PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi.

Ukuran: px
Mulai penontonan dengan halaman:

Download "PENGUJIAN HIPOTESIS. Hipotesis Statistik : pernyataan atau dugaan mengenai satu atau lebih populasi."

Transkripsi

1 . Pedahulua PENGUJIAN HIPOTESIS Hipoesis Saisik : peryaaa aau dugaa megeai sau aau lebih populasi. Pegujia hipoesis berhubuga dega peerimaa aau peolaka suau hipoesis. Kebeara (bear aau salahya) suau hipoesis idak aka perah dikeahui dega pasi, kecuali kia memeriksa seluruh populasi. Lalu apa yag kia lakuka, jika kia idak mugki memeriksa seluruh populasi uuk memasika kebeara suau hipoesis? Kia dapa megambil sampel acak, da megguaka iformasi (aau buki) dari sampel iu uuk meerima aau meolak suau hipoesis. Peerimaa suau hipoesis erjadi karea TIDAK CUKUP BUKTI uuk MENOLAK hipoesis ersebu da BUKAN karea HIPOTESIS ITU BENAR da Peolaka suau hipoesis erjadi karea TIDAK CUKUP BUKTI uuk MENERIMA hipoesis ersebu da BUKAN karea HIPOTESIS ITU SALAH. Ladasa peerimaa da peolaka hipoesis seperi ii, yag meyebabka para saisikawa aau peelii megawali pekerjaa dega erlebih dahulu membua hipoesis yag diharapka diolak, eapi dapa membukika bahwa pedapaya dapa dierima. Hipoesis Awal yag diharap aka diolak disebu : Hipoesis Nol ( ) Hipoesis Nol juga serig meyaaka kodisi yag mejadi dasar pembadiga. Peolaka H membawa kia pada peerimaa Hipoesis Aleraif ( H ) (beberapa buku meulisya sebagai ) H A Nilai Hipoesis Nol ( ) harus meyaaka dega pasi ilai parameer. diulis dalam beuk persamaa () Sedagka Nilai Hipoesis Aleraif ( ) dapa memiliki beberapa kemugkia. diulis dalam beuk peridaksamaa (< ; > ; ) Cooh. Sebelum ahu 993, pembuaa KRS mahasiswa Uiversias GD dilakuka dega pegisia formulir secara maual. Raa-raa waku pembuaa KRS dega sisem maual 5 mei. Pada ahu 993, PSA Uiversias GD memperkealka sisem pembuaa KRS "ON-LINE". Jika igi dibukika bahwa raa-raa waku pembuaa KRS dega sisem ON-LINE aka lebih cepa dibadig dega sisem yag lama maka Hipoesis awal da Aleraif yag dapa kia bua :

2 : μ 5 mei (sisem baru sama dega sisem lama) : μ < 5 mei ( sisem baru lebih cepa) aau : μ 5 mei (sisem baru da sisem lama idak berbeda) : μ 5 mei (sisem baru idak sama dega sisem lama) Cooh : Maajeme KA Idoesia mulai ahu 99, melakuka pemeriksaa karcis KRL lebih iesif dibadig ahu-ahu sebelumya, pemeriksaa karcis yag iesif berpegaruh posiif erhadap peerimaa PERUMKA. Jika sebelum ahu 99 pedapaa KRL Rp. 3 jua/miggu maka seelah pemeriksaa karcis iesif diharapka ada peigkaa pedapaa sehigga Hipoesis awal da Aleraif yag dapa kia bua : : μ 3 jua (sisem baru da sisem lama idak berbeda) : μ > 3 jua (sisem baru meyebabka peerimaa lebih besar dibadig sisem lama) aau : μ 3 jua (sisem baru da sisem lama idak berbeda) : μ 3 jua (sisem baru idak sama dega sisem lama) Peolaka aau Peerimaa Hipoesis dapa membawa kia pada jeis kesalaha (kesalaha error gala), yaiu :. Gala Jeis Peolaka Hipoesis Nol ( ) yag bear Gala Jeis dioasika sebagai α α juga disebu araf yaa uji Caaa : kosep α dalam Pegujia Hipoesis sama dega kosep α pada Selag Kepercayaa. Gala Jeis Peerimaa Hipoesis Nol ( ) yag salah Gala Jeis dioasika sebagai β Prisip pegujia hipoesis yag baik adalah memiimalka ilai α da β Dalam perhiuga, ilai α dapa dihiug sedagka ilai β haya bisa dihiug jika ilai hipoesis aleraif saga spesifik. Pada pegujia hipoesis, kia lebih serig berhubuga dega ilai α. Dega asumsi, ilai α yag kecil juga mecermika ilai β yag juga kecil. Prisip pegujia hipoesa adalah perbadiga ilai saisik uji ( hiug aau hiug) dega ilai iik kriis (Nilai abel aau Tabel)

3 Tiik Kriis adalah ilai yag mejadi baas daerah peerimaa da peolaka hipoesis. Nilai α pada aau ergaug dari arah pegujia yag dilakuka.. Arah Pegujia Hipoesis Pegujia Hipoesis dapa dilakuka secara :. Uji Sau Arah. Uji Dua Arah. Uji Sau Arah. Pegajua da dalam uji sau arah adalah sebagai beriku: : diulis dalam beuk persamaa (megguaka ada ) : diulis dalam beuk lebih besar (>) aau lebih kecil (<) Nilai α idak dibagi dua, karea seluruh α dileakka haya di salah sau sisi selag Cooh Uji Sau Arah a. : μ 5 mei b. : μ 3 jua : μ < 5 mei : μ > 3 jua Misalka : < : μ μ *) : μ μ Daerah Peolaka **): < α aau < ( db; α ) *) μ adalah suau raa-raa yag diajuka dalam **) Pegguaa aau ergaug ukura sampel sampel besar megguaka ; sampel kecil megguaka. Luas daerah ii α Daerah Peolaka - α aau - db Daerah Peerimaa 3

4 daerah yag diarsir daerah peolaka da daerah peerimaa daerah ak diarsir daerah peerimaa hipoesis Misalka : > : μ μ *) : μ μ Daerah Peolaka **): > α aau > ( db,α ) Luas daerah ii α Daerah Peolaka Daerah Peerimaa α aau db;α daerah yag diarsir daerah peolaka da daerah peerimaa daerah ak diarsir daerah peerimaa hipoesis. Uji Dua Arah Pegajua da dalam uji dua arah adalah sebagai beriku : : diulis dalam beuk persamaa (megguaka ada ) : diulis dega megguaka ada Cooh Uji Dua Arah a. : μ 5 mei b. : μ 3 jua : μ 5 mei : μ 3 jua Nilai α dibagi dua, karea α dileakka di kedua sisi selag Misalka : : μ μ *) : μ μ Daerah Peolaka **): < α da > α aau < ( db, α ) da > ( db ; α ) *) μ adalah suau raa-raa yag diajuka dalam 4

5 **) Pegguaa aau ergaug ukura sampel sampel besar megguaka ; sampel kecil megguaka. Luas daerah ii α/ Daerah Peolaka Luas daerah ii α/ Daerah Peolaka - α/ aau - db;α/ Daerah Peerimaa α/ aau db;α/ daerah yag diarsir daerah peolaka da daerah peerimaa daerah ak diarsir daerah peerimaa hipoesis.3 Ierpreasi Oupu Pegujia Hipoesis dega SPSS Pada SPSS peerimaa/peolaka dilakuka dega membadigka ilai probabilias (p.) aau sigificace (sig.) dega ilai α Jika sig < α maka diolak, dierima Jika sig > α maka dierima Misal: Dieuka ilai α 5%.5 Didapa sig.3 berari sig < α maka diolak, dierima Didapa sig.465 berari sig > α maka dierima 3 Pegerjaa Uji Hipoesis Tujuh Lagkah Pegerjaa Uji Hipoesis. Teuka da * Teuka saisik uji [ aau ] 3* Teuka arah pegujia [ aau ] 4* Taraf Nyaa Pegujia [α aau α/] 5. Teuka daerah peolaka 6. Hiug ilai Saisik Hiug [guaka rumus] 7. Teuka Kesimpula [erima aau olak ] *) Urua pegerjaa lagkah ke, 3 da 4 dapa salig diperukarka! Beberapa Nilai yag peig.5% %..33.5% %

6 3. Uji Hipoesis Nilai Raa-Raa dari Sampel Besar : Nilai Uji Saisik : Daerah Peolaka μ μ sampel besar 3 x μ σ / σ dapa digai dega s μ < μ μ > μ μ μ < α > α < α da > α Cooh 3 : Dari asabah bak raa-raa melakuka pearika $495 per bula melalui ATM, dega simpaga baku $45. Dega araf yaa %, ujilah : a) apakah raa-raa asabah mearik melalui ATM kurag dari $5 per bula? b} apakah raa-raa asabah mearik melalui ATM idak sama dega $5 per bula? (Uji arah, α/.5%, saisik uji) Jawab : Dikeahui: x 495 s 45 μ 5 α% a). : μ 5 : μ < 5 Saisik uji : karea sampel besar 3 Arah pegujia : arah 4 Taraf Nyaa Pegujia α %. 5. Daerah Peolaka < - < Luas daerah ii α Daerah Peolaka H -.33 Daerah Peerimaa 6. Saisik Hiug x μ σ / /

7 7. Kesimpula : hiug -. ada di daerah peerimaa dierima, raa-raa pegambila uag di ATM masih $ 5 b) Diiggalka sebagai laiha ( : μ 5; Uji arah, α/.5%, saisik uji ) 3.. Uji Hipoesis Nilai Raa-Raa dari Sampel Kecil : Nilai Uji Saisik : Daerah Peolaka μ μ x μ s / μ < μ μ > μ db α < ( ; ) > ( db,α ) sampel kecil <3 μ μ < ( db, α ) da > ( db ; α ) db - Cooh 4 : Seorag ahli Sumber Daya Mausia meguji 5 karyawa da medapaka bahwa raa-raa peguasaa pekerjaa kesekrearisa adalah bula dega simpaga baku 4 bula. Dega araf yaa 5%, ujilah : a) Apakah raa-raa peguasaa kerja kesekrearisa lebih dari bula? b) Apakah raa-raa peguasaa kerja kesekrearisa idak sama dega bula? Jawab: Dikeahui : x s 4 5 μ α 5% a) Diiggalka sebagai laiha ( : μ > ; uji arah, α5%, saisik uji, db 4) b). : μ : μ Saisik uji : karea sampel kecil 3 Arah pegujia : arah 4 Taraf Nyaa Pegujia α 5%.5 α/.5%.5 5. Daerah Peolaka < ( db, α ) da > ( db ; α ) db < - (4;.5%) < -.64 > (4;.5%) >.64 da 7

8 Luas daerah ii α/ Daerah Peolaka Luas daerah ii α/ Daerah Peolaka -.64 Daerah Peerimaa Saisik Hiug x s μ / 4/ Kesimpula : hiug.5 ada di daerah peolaka diolak, dierima, raa-raa peguasaa pekerjaa kesekrearisa bula 3.3. Uji Hipoesis Beda Nilai Raa-Raa dari Sampel Besar : Nilai Saisik Uji : Daerah Peolaka μ μ d x x d ( σ / ) + ( σ / ) μ μ <d μ μ >d < α > α Sampel- Sampel Besar 3 3 Jika σ da σ idak dikeahui guaka s da s x > x μ μ d < α da > α Cooh 5: Beriku adalah daa ilai presasi kerja karyawa yag medapa raiig dega yag idak medapa raiig DGN TRAINING TANPA TRAINING raa-raa ilai presasi x 3 x 3 ragam s 4.5 s 4 ukura sampel 3 4 8

9 Dega araf yaa 5 % ujilah apakah ada perbedaa raa-raa presasi kerja di kedua kelompok karyawa? Caaa: Ada perbedaa meyaaka μ μ sehigga d Jawab : α 5 % d. : μ μ : μ μ Saisik uji : karea sampel besar 3 Arah pegujia : arah 4 Taraf Nyaa Pegujia α 5%.5 da α/.5%.5 5. Daerah Peolaka < α da > α < 5. > 5 < -.96 >.96 Luas daerah ii α/ Daerah Peolaka Luas daerah ii α/ Daerah Peolaka -.96 Daerah Peerimaa Saisik Hiug x x d ( s / ) + ( s / ) 3 3 ( 4/ 4) + ( 45. / 3) Kesimpula : hiug 4 ada di daerah peolaka diolak, dierima beda raa-raa presasi kerja 9

10 3.4 Uji Hipoesis Beda Raa-Raa dari Sampel-Sampel Kecil Asumsi: Ragam kedua populasi idak sama ( σ σ ) da ilaiya idak dikeahui : Nilai Uji Saisik : Daerah Peolaka μ μ d sampel -sampel kecil < 3 < 3 x > x x x d ( s / ) + ( s / ) μ μ <d μ μ >d μ μ d < ( db; α ) > ( db; α ) < ( db, α ) da > ( db ; α ) deraja bebas (db) ( + ) s s s s [( ) ( )] [( ) ( )] + (liha Selag Kepercayaa 4, Pedugaa Parameer) Cooh 6: Beriku adalah daa raa-raa bayak hari membolos karyawa (hari/ahu) di dua divisi yag berbeda. raa-raa bayak membolos (hari/ahu) Divisi Admiisrasi Divisi Produksi x 7 x ragam s.54 s.35 ukura sampel 7 5 Diasumsika kedua sampel diambil dari dua populasi yag ilai ragamya idak sama da ilaiya idak dikeahui. Dega Taraf Nyaa 5% Apakah perbedaa raa-raa bayak membolos di kedua divisi μ μ lebih dari 5 hari per ahu? Guaka deraja bebas (db) Jawab : α 5 % d 5. : μ μ 5 : μ μ > 5 Saisik Uji : karea sampel kecil 3 arah pegujia : arah

11 4 Taraf Nyaa Pegujia α 5%.5 5. Daerah Peolaka db ) > ( ; α db > (db ; α 5%) >.8 Luas daerah ii α Daerah Peolaka Daerah Peerimaa.8 6. Saisik Hiug x x d ( s / ) + ( s / ) (. 54 / 7) + (. 35/ 5) Kesimpula : hiug.857 ada di daerah peolaka H diolak, dierima, perbedaa raa-raa membolos di kedua divisi eryaa lebih dari 5 hari. 3.5 Uji Hipoesis Beda Raa-Raa dari Sampel-Sampel Kecil Asumsi: Ragam kedua populasi sama ( σ σ ) da ilaiya idak dikeahui : Nilai Uji Saisik : Daerah Peolaka μ μ d sampel -sampel kecil < 3 < 3 x x d s ( / ) + ( / ) gab x > x μ μ <d μ μ >d μ μ d < ( db; α ) > ( db; α ) < ( db, α ) da > ( db ; α ) s ( ) s + ( ) s + gab deraja bebas (db) + da s s (Liha kembali Selag Kepercayaa 5, Pedugaa Parameer) gab gab

12 3.6 Uji Hipoesis Beda Raa-Raa dari Sampel-Sampel Kecil Berpasaga : Nilai Uji Saisik : Daerah Peolaka μ μ d sampel -sampel kecil < 3 < 3 d d μ μ <d sd μ μ >d μ μ d < ( db; α ) > ( db; α ) < ( db, α ) da > ( db ; α ) : bayak pasaga daa d i : x i - x i : selisih pasaga daa ke-i uuk i,,3,... d : raa-raa d i d d i s d ( di d) s d s d deraja bebas(db) - (Seperi pada Selag Kepercayaa 6, Pedugaa Parameer) 3.7 Uji Hipoesis Nilai Proporsi dari Sampel Besar : Nilai Uji Saisik : Daerah Peolaka π p sampel besar 3 x p ( p q ) π < p π > p π p < α > α < α da > α SUKSES adalah kejadia yag diayaka/diujika. x : bayak aggoa SUKSES dalam sampel : ukura sampel p : proporsi SUKSES dalam da q : - p

13 Cooh 7: Dari 33 mahasiswa yag dijadika sampel, haya 3 orag yag seuju keaika SPP. Dega araf yaa %, ujilah apakah proporsi mahasiswa yag seuju keaika idak sama dega %? x 3 33 α % p. q.9. : π. : π.. Saisik Uji : 3. Uji Arah 4. Taraf Nyaa Pegujia α % α/.5%.5 5. Daerah Peolaka < < da > > Luas daerah ii α/ Daerah Peolaka Luas daerah ii α/ Daerah Peolaka Daerah Peerimaa Nilai saisik Uji : x ( p ) 3 ( 33. ) p q Kesimpula: -.55 ada di daerah peerimaa Proporsi mahasiswa yag seuju keaika SPP masih. 3.8 Uji Hipoesis beda Proporsi dari Sampel-Sampel Besar : Nilai Uji Saisik : Daerah Peolaka π π d sampel -sampel besar 3 3 p > p p p d p q + p q π π π π < d π > d π d < α > α < α da > α 3

14 p proporsi SUKSES dalam sampel q p ukura sampel p proporsi SUKSES dalam sampel q p ukura sampel Cooh 8: Beriku adalah daa bayak mahasiswa yag akif berorgaisasi di dua Fakulas. Fakulas Ekoomi Fakulas Ilmu Kompuer Bayak Mhs yag akif berorgaisasi 35 4 Bayak Mahasiswa (Ukura Sampel) 5 6 Dega araf yaa 5 %, ujilah apakah perbedaa proporsi mahasiswa yag akif berorgaisasi di kedua fakulas kurag dari 3%? p q p p 4 4. q p d 3%.3. : π π. 3 : π π <. 3. Saisik Uji : 3. Uji Arah 4. Taraf Nyaa α 5%.5 5. Daerah Peolaka : < < Luas daerah ii α Daerah Peolaka Daerah Peerimaa 4

15 6. Nilai saisik Uji : p p d p q + p q Kesimpula: -.79 ada di daerah peolaka diolak, dierima: Beda proporsi populasi mahasiswa yag akif berorgaisasi di kedua Fakulas eryaa kurag dari 3%. selesai 5

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi.

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih populasi. PENGUJIAN HIPOTESIS 1. PENDAHULUAN Hipoesis Saisik : pernyaaan aau dugaan mengenai sau aau lebih populasi. Pengujian hipoesis berhubungan dengan penerimaan aau penolakan suau hipoesis. Kebenaran (benar

Lebih terperinci

Rumus-rumus yang Digunakan

Rumus-rumus yang Digunakan Saisika Uipa Surabaya 4. Sampel Tuggal = Rumus-rumus yag Diguaka s..... Sampel berkorelasi D D N N N...... 3. Sampel Bebas a. Uuk varias sama... 3 aau x x s g... 4 b. Sampel Heeroge Guaka Uji Corha - Cox

Lebih terperinci

PENGUJIAN HIPOTESIS DUA RATA-RATA

PENGUJIAN HIPOTESIS DUA RATA-RATA PENGUJIN HIPOTEI DU RT-RT Pegujia hipoesis dua raa-raa diguaka uuk membadigka dua keadaa aau epaya dua populasi. Misalya kia mempuyai dua populasi ormal masig-masig dega raa-raa µ da µ sedagka simpaga

Lebih terperinci

V. PENGUJIAN HIPOTESIS

V. PENGUJIAN HIPOTESIS V. PENGUJIAN IPOTEI A. IPOTEI TATITIK Defiisi uau hipoesa saisik adalah suau peryaaa aau dugaa megeai sau aau lebih variabel populasi. ipoesis digologka mejadi. ipoesis ol adalah hipoesis yag dirumuska

Lebih terperinci

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) . Definisi L.2 (Kejadian lepas )

Beberapa Definisi Ruang Contoh Kejadian dan Peluang Definisi L.1 (Ruang contoh dan kejadian) .   Definisi L.2 (Kejadian lepas ) 33 LAMPIRAN 34 35 Beberapa Defiisi Ruag Cooh Kejadia da Peluag Suau percobaa yag dapa diulag dalam kodisi yag sama, yag hasilya idak dapa diprediksi dega epa eapi kia bisa megeahui semua kemugkia hasil

Lebih terperinci

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu

BAB 2 TINJAUAN TEORI. Ramalan pada dasarnya merupakan dugaan atau perkiraan mengenai terjadinya suatu BAB 2 TINJAUAN TEORI 2.1 Pegeria Peramala Ramala pada dasarya merupaka dugaa aau perkiraa megeai erjadiya suau kejadia aau perisiwa di waku yag aka daag. Peramala merupaka sebuah ala bau yag peig dalam

Lebih terperinci

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA

JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA Achmad Samudi, M.Pd. JURUSAN PENDIDIKAN FISIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA 6. MENGUJI PROPORSI π : UJI DUA PIAK Mialka kia mempuyai populai biom dega propori periiwa A π Berdaarka ebuah ampel

Lebih terperinci

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak

BAB V ANALISA HASIL. Untuk mendapatkan jenis peramalan yang dinginkan terdapat banyak BB V NLIS HSIL 5.1 Ukura kurasi Hasil Peramala Uuk medapaka jeis peramala yag digika erdapa bayak parameer-parameer yag dapa diguaka. Seperi yag elah diuraika pada ladasa eori, parameer-parameer ersebu

Lebih terperinci

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai

Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,

Lebih terperinci

STATISTIKA NON PARAMETRIK

STATISTIKA NON PARAMETRIK . PENDAHULUAN STATISTIKA NON PARAMETRIK Kelebiha Uji No Parametrik: - Perhituga sederhaa da cepat - Data dapat berupa data kualitatif (Nomial atau Ordial) - Distribusi data tidak harus Normal Kelemaha

Lebih terperinci

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:

PENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak: PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.

Lebih terperinci

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o

ANALISIS BEDA Fx F.. S u S g u i g y i an a t n o t da d n a Ag A u g s u Su S s u wor o o ANALII BEDA Fx. ugiyao da Agus usworo Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg Meguji apakah erdapa perbedaa yg sigifika

Lebih terperinci

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang

BAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang BAB 2 LANDASAN EORI 2.1 Pegeria Peramala Peramala adalah kegiaa uuk memperkiraka apa yag aka erjadi di masa yag aka daag. Sedagka ramala adalah suau siuasi aau kodisi yag diperkiraka aka erjadi pada masa

Lebih terperinci

SEBARAN t dan SEBARAN F

SEBARAN t dan SEBARAN F SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita

Lebih terperinci

A. Pengertian Hipotesis

A. Pengertian Hipotesis PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa

Lebih terperinci

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai

BAB 2 LANDASAN TEORI. pada masa mendatang. Peramalan penjualan adalah peramalan yang mengkaitkan berbagai BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala (orecasig) Peramala (orecasig) adalah suau kegiaa yag memperkiraka apa yag aka erjadi pada masa medaag. Peramala pejuala adalah peramala yag megkaika berbagai

Lebih terperinci

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro

ANALISIS BEDA. Konsep. Uji t (t-test) Teknik Uji Beda. Agus Susworo Dwi Marhaendro ANALII BEA Agus usworo wi Marhaedro Kosep Peeliia bermaksud meguji keadaa (sesuau) yag erdapa dalam suau kelompok dega kelompok lai Meguji apakah erdapa perbedaa yg sigifika di aara kelompok-kelompok Tekik

Lebih terperinci

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel

BAB III PENAKSIR DERET FOURIER. Dalam statistika, penaksir adalah sebuah statistik (fungsi dari data sampel BAB III PENAKSIR DERET FOURIER 3. Peaksi Dalam saisika, peaksi adalah sebuah saisik (fugsi dai daa sampel obsevasi) yag diguaka uuk meaksi paamee populasi yag idak dikeahui (esimad) aau fugsi yag memeaka

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH 89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas

Lebih terperinci

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan

B A B III METODE PENELITIAN. Objek penelitian dalam penelitian ini adalah menganalisis perbandingan 30 B A B III METODE PENELITIAN 3. Peeapa Lokai da Waku Peeliia Objek peeliia dalam peeliia ii adalah megaalii perbadiga harga jual produk melalui pedekaa arge pricig dega co-plu pricig pada oko kue yag

Lebih terperinci

BAB 3 METODE PENELITIAN

BAB 3 METODE PENELITIAN BAB 3 METODE PENELITIAN 3 Meode Pegumpula Daa 3 Jeis Daa Pada peeliia ii aka megguaka jeis daa yag bersifa kuaiaif Daa kuaiaif adalah daa yag berbeuk agka / omial Dalam peeliia ii aka megguaka daa pejuala

Lebih terperinci

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov

BAB II TEORI DASAR. 2.1 Proses Stokastik Rantai Markov BAB II TEORI DASAR. Proses Sokasik Raai Markov Proses sokasik merupaka suau cara uuk mempelajari hubuga yag diamis dari suau ruua perisiwa aau proses yag kejadiaya bersifa idak pasi. Dalam memodelka perubaha

Lebih terperinci

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI

PENDAHULUAN INTERVAL KEPERCAYAAN PENAKSIRAN TITIK PENAKSIRAN INTERVAL 5/14/2012 KANIA EVITA DEWI 5/4/0 INTERVAL KEPERCAYAAN Poulai θ= μ,, π PENDAHULUAN amlig amel θˆ=,, KANIA EVITA DEWI Peakira arameer ada cara:. Peakira iik. Peakira ierval aau ierval keercayaa PENAKSIRAN TITIK Peakira iik -> Jika

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2. Ruag sampel da Kejadia Defiisi Himpua semua hasil yag mugki dari suau percobaa disebu ruag sampel da diyaaka dega S Mogomery, 2004: 7. Tiap hasil dari ruag sampel disebu usur aau

Lebih terperinci

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pendugaan Parameter. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pedugaa Parameter Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : Parameter Sampel : Statistik Statistik merupaka PENDUGA bagi parameter populasi Pegetahua megeai distribusi

Lebih terperinci

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di

METODE PENELITIAN. Lokasi dan Waktu Penelitian. sampai dengan April 2008, di DAS Waeruhu, yang secara administratif terletak di 8 METODE PENELITIAN Lokasi da Waku Peeliia Peeliia ii dilaksaaka selama 3 bula, erhiug sejak bula Februari sampai dega April 2008, di DAS Waeruhu, yag secara admiisraif erleak di wilayah Kecamaa Sirimau,

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu

Lebih terperinci

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN

NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN NILAI AKUMULASI ANUITAS AKHIR DENGAN ASUMSI DISTRIBUSI UNIFORM UNTUK m KALI PEMBAYARAN Nomi Kelari *, Hasriai 2, Musraii 2 Mahasiswa Program S Maemaika 2 Dose Jurusa Maemaika Fakulas Maemaika da Ilmu Pegeahua

Lebih terperinci

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.

Masih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi. Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Chapter 7 Student Lecture Notes 7-1

Chapter 7 Student Lecture Notes 7-1 Chapter 7 Studet Lecture Notes 7-1 DASAR-DASAR UJI Hipotesis: Hipo (di bawah) da Tesis (peryataa yag telah diuji) Hipotesis Statistik:suatu proposisi atau aggapa megeai parameter populasi yag dapat diuji

Lebih terperinci

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data

III. METODE KAJIAN 1. Lokasi dan Waktu 2. Metode Pengumpulan Data III. METODE KAJIAN 1. Lokasi da Waku Lokasi kajia berempa uuk kelompok dilaksaaka di kelompok peeraka sapi di Bagka Tegah, Provisi Bagka Beliug, da Kelompok Peeraka Sapi di Cisarua, Bogor, Provisi Jawa

Lebih terperinci

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS

Manajemen Keuangan. Idik Sodikin,SE,MBA,MM EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI. Modul ke: 06Fakultas EKONOMI DAN BISNIS Modul ke: 06Fakulas EKONOMI DAN BISNIS EVALUASI UNTUK MENENTUKAN KEPUTUSAN INVESTASI Program Sudi Akuasi Idik Sodiki,SE,MBA,MM Krieria Kepuusa Ivesasi aau Pegaggara Modal o Beberapa krieria yag aka diperguaka

Lebih terperinci

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)

DISTRIBUSI SAMPLING (Distribusi Penarikan Sampel) DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih PENGUJIAN HIPOTESIS. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran

Lebih terperinci

9 Departemen Statistika FMIPA IPB

9 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara

Lebih terperinci

Distribusi Sampling (Distribusi Penarikan Sampel)

Distribusi Sampling (Distribusi Penarikan Sampel) Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,

Lebih terperinci

Pendugaan Parameter. Debrina Puspita Andriani /

Pendugaan Parameter. Debrina Puspita Andriani    / Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:

Lebih terperinci

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin

DISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa

Lebih terperinci

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER

JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS JEMBER STATISTIK CUKUP Oleh: Ramayai Rizka M (11810101003), Dey Ardiao (1181010101), Ikfi Ulyawai (1181010103), Falviaa Yulia Dewi (1181010106), Ricki Dio Rosada (11810101034), Nurma Yuia D (11810101035), Wula

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii ergolog peeliia komparasioal, yaiu peeliia yag dilaksaaka uuk megeahui ada idakya perbedaa aar variabel yag sedag dielii. Jika perbedaa iu memag

Lebih terperinci

BILANGAN BAB V BARISAN BILANGAN DAN DERET

BILANGAN BAB V BARISAN BILANGAN DAN DERET Maemaika Kelas IX emese Baisa Bilaga da Dee BILANGAN BAB V BARIAN BILANGAN DAN DERET A. Baisa Bilaga. Pegeia Baisa Bilaga Jika bilaga-bilaga diuuka dega aua eeu maka aka dipeoleh suau baisa bilaga. Cooh

Lebih terperinci

x = μ...? 2 2 s = σ...? x x s = σ...?

x = μ...? 2 2 s = σ...? x x s = σ...? Pedugaa Parameter x 2 sx s = μ...? 2 = σ x...? = σ...? Peduga Parameter Peduga titik yaitu parameter populasi p diduga dega suatu besara statistik, misal: rata-rata, proporsi, ragam, dll Peduga Selag (Iterval)

Lebih terperinci

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA

ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA ANALISIS INVESTASI PENAMBANGAN PASIR DAN BATU DITINJAU DARI SEGI TEKNIS DAN BIAYA Laar Belakag Masalah Semaki berambah pesaya pembagua dibidag kosruksi maka meyebabka meigka pula kebuuha aka meerial-maerial

Lebih terperinci

BAB METODOLOGI. Bab 2 Metodologi berisikan :

BAB METODOLOGI. Bab 2 Metodologi berisikan : BAB METODOLOGI Bab Meodologi berisika :.. Pegambila Sampel.. Peramala Nilai Iflasi melalui Ideks Harga Kosume Megguaka Meode ARIMA.3. Akumulasi Prese Value melalui Buga Sederhaa dalam Perhiuga Harga Barag

Lebih terperinci

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA

MODEL KOREKSI KESALAHAN DENGAN METODE BAYESIAN PADA DATA RUNTUN WAKTU INDEKS HARGA KONSUMEN KOTA - KOTA DI PAPUA Prosidig Semiar Nasioal Sais da Pedidika Sais IX, Fakulas Sais da Maemaika, UKSW Salaiga, Jui 4, Vol 5, No, ISSN :87-9 MODEL KOREKSI KESALAHAN DENGAN MEODE BAYESIAN PADA DAA RUNUN WAKU INDEKS HARGA KONSUMEN

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara 50.7 4.3770 6.7547 6.7547 4.4 48.6965 R4.7 36.3 N8 TOL 0..70 35.9497 36.3.99 50.7 94.338 6.89 3.5 6.75 7.567 36.0 6.4837 57.396 8.783 66.0384 5.337 37.006 3.568 PISAU POTONG AISI D SEPUH No Qy NAME MATERIAL

Lebih terperinci

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk :

Yang biasa dinamakan test komposit lawan komposit. c. Hipotesis mengandung pengertian minimum. Perumusan H 0 dan H 1 berbentuk : PARAMETER PENGJIAN HIPOTESIS MODL PARAMETER PENGJIAN HIPOTESIS. Pedahulua Kalau yag sedag ditest atau diuji itu parameter θ dalam hal ii pegguaaya ati bias rata-rata µ prprsi p, simpaga baku σ da lai-lai,

Lebih terperinci

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB

KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB KRITERIA INVESTASI DEPARTEMEN AGRIBISNIS FEM - IPB Sudi kelayaka bisis pada dasarya berujua uuk meeuka kelayaka bisis berdasarka krieria ivesasi Krieria ersebu diaaraya adalah ; 1. Nilai bersih kii (Ne

Lebih terperinci

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital

Sistim Komunikasi 1. Pertemuan 5 Konversi Analog ke Digital isim Komuikasi 1 Peremua 5 Koversi Aalog ke Digial Murik Alayrus Tekik Elekro Fakulas Tekik, UMB murikalayrus@yahoo.com 1 Base Ba Moulaio Paa bagia sebelum kia meapaka siyal koiyu erhaap waku, misalyasiyalm(),

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jeis Peeliia Jeis peeliia ii merupaka peeliia kuaiaif dega megguaka meode eksperime. Desai peeliia ii megguaka ru experime desig beuk desai poses oly corol desig yaki meempaka

Lebih terperinci

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1

PERSAMAAN GERAK VEKTOR SATUAN. / i / = / j / = / k / = 1 PERSAMAAN GERAK Posisi iik maeri dapa dinyaakan dengan sebuah VEKTOR, baik pada suau bidang daar maupun dalam bidang ruang. Vekor yang dipergunakan unuk menenukan posisi disebu VEKTOR POSISI yang diulis

Lebih terperinci

BAB 6: ESTIMASI PARAMETER (2)

BAB 6: ESTIMASI PARAMETER (2) Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara

Lebih terperinci

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode

BAB 2 LANDASAN TEORI. Metode peramalan merupakan bagian dari ilmu Statistika. Salah satu metode BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala Meode peramala merupaka bagia dari ilmu Saisika. Salah sau meode peramala adalah dere waku. Meode ii disebu sebagai meode peramala dere waku karea memiliki kareserisik

Lebih terperinci

BAB V METODE PENELITIAN

BAB V METODE PENELITIAN 31 BAB V METODE PENELITIAN 5.1 Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Sukaagara, Kabupae Ciajur. Pemiliha lokasi peeliia dilakuka secara segaja (purposive samplig) dega memperimbagka aspek

Lebih terperinci

B a b 1 I s y a r a t

B a b 1 I s y a r a t TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.

Lebih terperinci

PENERAPAN METODE TUTOR SEBAYA UNTUK MENINGKATKAN PRESTASI BELAJAR KIMIA SISWA PADA POKOK BAHASAN REAKSI OKSIDASI DAN REDUKSI DI KELAS X SMAN 1 UKUI

PENERAPAN METODE TUTOR SEBAYA UNTUK MENINGKATKAN PRESTASI BELAJAR KIMIA SISWA PADA POKOK BAHASAN REAKSI OKSIDASI DAN REDUKSI DI KELAS X SMAN 1 UKUI PENERAPAN METODE TUTOR EBAYA UNTUK MENINGKATKAN PRETAI BELAJAR KIMIA IWA PADA POKOK BAHAAN REAKI OKIDAI DAN REDUKI DI KELA X MAN UKUI Asrida Mulyai ), Asmadi M. Noer ), Erviyei 3) ) Mahasiswa Program udi

Lebih terperinci

Universitas Sumatera Utara

Universitas Sumatera Utara Uiversias Sumaera Uara BAB 2 LANDASAN TEORI Ladasa eori ii merupaka hasil dari ijaua lieraur-lieraur yag ada kaiaya dega meode-meode peramala maupu dega koeks laiya dalam peulisa Tugas Akhir ii. Adapu

Lebih terperinci

JENIS PENDUGAAN STATISTIK

JENIS PENDUGAAN STATISTIK ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka

Lebih terperinci

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik

Bagian 7. Jawab. Uji Hipotesis. Beberapa Uji Hipotesis pada Statistika Parametrik. Beberapa Uji Hipotesis pada Statistika Nonparametrik Jawab p = proporsi sekrearis di seluruh perkanoran di Bandung yang diperlengkapi dengan kompuer di ruang kerjanya Karena p idak dikeahui, asumsikan nilainya.5 q = 1 p =.5 Tingka keyakinan 95% =.5 dan /

Lebih terperinci

Pedahulua Pedugaa Parameter Pedugaa Parameter Populai dilakuka dega megguaka ilai Statitik Sampel, Mial :. x diguaka ebagai peduga bagi µ. diguaka ebagai peduga bagi σ 3. p atau p$ diguaka ebagai peduga

Lebih terperinci

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA

STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Widya Tekika Vol.18 No.2; Okober 2010 ISSN 1411 0660: 1-6 Absrak STUDI ANALISIS PERAMALAN DENGAN METODE DERET BERKALA Arie Resu Wardhai 1), Salvador Mauel Pereira 2) Perusahaa sepau da sadal House of Mr.

Lebih terperinci

PENGUJIAN HIPOTESA BAB 7

PENGUJIAN HIPOTESA BAB 7 PENGUJIAN IPOTESA BAB 7 Pedahulua ipotesis ( upo : lemah, Thesis : peryataa ) Diartika :. Peryataa yag masih lemah kebearaya da perlu dibuktika. Dugaa yag sifatya masih semetara ipotesis ii perlu utuk

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture

Lebih terperinci

BAB III TINJAUAN PUSTAKA

BAB III TINJAUAN PUSTAKA BAB III TINJAUAN PUSTAKA 3.1. Defiisi Peramala Peramala adalah proses uuk memperkiraka berapa bayak kebuuha dimasa medaag yag melipui kebuuha dalam ukura kuaias, kualias, waku da lokasi yag dibuuhka dalam

Lebih terperinci

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF

BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap

Lebih terperinci

TINJAUAN PUSTAKA Pengertian

TINJAUAN PUSTAKA Pengertian TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok

Lebih terperinci

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ

INTEGRAL TAK TENTU (pecahan rasional) Agustina Pradjaningsih, M.Si. Jurusan Matematika FMIPA UNEJ INTEGRL TK TENTU pecaha rasioal gusia Pradjaigsih, M.Si. Jurusa Maemaika FMIP UNEJ agusia.fmipa@uej.ac.id DEFINISI Fugsi suku bayak derajad dega bula o egaif 0 dimaa, 0 a a a a a P Fugsi kosa dipadag sbg

Lebih terperinci

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA

PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak

BAB II TINJAUAN PUSTAKA. Black dan Scholes (1973) menyatakan bahwa nilai aset mengikuti Gerak BAB II TINJAUAN PUSTAKA. Peeliia Terdahulu Black da Scholes (973) meyaaka bahwa ilai ase megikui Gerak Brow Geomeri, dega drif μ (ekpekasi dari reur) da volailias σ (deviasi sadar dari reur). Berawal dari

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.. Hasil Peneliian 4... Daa Hasil Peneliian Dari hasil peneliian diperoleh daa kemampuan dribble. hasilnya sebagai mana pada abel I (dilampirkan) 4... Deskripsi

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi

Lebih terperinci

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X

Pendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),

Lebih terperinci

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto

ESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto Tue 0/04/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato Estimasi : salah satu cara megemukaka peryataa iduktif (meyataka karakteristik populasi dega meggu aka karakteristik yag didapat dari cuplika).

Lebih terperinci

BAB III FORMULA PENENTUAN HARGA OPSI ASIA

BAB III FORMULA PENENTUAN HARGA OPSI ASIA 3 BAB III FORMULA PEETUA HARA OPSI ASIA Pada Bab III ii aka dibahas megeai opsi Asia da aalisisya, di maa yag aka dibahas hayalah beberapa ipe opsi Asia, da erbaas pada eis Europea call saa. Jeis-eis opsi

Lebih terperinci

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih

PENGUJIAN HIPOTESIS. pernyataan atau dugaan mengenai satu atau lebih PENGUJIAN HIPOTESIS 1. Pendahuluan Hipotesis Statistik : populasi. pernyataan atau dugaan mengenai satu atau lebih Pengujian hipotesis berhubungan dengan penerimaan atau penolakan suatu hipotesis. Kebenaran

Lebih terperinci

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '.

= 0 diturunkan terhadap x. Karena y fungsi dari x, maka setiap kali menurunkan y harus dikalikan dengan didapat diselesaikan ke y '. 6..MENURUNKAN FUNGSI IMPLISIT Padag y fugsi dari yag disajika dalam beuk implisi f (, y) 0. Turuaya y' didapa sebagai beriku: a. Jika mugki y diyaaka sebagai beuk eksplisi dari, lalu diuruka erhadap b.

Lebih terperinci

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd

Pertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag

Lebih terperinci

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP

STATISTICS. Hanung N. Prasetyo Week 11 TELKOM POLTECH/HANUNG NP STATISTICS Haug N. Prasetyo Week 11 PENDAHULUAN Regresi da korelasi diguaka utuk megetahui hubuga dua atau lebih kejadia (variabel) yag dapat diukur secara matematis. Ada dua hal yag diukur atau diaalisis,

Lebih terperinci

Analisa Data Statistik. Ratih Setyaningrum, MT

Analisa Data Statistik. Ratih Setyaningrum, MT Aalisa Data tatistik Ratih etyaigrum, MT Referesi Agoes oehiaie, Ph.D Daftar Isi Iferesi tatistik Hipotesa tatistik : Kosep Umum Hipotesa statistik adalah sebuah klaim/peryataa atau cojecture tetag populasi.

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 18 BAB 2 LANDASAN TEORI 2.1 Pegeria Peramala ( Forecasig ) Peramala ( forecasig ) adalah kegiaa megisemasi apa yag aka erjadi pada masa yag aka daag. Peramala diperluka karea adaya perbedaa kesejaga waku

Lebih terperinci

1.4 Persamaan Schrodinger Bergantung Waktu

1.4 Persamaan Schrodinger Bergantung Waktu .4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan

Lebih terperinci

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP

PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Prosidig SPMIPA. pp. 57-6. 6 ISBN : 979.74.47. PREDIKSI PRODUKSI JAGUNG DI JAWA TENGAH DENGAN ARIMA DAN BOOTSTRAP Sri Rahayu, Taro Jurusa Maemaika FMIPA UNDIP Semarag Jl. Prof. Soedaro, Kampus UNDIP Tembalag,

Lebih terperinci

IX. TEORI PENDUGAAN DAN PENGUJIAN HIPOTESISI

IX. TEORI PENDUGAAN DAN PENGUJIAN HIPOTESISI I. TEORI PENDUGAAN DAN PENGUJIAN IPOTESISI. Teori Pedugaa Dalam peelitia kita berusaha utuk meyimpulka populasi dimaa sample diambil utuk mewakili populasi tersebut. Utuk tujua tersebut kita mecari atau

Lebih terperinci

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.

mempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari. Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah

Lebih terperinci

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I

III. METODOLOGI PENELITIAN. Populasi dalam penelitian ini adalah semua siswa kelas XI IPA SMA Negeri I 7 III. METODOLOGI PENELITIAN A. Populasi da Sampel Peelitia Populasi dalam peelitia ii adalah semua siswa kelas XI IPA SMA Negeri I Kotaagug Tahu Ajara 0-03 yag berjumlah 98 siswa yag tersebar dalam 3

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan

Lebih terperinci

BAB 4 ANALISIS DAN PEMBAHASAN

BAB 4 ANALISIS DAN PEMBAHASAN BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di

Lebih terperinci

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.

x 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr. Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.

Lebih terperinci

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015

Statistika Inferensia: Pengujian Hipotesis. Dr. Kusman Sadik, M.Si Dept. Statistika IPB, 2015 Statistika Iferesia: Pegujia Hipotesis Dr. Kusma Sadik, M.Si Dept. Statistika IPB, 05 Populasi : = 0 Butuh pembuktia berdasarka cotoh!!! Apa yag diperluka? > 0? Maa yag bear? Sampel : x 5 Hal itu merupaka

Lebih terperinci

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand

TEKNIK SAMPLING PCA SISTEMATIK. Hazmira Yozza Izzati Rahmi HG. Jurusan Matematika FMIPA - Unand Hazmira Yozza Izzati Rahmi HG TEKNIK SAMPLING PCA SISTEMATIK Jurusa Matematika FMIPA - Uad Defiisi Samplig sistematik adalah metode pearika cotoh yag dilakuka dega cara memilih secara acak satu eleme dari

Lebih terperinci

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc.

Statistika 2. Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Oleh : Edi M. Pribadi, SP., MSc. Statistika Toik Bahasa: Pegujia Hiotesis Oleh : Edi M. Pribadi, SP., MSc. E-mail: edi_m@staff.guadarma.ac.id. Pedahulua Hiotesis eryataa yag meruaka edugaa berkaita dega ilai suatu arameter oulasi (satu

Lebih terperinci

Barekeng, Juni hal Vol. 1. No. 1

Barekeng, Juni hal Vol. 1. No. 1 Barekeg, Jui 7 hal46-5 Vol No ANALISIS VARIANS MULTIVARIAT PADA EKSPERIMEN DENGAN RANCANGAN ACAK LENGKAP (Variace Mulivaria Aalysis for Eperime wih Complee Radom Desig Th PENTURY Jurusa Maemaika FMIPA

Lebih terperinci

REGRESI LINIER GANDA

REGRESI LINIER GANDA REGRESI LINIER GANDA Secara umum, data hasil pegamata Y bisa terjadi karea akibat variabelvariabel bebas,,, k. Aka ditetuka hubuga atara Y da,,, k sehigga didapat regresi Y atas,,, k amu masih meujukka

Lebih terperinci

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL

BAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,

Lebih terperinci

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua

BAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi

Lebih terperinci

1 Departemen Statistika FMIPA IPB

1 Departemen Statistika FMIPA IPB Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351) 1 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Metode Noparametrik Skala Pegukura Metode Noparameterik Uji Hipotesis

Lebih terperinci

IV. METODE PENELITIAN

IV. METODE PENELITIAN 29 IV. METODE PENELITIAN 4.1. Lokasi da Waku Peeliia Peeliia ii dilaksaaka di Kecamaa Pamijaha, Kabupae Bogor, Provisi Jawa Bara. Pemiliha lokasi peeliia dilakuka secara segaja (purposive) dega perimbaga

Lebih terperinci

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown

Peramalan Jumlah Penduduk Kota Samarinda Dengan Menggunakan Metode Pemulusan Eksponensial Ganda dan Tripel Dari Brown Jural EKSPONENSIAL Volume 7, Nomor, Mei 06 ISSN 085-789 Peramala Jumlah Peduduk Koa Samarida Dega Megguaka Meode Pemulusa Ekspoesial Gada da Tripel Dari Brow Forecasig he Populaio of he Ciy of Samarida

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil

BAB III METODOLOGI PENELITIAN. Pada penelitian ini, peneliti menetapkan objek pada anak kelompok B TK Damhil BAB III METODOLOGI PENELITIAN 3.1 Tempa da Waku Peeliia 3.1.1 Tempa Peeliia Pada peeliia ii, peelii meeapka objek pada aak kelompok B TK Damhil Kecamaa Koa elaa Koa Goroalo. Peeapa lokasi ersebu berdasarka

Lebih terperinci