Modul 13 Ukuran Sampel
|
|
- Hamdani Sumadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Modul 13 Ukuran Sampel Daftar Isi 13.1 Tujuan Pembelajaran Prinsip Penghitungan Besar Sampel Ukuran Sampel untuk Uji Mean Ukuran Sampel untuk Uji dua Mean Ukuran Sampel untuk Uji Proporsi Ukuran Sampel untuk Uji RR dan OR Latihan Tujuan Pembelajaran Setelah selesai melakukan pembelajaran pada bagian ini, mahasiswa diharapkan dapat: 1. Menjelaskan prinsip penghitungan besar sampel 2. Menghitung ukuran sampel dengan diberikan outcome yang menjadi perhatian dan asumsi tertentu 13.2 Prinsip Penghitungan Besar Sampel Suatu penelitian bidang ilmu kesehatan atau epidemiologi dimulai dari desain penelitian yang salah satunya adalah penentuan ukuran sampel yang diperlukan dalam studi. Sampel yang berukuran sangat besar mungkin akan menghasilkan kesimpulan yang signifikan secara statistik, namun mungkin tidak signifikan secara substansi maupun praktek. Selain itu, penelitian ddengan sampel sangat besar akan menghabiskan banyak biaya dan tenaga. 1
2 13.2. Prinsip Penghitungan Besar Sampel 2 Tabel 13.1: Kesalahan Tipe I dan Tipe II Keputusan Uji Kenyataan H 0 benar H 0 salah H 0 tidak ditolak benar salah (Tipe II) H 0 ditolak salah (Tipe I) benar Sebaliknya penelitian dengan sampel yang terlalu sedikit akan berakhir tanpa ada kesimpulan, atau tidak memberikan hasil yang signifikan secara statistik, meskipun sebenarnya penting secara substansi. Oleh karena itu penghitungan besar sampel, dengan diberikan syarat dan asumsi tertentu, memegang peranan penting dalam penelitian di bidang kesehatan dan epidemiologi. Tujuan utama penghitungan sampel adalah untuk verifikasi bahwa data yang akan dikumpulkan akan cukup berguna dalam menjawab pertanyaan penelitian. Perhitungan sampel dapat ditentukan berdasarkan presisi (precision analysis) dan berdasarkan power (power analysis). Keduanya dilakukan dengan cara mengendalikan Kesalahan Tipe I dan Kesalahan Tipe II dalam uji hipotesis suatu parameter tertentu. Pengertian dua kesalahan tersebut dapat dilihat pada Tabel Lebih lanjut kesalahan tersebut dinyatakan dalam probabilitas α, β dan power = 1 β sebagai berikut α = P(Kesalahan Tipe I) = P(H 0 ditolak H 0 benar) (13.1) β = P(Kesalahan Tipe II) = P(H 0 tidak ditolak H 0 salah) (13.2) Power = 1 β = P(H 0 ditolak H 0 salah) (13.3) Perhitungan sampel berdasarkan presisi biasanya digunakan dalam aurvei, misalnya survei prevalensi suatu penyakit tertentu atau suatu status kesehatan tertentu. Presisi adalah setengah dari lebar interval konfidensi, untuk semua bentuk interval konfidensi yang berdasarkan pada distribusi yang simetrik seperti misalnya distribusi Normal dan distribusi t. Perhitungan sampel berdasarkan power memerlukan kuantitas effect size δ, yaitu selisih minimal antara nilai parameter di bawah H 0 dengan parameter di bawah H 1 yang masih dianggap penting secara substansial. Misalnya, untuk uji dua mean µ 1 dan µ 2, effect size adalah δ = µ 1 µ 2. Secara umum besar ukuran sampel ditentukan oleh faktor-faktor berikut: 1. Ukuran sampel akan membesar jika standar deviasi (variansi) membesar
3 13.3. Ukuran Sampel untuk Uji Mean 3 2. Ukuran sampel akan membesar jika α mengecil 3. Ukuran sampel akan membesar jika power= 1 β membesar 4. Ukuran sampel akan membesar jika presisi dan effect size mengecil Formulasi penghitungan ukuran sampel ditentukan oleh uji statistik yang digunakan. Pada dasarnya dari setiap uji statistik dapat diturunkan formulasi untuk penghitungan ukuran sampel. Dalam modul ini akan dibahas beberapa rumus penghitungan besar sampel untuk beberapa uji tertentu. Formulasi untuk permasalahan ukuran sampel yang lebih general, berdasarkan rancangan studi tertentu, dan statistik uji tertentu yang lebih lengkap akan dibahas dalam kuliah Biostatistika dan Epidemiologi II Ukuran Sampel untuk Uji Mean Berdasarkan analisis presisi, ukuran sampel n ditentukan berdasarkan interval konfidensi untuk mean µ dan presisi E, yaitu setengah lebar interval konfidensi. interval konfidensi untuk µ ditentukan dengan formulasi X ±Z α/2 σ n (13.4) dengan X adalah mean sampel, Z α/2 adalah nilai batas Z normal standar untuk probabilitas ekor α/2 atau kuantil ke-1 α/2 dan σ adalah deviasi standar. Presisi dalam metode ini sama dengan setengah lebar interval konfidensi, atau E = Z α/2 σ n, (13.5) sehingga diperoleh ukuran sampel n = Z2 α/2 σ2 E 2. (13.6) Dalam metode ini, formulasi untuk n diturunkan berdasarkan Kesalahan Tipe I saja (α). Penghitungan ukuran sampel berdasarkan analisis power memerlukan baik Kesalahan Tipe I maupun Kesalahan Tipe II dan biasanya digunakan untuk permasalahan inferensi terkait uji hipotesis. Misalkan akan dihitung besar sampel untuk uji hipotesis sebagai berikut: dengan α = 0,05 dan statistik uji H 0 : µ = µ 0 H 1 : µ > µ 0 Z = X µ 0 σ/ n. (13.7)
4 13.3. Ukuran Sampel untuk Uji Mean 4 Apabila nilai parameter di bawah H 0 dinotasikan µ 0, di bawah H 1 dinotasikan µ 1, maka effect size uji ini adalah selisih antara µ 0 dengan µ 1. Power suatu uji merupakan fungsi dari n dan effect size dan α sehingga dari situ dapat diturunkan formulasi untuk menghitung ukuran sampel n. power = P(Z > Z α H 0 salah) = P(Z > Z α H 1 benar) = P(Z > Z α µ = µ 1 ). (13.8) Di bawahh 0, bila nilaiz ditransformasikan kembali ke X berdasarkan statistik uji (13.7) akan diperoleh X = Z α σ n +µ 0 (13.9) yang apabila dimasukkan ke (13.8) diperoleh power = P( X > Z α σ n +µ 0 µ = µ 1 ). (13.10) Nilai X ditransformasikan ke Z kembali di bawah asumsi H 1, menjadi power = P(Z > Z α σ n +µ 0 µ 1 σ/ ) n = P(Z > Z α + µ 0 µ 1 σ/ ). (13.11) n Karena sifat simetri distribusi Normal yang mana P(Z > z) = P(Z < z), sehingga yang ekivalen dengan diselesaikan ke n diperoleh power = P(Z < µ 1 µ 0 σ/ n Z α) (13.12) Z β = µ 1 µ 0 σ/ n Z α (13.13) n = (Z β +Z α ) 2 σ 2 (µ 1 µ 0 ) 2 (13.14) Untuk uji dua sisi, penghitungan besar sampel sama seperti formula (13.14), dengan Z α digantikan Z α /2. Rumus ini juga berlaku untuk uji satu sisi dengan H 1 : µ < µ 0.
5 13.4. Ukuran Sampel untuk Uji dua Mean 5 Contoh 13.1 Dalam suatu penelitian tentang CVD (Cardiovascular Disease) diketahui mean kadar kolesterol dari penelitian sebelumnya adalah 175 mg/dl dengan deviasi standar 50 mg/dl. Berapa ukuran sampel yang diperlukan untuk mendeteksi perbedaan kolesterol sebesar 15mg/dL, dua sisi, dengan α = 5% dan Power 90%? Jawab: Diketahui power = 1 β = 0,9, atau β = 0,1; effect size µ 1 µ 0 = 15; σ = 50; dan α = 0,05; diperoleh sampel berukuran n = (Z α/2 +Z β ) 2 σ 2 (µ 1 µ 0 ) 2 = (1,96+1,28) = 116, Ukuran Sampel untuk Uji dua Mean Uji dua mean biasanya digunakan untuk membandingkan untuk melihat apakah ada perbedaan antar dua mean dari dua kelompok sampel. Apabila mean kelompok sampel pertama adalah µ 1 dan mean sampel kelompok kedua adalah µ 2, kuantitas yang menjadi perhatian adalah µ 1 µ 2 = δ. Diasumsikan variansi yang sama untuk kedua kelompok yaitu σ 2. Ukuran sampel untuk kedua kelompok dinotasikan sebagai n 1 dan n 2, total sampel n = n 1 +n 2 dan rasio alokasi sampel r = n 1 /n 2. Uji hipotesis untuk perbandingan dua mean ditentukan sebagai berikut H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 = δ dengan δ < 0 atau δ > 0 untuk uji satu sisi, dan δ 0 untuk ujia dua sisi. Formulasi ukuran sampel dapat diturunkan seperti pada bagian 13.3 menggunakan metode power dan dapat diperoleh n = (r +1)2 (Z α +Z β ) 2 σ 2 δ 2 r (13.15) untuk uji satu sisi. Untuk uji dua sisi, Z α diganti dengan Z α /2 pada formula (13.15) di atas Ukuran Sampel untuk Uji Proporsi Untuk keperluan penelitian seperti survei prevalensi, rumusan ukuran sampel proporsi dapat diturunkan menggunakan presisi seperti pada bagian Interval konfidensi (1
6 13.5. Ukuran Sampel untuk Uji Proporsi 6 α) untuk proporsi π dengan pendekatan Normal adalah P ±Z α/2 π(1 π) n (13.16) dengan P adalah estimasi untuk parameter proporsi π. Dengan diberikan presisi E, yaitu setengah lebar interval konfidensi di atas, dapat diturunkan formula untuk besar sampel sebagai berikut n = Z α/ 2P(1 P) E 2 (13.17) Contoh 13.2 Dinas kesehatan di suatu daerah ingin melakukan pendugaan terhadap prevalensi tuberkulosis pada anak-anak di bawah 5 tahun di daerahnya. Berapa anak yang harus dimasukkan dalam sampel, sehingga angka prevalensi dapat diduga dalam jarak 5% di atas dan di bawah prevalensi yang sesungguhnya dengan tingkat keyakinan 95%, jika diasumsikan Proporsi yang sebenarnya adalah 20%? Jawab: Perkiraan besar proporsi P = 20%, dengan α = 0,05 dan presisi E = 0,05. Menggunakan rumus penghitungan n berdasarkan presisi diperoleh: n = Z α/ 2P(1 P) E 2 = 1,962 (0,2)(0,8) 0,05 2 = 245, Untuk permasalahan uji hipotesis proporsi, ukuran sampel dapat diturunkan menggunakan pendekatan power uji. Hipotesis untuk uji proporsi adalah sebagai berikut H 0 : π = π 0 H 1 : π = π 0 +δ = π 1 denganπadalah proporsi parameter yang dianggap benar,π 0 adalah asumsi nilai proporsi; δ < 0 atau δ > 0 untuk uji satu sisi, dan δ 0 untuk ujia dua sisi. Formulasi ukuran sampel dapat diturunkan seperti pada bagian 13.3 menggunakan metode power dan dapat diperoleh n = 1 ] [Z δ 2 α π0 (1 π 0 )+Z β π1 (1 π 1 ). (13.18) Untuk uji dua sisi, rumus yang digunakan sama namun dengan Z α diganti Z α /2.
7 13.6. Ukuran Sampel untuk Uji RR dan OR Ukuran Sampel untuk Uji RR dan OR Uji terkait risiko relatif (RR) dan odds ratio (OR) pada prinsipnya adalah uji proporsi (probabilitas) dua populasi, namun dinyatakan sebagai rasio (multiplikatif) bukan sebagai selisih (aditif). Hipotesis untuk risiko relatif adalah sbb.: H 0 : π 1 = π 2 H 1 : π 1 /π 2 = λ, dengan π 1 adalah probabilitas pada grup 1, dan π 2 adalah probabilitas pada grup 2, yang pada pernyataan di atas grup 2 adalah grup referensi (pembanding), yaitu sebagai penyebut (denominator) pada RR. Untuk uji satu sisi λ < 1 atau λ > 1, sedangkan untuk uji dua sisi λ 1. Penghitungan ukuran sampel berdasarkan RR ini hanya tepat untuk rancangan studi cohort, cross-sectional atau intervention. Studi case-control seperti telah dipelajari pada Modul 2 dan Modul 4, dirancang berdasarkan sampling yang berbeda dan penghitungan sampelnya akan lebih tepat jika diturunkan berdasarkan OR. Menggunakan pendekatan power uji, dengan rasio alokasi sampel r = n 1 /n 2, total sampel yang diperlukan adalah r+1 [ ] 2, n = r(λ 1) 2 π 2 Z α (r +1)pc (1 pc)+z β λπ(1 λπ)+rπ(1 π) (13.19) dengan π = π 2 adalah proporsi pada grup referensi dan p c adalah proporsi bersama (gabungan) dari kedua grup, yang diestimasi sbb.: p c = π(rλ+1). (13.20) r +1 Bila r = 1, yaitu kedua grup mempunyuai ukuran sampel yang sama, p c = π(rλ+1) 2 = π 1 +π 2. (13.21) 2 Untuk uji dua sisi, Z α diganti Z α/2 pada rumus (13.19). Dalam penghitungan sampel (13.19),nbergantung pada π 2, yaitu probabilitas dalam grup referensi. Kuantitas ini dapat diestimasi dari studi sejenis yang pernah dilakukan, pilot study, maupun asumsi. Dalam desain case-control, uji seperti di atas tidak dapat langsung diturunkan untuk mendapatkan formulasi n karena π 1 dan π 2 tidak dapat diestimasi. π 1 = P(D+ E+) π 2 = P(D+ E ) adalah probabilitas sakit (atau dapat berupa outcome yang lain yang menjadi perhatian), jika diketahui individu mendapatkan ekspos E+ (untuk π 1 ) atau non-ekspos E (untuk
8 13.6. Ukuran Sampel untuk Uji RR dan OR 8 π 2 ). Dalam desain case-control yang dapat diestimasi adalah φ 1 = P(E+ D+) = P(E+ Case) φ 2 = P(E+ D ) = P(E+ Control), yaitu sebagai variabel dependennya adalah eksposure bukan penyakit, karena proses sampling yang diawali dari pemilihan kasus (case) dan kontrol (control) terlebih dahulu. Rasio yang dapat dihitung adalah λ = φ 1 /φ 2. (13.22) Namun, dengan menggunakan teorema Bayes dapat diperoleh φ 1 dari π 1 dan π 2 sebagai berikut φ 1 = λp 1+(λ 1)P (13.23) dengan P = P(E+) adalah prevalensi dari kelompok ekspos. Nilaiφ 2 didekati oleh P sehingga dapat diperoleh φ 2 P (13.24) λ = φ 1 /φ 2 λp = 1+(λ 1)P 1 P λ = 1+(λ 1)P (13.25) Formula untuk n desain case-control untuk uji satu sisi diberikan sebagai berikut [ (r +1)(1+(λ 1)P)2 n = rp 2 (1 P) 2 (λ 1) 2 Z α (r +1)p c (1 p c) ] 2 λp(1 P) +Z β [1+(λ 1)P] 2 +rp(1 P), (13.26) dengan p c = P ( ) rλ r+1 1+(λ 1)P +1. (13.27) Untuk uji dua sisi, z α diganti z α /2.
9 13.7. Latihan Latihan Jelaskan (turunkan secara matematis) formulasin untuk rumus (13.17) dan (13.18) Seorang peneliti ingin mengetahui hubungan antara obat diuretics (obat untuk melancarkan buang air kecil) dan kasus terjatuh pada manula. Hal ini karena diuretics dipercaya juga akan menurunkan tekanan darah. Dalam studi ini peneliti merencanakan untuk mengambil sampel pada apotik-apotik dan menanyai para manula apakah mereka pernah terjatuh dalam setahun dalam periode mereka mendapatkan dierutics. Variabel yang menjadi perhatian adalah, apakah mereka minum diuretics dan apakah mereka pernah terjatuh yang agak parah, jawabannya berupa ya/tidak. Kesemuanya ada 2000 subyek. (a) Diperkirakan 1/3 dari para manula yang tidak minum diuretics akan mengalami kasus jatuh yang parah dalam setahun. Uji statistik apa yang tepat untuk permasalahan ini, kemudian hitunglah power uji ini, mengasumsikan ukuran sampel yang sama dari tiap kelompok, untuk mendeteksi resiko terjatuh lebih tinggi 1,2 kalinya pada manula yang minum diuretics (uji dua sisi, α = 5%) (b) Permasalahan apa yang mungkin terjadi pada desain penelitian seperti di atas, jika ada? (c) Alternatif desain studi apa yang dapat dilakukan pada masalah penelitian ini, jika ada?
10 Bibliografi Armitage, P. and Colton, T. (1998). Encyclopedia of Biostatistics, John Wiley and Sons, Inc. Chow, S. C. (2000). Encyclopedia of Biopharmaceutical Statistics., John Wiley and Sons, Inc. Hofacker, C, F. (1983). Abuse of statistical packages: the case of the general linear model, Am J Physiol Regul Integr Comp Physiol 245: R299 R302. Kleinbaum, D. G., Kupper, L. L. and Morgenstern, H. (1982). Epidemiologic Research: Principles and Quantitative Methods., Wadsworth, Inc. Last, J. (1995). A Dictionary of Epidemiology, 3rd edn., Oxford University Press. Le, C. T. (2003). Introductory Biostatistics, John Wiley and Sons, Inc. 10
Rencana Program dan Kegiatan Pembelajaran Semester BIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411) oleh: Dr. Danardono, MPH.
Rencana Program dan Kegiatan Pembelajaran Semester BIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411) oleh: Dr. Danardono, MPH. PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinci2-RP. Penguasaan Pengetahuan. Kemampuan. kerja. Kemampuan. Manajerial. Sikap dan Tata Nilai 5-PBS 1-CP 2-RP 3-RE
RP-S1-SLK-02 Kurikulum 2014, Edisi : September-2014.Revisi : 00 Hal: 1 dari 7 A. CAPAIAN PEMBELAJARAN (Learning outcome) : CP 5.1 : Menganalisis data di bidang kedokteran/kesehatan, pertanian/perikanan/kelautan
Lebih terperinciMA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Lebih terperinciAMIYELLA ENDISTA. Website :
AMIYELLA ENDISTA Email : amiyella.endista@yahoo.com Website : www.berandakami.wordpress.com Populasi adalah seluruh unit/ subyek yang diteliti. Subyek/unit berupa individu, keluarga, puskesmas, RS, buku
Lebih terperinciBIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411)
BAHAN AJAR BIOSTATISTIKA DAN EPIDEMIOLOGI (MMS-4411) Disusun oleh: Dr. Danardono, MPH. PROGRAM STUDI STATISTIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS GADJAH MADA
Lebih terperinciMenghitung Besar Sampel Kasus Kontrol dan Eksperimen
Menghitung Besar Sampel Kasus Kontrol dan Eksperimen Sri Poedji Hastoety Djaiman Badan Litbangkes-Kemenkes RI Sumber utama: dr. Iwan Ariawan, MSc.PH FKM-UI Populasi Populasi adalah keseluruhan subyek penelitian
Lebih terperinciALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL
ALGORITMA PENENTUAN UKURAN SAMPEL EKSAK UNTUK DISTRIBUSI NORMAL, DISTRIBUSI POISSON DAN DUA DISTRIBUSI BINOMIAL DALAM MODEL KELUARGA EKSPONENSIAL 1) Program Studi Matematika Universitas Ahmad Dahlan dian@math.uad.ac.id
Lebih terperinciBiostatistika (KUI 611) TOPIK 3: VARIABEL RANDOM & DISTRIBUSI PROBABILITAS
Biostatistika (KUI 611) TOPIK 3: VARIABEL RANDOM & DISTRIBUSI PROBABILITAS 1 Probabilitas Perlunya pengetahuan tentang probabilitas dalam Biostatistik Pengertian probabilitas, variabel random dan distribusi
Lebih terperinciPEMODELAN KUALITAS PROSES
TOPIK 6 PEMODELAN KUALITAS PROSES LD/SEM II-03/04 1 1. KERANGKA DASAR Sampling Penerimaan Proses Produksi Pengendalian Proses MATERIAL PRODUK PRODUK BAIK SUPPLIER Manufacturing Manufacturing KONSUMEN PRODUK
Lebih terperinciStatistika (MMS-1403)
Statistika (MMS-1403) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang
Lebih terperinciPENGUJIAN HIPOTESIS 1
PENGUJIAN HIPOTESIS 1 Pengertian Pengujian Hipotesis From: BAHASA YUNANI HUPO THESIS Lemah, kurang, di bawah Teori, proposisi, atau pernyataan yang disajikan sebagai bukti Hipotesis suatu pernyataan yang
Lebih terperinciKontrak Kuliah Metode Statistika 2
Kontrak Kuliah Metode Statistika 2 Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Deskripsi Mata Kuliah Nama Mata Kuliah : Metode Statistika 2 Semester/SKS : I / 3 SKS Kompetensi
Lebih terperinciBESAR SAMPEL. Saptawati Bardosono
BESAR SAMPEL Saptawati Bardosono Mengapa perlu menentukan besar sampel? Tujuan utama penelitian: Estimasi nilai tertentu pada populasi (rerata, total, rasio), misal: Mengetahui proporsi penyakit ISPA pada
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 terperinciDalam estimasi, uji hipotesis adalah prosedur dalam membuat inferensi tentang populasi 11.2
Dalam estimasi, uji hipotesis adalah prosedur dalam membuat inferensi tentang populasi 11.2 Meneliti apakah daya kritis dan kepercayaan diri mahasiswa berpengaruh terhadap IP mahasiswa? Dapatkan anda
Lebih terperinciBAB VI DISTRIBUSI PROBABILITAS MENERUS
BAB VI DISTRIBUSI ROBABILITAS MENERUS 6. Distribusi Uniform (seragam) Menerus Distribusi seragam menerus merupakan distribusi yang paling sederhana. Karaketristik distribusi ini adalah fungsi kepadatannya
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Kontrak Perkuliahan Pertemuan & Materi RPKPS Penilaian Tugas, short quiz (30%) Quiz 1 & 2 (40%) UAS (30%) Referensi Montgomery, D.C, George C. Runger. Applied Statistic and
Lebih terperinciDalam estimasi, uji hipotesis adalah prosedur dalam membuat inferensi tentang populasi 11.2
Dalam estimasi, uji hipotesis adalah prosedur dalam membuat inferensi tentang populasi 11.2 Hipotesis adalah pernyataan tentang parameter dari satu atau lebih populasi Hipotesis merupakan anggapan yang
Lebih terperinciPengantar Statistika Matematika II
Bab 6: Statistika FMIPA Universitas Islam Indonesia Inferensi Statistik Pendahuluan Inferensi Statistik Inferensi statistik adalah metode untuk menarik kesimpulan mengenai suatu populasi. Inferensi statistik
Lebih terperinciBI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis
BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis Orang Biologi Tidak Anti Statistika Silabus Silabus dan Tujuan Konsep uji hipotesis, kesalahan tipe 1 dan 2, uji hipotesis untuk mean (1 dan 2 sampel),
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
BAB 4 METODOLOGI PENELITIAN 4.1 Desain Penelitian Penelitian ini merupakan penelitian yang menganalisis data sekunder dari hasil Survei Demografi Kesehatan Indonesia ( SDKI) tahun 2007, dengan menggunakan
Lebih terperinciPENGUJIAN HIPOTESIS (1) Debrina Puspita Andriani /
PENGUJIAN HIPOTESIS (1) 1 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pengertian Pengujian Hipotesis (1) 3 BAHASA YUNANI HUPO Lemah, kurang, di bawah THESIS Teori,
Lebih terperinciDESAIN STUDI EPIDEMIOLOGI
DESAIN STUDI EPIDEMIOLOGI Suatu penelitian ingin mengetahui beberapa faktor yang mempengaruhi terjadinya penyakit Thypoidpada anak-anak. Beberapa faktor yang diduga sebagai faktor risiko terjadinya penyakit
Lebih terperinciPENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL
PENERAPAN MODEL REGRESI LINIER BAYESIAN UNTUK MENGESTIMASI PARAMETER DAN INTERVAL KREDIBEL Vania Mutiarani 1, Adi Setiawan, Hanna Arini Parhusip 3 1 Mahasiswa Program Studi Matematika FSM UKSW, 3 Dosen
Lebih 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 terperinciMODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR
TEORI ESTIMASI ATAU MENAKSIR MODUL 9 TEORI ESTIMASI ATAU MENAKSIR. Pendahuluan Untuk menginginkan mengumpulkan populasi kita lakukan dengan statistik berdasarkan data yang diambil secara sampling yang
Lebih terperinciMENGAPA PERLU SAMPLING
POPULASI DAN SAMPEL TOPIK BAHASAN:. Pengertian (Populasi & Sampel). Mengapa perlu sampling 3. Prosedur Pengambilan Sampel 4. Potensi Bias pada pengambilan 5. Teknik/Metode Pengambilan Sampel 6. Besar Sampel
Lebih terperinciKATA PENGANTAR. Penyusun. Kelompok 1
KATA PENGANTAR Puji syukur kami ucapkan atas kehadirat Allah SWT, karena atas limpahan izin dan karunianya sehingga kami dapat menyelesaikan makalah farmakoepidemiologi tentang Studi Cohort. Dalam makalah
Lebih terperinciMETODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1
Media Informatika Vol. 5 No. 1 (2006) METODA RATA-RATA BATCH PADA SIMULASI SISTEM ANTRIAN M/M/1 Ekabrata Yudhistyra Sekolah Tinggi Manajemen Informatika dan Komputer LIKMI Jl. Ir. H. Juanda 96 Bandung
Lebih terperinciStudi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Distribusi Empirik
Studi Simulasi Grafik Pengendali Non Parametrik Berdasarkan Fungsi Empirik S 6 Jantini Trianasari Natangku 1), Adi Setiawan ), Lilik Linawati ) 1) Mahasiswa Program Studi Matematika FSM-UKSW Email : n4n4_00190@yahoo.co.id
Lebih terperinciPengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:
Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji
Lebih terperinciContoh Solusi PR 5 Statistika & Probabilitas
Contoh Solusi PR 5 Statistika & Probabilitas 1. X = proporsi pelanggan yang menggunakan layanan penerbangan untuk keperluan bisnis. n = ukuran sampel, p = proporsi sampel yang menggunakan layanan penerbangan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Desain Penelitian 1. Rancangan Penelitian Desain penelitian ini adalah deskriptif dengan rancangan cross sectional, yaitu setiap variabel diobservasi hanya satu kali saja dan
Lebih terperinciBAB VII Inferensi Statistik Dua Populasi Normal
BAB VII Inferensi Statistik Dua Populasi Normal Bab ini membahas inferensi statistik selisih dua mean dan perbandingan dua variansi populasi normal, berdasarkan dua sampel independen. Disamping itu juga
Lebih terperinciKONTROVERSI UJI ASUMSI DALAM STATISTIK PARAMETRIK
18 KONTROVERSI UJI ASUMSI DALAM STATISTIK PARAMETRIK Asmadi Alsa Berdasar ada-tidaknya asumsi yang mendasari suatu uji statistik, terdapat dua jenis statistik inferensial, yaitu statistik parametrik dan
Lebih terperinciSTATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi
Modul ke: STATISTIKA BISNIS PENDUGAAN STATISTIKA Fakultas Ekonomi dan Bisnis Deden Tarmidi, SE., M.Ak., BKP. Program Studi Akuntansi www.mercubuana.ac.id PENDAHULUAN Data yang sudah didapat dari populasi
Lebih terperinciPENGERTIAN PENGUJIAN HIPOTESIS
PENGUJIAN HIPOTESIS PENGERTIAN PENGUJIAN HIPOTESIS HUPO From: BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau
Lebih terperinciESTIMASI. Arna Fariza PENDAHULUAN
ESTIMASI Arna Fariza PENDAHULUAN MATERI LALU Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik
Lebih terperinciMenurut Anda apakah etika mahasiswa bersopan santun berpengaruh terhadap IPK? Dapatkan anda duga hasil penelitian di atas? Tulis dugaanmu pada lembar
Menurut Anda apakah etika mahasiswa bersopan santun berpengaruh terhadap IPK? Dapatkan anda duga hasil penelitian di atas? Tulis dugaanmu pada lembar kertas yang telah disediakan! Dalam menduga/estimasi,
Lebih terperinciAnalisis Data Kategorikal
Analisis Data Kategorikal Topik: Data & skala pengukuran Uji hipotesis untuk data kontinu Uji hipotesis untuk data kategorikal Desain penelitian kesehatan Ukuran asosiasi Regresi Logistik Target: Mahasiswa
Lebih terperinciBAB IV METODE PENELITIAN. Penelitian ini adalah penelitian di bidang Ilmu Penyakit Dalam. Waktu: Waktu penelitian dilaksanakan pada Maret-Juli 2013.
BAB IV METODE PENELITIAN 4.1 Ruang Lingkup Penelitian Penelitian ini adalah penelitian di bidang Ilmu Penyakit Dalam. 4.2 Tempat dan Waktu Penelitian Tempat: Penelitian dilakukan di Rumah Sakit Umum Pusat
Lebih terperinciMODUL PERKULIAHAN BIOSTATISTIK DESKRIPTIF. Oleh Nur Alvira Nugroho Susanto
MODUL PERKULIAHAN BIOSTATISTIK DESKRIPTIF Oleh Nur Alvira Nugroho Susanto UNIVERSITAS RESPATI YOGYAKARTA 0 PERTEMUAN KONSEP DASAR BIOSTATISTIK PERTEMUAN PENGUMPULAN DATA PENYAJIAN DATA DAN PERINGKASAN
Lebih terperinciPENAKSIRAN NILAI PARAMETER POPULASI
PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis
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 terperinciCross sectional Case control Kohort
Definisi Cross sectional Case control Kohort Rancangan studi epidemiologi yang mempelajari hubungan penyakit dan paparan dengan cara mengamati status penyakit dan paparan secara bersamaan pada individu
Lebih terperinciEstimasi dan Uji Hipotesis
Modul 7 Estimasi dan Uji Hipotesis Bambang Prastyo, S.Sos. PENDAHULUAN pa yang akan Anda lakukan setelah Anda selesai melakukan penelitian? A Tentunya Anda akan mengambil suatu kesimpulan. Nah seperti
Lebih terperinciStudi epidemiologi deskriptif
Studi epidemiologi deskriptif Penelitian Crosectional Adalah rancangan studi epidemiologi yg memepelajari hubungan penyakit dan paparan (faktor penelitian) dengan cara mengamati status paparan dan penyakit
Lebih terperinciPengertian Pengujian Hipotesis
PENGUJIAN HIPOTESIS Pengertian Pengujian Hipotesis HUPO BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau pernyataan
Lebih terperinciBAB V INFERENSI STATISTIK SATU POPULASI NORMAL
BAB V INFERENSI STATISTIK SATU POPULASI NORMAL Bab ini membahas inferensi statistik untuk mean dan variansi satu populasi normal berdasarkan sampel random berukuran kecil dan besar. Untuk membahas hal
Lebih terperinciBAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.
11 BAB III UJI STATISTIK DAN SIMULASI 3.1 Interval Kepercayaan Sebuah interval kepercayaan terdiri dari berbagai nilai-nilai bersama-sama dengan persentase yang menentukan seberapa yakin bahwa parameter
Lebih terperinciINFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER MEAN POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Industri dan Statistika, Fakultas Sains dan Matematika Universitas Kristen Satya Wacana Jl
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 terperinciUJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR
PYTHAGORAS, 6(2): 161-166 Oktober 2017 ISSN Cetak: 2301-5314 UJI RATA-RATA SATU SAMPEL MENGGUNAKAN R UNTUK MENGETAHUI PENGARUH MODEL BELAJAR TERHADAP HASIL BELAJAR MATA KULIAH ANALISIS VEKTOR Hermansah
Lebih terperinciProbabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
Lebih terperinciDISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
Lebih terperinciBAB IV METODE PENELITIAN. Ruang lingkup tempat : RSIA. Hermina Pandanaran Semarang. Indonesia.
BAB IV METODE PENELITIAN 4.1 Ruang lingkup Anak. Disiplin ilmu yang digunakan dalam ini adalah Ilmu Kesehatan 4.2 Tempat dan waktu Ruang lingkup tempat : RSIA. Hermina Pandanaran Semarang Indonesia. Ruang
Lebih terperinciBAB IV INFERENSI STATISTIK SATU POPULASI SEMBARANG
BAB IV INFERENSI STATISTIK SATU POPULASI SEMBARANG Bab ini akan membahas inferensi statistik terhadap mean suatu populasi sembarang dan proporsi suatu populasi dikotomi/binomial. Ukuran sampel random yang
Lebih terperinciPERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI. Abstrak
PERBANDINGAN KINERJA DIAGRAM KONTROL MULTIVARIAT UNTUK VARIABILITAS BERDASARKAN MATRIKS KOVARIANSI DAN MATRIKS KORELASI Dwi Yuli Rakhmawati, Muhammad Mashuri 2,2) Institut Teknologi Sepuluh Nopember dwiyuli_rakhmawati@yahoo.com,
Lebih terperinciUji Hipotesis dan Aturan Keputusan
Uji Hipotesis dan Aturan Keputusan oleh: Khreshna Syuhada, PhD. 1. Pendahuluan Pada perkuliahan tingkat 2, telah dikenalkan masalah uji hipotesis sebagai berikut: Seorang peneliti memberikan klaim bahwa
Lebih terperinciUmmu Kalsum UNIVERSITAS GUNADARMA
Ummu Kalsum UNIVERSITAS GUNADARMA 2016 Inferensia Statistika : Mencakup semua metode yang digunakan untuk penarikan kesimpulan atau generalisasi mengenai populasi dengan melakukan pengambilan sampel (sampling)
Lebih terperinciTEORI PENDUGAAN (TEORI ESTIMASI)
TEORI PENDUGAAN (TEORI ESTIMASI) Tujuan Pembelajaran Mempelajari bagaimana cara melakukan pendugaan parameter populasi berasarkan statistik yang dihitung dari sampel A. Pendahuluan Pendahuluan : Tujuan
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciANALISIS DATA STUDI KOHORT
Etih Sudarnika Laboratorium Epidemiologi Bagian Kesehatan Masyarakat Veteriner Departemen Ilmu Penyakit Hewan dan Kesmavet Fakultas Kedokteran Hewan IPB ANALISIS DATA STUDI KOHORT Bahan Kuliah Mata Ajaran
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Directional & Nondirectional test Langkah-langkah Uji Hipotesis Error dalam Uji hipotesis (Error Type I) Jenis Uji Hipotesis satu populasi
Lebih terperinciBAB 4 METODOLOGI PENELITIAN
24 BAB 4 METODOLOGI PENELITIAN 4.1 Desain Penelitian Penelitian ini merupakan studi analitik terhadap data dasar sekunder dari Survei Demografi dan Kesehatan (SDKI) tahun 2007. Desain penelitian yang digunakan
Lebih terperinciSTATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji t Uji Proportional Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 2001. Walpole, R.E.,
Lebih terperinciMinggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT
Minggu VIII dan IX PERBANDINGAN MEAN DUA POPULASI NORMAL MULTIVARIAT Herni Utami Universitas Gadjah Mada Misalkan X 1j = X 2j = X 1j1 X 1jp X 2j1 X 2jp adalah observasi ke-j dari sampel 1 adalah observasi
Lebih terperinciBesar Sampel dan Teknik Sampling
Besar Sampel dan Teknik Sampling Deskripsi sesi: Tidak setiap penelitian dapat dilakukan di tingkat populasi. Oleh karenanya dalam suatu penelitian, dilakukan penetapan besar sampel dan pengambilan sampel
Lebih terperinciPENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
Lebih terperinciPengantar Uji Hipotesis. Oleh Azimmatul Ihwah
Pengantar Uji Hipotesis Oleh Azimmatul Ihwah Hipotesis Merupakan pernyataan/dugaan mengenai parameter dari 1 atau lebih populasi. Misalnya seorang guru Kimia ingin mengetahui apakah metode pembelajaran
Lebih terperinciBAB III ANALISIS FAKTOR. berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
BAB III ANALISIS FAKTOR 3.1 Definisi Analisis faktor Analisis faktor adalah suatu teknik analisis statistika multivariat yang berfungsi untuk mereduksi dimensi data dengan cara menyatakan variabel asal
Lebih terperinciBAB IV METODOLOGI PENELITIAN
43 BAB IV METODOLOGI PENELITIAN 4.1. Rancangan Penelitian Jenis penelitian ini adalah penelitian kuantitatif dengan desain penelitian cross sectional. Penelitian ini menggunakan desain cross sectional
Lebih terperinciPRODI DIII STATISTIKA-FMIPA ITS RENCANA PEMBELAJARAN KODE/ MATA KULIAH/ SKS/ SEMESTER : SS /PENGANTAR METODE STATISTIKA / (2/1/1) I
CAPAIAN PEMBELAJARAN (Learning outcome) : Mampu melakukan deskripsi, eksplorasi dan interpretasi data serta Mampu menganalisis data dengan metode statistika yang sesuai Penguasaan Pengetahuan 5.1 Mampu
Lebih terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciSILABUS MATA KULIAH. : Dapat menganalisis tentang statistika inferensial secara teoritik beserta komponen dan sifat-sifatnya
SILABUS MATA KULIAH Program Studi : Pendidikan Matematika Kode Mata Kuliah : 50603 Mata kuliah : Statistika Matematika Bobot : 3 SKS Semester : V Mata Kuliah Prasyarat : Probabilitas Deskripsi Mata Kuliah
Lebih terperinciBAB VI INFERENSI STATISTIK DUA POPULASI SEMBARANG
BAB VI INFERENSI STATISTIK DUA POPULASI SEMBARANG Bab ini membahas inferensi statistik selisih dua mean populasi sembarang dan selisih dua proporsi populasi dikotomi/binomial. Untuk membahas hal tersebut
Lebih terperinciESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN
ESTIMASI PARAMETER MODEL REGRESI ZERO-INFLATED POISSON (ZIP) MENGGUNAKAN METODE BAYESIAN Karima Puspita Sari, Respatiwulan, dan Bowo Winarno Program Studi Matematika FMIPA UNS Abstrak. Model regresi zero-inflated
Lebih terperinciSumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X
Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X = 0. Perlu diketahui bahwa luas kurva normal adalah satu (sebagaimana
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan pada Kabupaten Tapanuli Selatan yang
BAB III METODE PENELITIAN A. Tempat dan Waktu Penelitian Penelitian ini dilaksanakan pada Kabupaten Tapanuli Selatan yang mempunyai jumlah peternak sapi IB dan non IB di tiga Kecamatan yaitu Kecamatan
Lebih terperinciSILABUS MATA KULIAH. Pengalaman Pembelajaran
SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-204 Nama Mata Kuliah : Statistika Industri Jumlah SKS : 2 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas Deskripsi
Lebih terperinciBAB XIX REGRESI LOGISTIK
BAB XIX REGRESI LOGISTIK DR., dr, M Kes. I. PENDAHULUAN Analisis regresi logistik adalah salah satu pendekatan model matematis yang digunakan untuk menganalisis hubungan satu atau beberapa variabel independen
Lebih terperinciMA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika
Catatan Kuliah MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA2082
Lebih terperinci(ESTIMASI/ PENAKSIRAN)
ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun
Lebih terperinciPERANCANGAN KAJIAN EPIDEMIOLOGIK
PERANCANGAN KAJIAN EPIDEMIOLOGIK Nama Mata Kuliah: Perancangan Kajian Epidemiologik Kode Mata Kuliah: IPH 616 Bobot SKS: 3 (2-1) Semester Genap T.A. 2010/2011 Pengajar: Koordinator: Dr. Ir. Etih Sudarnika,
Lebih terperinciApa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
Lebih terperinciIntroduction to Biostatistics
Introduction to Biostatistics Widya Rahmawati Saudara dan teman-teman berencana makan bersama di sebuah restauran Saudara diminta mendaftar menu yang dipesan oleh temanteman dan menyampaikan kepada Pelayan
Lebih terperinciObservasional study. Nani Kartinah, S.Farm, M.Sc, Apt. Department of Pharmacy Faculty of Mathematics and Science Lambung Mangkurat University
Observasional study Nani Kartinah, S.Farm, M.Sc, Apt Department of Pharmacy Faculty of Mathematics and Science Lambung Mangkurat University Cross-sectional Rancangan penelitian ini merupakan penelitian
Lebih terperinciKULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output:
KULIAH ANALISIS STATISTIK DATA SIMULASI Tipe-tipe simulasi berdasarkan analisis output: 1. Terminating simulation 2. Nonterminating simulation: a. Steady-state parameters b. Steady-state cycle parameters
Lebih terperinciBAB 4 METODE PENELITIAN
32 BAB 4 METODE PENELITIAN 4.1 Desain Penelitian Desain penelitian ini merupakan cross sectional yaitu untuk mengetahui kedua variabel baik dependen maupun independen yang dilakukan observasi pada saat
Lebih terperinciStatistik Non-Parametrik. Saptawati Bardosono
Statistik Non-Parametrik Saptawati Bardosono Uji statistik non-parametrik: Chi-square test Fisher-test Kolmogorov-Smirnov McNemar test Korelasi rank Mann Whitney Wilcoxon Chi-squared test tabel 2X2 Pada
Lebih terperinciTRANSFORMASI LINIER PADA RUANG BANACH
TRANSFORMASI LINIER PADA RUANG BANACH Nur Aeni, S.Si., M.Pd Jurusan Matematika, Fakultas Sains dan Teknologi, UINAM nuraeniayatullah@gmail.com ABSTRAK Info: Jurnal MSA Vol. 2 No. 1 Edisi: Januari Juni
Lebih terperinciBAB III METODOLOGI PENELITIAN. data sekunder adalah data primer yang telah diolah lebih lanjut menjadi bentukbentuk
BAB III METODOLOGI PENELITIAN A. Jenis dan Sumber data Jenis data yang digunakan untuk penelitian ini merupakan data sekunder, data sekunder adalah data primer yang telah diolah lebih lanjut menjadi bentukbentuk
Lebih terperinciSIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS
SIMULASI DAMPAK MULTIKOLINEARITAS PADA KONDISI PENYIMPANGAN ASUMSI NORMALITAS Joko Sungkono 1, Th. Kriswianti Nugrahaningsih 2 Abstract: Terdapat empat asumsi klasik dalam regresi diantaranya asumsi normalitas.
Lebih terperinciPENENTUAN BESAR SAMPEL. Mata kuliah rancangan Sampel Prodi Kesehatan Masyarakat STIKES Darul Ma arif Al Insan
PENENTUAN BESAR SAMPEL Mata kuliah rancangan Sampel Prodi Kesehatan Masyarakat STIKES Darul Ma arif Al Insan Pertanyaan Penelitian Jenis Penelitian Non Desain Khusus Desain Khusus Deskriptif Analitik Kategorik
Lebih terperinciBab 2. Teori Dasar. 2.1 Pendahuluan
Bab 2 Teori Dasar 2.1 Pendahuluan Gagasan bagan kendali statistik pertama kali diperkenalkan oleh Walter A. Shewhart dari Bell Telephone laboratories pada tahun 1924 (Montgomery, 2001, hal 9). Tujuan dari
Lebih terperinciPengantar Statistika Matematika II
Bab 1: a FMIPA Universitas Islam Indonesia Parameter adalah karakteristik dari populasi (misal θ) adalah karakteristik dari sampel Akan dibahas konsep statistik dan distribusi sampling Parameter Misalkan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Metode Penelitian Jenis penelitian ini adalah penelitian Eksplanatory dengan metode survei dan menggunakan desain Cross sectional. Rancangan penelitian ini termasuk
Lebih terperinciPROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )
PENGUJIAN HIPOTESIS PROSEDUR UMUM Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 ) misalnya: H 0 : µ = 100 H 1 : μ 100 atau H 1 : μ> 100 atau H 1 : μ< 100 PROSEDUR UMUM Langkah : tentukan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analisis regresi adalah suatu metode yang digunakan untuk menganalisa hubungan antara variabel respon dan variabel prediktor. Pada umumnya analisis regresi
Lebih terperinciBAB IV METODOLOGI PENELITIAN. Sesuai dengan tujuan yang hendak dicapai, maka jenis penelitian yang akan
BAB IV METODOLOGI PENELITIAN 4.1 Jenis Penelitian Sesuai dengan tujuan yang hendak dicapai, maka jenis penelitian yang akan digunakan pada penelitian ini adalah kuantitatif yang bersifat analitik dengan
Lebih terperinci