STATISTIKA INDUSTRI 2 TIN 4004

Ukuran: px
Mulai penontonan dengan halaman:

Download "STATISTIKA INDUSTRI 2 TIN 4004"

Transkripsi

1 STATISTIKA INDUSTRI TIN 4004

2 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Contingency Uji Homogenitas Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 001. Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability & Statistics for Engineers & Scientists, 9 th Ed. Prentice Hall, 01. Weiers, Ronald M., Introduction to Business Statistics, 7 th Ed. South-Western, 011.

3 Uji Variansi Konsep Dasar Menguji variansi populasi atau standard deviasi Digunakan untuk pengukuran produk, proses, metode kerja Membandingkan produktivitas dan variabilitas proses atau metode kerja Pada saat asumsi variansi sama tidak dapat dipenuhi, uji ini lebih tepat digunakan daripada uji t dua populasi Populasi dari sampel berdistribusi normal

4

5

6 Uji Variansi - Rumus Data statistik sampel: - = Variansi sampel - = Variansi populasi - = nilai dari hipotesis - Statistik uji: (distribusi chi-squared) χ hitung = n = ukuran sampel (n 1)s σ 0 ; ν = df = n 1

7 Langkah-langkah pengujian : a. Uji hipotesis H0 : σ = σ0 H1 : σ σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0

8 Langkah-langkah pengujian : b. Uji hipotesis H0 : σ = σ0 H1 : σ > σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0

9 Langkah-langkah pengujian : c. Uji hipotesis H0 : σ = σ0 H1 : σ < σ0 Tingkat signifikansi : α Statistik uji : χ hitung = (n 1)s σ 0 Daerah kritis (Daerah penolakan H0) Daerah penerimaan H0

10 Latihan Soal Dalam kondisi normal, standard deviasi dari paket-paket produk dengan berat 40 ons yang dihasilkan suatu mesin adalah 0,5 ons. Setelah mesin berjalan beberapa waktu, diambil sampel produk sejumlah 0 paket, dari sampel tersebut diketahui standard deviasi beratnya adalah 0,3 ons. Apakah mesin tersebut masih bisa dikatakan bekerja dalam keadaan normal? Gunakan α = 0,05.

11 Jawaban Latihan Soal Diketahui: n = 0 s = 0,3 ons Uji hipotesis H0 : σ = 0,5 H1 : σ > 0,5 Tingkat signifikansi : α = 0,05 Statistik uji : χ hitung = (n 1)s σ = (19)(0,3 ) 0 (0,5 ) Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05;(19) = 30,144 = 31,196 Kesimpulan: karena χ hitung = 31,196 > χ 0,05;(19) = 30,144 maka H0 ditolak artinya mesin sudah tidak bekerja dalam kondisi normal

12 Latihan Soal Sebuah perusahaan aki mobil mengklaim bahwa lifetime dari produknya berdistribusi normal dengan standard deviasi (σ) 0.9 tahun. Jika hasil random sampling dari 10 sampel menunjukkan bahwa standard deviasi 1. tahun. Benarkah klaim σ > 0.9 tahun? Gunakan α = 0,05.

13 Jawaban Latihan Soal Diketahui: n = 10 s = 1, tahun Uji hipotesis H0 : σ = 0,9 H1 : σ > 0,9 Tingkat signifikansi : α = 0,05 Statistik uji : χ hitung = (n 1)s σ = (9)(1, ) 0 (0,9 ) Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05(9) = 16,919 = 16 Kesimpulan: karena χ hitung = 16 < χ 0,05(9) = 16,919 maka H0 diterima artinya lifetime produk berstandard deviasi 0,9 tahun

14 Soal

15 Uji Variance Dua Populasi Menguji kesamaan variansi σ 1 dan σ dari dua populasi H 0 : σ 1 =σ H 1 : σ 1 <σ ; σ 1 >σ ; atau σ 1 σ Menggunakan Uji F Syarat: Kedua populasi independent dan berdistribusi normal Sample yang digunakan independent dan random

16 Uji Variance Dua Populasi: Uji F

17

18 Latihan Soal Sebuah eksperimen dilakukan untuk membandingkan dampak abrasive wear pada material. Uji yang sama dilakukan pada 1 material A dan 10 material B. Dari hasil uji diketahui bahwa rata-rata kedalaman pada material A 85 unit ukur dengan standard deviasi 4, rata-rata material B 81 unit ukur dengan standard deviasi 5. Dapatkah disimpulkan bahwa abrasive wear material A lebih besar dari material B sebesar unit ukur (α = 0.05)? Asumsi populasi normal dan variansi keduanya sama.

19 Latihan Soal

20 Soal

21 Uji Independen (Categorical Data) Uji Tabel Contingency Uji hipotesa tentang independensi dua variabel klasifikasi Menggunakan Uji Chi-Squared Tabel contingency: tabel yang menunjukkan frekuensi pengamatan Tabel contingency yang terdiri atas r baris dan c kolom disebut juga dengan tabel r x c

22 Uji Independen (Categorical Data) Langkah-langkah pengujian hipotesis: H 0 : p i1 = p i = = p ic = p; i = 1,,3, r H 1 : tidak semua proposi sama Tingkat signifikansi : α Data sampel :

23 Uji Independen (Categorical Data) Statistik uji: χ hitung = r i=1 c j=1 o ij = x ij ; e ij = Critical region: χ hitung Rumus (o ij e ij ) e ij (total kolom x total baris) grand total > χ α,ν ; ν = (r 1)(c 1)

24 Latihan Soal Untuk menentukan apakah terdapat hubungan antara performansi karyawan dalam program training yang diadakan perusahaan terhadap keberhasilan perusahaan mereka dalam tugas-tugas pekerjaannya, diambil sampel sebanyak 400 karyawan. Hasilnya disajikan dalam tabel berikut: Gunakan α = 0,01 untuk menguji hal tersebut

25 Jawaban Latihan Soal H 0 : p 1 = p = p 3 = p performansi karyawan dalam program training dengan keberhasilan perusahaan adalah independen H 1 : tidak semua proposi sama Tingkat signifikansi : α = 0.01 Data sampel :

26 Jawaban Latihan Soal Statistik uji: χ hitung = = r i=1 c j=1 (o ij e ij ) e ij (3 16,8) (60 5,6) (9 4,6) (8 5) (79 78,5) ,8 5,6 4,6 5 78,5 (60 63,5) (9 18,) (49 56,9) (63 45,9) = 0,34 63,5 18, 56,9 45,9 Critical region: χ hitung χ hitung > χ 0,01;(4) χ 0,01;(4) ; ν = (3 1)(3 1) = 13,77 = 0,34 > χ 0,01;(4) = 13,77 Kesimpulan: Tolak H 0 ; performansi karyawan dalam program training dengan keberhasilan perusahaan adalah tidak independen

27 Soal

28 Uji Homogeneity: Test for several proportion Kelanjutan dari uji beda dua proporsi atau beda diantara k proporsi. H 0 : p 1 = p = p 3 = = p k H 1 : tidak semua proposi sama

29 Latihan Soal Pada sebuah toko, dilakukan pengumpulan data untuk mengetahui apakah proporsi kerusakan yang dilakukan oleh pekerja shift siang, sore, dan malam adalah sama. Data yang diperoleh adalah sbb: Shift Siang Sore Malam Kerusakan Tanpa kerusakan Dengan menggunakan tingkat signifikan 0.05, tentukan apakah proporsi kerusakan ketiga shift tersebut sama?

30 Jawaban Latihan Soal Uji hipotesis H 0 : p 1 = p = p 3 H 1 : p 1, p, p 3 tidak semua sama α = 0,05 Daerah kritis (Daerah penolakan H0) χ hitung > χ 0,05;() = χ hitung > Shift Siang Sore Malam Total Kerusakan 45 (57.0) 55 (56.7) 70 (56.3) 170 Tanpa kerusakan 905 (893.0) 890 (888.3) 870 (883.7) 665 Total Kesimpulan: karena χ hitung = 6,9 > χ 0,05;() = maka H 0 diterima artinya proporsi kerusakan sama pada semua shift

31 Soal Tabel berikut menunjukkan dampak yang terjadi akibat perubahan temperatur terhadap 3 jenis material. Gunakan tingkat signifikansi 0,05 untuk menguji apakah probabilitas akan terjadi keretakan pada ketiga material akibat temperatur tersebut sama.

32 Pertemuan 6 - Persiapan Tugas: Bentuk kelompok terdiri dari maks. 3 mahasiswa Cari kasus di sekitar anda, lakukan pengambilan sample, lakukan uji hipotesis Satu kasus hanya untuk satu kelompok Satu metode uji hipotesa hanya boleh digunakan oleh maks. dua kelompok Laporan dalam bentuk PPT Laporan di- ke [email protected] Deadline pengumpulan: 4 Oktober 01 (1:00 am) Baca: Anova

33

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI TIN 4004 Pertemuan 5 Outline: Uji Chi-Squared Uji F Uji Goodness-of-Fit Uji Contingency Uji Homogenitas Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 4 Outline: Uji Dua Sample Uji Z Uji t Uji t gabungan (pooled t-test) Uji t berpasangan (paired t-test) Uji proporsi Uji Chi-Square Referensi: Johnson, R. A., Statistics

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA 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 terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA 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 terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji Z: Proportional Populasi Uji Hipotesis 2 populasi: Uji Z Uji pooled t-test Uji paired t-test Referensi: Johnson, R. A., Statistics

Lebih terperinci

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (3) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (3) 4 Debrina Puspita Andriani E-mail : [email protected] / [email protected] 2 Outline Uji Hipotesis untuk Variansi/ Standard Deviasi 3 Uji Hipotesis untuk Variansi (1) 4 Data statistik

Lebih terperinci

PENGUJIAN HIPOTESIS (3)

PENGUJIAN HIPOTESIS (3) PENGUJIAN HIPOTESIS (3) 3 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : [email protected] Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Proporsi 3 Uji Hipotesis

Lebih terperinci

UJI HIPOTESIS UNTUK PROPORSI

UJI HIPOTESIS UNTUK PROPORSI PENGUJIAN HIPOTESIS UJI HIPOTESIS UNTUK PROPORSI Uji Hipotesis untuk Proporsi Data statistik sampel: - = Proporsi kejadian sukses dalam sampel - p = Proporsi kejadian sukses dalam populasi - - Statistik

Lebih terperinci

STATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling

STATISTIK INDUSTRI 1. Distribusi Sampling. Distribusi Sampling STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA DISTRIBUSI SAMPLING PENGANTAR Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN 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 terperinci

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression

Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA INDUSTRI 2 TIN 4004 STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 8 Outline: Simple Linear Regression and Correlation Multiple Linear Regression and Correlation Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and

Lebih terperinci

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT

UJI STATISTIK NON PARAMETRIK. Widha Kusumaningdyah, ST., MT UJI STATISTIK NON PARAMETRIK Widha Kusumaningdyah, ST., MT SIGN TEST Sign Test Digunakan untuk menguji hipotesa tentang MEDIAN dan DISTRIBUSI KONTINYU. Pengamatan dilakukan pada median dari sebuah distribusi

Lebih terperinci

PENDUGAAN PARAMETER STATISTIK INDUSTRI 1

PENDUGAAN 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 terperinci

PENGUJIAN HIPOTESIS 1

PENGUJIAN 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 terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 13/11/2013 3//203 STATISTIK INDUSTRI Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh:

Lebih terperinci

Uji Hipotesis dengan ANOVA (Analysis of Variance)

Uji Hipotesis dengan ANOVA (Analysis of Variance) Uji Hipotesis dengan ANOVA (Analysis of Variance) I. Pengertian Dalam sebuah penelitian, terkadang kita ingin membandingkan hasil perlakuan (treatment) pada sebuah populasi dengan populasi yang lain dengan

Lebih terperinci

STATISTIKA INDUSTRI 2 TIN 4004

STATISTIKA 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 terperinci

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014

Distribusi Peluang Kontinyu STATISTIK INDUSTRI 1. Distribusi Peluang Kontinyu. Distribusi Diskrit Uniform. Distribusi Diskrit Uniform 17/12/2014 STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Rata-rata dan Variansi Rumus Umum: Distribusi Peluang Diskrit dan Kontinyu UNIFORM Distribusi Diskrit Uniform Distribusi Diskrit Uniform Contoh: Suatu

Lebih terperinci

Pertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016

Pertemuan 10 STATISTIKA INDUSTRI 2. Multiple Linear Regression. Multiple Linear Regression. Multiple Linear Regression 19/04/2016 19/04/016 Pertemuan 10 STATISTIKA INDUSTRI TIN 4004 Outline: and Correlation Non Linear Regression Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability for Engineers, 5 th Ed. John

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran

SILABUS MATA KULIAH. Pengalaman Pembelajaran SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-110 Nama Mata Kuliah : Teori Probabilitas Jumlah SKS : 2 Semester : II Mata Kuliah Pra Syarat : TKI-101 Pengantar Teknik Industri

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2.

SILABUS MATA KULIAH. Pengalaman Pembelajaran. 1. Menyusun langkahlangkah. 1. Langkahlangkah. setiap metode penarikan sampel 2. SILABUS MATA KULIAH Program Studi : Teknik Industri Kode Mata Kuliah : TKI-209 Nama Mata Kuliah : Praktikum Statistika Jumlah SKS : 1 Semester : III Mata Kuliah Pra Syarat : TKI-110 Teori Probabilitas

Lebih terperinci

Ayundyah Kesumawati. May 31, 2015

Ayundyah Kesumawati. May 31, 2015 Kesumawati Prodi Statistika FMIPA-UII May 31, 2015 Dalam praktek, pengujian hipotesis dapat mencakup lebih dari dua proporsi. Misalnya, persentase sejenis barang yang rusak 3 pabrik adalah sama (tidak

Lebih terperinci

SILABUS MATA KULIAH. Pengalaman Pembelajaran

SILABUS 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 terperinci

STATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si

STATISTIKA 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 terperinci

PENGARUH FAKTOR LINGKUNGAN FISIK TERHADAP WAKTU PERAKITAN STICK PLAYSTATION

PENGARUH FAKTOR LINGKUNGAN FISIK TERHADAP WAKTU PERAKITAN STICK PLAYSTATION PENGARUH FAKTOR LINGKUNGAN FISIK TERHADAP WAKTU PERAKITAN STICK PLAYSTATION Resa Taruna Suhada dan Ricky Reza Adhavi Program Studi Teknik Industri, Fakultas Teknologi Industri - Universitas Mercu Buana

Lebih terperinci

Pokok Bahasan: Chi Square Test

Pokok Bahasan: Chi Square Test Pokok Bahasan: Chi Square Test Start Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness of Fit Test) (Kontigensi Table Test) 1 Instruksional Umum Memberi penjelasan tentang distribusi

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang

I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang I. PENDAHULUAN 1.1 Latar Belakang Statistik sangat sering ditemui dalam kehidupan sehari-hari, tidak hanya dalam dunia pendidikan dan ilmu pengetahuan. Statistik inferensia salah satunya, merupakan satu

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari-hari pasti kita dihadapi oleh suatu pilihan dan masalah pengambilan keputusan. Salah satu ilmu yang dapat digunakan untuk membantu pengambilan keputusan

Lebih terperinci

PENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura

PENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura PENGUJIAN HIPOTESIS Nurwahyu Alamsyah, S.Kom [email protected] wahyualamsyah.wordpress.com HIPOTESIS Berasal dari bahasa Yunani, Hupo (lemah) dan Thesis (teori). Jadi hipotesis dapat diartikan sebagai suatu

Lebih terperinci

PRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja.

PRODI. Dosen : MM No.Revisi : 00. Semester : I Hal: 1 dari 5. kelompok. Deskripsi 2 populasi. Kemampuan. Kemampuan kerja. RP S1 SP 01 A. CAPAIAN PEMAN : 1. CP 11.1 : Mampu menganalisis data secara kuantitatif baik secara univariat maupun Multivariat serta menerapkannya. 2. CP 8.1 : Memformulasikan masalah ke dalam pemodelan

Lebih terperinci

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1

Analisis of Varians (Anova) dan Chi-Square. 1/26/2010 Pengujian Hipotesis 1 Analisis of Varians (Anova) dan Chi-Square /6/00 Pengujian Hipotesis Chi Square Digunakan untuk menguji apakah dua atau lebih proporsi sama. Pengujian beda proporsi hanya untuk populasi namun chi square

Lebih terperinci

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA

SATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA Mata Kuliah Kode / SKS Program Studi Fakultas : Statistika 2 / Probabilitas Terapan : IT012249 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1. Distribusi sampling populasi, sampel, tehnik

Lebih terperinci

Kontrak Kuliah Metode Statistika 2

Kontrak 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 terperinci

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS Minggu Pokok Bahasan ke dan TIU 1. 1.Distribusi sampling Memberi penjelasan tentang populasi, sampel, tehnik pengambilan sampel., serta distribusi sampling ratarata Sub Pokok Bahasan dan Sasaran Belajar

Lebih terperinci

BI5106 ANALISIS BIOSTATISTIK Bab 5 Uji Hipotesis

BI5106 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 terperinci

Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan

Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan Uji chi-kuadrat merupakan pengujian hipotesis tentang perbandingan antara frekuensi sampel yang benar-benar terjadi (selanjutnya disebut dengan frekuensi observasi, dilambangkan dengan fo ) dengan frekuensi

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian deskriptif dengan

BAB III METODOLOGI PENELITIAN. Jenis penelitian yang digunakan adalah penelitian deskriptif dengan 53 BAB III METODOLOGI PENELITIAN A. Metode dan Desain penelitian Jenis penelitian yang digunakan adalah penelitian deskriptif dengan pendekatan kuantitatif komparatif. Alasan menggunakan pendekatan komparatif

Lebih terperinci

STATISTIK PERTEMUAN X

STATISTIK PERTEMUAN X STATISTIK PERTEMUAN X STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA) Outline Uji Hipotesis Variansi dengan sampel ganda Uji Hipotesis Mean dengan Sampel ganda : - Uji t untuk populasi saling bergantung

Lebih terperinci

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah)

10/14/2010 UJI HIPOTESIS PENGERTIAN GALAT (ERROR) salah) /4/ UJI HIPOTESIS UJI RATAAN UJIVARIANSI MA 8 Analisis Data Utriweni Mukhaiyar Oktober PENGERTIAN Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang perlu

Lebih terperinci

ANALISIS VARIAN Satu Jalur. Uji F

ANALISIS VARIAN Satu Jalur. Uji F ANALISIS VARIAN Satu Jalur Uji F Anava/SAM/F.Psi.UA/006 Anava Uji t digunakan untuk pengujian dua sampel Uji F atau Anava digunakan untuk pengujian lebih dari dua sampel Keduanya sama-sama menguji perbedaan

Lebih terperinci

PENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani /

PENGUJIAN HIPOTESIS (2) Debrina Puspita Andriani    / PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani E-mail : [email protected] / [email protected] 2 Outline Uji Hipotesis untuk Rata-rata Sampel Berukuran Besar 3 Uji Rata-rata untuk Sampel Berukuran

Lebih terperinci

PROSEDUR UMUM. Langkah 1 : tentukan hipotesis 0 (H 0 ) dan anti hipotesis (H 1 )

PROSEDUR 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 terperinci

ANALYSIS OF VARIANCE

ANALYSIS OF VARIANCE ANALYSIS OF VARIANCE Analisis Varians adalah alat statistika yang digunakan untuk menguji perbedaan mean lebih dari dua populasi. Analisis varians mengguakan distribusi F, yang mempunyai ciri-ciri: Merupakan

Lebih terperinci

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum

Pengendalian Kualitas Statistik Produk Botol Sting 240 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum Pengendalian Kualitas Statistik Produk Botol Sting 40 ml di PT IGLAS (Persero) Oleh: Wahyu Eka Kusumaningrum 1308030047 PENDAHULUAN LATAR BELAKANG PT IGLAS (Persero) merupakan perusahaan manufacturing

Lebih terperinci

SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN

SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN SEKOLAH TINGGI ILMU EKONOMI INDONESIA BANKING SCHOOL KONTRAK PERKULIAHAN Mata Kuliah : Statistik II Program Studi : S 1 Akuntansi dan S 1 Manajemen Beban : 2 Sks Dosen : W. Rofianto, ST, MSi I. Deskripsi

Lebih terperinci

ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG

ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG 1 ANALISIS KORESPONDENSI UNTUK MENGETAHUI ALASAN MAHASISWA MEMILIH JURUSAN DI FMIPA UNIVERSITAS NEGERI MALANG (Studi Kasus Mahasiswa Non Kependidikan FMIPA Universitas Negeri Malang) Chofifatul Jannah

Lebih terperinci

I. PENDAHULUAN II. TINJAUAN PUSTAKA

I. PENDAHULUAN II. TINJAUAN PUSTAKA I. PENDAHULUAN 1.1 Latar Belakang Statistika sangat bermanfaat dalam kehidupan manusia, tidak hanya di bidang ilmu pengetahuan tapi penerapannya juga sangat aplikatif di dunia sehari-hari. Salah satunya

Lebih terperinci

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA

STATISTIK INDUSTRI 1. Agustina Eunike, ST., MT., MBA STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Probabilitas PELUANG Eksperimen Aktivitas / pengukuran / observasi suatu fenomena yang bervariasi outputnya Ruang Sampel / Sample Space Semua output

Lebih terperinci

Pertemuan 11 s.d. 13 STATISTIKA INDUSTRI 2. Nonparametric. Skala Pengukuran...(review) 27/05/2016. Statistik Non Parametrik

Pertemuan 11 s.d. 13 STATISTIKA INDUSTRI 2. Nonparametric. Skala Pengukuran...(review) 27/05/2016. Statistik Non Parametrik Pertemuan 11 s.d. 13 STATISTIKA INDUSTRI TIN 4004 Outline: Nonparametric Statistics Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability & Statistics for Engineers & Scientists, 9 th

Lebih terperinci

PERBANDINGAN 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. 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 [email protected],

Lebih terperinci

PENGUJIAN HIPOTESIS (2)

PENGUJIAN HIPOTESIS (2) PENGUJIAN HIPOTESIS (2) 2 Debrina Puspita Andriani Teknik Industri Universitas Brawijaya e-mail : [email protected] Blog : http://debrina.lecture.ub.ac.id/ 2 Outline Uji Hipotesis untuk Rata-rata Sampel

Lebih terperinci

BAB III METODE PENELITIAN. Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta), Pasar

BAB III METODE PENELITIAN. Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta), Pasar 27 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian dilakukan di daerah Jabotabek (Jakarta, Bogor, Tangerang dan Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta),

Lebih terperinci

Chi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh:

Chi Square Test. Edi Minaji Pribadi, SP., MSc. Pokok Bahasan: Oleh: Pokok Bahasan: Chi Square Test Oleh: Edi Minaji Pribadi, SP., MSc. Start Home Contact Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness o Fit Test) (Contingency Table Test)

Lebih terperinci

Peranan Matematika Dan Statistika Dalam Menganalisis Pengaruh Kepemimpinan Terhadap Pertumbuhan Usaha Industri Kecil Di Sulawesi Selatan

Peranan Matematika Dan Statistika Dalam Menganalisis Pengaruh Kepemimpinan Terhadap Pertumbuhan Usaha Industri Kecil Di Sulawesi Selatan 3 Vol. 9, No., 3-3, Januari 3 Peranan Matematika Dan Statistika Dalam Menganalisis Pengaruh Kepemimpinan Terhadap Pertumbuhan Usaha Industri Kecil Di Sulawesi Selatan Syamsuddin Abstrak Untuk menganalisis

Lebih terperinci

PERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA

PERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA PERTEMUAN KE 3 UJI HIPOTESIS BEDA DUA RATA-RATA Uji beda dua rata-rata sampel berpasangan (Paired test) Dibutuhkan untuk mencek perbedaan yang bermakna antara dua nilai rata-rata ketika sampel-sampel tersebut

Lebih terperinci

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani /

STATISTIK NON PARAMETRIK (2) Debrina Puspita Andriani    / STATISTIK NON PARAMETRIK (2) 13 Debrina Puspita Andriani E-mail : [email protected] / [email protected] 2 Outline Uji Korelasi Urutan Spearman Statistik Non Parametrik 3 Uji Korelasi Urutan Spearman

Lebih terperinci

MA2081 Statistika Dasar

MA2081 Statistika Dasar Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MA2081 Statistika

Lebih terperinci

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY

KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY KEKUATAN KONVERGENSI DALAM PROBABILITAS DAN KONVERGENSI ALMOST SURELY Joko Sungkono* Abstrak : Tujuan yang ingin dicapai pada tulisan ini adalah mengetahui kekuatan konvergensi dalam probabilitas dan konvergensi

Lebih terperinci

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi DISTRIBUSI SAMPLING Definisi : distribusi sampling adalah distribusi peluang untuk nilai statistik yang diperoleh dari sampel acak untuk menggambarkan populasi. 1. Distribusi rata rata Misal sampel acak

Lebih terperinci

Contoh Solusi PR 5 Statistika & Probabilitas

Contoh 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 terperinci

SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (IA) KODE / SKS : KD / 3 SKS

SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (IA) KODE / SKS : KD / 3 SKS 1 1. Distribusi Sampling TIU : Memberi penjelasan tentang populasi, sampel, teknik pengambilan sampel, serta distribusi sampling rata-rata 2 1.2. Distribusi Sampling Rata-rata 1.1. Konsep Dasar Sampling

Lebih terperinci

MK. Statistik sosial

MK. Statistik sosial MK. Statistik sosial Digunakan untuk membandingkan rata- rata LEBIH dari dua sampel variabel Independen (Contoh : rata- rata lama TV di tonton oleh anak- anak dari beberapa negara : Australia, Inggris,

Lebih terperinci

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI

PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI Prof. Dr. Ir. Zulkifli Alamsyah, M.Sc. PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI 1 HIPOTESIS Hipotesis adalah pernyataan yang masih lemah tingkat kebenarannya sehingga masih harus diuji

Lebih terperinci

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah)

4/16/2009. H 0 ditolak. H 0 tidak ditolak. ditolak. P(menolak H 0 H 0 benar) keputusan benar. = galat lttipe II = β. P(tidak menolak H 0 H 0 salah) 4/6/9 Galat (error) Uji Hipotesis H ditolak H benar H salah a P(menolak H H benar) galat tipe I keputusan benar MA 8 Statistika Dasar Kamis, 6 Februari 9 H tidak ditolak keputusan benar P(tidak menolak

Lebih terperinci

Uji Hipotesa Dua Sampel

Uji Hipotesa Dua Sampel Uji Hipotesa Dua Sampel Tjipto Juwono, Ph.D. April 19, 2016 TJ (SU) Uji Hipotesa Dua Sampel April 2016 1 / 28 Membandingkan Dua Populasi Contoh 1 Apakah ada perbedaan jumlah rata-rata penjualan rumah oleh

Lebih terperinci

Statistik Non Parametrik

Statistik Non Parametrik Statistik Non Parametrik Tjipto Juwono, Ph.D. March 2017 TJ (SU) Non Parametrik March 2017 1 / 26 Tipe-tipe Variabel dan Level Pengukuran Tipe-tipe Variabel kualitatif Bersifat non-numerik (tidak dapat

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial UJI CHI-KUADRAT Prof. Dr. H. Almasdi Syahza, SE., MP Email: [email protected] 1 Uji chi-kuadrat Uji Chi-Kuadrat untuk Keselarasan Uji Chi-Kuadrat untuk uji Kenormalan Uji Chi-Kuadrat untuk uji Independensi

Lebih terperinci

DISTRIBUSI DISKRIT KHUSUS

DISTRIBUSI DISKRIT KHUSUS DISTRIBUSI DISKRIT KHUSUS UNIFORM (SERAGAM) BERNOULLI BINOMIAL POISSON MULTINOMIAL HIPERGEOMETRIK GEOMETRIK BINOMIAL NEGATIF MA3181 Teori Peluang 27 Oktober 2014 Utriweni Mukhaiyar DISTRIBUSI UNIFORM (SERAGAM)

Lebih terperinci

Analysis of Variance SUNU WIBIRAMA

Analysis of Variance SUNU WIBIRAMA Analysis of Variance SUNU WIBIRAMA Basic Probability and Statistics Department of Electrical Engineering and Information Technology Faculty of Engineering, Universitas Gadjah Mada Latar belakang perlunya

Lebih terperinci

STATISTIK PERTEMUAN XI

STATISTIK PERTEMUAN XI STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan

Lebih terperinci

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS

DISTRIBUSI ERLANG DAN PENERAPANNYA. Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS DISTRIBUSI ERLANG DAN PENERAPANNYA Rini Kurniasih 1, Getut Pramesti 2 Mahasiswi Pendidikan Matematika FKIP UNS, Dosen Pendidikan Matematika FKIP UNS [email protected], [email protected] ABSTRAK

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. yang mengenai parameter-parameter populasi yang merupakan induk

BAB 2 TINJAUAN TEORITIS. yang mengenai parameter-parameter populasi yang merupakan induk BAB 2 TINJAUAN TEORITIS 21 Statistik Non Parametrik Tes statistik non parametrik adalah test yang modelnya tidak menetapakan syaratsyaratnya yang mengenai parameter-parameter populasi yang merupakan induk

Lebih terperinci

BAB XII PENGUJIAN DISTRIBUSI CHI-SQUARED. Pada bab ini akan dibahas mengenai pengujian distribusi dengan menggunakan chi-squared.

BAB XII PENGUJIAN DISTRIBUSI CHI-SQUARED. Pada bab ini akan dibahas mengenai pengujian distribusi dengan menggunakan chi-squared. BAB XII PENGUJIAN DISTRIBUSI CHI-SQUARED Deskripsi: Pada bab ini akan dibahas mengenai pengujian distribusi dengan menggunakan chi-squared. Manfaat: Memberikan konsep pengujian distribusi chi-squared yang

Lebih terperinci

Ukuran Statistik Bagi Data

Ukuran Statistik Bagi Data Ukuran Statistik Bagi Data Ahmad Zakaria, Ph.D. September 19, 2013 1 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter 2 Ahmad Zakaria, Ph.D. Ukuran Statistik Bagi Data Definisi Parameter

Lebih terperinci

DESAIN ACAK SEMPURNA 2

DESAIN ACAK SEMPURNA 2 2 DESAIN ACAK SEMPURNA Outline 2 D e s a i n A c a k Sempurna Pengertian Desain Acak Sempurna Analisis Varians untuk DAS Daftar ANAVA Model Linier Model dalam DAS Studi Kasus Desain Acak Sempurna (1) 3

Lebih terperinci

Statistik Non Parametrik

Statistik Non Parametrik Statistik Non Parametrik UJI FRIEDMAN (UJI X ) r X r UJI Friedman (uji ) Untuk k sampel berpasangan (k>) dengan data setidaknya data skala ordinal Sebagai alternatif dari analisis variansi dua arah bila

Lebih terperinci

Pengujian Varian Satu Jalur. (One Way ANOVA)

Pengujian Varian Satu Jalur. (One Way ANOVA) One Way ANOVA Pengujian Varian Satu Jalur (One Way ANOVA) Uji One Way ANOVA, digunakan untuk mengetahui ada tidaknya perbedaan ratarata antara tiga kelompok lebih sample yang tidak berhubungan. Jika ada

Lebih terperinci

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI

BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI 7.1. Pendahuluan BAB 7 DISTRIBUSI-COMPOUND DAN GENERALIZED SPASIAL MUHAMMAD NUR AIDI Pada bab sebelumnya, penyebaran spatial (konfigurasi spasial) dimana ditunjukan sebagai ragam sampel quadran. Bab ini

Lebih terperinci

Analysis of Variance (ANOVA) Debrina Puspita Andriani /

Analysis of Variance (ANOVA) Debrina Puspita Andriani    / Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : [email protected] / [email protected] Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor

Lebih terperinci

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN

ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF 1. PENDAHULUAN ESTIMASI PARAMETER MODEL REGRESI MULTIVARIAT BAYESIAN DENGAN DISTRIBUSI PRIOR INFORMATIF Dina Ariek Prasdika, Dewi Retno Sari Saputro, Purnami Widyaningsih Program Studi Matematika Fakultas Matematika

Lebih terperinci

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3

KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN SIX SIGMA. Victoria Dwi Murti 1, Sudarno 2, Suparti 3 JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 241-248 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KAJIAN DATA KETAHANAN HIDUP TERSENSOR TIPE I BERDISTRIBUSI EKSPONENSIAL DAN

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian ini akan dilakukan di DAS Kali Krukut dan dimulai dari bulan Februari hingga Juni 2012. Daerah Pengaliran Sungai (DAS) Krukut memiliki luas ±

Lebih terperinci

RANCANG BANGUN PURWARUPA SISTEM PENDUKUNG KEPUTUSAN DENGAN MODEL SIMULASI NONSTATIONARY AND COMPOUND POISSON PROCESS

RANCANG BANGUN PURWARUPA SISTEM PENDUKUNG KEPUTUSAN DENGAN MODEL SIMULASI NONSTATIONARY AND COMPOUND POISSON PROCESS RANCANG BANGUN PURWARUPA SISTEM PENDUKUNG KEPUTUSAN DENGAN MODEL SIMULASI NONSTATIONARY AND COMPOUND POISSON PROCESS PADA PERENCANAAN SUMBER DAYA USAHA KULINER Arif Rahman 1, Murti Astuti 2, Rahmi Yuniarti

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN. sebagai dasar dalam pengujian hipotesis dan penarikan kesimpulan. Hasil

BAB IV HASIL DAN PEMBAHASAN. sebagai dasar dalam pengujian hipotesis dan penarikan kesimpulan. Hasil 71 BAB IV HASIL DAN PEMBAHASAN Pada bab ini akan diuraikan hasil penelitian yang telah penulis lakukan sebagai dasar dalam pengujian hipotesis dan penarikan kesimpulan. Hasil penelitian diperoleh dari

Lebih terperinci

CHI SQUARE. Pengantar

CHI SQUARE. Pengantar BAB 1 CHI SQUARE CHI SQUARE Pengantar Dua buah gejala atau lebih pada kenyataannya sebenarnya hanya dapat diperbandingkan atau dihubungkan. Oleh karena itu untuk mengkaji keterkaitan antara dua buah gejala

Lebih terperinci

III. METODE PENELITIAN. Populasi penelitian ini, yaitu seluruh siswa kelas XI IPA SMA Negeri 5 Bandar

III. METODE PENELITIAN. Populasi penelitian ini, yaitu seluruh siswa kelas XI IPA SMA Negeri 5 Bandar III. METDE PENELITIAN A. Populasi Penelitian Populasi penelitian ini, yaitu seluruh siswa kelas XI IPA SMA Negeri 5 Bandar Lampung pada semester ganjil Tahun Pelajaran 0/ 0 yang terdiri atas 4 kelas berjumlah

Lebih terperinci

Evaluasi Deviasi dari Aproksimasi Frekuensi Kejadian Perawatan Korektif dan Preventif

Evaluasi Deviasi dari Aproksimasi Frekuensi Kejadian Perawatan Korektif dan Preventif Petunjuk Sitasi: Rahman, A. (2017). Evaluasi Deviasi Dari Aproksimasi Frekuensi Kejadian Perawatan Korektif Dan Preventif. Prosiding SNTI dan SATELIT 2017 (pp. C181-186). Malang: Jurusan Teknik Industri

Lebih terperinci

MAKALAH UJI PERLUASAN MEDIAN

MAKALAH UJI PERLUASAN MEDIAN MAKALAH UJI PERLUASAN MEDIAN Disusun untuk Memenuhi Tugas Mata Kuliah Pengolahan Data Penelitian Dosen Pengampu : Dr. Nur Karomah Dwidayati, M.Si. Oleh: Sulis Rinawati (0401516042) Retno Indarwati (0401516049)

Lebih terperinci

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012

Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANALISIS VARIANSI DWIFAKTOR Utriweni Mukhaiyar BI5106 Analisis Biostatistik 29 November 2012 ANOVA one-way vs two-way 2 Dalam ANOVA one-way ( satu faktor), diperhatikan hanya satu faktor saja yang berpengaruh

Lebih terperinci

Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah

Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Malikussaleh Industrial Engineering Journal Vol.2 No.2 (2013) 32-37 ISSN 2302 934X Industrial Management Model Log Linier yang Terbaik untuk Analisis Data Kualitatif pada Tabel Kontingensi Tiga Arah Maryana

Lebih terperinci

Statistika (MMS-1403)

Statistika (MMS-1403) Statistika (MMS-1403) Dr. Danardono, MPH [email protected] Program Studi Statistika Jurusan Matematika FMIPA UGM MMS-1403 p.1/93 Distribusi Sampling Statistik Populasi: himpunan keseluruhan obyek yang

Lebih terperinci

Independent Sample T Test

Independent Sample T Test Independent Sample T Test Pengujian Dua Sample Tidak berhubungan (Independent Sample T Test) Uji Independence Sample T Test, digunakan untuk mengetahui ada tidaknya perbedaan rata-rata antara dua kelompok

Lebih terperinci

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung)

PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL 2014 (Pada Studi Kasus Nilai Ujian Nasional 2014 SMP Negeri 1 Sayung) ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 697-704 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENERAPAN REGRESI LINIER MULTIVARIAT PADA DISTRIBUSI UJIAN NASIONAL

Lebih terperinci

PENAKSIRAN NILAI PARAMETER POPULASI

PENAKSIRAN 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 terperinci

ANALISIS DATA KATEGORIK

ANALISIS DATA KATEGORIK ANALISIS DATA KATEGORIK 7.1 Uji Independensi Khi Kuadrat Adakalanya kita menjumpai data yang bersifat kategorikal. Yang dimaksud dengan kategorikal di sini adalah data terkelompokkan berdasarkan kategori

Lebih terperinci

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012

MA2081 STATISTIKA DASAR. Utriweni Mukhaiyar 1 November 2012 Uji Hipotesis MA081 STATISTIKA DASAR MA081 STATISTIKA DASAR Utriweni Mukhaiyar 1 November 01 Pengertian Hipotesis adalah suatu anggapan yang mungkin benar atau tidak mengenai satu populasi atau lebih yang

Lebih terperinci

pendekatan regresi logistik biner Oleh :Wida Suliasih ( )

pendekatan regresi logistik biner Oleh :Wida Suliasih ( ) Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian

Lebih terperinci