kose terval keercayaa uvarat mead daerah keercayaa multvarate. Berdasarka eelasa ada bab sebelumya, telah delaska feres samel dega megguaka t erval T smulta. Namu sergkal kta uma terval yag lebh edek utuk blaga m yag kecl, yatu ketka m. Dalam hal, aka lebh mudah utuk megguaka da meetaka terval keercayaa yag relatf edek, yag dbutuhka utuk membuat kesmula (ferece). Ketka ukura samel besar, egua hotess da daerah keercayaa utuk daat dkostruks taa aggaa ormaltas. Utuk umlah besar, kta daat membuat taksra tetag rata-rata oulas mesku dstrbus awalya adalah dskrt. Masalah la yag tmbul adalah ketka beberaa la observas hlag. Pegestmasa terhada la yag hlag erlu dlakuka utuk memermudah egolaha da meemuka statska cukuya.. Permasalaha.. Rumusa Masalah. Pada dasarya egua hotess vektor rata-rata olulas multvarat membahas megea hubuga atara vektor rata-rata oulas multvarat dega kosstestas data. Oleh karea tu rumusa makalah yag daat dambl adalah aakah suatu vektor rata-rata oulas multvarat aka selalu kosste dega data yag dmlk?. Perbedaa egua hotess dega megguaka maksmum lkelhood da hottelg T ada ormal multvarate. 3. Meetaka terval keercayaa yag lebh edek dar hotellg T, yatu dega metode baferro. 4. Meetuka terval utuk samel besar 5. Megetahu cara estmas da redks dar beberaa observas yag hlag... Pembatasa masalah Dalam makalah, masalah yag dbahas aka membahas egua hotess vektor rata-rata oulas multvarat serta ladasa teor yag medukugya.

6 .3 Tuua Peulsa Tuua dar eulsa makalah adalah utuk megetahu dega melakuka egua hotess aakah vektor rata-rata oulas meruaka sebuah la lausble utuk rata-rata oulas ormal. Perbedaa egua hotess dega megguaka maksmum lkelhood da hottelg T ada ormal multvarate.meetaka terval keercayaa yag lebh edek dar hotellg T, yatu dega metode baferro. Meetuka terval utuk samel besar. Megetahu cara estmas da redks dar beberaa observas yag hlag..4 Metode Peulsa Metode yag dguaka dalam eulsa makalah yatu stud ustaka yag yag dlakuka d erustakaa da teret..5 Sstematka Peulsa Sstematka eulsa makalah yatu : a. BAB I Pedahulua terdr dar latar belakag masalah, rumusa masalah da embatasa masalah, tuua eulsa, metode eulsa da sstematka eulsa; b. BAB II Ladasa teor yag bers matrks dsers, dstrbus ormal multvarat, da beberaa dstrbus statstk. c. BAB III Is yag membahas megea egua hotess aakah vektor rata-rata oulas meruaka sebuah la lausble utuk rata-rata oulas ormal. Perbedaa egua hotess dega megguaka maksmum lkelhood da hottelg T ada ormal multvarate.meetaka terval keercayaa yag lebh edek dar hotellg T, yatu dega metode baferro. Meetuka terval utuk samel besar. Megetahu cara estmas da redks dar beberaa observas yag hlag. d. BAB IV Peutu yag bers kesmula da sara.

7 BAB II LANDASAN TEORI. Matrks Dsers Pada stuas uvarat, ka varabel acak memuya daerah harga (atau lalaya adalah),,, K,, K,, maka rata-rataya adalah da N N. varasya adalah ( ) Jka dar la-la yag mugk tu haya terseda satu samel acakya saa, msalya,, K,, maka rata-rata da varas yag daat dhtug adalah rata-rata da varas samel saa, yag meruaka taksra bag rata-rata da varas tersebut.,, K, Rata-rata samel adalah s ( ). da varas samelya adalah Pada stuas multvarat yag melbatka varabel acak,, K, ; msalka meyataka la ke- dar varabel, dmaa N. L L M M O M N L N N Jka meyataka rata-rata dar varabel, maka daat dsusu matrks rata-rata berorde Nθ θ sesua dega d atas, yatu L L M M O M L

8 ,, K, dmaa N N. Ukura yag mr dega varas-kovaras, dega rumus Σ ( ) ( ) Daat dhtug: adalah Σ yag dsebut matrks dsers atau matrks L L Σ M M O M L N r N r dmaa ( ) N N k s tk k N t s ( )( ). Telah kta keal bahwa da dsebut varas dar sedag k dsebut kovaras atara k. Itulah sebabya maka Σ dsebut matrks varas-kovaras dar. Seert yag telah dtuukka dalam bab, Σ A, dmaa A adalah matrks Jumlah N Kuadrat da Hasl Slag (JKHS) dar, da daat dtuukka bahwa JKHS() A ( ) ( ) Σ ΣΣ L ΣΣ ΣΣ Σ L ΣΣ M M O M ΣΣ ΣΣ Σ L

9 dmaa ( ) N r r N N da ( )( ) k s tk k t s erlu dgat bahwa k ρ ρ k, dmaa ρ koefse korelas atara da ; k smaga baku dar ; smaga baku dar ; kovaras atara da. k k k k Jka la-la dua varabel tersebut haya terseda samel acak la dar ta-ta varabel, maka terdaat matrks data L L M M O M L Taksra utuk matrks rata-rata u adalah rata-rata samel, yatu matrks berorde. L L M M O M L,, K, dmaa Adau taksra utuk matrks dsers, Σ, adalah matrks dsers samel, S,yatu matrks berorde berkut

10 S ( ) ( ) Σ ΣΣ L ΣΣ ΣΣ Σ L ΣΣ θ M M O M ΣΣ ΣΣ L Σ s s L s s s s θ L M M O M s s s L dmaa ( ) r r k ( s )( tk k ) t s s s varas samel utuk Σ - s kovaras samel atara da k k ΣΣ. - k. Dstrbus Normal Multvarat Varabel acak dkataka berdstrbus Normal dega rata-rata, da varas τ, damaa τ >, ka fugs keadata robabltas dar tertetu oleh rumus f ( ) e, utuk < π < Grafk dar y f() meruaka kurva atau gars legkug, yag lazm dkataka berbetuk loceg (rsa betuk loceg).

11 Pada stuas mutvarat, terlbat lebh dar satu varabel. Sekelomok varabel (,, K, ) dkataka berdstrbus ormal -varat dega vektor ratarata (,,, ) K da matrks varas-kovaras atau matrks dsers Σ, ka fugs keraata robabltas bersama dar -varabel tu tertetu oleh rumus. (,, K, ) f e Σ dmaa K Σ ( ) ( ) ( π ) (,, K, ) K Σ M Tamak adaya kemra atara rumus fugs keraata robabltas uvarat da multvarat. Pada uvarat : ( ) Σ, dketahu, sehgga ( π ) π, da ( )( ) ( ) K Khususya ka, terdaat

12 ρ Σ ρ ( ρ ) Σ ; ( ρ ) ρ Σ ρ (, ) K Σ ρ (, ) ρ ρ ( )( ) + ρ Fugs keraata robabltas Normal Bvarat, da rumusya adalah f (, ) e π ρ Q dmaa Q ( )( ) + ρ ρ korelas atara da ; rata-rata dar ; smaga baku dar ; Grafk dar z f (, ) meruaka luasa legkug, mr ermukaa suatu loceg. Kalau luasa legkug dotog dega bdag datar yag seaar dega bdag (, ) maka rsaya adalah suatu els. Els tu tertetu oleh suatu ersamaa berbetuk Q k, atau

13 ( )( ) + k Els demka, utuk harga-harga k yag sesua, meruaka batas daerah eolaka H ada egua hotess dalam Aalss Bvarat da dsebut els keraata sama..3 Beberaa Dstrbus Statstk Pada Statstka Uvarat sudah dkeal sfat bahwa aabla berdatrbus (, ) N, yatu berdstrbus Normal dega rata-rata da varas, maka rata-rata samel, yatu, berdstrbus τ N, ka samel tu adalah samel acak sebesar. Dega kata la berdstrbus Normal Baku ka syarat-syarat tersebut deuh. Salah satu sfat yag telah terbukt secara matemats alah bahwa aabla varabel v berdstrbus Normal Baku, sedag w v, maka w berdstrbus χ dega deraat kebebasa. Berhubug dega tu maka ( ) atau ( )( ) ( ) berdstrbus χ dega deraat kebebasa aabla syarat-syarat tersebut d atas tereuh. Pada stuas multvarat terdaat sfat yag mr dega sfat tersebut. Aabla,,, K berdstrbus Normal Multvarat (, ) N Σ, dmaa (,, K, ), sedag Σ adalah matrks dsers, sedag (,,, ) meyataka vektor rata-rata dar samel acak, da aabla K,

14 (,, K, ) Σ W M maka W berdstrbus χ dega deraat kebebasa : dmaa meyataka besarya samel. Pada stuas uvarat, aabla tak dketahu maka dstrbus daat dtau dalam hubugaya dega varas samel, yatu bahwa berdstrbus t dega deraat s kebebasa. Juga telah dbuktka bahwa aabla varabel v berdstrbus t dega deraat kebebasa, sedagka ( ). Berhubug dega tu maka (, ) berdstrbus F dega deraat kebebasa (, ). w v, maka W berdstrbus F dega deraat kebebasa S atau ( )( s ) ( ) Pada stuas multvarat terdaat ula sfat yag mr dega tu. Msalka (,, K, ) berdstrbus degavektor rata-rata (,,, ) (,,, ) K, sedag K meyataka vektor rata-rata dar samel acak sebesar, da aabla (,, K, ) W S T dega deraat kebebasa (, ) maka W berdstrbus Hotellg M. Dalam rumus tersebut S adalah matrks dsers samel. Hotellg telah membuktka bahwa aabla varabel W berdstrbus deraat kebebasa (, ) (, ). maka ( ) T, dega W berdstrbus F dega deraat kebebasa

15 Sfat-sfat dar dstrbus statstk multvarat W tersebut daat dmafaatka utuk megu sgfkas erbedaa atara vektor rata-rata suatu oulas da vektor kosta, atau erbedaa atara vektor-vektor rata-rata dua oulas. Pada stuas uvarat tetag selsh rata-rata dar dua samel acak yag bebas, yatu, dketahu bahwa statstk ( ) ( ) ( ) ( ) s + s + + berdstrbus t dega deraat kebebasa +, aabla a) Samel ertama berasal dar oulas yag berdstrbus Normal, dega rata-rata ; b) Samel kedua berasal dar oulas yag berdstrbus Normal, dega rata-rata ; c) Kedua dstrbus ormal tu memelk varas yag sama; d) besarya samel ertama; besarya samel kedua; e) s varas samel ertama; s varas samel kedua. Maka daat dtulska: t ( ) ( ), atau s + s + + ( ) ( ) ( + ) t s s ( ) ( ) ( ) ( ) + + Jka W t, maka W berdstrbus F dega deraat kebebasa ( ; ) +.

16 Aabla da berturut-turut meyataka varas dar oulas ertama da oulas kedua, maka ( ) ( ) + berdstrbus Normal Baku; + berdstrbus yag berart bahwa ( ) ( ) kebebasa. Hal berlaku utuk keadaa mauu χ dega deraat Pada stuas multvarat, dstrbus statstk mr dega dstrbus d atas uga ada, asal deuh syarat-syarat yag mr dega stuas uvarat tersebut, yatu a) Poulas ertama berdstrbus Normal -varat dega vektor rata-rata (,,, ) K ; b) Poulas kedua berdstrbus Normal -varat dega vektor rata-rata (,,, ) K ; c) Kedua oulas memlk matrks varas-kovaras yag sama. Jka syarat-syarat tu deuh, da samel ertama memuya vektor rata-rata (,,, ) K da matrks varas-kovaras S, sedag samel kedua memuya vektor rata-rata (,,, ) θ K da matrks varas-kovaras S, da ka W ( ) ( ) S ( ) ( ) θ maka W berdstrbus T dega deraat kebebasa ( ; ) + dmaa ( ) ( ) S S + S +.

17 + Hal berart ula bahwa W ( + ) ( ; ) +. berdstrbus T dega deraat kebebasa Jka Σ da Σ, berturut-turut adalah matrks varas-kovaras dar oulas ertama da oulas kedua, bak utuk keadaa Σ Σ mauu utuk keaadaa Σ Σ, maka da berdstrbus Normal -varat dega vektor rata-rata ( ) matrks varas-kovaras Σ Σ + Σ.

18 Oleh : Khaerusa Mahmudah (69) BAB III 3. Plausblty dar sebaga sebuah la utuk sebuah rata-rata oulas ormal. ISI Kta memula dega meggat kembal teor uvarat utuk meetuka ka sebuah la tertetu adalah la lausble utuk rata-rata oulas. Dar seg adag egua hotess, masalah daat drumuska sebaga suatu u bersag hotess. H : melawa H : Jka,, K, adalah samle acak dar sebuah oulas ormal egua statstk yag sesua adalah ( ) t, θ dmaaθ θ daθ s s ` ( ) ( ) U statstk adalah memuya sebuah dstrbus-t studet s dega deraat kebebasa. Kta tolak H, bahwa adalah sebuah la lausble dar, ka damat t melebh sebuah ttk ersetase tertetu dar sebuah dstrbus dega deraat. Tolak H ketka t berla besar yag ekuvale dega meolak H ka kuadratya, ( ) ( )( ) ( ) t s (3 - ) s berla besar. Varabel t adalah kuadrat arak dar rata-rata samel dega la u. Ut arak yag dyataka dalam eryataa dar s atau smaga baku yag derkraka dar. Ketka da s telah damat, u mead: Tolak H meuu ke H, ada taraf sgfkas α, ka ( )( ) ( ) ( α ) s > t (3 - )

19 dmaa t ( α ) meadaka batas atas ( ) deraat kebebasa. α th ersetl dar dstrbus-t dega Jka H tdak dtolak, kta meymulka adalah sebuah la lausble utuk ratarata oulas ormal. Aakah la la dar aka selalu kosste dega data? Jawabaya ya! Pada keyataaya selalu sebuah hmua dar la lausble utuk sebuah rata-rata oulas ormal. Dar yag dketahu hubuga atara daerah eermaa utuk u H : melawa H : da terval keercayaa utuk adalah {Jaga meolak H : ada level α } atau t ( α ) s equvale dega terletak ada terval keercayaa α t - α ( ) ± ( ) s atau s s t ( α ) + t ( α ) (3-3) Iterval kofdes memeuh semua la bahwa tdak aka dtolak oleh u dar H :. Sebelum samel dlh, terval kofdes ( α ) % ada (3-3) adalah sebuah terval acak karea ttk akhr tergatug ada varabel acak, da s. Kemugka bahwa terval memeuh adalah α ; atar blaga besar seert terval deede, ( α ) % aka memeuh. Sekarag ertmbagka masalah yag meetuka ka sebuah vektor adalah sebuah la lausble utuk rata-rata dar sebuah dstrbus ormal multvarat. Kta aka berroses oleh aalog dar egembaga uvarat

20 Suatu geeralsas kuadrat arak ada (3 - ) adalah aalog multvarat T S ( ) ( ) ( ) S ( ) (3-4) dega ` ( ), θ S ( )( ), θ da ( ) ( ) M Statstk T damaka Hotellg s T sebaga eghormata ada Harold Hotellg, seorag eloor dalam aalss multvarat, yag ertama megamat dstrbus samlg. Ds ( ) S adalah eaksr matrk kovaras dar. Hal sesua dega teorema akbat yag meyataka Dberka,, K, adalah sebuah samel acak dar dstrbus gabuga yag memuya rata-rata vektor da kovaras matrks Σ. Maka adalah estmator takbas dar da kovaras matrksya adalah Σ Jka damat umumya arak T terlalu besar sehgga terlalu auh dar maka hotess H : aka dtolak. Pada lagkah berkutya tabel khusus dar ersetase ttk T tdak derluka utuk u formal hotess. I bear karea ( ) ( ) F T aka berdstrbus, (3-5) dmaa F, meruaka sebuah varabel acak dega deraat kebebasa da -.

21 Utuk mergkas, dsaka sebaga berkut: ( ) ( ) ( ) P T > F, - ( Σ) Dberka,, K, sebuah samel dar sebuah oulas N,. ( )( ) Maka dega da S, α, - ( α ) ( ) ( ), - ( ) ( ) - P ( ) S ( ) > F ( α ) (3-6) aau yag bear da Σ. Ds F α adalah batas atas α th ersetl dar dstrbus F., - Peryataa (3-6) meuuka sebuah u utuk hotess H : melawa H :. Pada taraf sgfkas α, tolak H meuu H ka ( ) ( ) ( ) ( ) α T S > F, ( ) (3-7) Pada baga sebelumya kta gambarka cara dmaa dstrbus Wshart geeralsas dstrbus Ch-kuadrat. Daat dtuls T yag maa berbetuk ( )( ) ( ) ( ) vektor acak matrk acak Wshart vektor acak ormal multvarat deraat kebebasa ormal multvarat I beraalog ada atau ( )( ) ( ) t s

22 varabel varabel acak Ch-kuadrat varabel acak ormal deraat kebebasa acak ormal utuk kasus uvarat. Karea ormal multvarat da varabel acak Wshart berdstrbus deede, dega fugs destas gabugaya dar roduk ormal margal da dstrbus Wshart. Dega megguaka kalkulus, dstrbus daat deroleh dalam betuk dstrbus gabuga. T seert tersebut datas Adalah arag, dalam keadaa multvarat, s dega sebuah u H :, dmaa semua komoe vektor rata-rata adalah tertetu dbawah hotess ol. Basaya lebh bak mecar daerah dar la sehgga lausble utuk memecah data yag damat. Cotoh 3. Dberka data matrk utuk sebuah samel acak berukura 3 dar sebuah oulas ormal bvarat Evaluas yag damat dar kasus? Solus 9,5 da α.5 T utuk [ ]. Aakah dstrbus samlg da

23 s s s ( 6 8) + ( 8) + ( 8 8) 4 ( 6 8)( 9 6) + ( 8)( 6 6) + ( 8 8)( 3 6) 3 ( 9 6) + ( 6 6) + ( 3 6) 9 ad sehgga da 4 3 S S 4 ( 4)( 9) ( 3)( 3 ) T 3[ 8 9, 6 5] 3[,] Sebelum samel dlh, T memlk dstrbus dar sebuah varabel acak Tolak H ka maka ( ) ( 3 ) ( ) ( ) T >, 3 F.5 4 F F ( ) ( ) ( ), 3, ( α ) H dterma sehgga [ ] oulas ormal. Cotoh 3.. Karea T ( ) ( 3 ) < 798 F.5, 3 9,5 adalah sebuah la lausble utuk rata-rata Persras dar wata sehat daalss. Tga komoe, sweat rate, sodum cotet, da 3 otassum cotet, telah dukur da dla. U hotess H : [ 4,5,] melawa : [ 4,5,] dataya dberka ada tabel berkut: ( ) H ada taraf sgfkas α.. Utuk

24 TABEL 3. SWEAT DATA Idvdual 3 ( Sweat rate ) ( Sodum ) ( Potassum) Sumber : Courtesy of Dr. Gerald Bargma Dar hasl erhtuga komuter deroleh: , S da ,.4 - S

25 Sehgga aka deroleh , T [ , ,9.965 ] , ll [.64,- 4.6,-.35 ] ll 9.74 Membadgka yag damat T 9.74 dega la krtsya ( ) ( ) ( ) 9 3 F ( α ) (.) 3.353(.44) 8.8, F 3,7 7 karea T 9.74 > 8.8, maka H dtolak ada taraf sgfkas %. Kesmulaya [ 4,5,] meruaka suatu la lausble utuk. Satu betuk dar statstk-t adalah varas (taa erubaha) d bawah erubaha ddalam ut egukura dar dega betuk Y C + d ( ) ( ) ( ) ( ), C osgular (3-8) Sebuah trasformas dar egamata sesama mucul ketka sebuah kostata b adalah yag dkuragdar varabel ke- utuk membetuk b da hasl dar erkala dega kostata a > utuk medaatka a ( b ) berskala umlahya a ( b ). Sebelum erkala yag berusat da oleh seta matrk osgular aka meghaslka ersamaa (3-8). Karea sebuah cotoh, oeras yag melbatka eggata ( ) a b yag bersesuaa ada roses megubah suhu dar Fahrehet ke Celcus. dega Dberka egamata,, K, da trasformas ada (3-8), aka megkut suatu teorema akbat yatu

26 Kombas ler dalam A ada a + a + K+ a a a K a a a a a a a + + K+ K A M M O M M M O M M aq + aq + K+ aq aq aq K aq memlk vektor rata-rata samel A da kovaras matrks ASA Sehgga y C + d da S ( y y )( y y ) CSC Selautya, oleh ersamaa ( + ) ( ) + ( ) ( ) AE ( ) B E Y E E Y E AB y da ersamaa kombas ler dar Z Z Z ( ) ( ) ( ) ( ) E Z E C C Σ Cov Z Cov C CΣ C maka aka dhaslka ( ) ( ) ( ) ( ) C memuya y E Y E C + d E C + E d C + d Oleh karea tu, T dhtug dega y s da sebuah la hotess, Y C + d adalah ( Y, ) Y ( Y, ) T y S y ( ( ) ) ( ) ( ) ( ) C CSC C C CSC C ( ) ( ) ( ) C C S C C ( ) ( ) ( ) S ( ) ( ) Persamaa yag terakhr dkeal sebaga la dar T dhtug dega s.

27 Oleh : Rsa Nur vauzyah (6933) 3. Hottelg T da U Perbadga Lkelhood Kta erkealka statstk-t aalog dega arak kuadrat uvarat, t. Ada sebuah rs umum utuk megkotruks lagkah-lagkah egua yag dsebut metode erbadga lkelhood da statstk-t daat deroleh sebaga u raso lkelhood dega H :. U raso lkelhood memlk beberaa sfat otmal yag layak utuk samel besar, da terutama sekal utuk erumusa hotess dalam eryataa arameter ormal multvarat. Kta ketahu bahwa maksmum lkelhood ormal multvarat sebaga da Σ adalah bervaras la kemugkaya dberka oleh, Σ ( ) ma L, Σ ( π ) Σˆ e (3-9) da ˆ dmaa Σ ˆ ( )( ) adalah eaksr maksmum lkelhood. Sebaga eggat bahwa eaksr maksmum lkelhood ˆ da ˆΣ dlh dar da Σ yag meruaka alasa terbak utuk la yag damat dar samal acak. Utuk hotess H :, ormal lkelhood megkhususka ada L (, Σ) e ( ) ( ) Σ (3-) Σˆ ( π ) Utuk meetuka aakah adalah la yag tak mugk utuk, maksmum ( Σ ) dbadgka dega maksmum L (, ) L, erbadgaya damaka statstk erbadga lkelhood. Dega megguaka ersamaa (5-9) da (5-) deroleh, Σ yag derbolehka. Hasl ( Σ) ( Σ) ma L,, Σ Raso Lkelhood ma L,, Σ Σˆ Σˆ (3-)

28 Σˆ Σ ˆ Jka la egamata Padaa statstk utuk dsebut Wlks lamda. erbadga lkelhood terlalu kecl, hotess H : tdak mugk mead bear, oleh karea tu dtolak. Secara rc, u raso lkelhood utuk H : melawa H :, tolak H ka ˆ ( )( ) Σ Λ < c ˆ Σ ( )( ) α (3-3) dmaa c α adalah batas bawah ( α ) th ersetl dar dstrbus Λ. (Catata bahwa statstk u raso lkelhood adalah sebuah kuasa erbadga varas yag derumum). Akbat 3.. Dberka,, K, adalah samel acak dar oulas derdstrbus N (, Σ ). Maka u ada (5-7) meruaka dasar dat H : melawa H :, karea T yag ekvale dega u raso lkelhood dar Λ + T ( ). Metode Perbadga Lkelhood Umum Kta sekarag aka memertmbagka metode erbadga lkelhood umum. Dberka θ adalah sebuah vektor yag memeuh semua arameter oulas yag dketahu, da dberka L( θ ) adalah fugs lkelhood yag deroleh dega megevaluas keadata destas dar,, K, ada la yag damat,, K,. Vektor arameter θ megambl la dalam hmua arameter Θ. U raso lkelhood utuk H : θ Θ meuu ke H : θ Θ ka ( θ ) ma L θ Θ Λ ma L < c (bab -6) θ Θ ( θ )

29 dmaa c adalah kostata tertetu yag dlh. Secara tutf, kta tolak H ka maksmum dar lkelhood yag deroleh dega memertukarka θ ada hmua Θ yag lebh kecl dar maksmum lkelhood yag deuh oleh varas θ utuk semua la ada Θ. Ketka maksmum ada emblag dar ersamaa (bab -6) lebh kecl dar maksmum eyebut, Θ tdak memeuh la lausbel utuk θ. Pada seta alkas dar metode erbadga lkelhood, kta aka memerluka dstrbus samlg dar statstk u raso lkelhood Λ. Sehgga c daat dlh utuk meghaslka sebuah u dega sebuah taraf sgfkas α tertetu. Bagamaau, ketka ukura samelya besar da kods keteratura tertetu deuh, dstrbus samlg dar l Λ yag ddekat oleh sebuah dstrbus ch-kuadrat. Akbat 3. Ketka ukura samel besar ma L Λ Λ ma L ( θ ) θ Θ l l adalah aroksmas dar varabel acak θ Θ ( θ ) dega deraat kebebasaya v v (dmes dar Θ ) (dmes dar Θ ). χ v-v 3.3 Daerah Keercayaa da Perbadga Smulta dar Komoe Rata-rata Daerah yag dtetuka oleh sebuah data, utuk semetara, kta otaska dega R(), dega [ ],, K, adalah matrks data. Daerah R() dkatakaa aka mead daerah keercayaa ( α ) % ka sebelum samle dlh, [ θ yagsebearya] P R( ) aka mecaku la α Daerah keercayaa utuk rata-rata dar dmes- yag berdstrbus ormal deroleh dar (-6). Sebelum samel dlh, ( ) ( ) P ( ) S ( ) F, ( α ) α Utuk sebarag la da tdak dketahu.

30 Utuk samle khusus, da S daat dhtug da ketaksamaa ( ) ( ) ( ) ( α ) S F /( ) aka medefska daerah, R(),, dalam ruag dar semua la arameter yag mugk. Dalam kasus, daerah aka mead ellsod dega usat. Ellsod adalah daerah keercayaa ( α ) utuk. Daerah keercayaa ( α ) % % utuk rata-rata dar dmes- yag berdstrbus ormal adalah hmua yag dtetuka oleh semua sedemka sehgga ( ) ( ) S ( ) F, ( ) ( ) α ( ) dmaa, ( )( ) S, da egamata.,, K, adalah samle Utuk 4, kta tdak daat meggambarka daerah keercayaa utuk. Aka teta, kta daat meghtug sumbu- dar ellsod keercayaa da aag relatfya. Hal dtetuka dar la ege λ da vector ege e dar S. Seert dalam ersamaa ( ) ( ) Σ c, arah da aag sumbu- ( ) ( ) dar ( ) S ( ) c F ( α ) aka dtetuka oleh, ( ) λ c / λ ( ) F α / ( ), Ut seaag vector ege e. Berawal d usat, sumbu- dar ellsod keercayaa adalah ± λ ( ) F ( ) ( α ), e dmaa Se λ e,,, K, Perbadga dar λ aka membatu dalam megdetfkas umlah relatf dar s emaaga seaag asaga sumbu-.

31 Oleh : Lucky Heryat Jufr (673) Peryataa Keercayaa Smulta Ketka daerah keercayaa ( ) ( ) S c, dega c adalah kostata, daat dlhat dega teat hubuga megea la lausble utuk, aa saa t dar kesmula yag basa dmasukka dalam eryataa keercayaa tetag rata-rata komoe tuggal. Selautya, kta guaka atura bahwa eryataa keercayaa yag tersah, sebakya memertahaka kesmultaaa-ya dega tggya robabltas yag dtetuka. Hal meruaka ama dalam meetuka robabltas terhada bayakya eryataa salah yag meyebabka terval keercayaa smulta. Kta awal dega meggat eryataa keercayaa smulta yag berhubuga dega daerah keercayaa bersama berdasarka statstk Msalka berdstrbus N (, Σ ) da betuk kombas lerya yatu T. Z l + l + K+ l l Sebagamaa yag kta ketahu bahwa E( Z) l da z Var( Z) l Σl. Sela tu, z berdasarka akbat 4., Z berdstrbus N ( l, l Σl ). Jka samle acak,, K, dar oulas berdstrbus N (, Σ ) adalah memugkka, maka samle megguaka kombas ler yatu. Jad, Z s daat dtuls dega Z l + l + K+ l l,,, K, Rata-rata da varas dar z, z, K, z adalah z l da s l Sl, dmaa da S adalah z vektor rata-rata da matrks kovaras samle dar keercayaa s, berturut-turut. Iterval keercayaa smulta daat dkembagka dega ertmbaga dar terval l utuk sebarag l. Utuk l tertetu da tdak dketahu, terval keercayaa ( α ) z % utuk z l adalah berdasarka raso-t studet s t z s ( l l ) z l Sl (3-4)

32 Sehgga deroleh eryataa ( α sz ) ( α ) z t z z + t s z atau ( α l Sl ) ( α ) l Sl l t l l + t (3-5) dmaa t ( α ) ). adalah batas atas ( α ) % dar dstrbus-t dega deraat kebebasa (- Ketdaksamaa (3-5) daat dyataka sebaga eryataa megea komoe dar vektor rata-rata. Sebaga cotoh, dega [,,,] l K, l da ketdaksamaa (3-5) meghaslka terval keercayaa basa utuk rata-rata dar oulas ormal. Dalam kasus l l S s, elasya, kta aka meetuka beberaa eryataa keercayaa megea komoe, dega meghubugka koefse keercayaa α, dega memlh koefse vector l yag berbeda. Bagamaau, hubuga keercayaa dega semua eryataa yag dambl bersama adalah buka α. Berdasarka tus, aka dhubugka koefse keercayaa kolektf α dega terval keercayaa sehgga dhaslka oleh semua lha l. Nla tersebut harus meggat koefse keercayaa yag besar dega sebak-bakya. Nla tersebut ada dalam betuk terval yag lebh luas dbadgka dega terval ada ketdaksamaa (3-5) utuk lha l yag sesfk. Dberka data hmua,, K, da l tertetu, terval keercayaa dalam ketdaksamaa (3-5) adalah hmua dar lal utuk t ( l l ) t S l l ( α ) atau, ekvale dega t ( l l ) ( l ( )) t l Sl l Sl α ( ) (3-6)

33 Daerah keercayaa smulta dberka oleh hmua la l yatu utuk semua l. Namakya atas utuk meduga bahwa kostata t ( α ) (3-6) aka dgatka oleh la yag lebh besar yatu sembarag l. t relatf kecl dalam ersamaa c, ketka eryataa dkembagka utuk Meggat la l utuk t c, secara otomats kta eroleh ketetaa : ma t ma l l ( l ( )) l Sl Dega megguaka Mamzato lemma : d ( ), da B S, deroleh : ma ( d ) B d B d, dmaa l, ma l ( l ( )) l ( ) ( ) ma ( ) S ( ) T l Sl l l Sl (3-7) Utuk l seada dega S ( ). Akbat 3.3 Msalka,, K, samle radom dar oulas berdstrbus N (, Σ ) Dega Σ deft ostf. Maka, kesmultaa utuk semua l, terval ( ) ( ) ( ) ( ) l F, ( α ) l Sl. l + F, ( α ) l Sl aka memuat l dega robabltas α. Bukt :Dar ersamaa (bab 5-3), ( ) ( ) T S c termasuk ( l l ) l Sl c utuk seta l, atau l Sl l Sl l c l l + c utuk seta l. Dega memlh

34 ( ) ( α ) / ( ) c F, memberka terval yag aka memuat dega robabltas α P T c. l utuk semua l, I adalah teat megarahka ke terval yag smulta dar akbat 3.3 sebaga terval- T, karea ecakua robalbltas dtetuka oleh dstrbus l [,, K, ], l [,, K,], dega demka [,,,] T. Berturut-turut kta lh l K utuk terval-t membolehka kta utuk meymulka ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) s s F ( α ) + F ( α ),, ( ) ( ) s s F ( α ) + F ( α ),, M M M ( ) ( ) s s F, ( α ) + F, ( α ) semua memeroleh kesmultaa dega koefse keercayaa α. (3-8) Catata bahwa, taa modfkas koefse α, kta daat membuat eryataa turua dar sesua dega [,,,,,,,,,,] k l K l K l k K, dmaa l da l k. Dalam kasus l l S s s + s k kk, da kta memuya eryataa ( ) ( ) ( ) ( ) s s + s s s + s F ( α ) + F ( α ) k kk k kk k, k k, (3-9) Kesmultaa Iterval keercayaa T meruaka de utuk data soog. Koefse keercayaa α teta tdak tergat utuk sebarag emlha l, sehgga kombas ler dar komoe yag mafaat emerksaaya berdasarka emerksaa dar data daat dhtug.

35 Perbadga Iterval Keercayaa Smulta dega Iterval Pada Satu Waktu Sebaga alteratf, utuk memmalsr teradya kesalaha dalam melakuka edekata utuk meetuka terval keercayaa adalah dega memertmbagka komoe ada satu waktu, seert yag telah delaska ada ersamaa (3-5) dega [,,,,,,] dmaa terval l l K l K,. Pedekata megabaka struktur kovara dar varable- da membawa kta ke ( α s ) ( α ) t + t ( α s ) ( α ) t + t M M M ( α s ) ( α ) t + t s s s (3-) Walauu sebelum egambla samlg, terval ke- d atas memlk robabltas α melut, kta tdak tahu aa yag meyataka secara umum, megea kemugka semua terval memuat masg-masg s. Utuk member eceraha terhada masalah, dega memertmbagka kasus khusus dmaa egamataya berdstrbus ormal gabuga da L L Σ M M O M L Karea egamata ada varable ertama adalah deedet, begtuula utuk varable kedua, da seterusya. Atura yag deroleh yatu utuk erstwa deedet daat dguaka sebelum samel dlh, ( ) ( α )( α ) L( α ) P semua terval t ada 3 memuat s ( α ) Utuk memastka robabltas α bahwa semua eryataa megea komoe ratarata secara umum, terval tuggal harus lebh luas dar terval tersah. Luas terval bergatug ada da, sebagamaa dalam α.

36 Oleh : Ast Aula Rahma (6796) 3.4 Perbadga Iterval Rata - Rata T Smulta Da Iterval Boferro Dar Komoe Utuk memeroleh metode utama dalam meetuka feres dar samle, kta aka memerluas kose terval keercayaa uvarat mead daerah keercayaa multvarate. Berdasarka eelasa ada bab sebelumya, telah delaska feres samel dega megguaka t erval T smulta. Namu sergkal kta uma terval yag lebh edek utuk blaga m yag kecl, yatu ketka m. Dalam hal, aka lebh mudah utuk megguaka da meetaka terval keercayaa yag relatf edek, yag dbutuhka utuk membuat kesmula (ferece). Sehgga kta daat meetaka la terval yag lebh edek dar t erval aka dbahas ada embahasa berkut dserta dega stud kasusya. Metode Boferro utuk Perbadga Bergada T. Metode seert Sergkal erhata kta terbatas ada blaga yag kecl dar eryataa keercayaa tuggal. Dalam stuas seert memugkka utuk melakuka sesuatu yag lebh bak dar kesmultaa terval dar akbat 3.3. Jka blaga m dar komoe rata-rata khusus, atau kombas ler l l + l + K+ l, adalah kecl, terval keercayaa smulta daat dkembagka mead lebh edek (lebh teat) dar ada terval-t smulta. Metode alteratf utuk erbadga bergada damaka Metode Boferro, karea dkembagka dar kemugka yag membawa ama ketdaksamaa tersebut. Adakata, sebelum ke kumula data, eryataa keercayaa megea kombas ler m yatu l, l, K, l m adalah yag dharuska. Msalka C otas dar eryataa keercayaa megea la dar P C bear α,,, K, m. l dega

37 [ ] P semua C bear P alg sedkt satu C salah m ( ) ( ) P ( C bear) P C salah ( α α K α ) m m (3-) Ketdaksamaa (3-), kasus khusus dar ketdaksamaa Boferro, memeuh emerksaa utuk megotrol keseluruha la kesalaha α + α + K + αm, taa memerhatka struktur korelas d belakag eryataa keercayaa. Hal uga fleksbel dalam megotrol la kesalaha utuk kelomok dar eryataa etg da sembag dega lha la utuk eryataa etg yag kurag. Msalka kta kembagka estmas terval keercayaa utuk hmua terbatas yag terdr dar komoe dar. Tak cuku formas dalam keetga yag relatve dar komoe, kta memertmbagka terval t-tuggal α s ± t,,, K, m dega α α. Karea m ( α ) s P t memuat α ±,,,, m m K, kta eroleh dar ersamaa m (3-) α s α α α P ± t memuat, semua m L 4 m m m (3-) α betuk m Utuk tu, dega keseluruha tgkat keercayaa lebh besar dar atau sama dega α, kta daat membuat eryataa m : α s α s t + t α s α s t + t M M M α s α s t + t (3-3)

38 Peryataa dalam ketdaksamaa (3-3) daat dbadgka dega ketdaksamaa dalam (3-8). Nla ersetase t α ( ) sebalkya tervalya mash dalam struktur yag sama. meggatka ( ) F ( α ) / ( ) 3.5. Iferes Vektor Mea Poulas Utuk Samel Besar, ta, Ketka ukura samel besar, egua hotess da daerah keercayaa utuk daat dkostruks taa aggaa ormaltas. Utuk umlah besar, kta daat membuat taksra tetag rata-rata oulas mesku dstrbus awalya adalah dskrt. Keutuga berasosas dega samle besar yatu kemugka kehlaga formas dar statstc cuku da S adalah kecl. Sela tu, da S yag meruaka statstc cuku utuk oulas ormal adalah hal yag medasar oulas ormal multvarate, dmaa formas tersebut aka dguaka utuk membuat taksra. Peaksra utuk samle besar adalah medekat dstrbus χ. Sebagamaa kta tahu dar bab sebelumya bahwa ( ) ( S / ) ( ) ( ) S ( ) medekat dstrbus χ dega deraat kebebasa adalah, maka P [ ( ) S ( ) χ ( α)] α Msalka,,..., adalah samle acak dar oulas dega mea da kovaras Σ. Jka - besar, hotess H : dtolak dega alteratve H : ada taraf sgfkas α ka ( ) S ( ) χ ( α) > Msalka,,..., adalah samle acak dar oulas dega mea da deft ostf kovaras Σ. Jka - besar, maka l ± χ ( α) ( l Sl / ) Dmaa seta l memuat l dega robabltas - α. Akbatya kta daat membuat terval kofdes (-α )%

39 s ± χ (α memuat ) s ± χ (α memuat )... s ± χ ( α memuat ) Oleh : Syfa Isa (66) 3.6 Peaksr Vektor Mea Ketka Beberaa Vektor Iferes Hlag Serg kal beberaa komoe dar vektor observas tdak ada. Maka dalam meyelesaka masalah tersebut dega megguaka tekk EM algorthm, dseta teras memlk dua lagkah yak : Predks Estmas Megguaka statstka cuku utuk estmas arameter Msal,,, adalah samel acak beroulas ormal varate (, ). Algortma redks da estmas berdasar ada statstka cuku sebaga berkut: T Σ T Σ ( ) S +

40 Lagkah Predks : Utuk seta () adalah komoe vektor yag hlag, da () adalah komoe Σ vektor yag ada. Utuk eduga da dar lagkah estmas dguaka mea dstrbus bersyarat () da dberka () utuk meduga la yag hlag. Sehgga: () ( E( ;, Σ) () ) () ( () () + Σ Σ ) Meduga kotrbus () utuk T : () () () () ( ) E( ;, Σ) Σ Σ Σ Σ + () () () () () () () E( ;, Σ) ( ) () Meduga kotrbus () utuk T : Kotrbus ertama dumlahka utuk seta dega komoe hlag. Hasl dgabug dega data samel meghaslka T da T. Lagkah estmas: Dhtug eduga maksmum lkelhood terevs: Cotoh 5.7 halama 4 Estmaslah oulas ormal dega mea da Σvaras, hmua dataya sebaga berkut: T Σ T

41 (3,4) Jawab: Deroleh rata-rata samel adalah : kemuda substuska rata-rata tersebut ke la yag hlag, sehgga deroleh estmas terhada varas, yatu : Lagkah ertama adalah Predks, dalam memredks la yag hlag kta megguaka estmas terhada da, dsubstuska Σ ke statstka cuku T da T. Komoe yag hlag, darts sehgga: 3 () () Σ dduga () () ( () + Σ Σ ) 6 +, Σ Σ Σ (5.73)

42 Utuk data hlag ada komoe ke 4, darts sebaga: Dduga : Kotrbus terhada T : [ ] [ ] ] [,7,8 5.73,3 ], [, 3 3 () () 3 Σ Σ, 5; E ) ( 3 34 Σ + Σ ) ( Σ, 5; E [ ] ] 4 3 [, Σ, 5; ) ( E ) ( (5)

43 Peduga Statststka cuku: T Selautya adalah lagkah estmas, dega megguaka maksmum lkelhood terevs sebaga berkut: T T Σ T [ ] Terlhat da lebh besar dar estmas ertama observas yag hlag. Sedagka 33.5sama dega estmas awal. Dar hasl tersebut, kta harus melakuka Σ teras yag sama sama eleme eleme da sama da tdak dgat. Estmas da berakhr ketka : Σ ( ˆ ) Σˆ ( ˆ ) χ ( α) memeuh dega keercayaa elsode (- α )%.

44 BAB IV PENUTUP 4. Kesmula ) Dar aalss da erhtuga yag telah dlakuka ada stud kasus daat dtuukka [ 3, 7,] meruaka suatu la lausble utuk. Dega kata la vektor rata-rata oulas multvarat aka selalu kosste dega data yag dmlk. ) Pegua hotess dega megguaka rumus erhtuga T yag berbetuk T S ( ) ( ) ( ) S ( ) mauu 3) Daat kta lhat dar eryataa smulta d atas bahwa komoe dar melod, temo da meter tdak terbukt sebaga la yag mugk utuk la akhr ratarata.(dega deraat kebebasa 9%, la yag kta tetaka teat dega erhtuga atau tdak) 4. Sara berkut: Agar kesalaha daat termmalka maka eyusu member sara sebaga a. Perguakalah software yag memada dalam melakuka egua hotess terutama dalam erhtuga erkala matrksya. Software yag eyusu saraka utuk meghtug erkala matrks adalah Math Lab. b. Derluka kehat-hata dalam melakuka eguta karea sergkal terad ketdakcocoka hasl erhtuga yag dsebabka kekelrua memasuka data.

45 DAFTAR PUSTAKA Johso, Rchard A. ad Dea W. Wcher. Thrd Edto. Aled Multvarate Statstcal Aalyss. New Jersey: Pretce Hall, Eglewood Clffs. Suryato, Dr Metode Statstka Multvarat. Jakarta: Dearteme Peddka da Kebudayaa.

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari: 5 Mamum Lkelhood Estmato Defs Fugs Lkelhood Msalka X, X,, X adalah eubah acak d dega fugs massa eluag ( ; θ, dega θ dasumska skalar da tdak dketahu, maka rosedur fugs lkelhood daat dtulska sebaga berkut

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

BAB III ESTIMASI MODEL PROBIT TERURUT BAB III ESTIMASI MODEL PROBIT TERURUT 3. Pedahulua Model eurua kods embata destmas dega model robt terurut. Estmas terhada arameter model robt terurut yatu koefse model da threshold dlakuka dega metode

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA Ruag Baach Sumaag Muhtar Gozal UNIVERSITAS PENDIDIKAN INDONESIA Satu kose etg d kulah Aalss ugsoal adalah teor ruag Baach. Pada baga aka drevu defs, cotoh-cotoh, serta sfat-sfat etg ruag Baach. Kta aka

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

Proses inferensi pada model logit Agus Rusgiyono. Abstracts Proses eres ada model logt Agus Rusgoo Let dstrbuto wth Abstracts 3 rereset the resose o a omal radom varable o Beroull P P where s a arameter wth ukow value. Problems o estmatg used smallest square methods

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Dalam pemodela program ler, semua parameter yag dguaka dalam model dasumska dapat dketahu secara past. Parameter-parameter terdr dar koefse batasa ( ) a, la kuattas batasa

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Mayag Novhta Sar *, Bustam, Sgt Sugarto Mahasswa Program Stud S Matematka FMIPA Uverstas Rau Dose Fakultas

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL Rzky Maulaa Nugraha Tekk Iformatka Isttut Tekolog Badug Blok Sumurwed I RT/RW 4/, Haurgeuls, Idramayu, 4564 e-mal: laa_cfre@yahoo.com ABSTRAK

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

BAB II KAJIAN LITERATUR

BAB II KAJIAN LITERATUR BAB II Kaja Lteratur 4 BAB II KAJIAN LITERATUR. Jarak Mahalaobs Megut artkel tetag jarak Mahalaobs dar htt://e.wkeda.org ada 8 Maret 008, jarak Mahalaobs adalah ukura jarak yag derkealka oleh Prasata Chadra

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan

BAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai dasar-dasar teori yang akan BAB II LANDASAN TEORI Pada bab aka dbahas megea dasar-dasar teor ag aka dguaka dalam eulsa skrs, atu megea data hrark, model regres -level, model logstk, estmas arameter model logstk, uj sgfkas arameter

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR SEDERHANA UNTUK RATA-RATA POPULASI MENGGUNAKANKARAKTER TAMBAHAN PENAKIR RAIO REGREI LINEAR EDERHANA UNTUK RATA-RATA POPULAI MENGGUNAKANKARAKTER TAMBAHAN Astar Rahmadta *, Harso, Haosa rat Mahasswa Program tud Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode BAB II ANDASAN TEORI. Regres Noparametrk Metode statstka oparametrk merupaka metode statstka ag dapat dguaka dega megabaka asums-asums ag meladas pegguaa metode statstk parametrk. Terutama ag berkata dega

Lebih terperinci

Bab II Teori Pendukung

Bab II Teori Pendukung Bab II Teor Pedukug.. asar Statstka Utuk keperlua peaksra outstadg clams lablty, pegetahua dalam statstka mead hal yag petg. asar statstka yag dguaka dalam tess atara la :. strbus ormal Sebuah peubah acak

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK

RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA. Haposan Sirait 1, Usman Malik 2 ABSTRAK Relatf Efses Peaksr Mome Terhada Peaksr Maksmum Lkelhood RELATIF EFISIENSI PENAKSIR MOMEN TERHADAP PENAKSIR MAKSIMUM LIKELIHOOD UNTUK PARAMATER BERDISTRIBUSI SEGITIGA Haosa Srat, Usma Malk ABSTRAK Makalah

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE. Prosdg Semar Nasoal Alkas Sas & Tekolog (SNAST) Yogakarta, 6 November 6 ISSN : 979 9X eissn : 54 58X ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE Noerat, Rka Herda,, Jurusa Statstka,

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

Lebih terperinci

DISTRIBUSI NORMAL MULTIVARIAT

DISTRIBUSI NORMAL MULTIVARIAT DISTRIBUSI NORMAL MULTIVARIAT 4.6 Meaksr Asums-asums Keormala Paa embahasa tekk-tekk statstk multvarat, aka bayak asumska bahwa seta vektor observas X berstrbus ormal multvarat. Dketahu ula aa saat ukura

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance

Penaksiran Parameter Model Regresi Polinomial Berkson Menggunakan Metode Minimum Distance Peaksra Parameter Model Regres Polomal Berkso Megguaka Metode Mmum Dstace Da Kurawat Dearteme Matematka, FMIPA UI, Kamus UI Deok 16 da61@gmal.com Abstrak Berkso Measuremet Error Model meruaka model regres

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi. Mea utuk Data Tuggal Des. Jka suatu sampel berukura dega aggota x1, x, x3,, x, maka mea sampel ddesska : 1... N 1 Mea utuk Data Kelompok Des Mea dar data yag dkelompoka adalah : x x 1 1 1 dega : x = ttk

Lebih terperinci

π ( ) menyatakan peluang bahwa

π ( ) menyatakan peluang bahwa GRF RN SNY D SSTE ERSN CHN- OOGOROV u Nugrahe Jurusa eddka atematka F Uverstas uhammadyah uroreo Jala H.. Dahla uroreo e-mal: u_r@telkom.et bstrak Tuua dar eulsa adalah megetahu kostruks betuk graf alra

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

PEMBENTUKAN MODEL PROBIT BIVARIAT

PEMBENTUKAN MODEL PROBIT BIVARIAT PEMBENTUKAN MODEL PROBIT BIVARIAT SKRIPSI Dsusu Oleh : Yudh Cadra JE 003 66 PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS DIPONEGORO SEMARANG 009

Lebih terperinci

BAB III TEOREMA GLEASON DAN t-desain

BAB III TEOREMA GLEASON DAN t-desain BAB III TEOREMA GLEASON DAN t-desain Dalam ubbab 3., kta aka mempelaar alah atu fat petg dar kode wa-dual geap. Sfat terebut dberka oleh Teorema 3.(Teorema Gleao), Teorema ecara megeaka telah meetuka betuk

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TORI. Regres Ler ederhaa Dalam beberapa masalah terdapat dua atau lebh varabel yag hubugaya tdak dapat dpsahka, da hal tersebut basaya dseldk sfat hubugaya. Aalss regres adalah sebuah tekk

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4. Deskrps Peelta Berdasarka hasl peelta, d peroleh data megea kemempua sswa melakuka smash sebelum da sesudah latha power otot lega adalah sebaga berkut : Tabel.

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

BAB 5 HASIL DAN PEMBAHASAN 3 BAB 5 HASIL DAN PEMBAHASAN Dalam baga hasl da embahasa aka dtamlka roses aalss da egolaha data, dalam betuk deskrtf, tabel-tabel yag dguaka, gambar-gambar beserta hasl da embahasaya. Dega memerhatka

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

Lebih terperinci

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS Prosdg SPMIPA. pp. 6-69. 6 ISBN : 979.74.47. PENENUAN MODEL KURVA PERUMBUHAN PADA ULANG RAMUS Sudaro Jurusa Matematka FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP embalag, Semarag Abstrak: Model kurva

Lebih terperinci

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri

Mengubah bahan baku menjadi produk yang lebih bernilai melalui sintesis kimia banyak dilakukan di industri Megubah baha baku mead produk yag lebh berla melalu stess kma bayak dlakuka d dustr Asam sulfat, ammoa, etlea, proplea, asam fosfat, klor, asam trat, urea, bezea, metaol, etaol, da etle glkol Serat/beag,

Lebih terperinci

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF KELOMPOK A I GUSTI BAGUS HADI WIDHINUGRAHA (0860500) NI PUTU SINTYA DEWI (0860507) LUH GEDE PUTRI SUARDANI (0860508) I PUTU INDRA MAHENDRA PRIYADI (0860500)

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

XI. ANALISIS REGRESI KORELASI

XI. ANALISIS REGRESI KORELASI I ANALISIS REGRESI KORELASI Aalss regres mempelajar betuk hubuga atara satu atau lebh peubah bebas dega satu peubah tak bebas dalam peelta peubah bebas basaya peubah yag dtetuka oelh peelt secara bebas

Lebih terperinci

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini

PENDUGAAN BERBASIS MODEL UNTUK KASUS BINER PADA SMALL AREA ESTIMATION. Kismiantini PENDUGAAN BERBASIS MODEL UNUK KASUS BINER PADA SMALL AREA ESIMAION Ksmat Jurusa Peddka Matematka, Uverstas Neger Yogyakarta Karagmalag, Yogyakarta 558, Idoesa e-mal : ksm_uy@yahoo.com ABSRAK Small Area

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

Bab II Teori Dasar. Data spasial adalah data yang memuat informasi lokasi. Misalkan z( ), i = 1,

Bab II Teori Dasar. Data spasial adalah data yang memuat informasi lokasi. Misalkan z( ), i = 1, Bab II Teor Dasar II. Estmas Spasal Data spasal adalah data yag memuat formas lokas. Msalka z, =, s,,, s D, adalah data observas peubah acak d lokas atau koordat yag dyataka dega vektor s. Vektor koordat

Lebih terperinci

Sampel dan Distribusi Sampling

Sampel dan Distribusi Sampling P Modul Sampel da Dstrbus Samplg PENDAHULUAN Prof. Dr. Zazaw Soejoet ada modul pertama, aka dpelajar terlebh dahulu megea sampel da sfat-sfatya serta samplg-ya. Mater sebearya telah bayak dsajka pada mata

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

Lebih terperinci