BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Sudomo Sutedja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 1 \ BAB I PENDAHULUAN 1.1 Latar Belakang Informasi-informasi faktual yang diperoleh berdasarkan hasil observasi maupun penelitian sangatlah beragam. Informasi yang dirangkum sedemikian rupa disebut dengan data.. Data yang akan diteliti pada umumnya memiliki karakteristik yang spesifik, sehingga ketika data dianalisa diperoleh model yang sesuai dengan karakteristik data tersebut. Fungsi yang menggambarkan data tersebut dikatakan sebagai distribusi data. Variasi distribusi data dalam statistika menunjukkan bahwa data-data memiliki karakteristik tertentu yang hanya bisa dijelaskan oleh distibusi yang bersesuaian. Misalkan data yang berdistribusi seragam akan sulit dijelaskan oleh distribusi gamma, data yang berdistribusi normal akan sulit dijelaskan oleh distribusi beta maupun sebaliknya. Bermacam-macam distribusi memperlihatkan betapa banyaknya variasi data. Kajian distribusi statistik yang spesifik akan memperlihatkan karakteristik dari suatu distribusi. Maka, kaidah-kaidah dalam statistik diperlukan untuk memahami kajian distribusi statistik. Menurut Brase statistika adalah metode yang digunakan untuk mengumpulkan, menyajikan, menganalisa, menginterpretasi data serta menarik kesimpulan yang valid. Penarikan kesimpulan tanpa menggunakan metode statistik merupakan dugaan subjektif, dan kemungkinan kesimpulan yang diperoleh tidak reliabel. Seperti kebanyakan cabang ilmu-ilmu lainnya, statistika terdiri atas dua aspek penting: teoritis dan aplikasi. Secara teoritis statistika berkaitan dengan pengembangan, penurunan, pembuktian teorema, rumus, aturan
2 dan hukum. Aplikasi statistik melibatkan penggunaan teorema, rumus, aturan, hukum untuk menyelesaikan permasalahan kehidupan nyata. 2 Statistika secara didikotomi menjadi statistika deskriptif dan statistika inferesia. Statistika deskriptif meliputi metode pengumpulan, pengelompokan, pengolahan dan penyajian data, sedangkan statistika inferensia meliputi metode analisis, interpretasi dan prediksi berdasarkan hasil sampel dalam membantu penarikan kesimpulan suatu populasi. Statistika inferensia dapat dibagi menjadi dua kategori umum yaitu estimasi parameter dan pengujian hipotesis. Teknik ini menggunakan informasi sampel dalam menentukan kesimpulan. Dalam teori keputusan, inferensi didasarkan pada kombinasi informasi sampel beserta bagianbagian lainnya yang dianggap relevan dengan suatu persoalan tertentu agar dihasilkan keputusan terbaik. Hal yang dianggap relevan dengan informasi sampel adalah konsekuensi yang timbul dari keputusan yang diambil. Dalam pendekatan klasik, inferensi didasarkan sepenuhnya pada informasi yang diperoleh melalui sampel acak yang diambil dari suatu populasi yang berdistribusi tertentu. Adalah penting menentukan keputusan dan kebijakan berdasarkan hasil analisis data sehingga hasil yang diperoleh sesuai harapan atau setidaknya dapat meminimumkan resiko akibat kegagalan suatu perlakuan. Kesimpulan yang akurat memerlukan informasi sebanyak mungkin. Sebaik mengambil populasi untuk dianalisis, namun jika ukuran populasi sangat besar akan menjadi masalah baru. Apakah berkaitan dengan dana maupun sumber daya yang dimiliki. Pada kondisi tersebut, penggunaan sampel adalah alternatif terbaik menentukan karakteristik populasi dalam mengefektifkan dan mengefisienkan baik sumber daya dan waktu. Sampel diharapkan dapat mewakili karakteristik populasi sedekat sebisa mungkin, sehingga keputusan yang diperoleh sahih dan tepat. Berdasarkan analisa statistik, estimasi populasi memainkan peranan yang sangat signifikan terutama pada terapan masalah. Suatu karakteristik numerik yang merupakan fenomena fisis yang mungkin diperlukan, dilain pihak fenomena
3 3 tersebut bisa saja tidak terobservasi secara langsung. Observasi dari satu atau lebih peubah acak yang distribusinya bergantung kepada karakteristik yang diperlukan sehingga akan mempermudah memahaminya. Untuk mengembangkan metode yang digunakan dalam menyelidiki nilai peubah acak berdasarkan sampel data dan menggali informasi mengenai karakteristik populasi yang tidak diketahui dan tidak terobservasi maka dibutuhkan kajian mendalam mengenai hal tersebut. Estimasi merupakan suatu metode dimana peneliti dapat memperkirakan nilai populasi dengan menggunakan nilai sampel atau aturan yang pada umumnya diekspresikan sebagai sebuah formula yang menyatakan bagaimana menghitung nilai estimasi berdasarkan muatan pengukuran dalam sampel. Estimator adalah suatu statistik yang dapat berupa mean, median, modus varians, simpangan baku maupun ukuran proporsi lainnya. Di mana sampel digunakan untuk melakukan penaksiran suatu parameter populasi. Konsep populasi dan variabel acak sangatlah penting terhadap interpretasi yang tepat pada data statistik dan analisnya. Karakteristik suatu populasi dapat diketahui dengan melakukan estimasi terhadap sampelnya. Sedangkan nilai sampel statistik yang digunakan untuk mengestimasi parameter populasi disebut dengan estimator. Tujuan dari banyak investigasi statistik adalah untuk mengestimasi satu atau lebih parameter yang relevan. Karakteristik yang berkaitan dengan sampel disebut sebagai statistik, sedangkan karakteristik yang berkaitan dengan populasi disebut dengan parameter. Parameter adalah ukuran seluruh populasi yang diwakili oleh nilai estimasi. Parameter populasi pada umumnya tidak diketahui karena banyaknya anggota populasi. Sering kali ciri, sifat maupun karakteristik suatu pengamatan dilihat berdasarkan ukuran pusatnya, katakanlah seperti rataan μ, varians σ 2 dan deviasi σ. Demi memperoleh hasil pengamatan yang lebih akurat, nilai sekitar μ juga turut diamati. Hal ini menunjukkan bahwa hasil pengamatan akan menjadi lebih bermanfaaat jika memberikan informasi yang lebih banyak dalam pengambilan keputusan.
4 4 Perhatikan bahwa proses antrian, waktu tunggu, paruh waktu merujuk kepada distribusi Poisson. Pembahasan lebih lanjut menunjukkan bahwa proses Poisson dapat ditransformasikan kedalam distribusi gamma. Untuk mengetahui karakteristik distribusi gamma diperlukan analisa. Analisa yang digunakan adalah dengan melakukan penaksiran terhadap parameternya.. Berdasarkan uraian diatas maka penulis mengajukan judul : Kajian estimasi parameter distribusi gamma berdasarkan moments method estimator (MMEs) dan maximum likelihood estimator (MLE); suatu terapan pada data paruh waktu dan Simulasi sebagai perbandingan. 2. Rumusan Masalah Akan dikaji estimasi parameter distribusi gamma dengan metode moments estimator dan maximum likelihood estimator dengan melakukan perbandingan berdasarkan data paruh waktu dan data simulasi 3. Batasan Masalah Pembatasan masalah pada tulisan ini yakni fungsi padat peluang berdistribusi gamma dengan parameter r dan λ. Hasil penurunan kedua metode estimasi diterapakan dalam rata-rata time travel kerja pekerja. Membandingkan hasil kedua estimasi tersebut dengan data yang telah ditetapkan Dengan memperhatikan sifatsifat penduga yaitu tidak bias, efisien dan konsisten. Dan dengan melakukan bangkitan data dengan nilai r dan λ tertentu. 4. Tujuan penelitian Berdasarkan penjabaran sebelumnya, maka tujuan penelitian adalah sebagai berikut: a) Memahami langkah-langkah pendugaan kedua estimasi.
5 5 b) Mengetahui hasil dari kedua estimasi tersebut c) Melihat karakteristik terhadap kasus tertentu pada kedua metode estimasi yang telah diberikan. 5. Kontribusi Peneltian a) Bagi penulis Kontribusi penelitian bagi penulis adalah menambah dan memperdalam pemahaman tentang statistika inferensia khususnya estimasi parameter pada distribusi gamma serta aplikasinya statistiknya dalam kehidupan sehari-hari, sehingga menambah minat memperdalam ilmu dalam bidang statistik. b) Bagi pembaca Menambah pustaka kepada pembaca yang ingin memahami tentang estimasi kedua parameter yang diajukan. Serta pembanding untuk peneliti yang ingin parameter pada distribusi yang serupa dalam menambah cakrawala ilmu pengetahuan didalam analisis statistik khususnya dengan disribusi yang berkaitan. 6. Metode Penelitian Berdasarkan buku Fundamental of Research Methodology and Statistics, Kumar mengemukakan tiga aspek penelitian, yakni: a) Aspek teoretis b) Aspek faktual c) Aspek terapan Berdasarkan aspek tersebut maka metode yang digunakan penulis adalah sebagai berikut: a) Menentukan permasalahan yang akan diteliti b) Mencari dan menggunakan literatur, baik yang menjadi acuan utama maupun acuan tambahan untuk membangun hasil yang terbaik.
6 6 c) Telaah teori pada literatur utama dan tambahan d) Untuk mengarahkan peneltian maka penulis, melaksanakan prosedur sebagai berikut: 1. Mendefinisikan fungsi densitas distribusi gamma 2. Melakukan estimasi momen estimator: a) Menentukan persamaan umum momen populasi dan momen sampel b) Momen pertama, momen kedua pupulasi dan momen sampel disamakan c) Melakukan manipulasu aljabar untuk memperoleh hasil penyelesaian sistem pertidaksamaan yaitu nilai dari parameter rr dan λ 3. Melakukan estimasi maksimum likelihood a) Menentukan fungsi likelihood fungsi densitas b) Menentukan fungsi maksimum likelihood fungsi distribusi c) Melakukan diferensial llllll likelihood sebagai konsekuensi memaksimumkan parameter distribusi gamma terhadap parameter rr dan λ 4. Mensubstitusi data paruh waktu dari lightbulbs kedalam kedua estimasi, sehingga diketahui parameter rr dan λ 5. Berdasarkan hasil pada kedua estimasi dilakukan simulasi data secara acak pada distribusi gamma dengan menggunakan program R, dimodifikasi sebanyak empat puluh kali dengan bangkitan data nn = 100 dan nn = 1000 kali e) Penarikan kesimpulan 7.) Tinjauan Pustaka Perancangan suatu sistem kompleks melibatkan pemilihan berbagai alternatif yang dapat dilaksanakan. Pemilihan yang dilakukan berdasakan kepada criteriakriteria yang ditentukan. Evaluasi kuantitatif kriteria tersebut jarang dilakukan terhadap implementasi terkini beserta evaluasi eksperimental pilihan yang
7 dikonfigurasi. Pengambilan keputusan dilakukan berdasarkan estimasi yang diperoleh menggunakan model alternatif. 7 Suatu Model adalah representasi yang ditaksir berdasarkan keadaan fisik. Model diharapkan dapat menjelaskan sifat-sifat pengamatan menggunakan sekelompok aturan sederhana dan dimerngerti. Aturan tersebut diharapkan dapat memprediksi keluaran dari sebuah eksperimen yang melibatkan keadaan fisik sebelumnya. Model bermanfaat menjelaskan segala aspek relevan dari situasi yang diberikan. Model matematis digunakan pada kejadian observasional yang memiliki sifat-sifat mengukuran. Model matematis terdiria atas sekelompok asumsi tenatang bagaimana suatu sistem atau proses fisik bekerja. Asumsi tersebut diterapkan dalam bentuk relasi matematis yang melibatkan parameter dan variabel penting. Untuk lebih memahami terapan statistika ini adalah lebih baik untuk memahami karakteristik distribusi statistika sebelum diaplikasikan kedalam berbagai permasalahan sehari-hari. Satu konsep dasar dalam statistika adalah eksperimen acak. Untuk semua eksperimen acak, setidaknya terdapat satu ruang sampel yang sesuai terhadap eksperimen acak di bawah perlakuan. Dalam banyak kasus, banyak pengamatan dapat dilakukan tanpa referensi terhadap ruang sampel eksplisit. Untuk memahami kuantitas tersebut maka didefinisikan variabel acak. Variabel acak merupakan fungsi bernilai riil dan terdefinisi pada sebuah ruang sampel. Variabel acak adalah alat utama dalam pemodelan kuantitas-kuantitas yang tidak diketahui dalam analisis statistikater. Variabel acak pada umumnya dituliskan dengan huruf besar, seperti X, Y, Z dengan atau tanpa indeks. Variabel acak didikotomi menjadi dua yaitu diskrit dan kontinu.
8 Fungsi Kepadatan peluang atau probability density function p.d.f merupakan variabel acak kontinu dan terdefenisi pada himpuan bilangan riil, jika: 1. ff(xx) 0, xx R 2. ff(xx)dddd = 1 bb 3. PP(aa < xx < bb) = ff(xx) dddd aa Andaikan bahwa barisan kejadian saling bebas terjadi dalam konstanta λ perunit waktu. Jika variabel acak XX menyatakan interval antara jarak kejadian ff xx (xx) = λλee λλλλ, xx > 0, maka X dapat diintrepretasikan sebagai waktu tunggu untuk kejadian pertama. Bagian ini membangkitkan hubungan Poisson/eksponensial dan terpusat pada interval, atau waktu tunggu, yang dibutuhkan untuk terjadinya kejadian ke-r. XX 8 Definisi 1.1 Diberikan bilangan riil r > 0 dan λ > 0, variabel acak X dikatakan sebagai gamma p.d.f dengan parameter r dan λ jika: ff xx (xx) = λλrr (rr 1)! xxrr 1 ee λλxx, xx > 0 Berikut ini merupakan karakteristik kurva distribusi gamma untuk beberapa nilai parameter r dan λλ
Gambar 1.1 BAB II LANDASAN TEORI
9 Gambar 1.1 BAB II LANDASAN TEORI 2.1 Probabilitas Dasar Andrei Kolgomorov (193-1987) meletaan landasan matematis teori peobabilitas dan teori acak. Dalam tulisaya, Kolgomorov menggunakan teori probabilitas
Lebih terperinciLANDASAN TEORI. menyatakan hubungan antara variabel respon Y dengan variabel-variabel
5 II. LANDASAN TEORI 2.1 Model Regresi Poisson Analisis regresi merupakan metode statistika yang populer digunakan untuk menyatakan hubungan antara variabel respon Y dengan variabel-variabel prediktor
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi Binomial adalah distribusi probabilitas diskrit jumlah keberhasilan dalam n percobaan ya/tidak(berhasil/gagal)
Lebih terperinciRandy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat ABSTRACT
PERKIRAAN SELANG KEPERCAYAAN UNTUK NILAI RATA-RATA PADA DISTRIBUSI POISSON Randy Toleka Ririhena, Nur Salam * dan Dewi Sri Susanti Program Studi Matematika Fakultas MIPA Universitas Lambung Mangkurat *email:
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di zaman sekarang, kemajuan sains dan teknologi sangat berkembang pesat. Salah satu ilmu yang berkembang adalah matematika yang merupakan induk dari semua ilmu
Lebih terperinciBAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol
BAB II TINJAUAN PUSTAKA A. Regresi Regresi adalah suatu studi statistik untuk menjelaskan hubungan dua variabel atau lebih yang dinyatakan dalam bentuk persamaan. Salah satu variabel merupakan variabel
Lebih terperinciII. TINJAUAN PUSTAKA. Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E
5 II. TINJAUAN PUSTAKA 2.1 Konsep Dasar Peluang Ruang sampel S adalah himpunan semua hasil dari suatu percobaan. Kejadian E adalah himpunan bagian dari ruang sampel. Peluang suatu kejadian P(E) adalah
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam pembicaraan statistik, jawaban yang diinginkan adalah jawaban untuk ruang lingkup yang lebih luas, yakni populasi. Tetapi objek dari studi ini menggunakan sampel
Lebih terperinciBAB I PENDAHULUAN. dapat dianggap mendekati normal dengan mean μ = μ dan variansi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Matematika merupakan salah satu cabang ilmu pengetahuan yang melambangkan kemajuan zaman. Oleh karena itu matematika banyak digunakan oleh cabang ilmu lain
Lebih terperinciBAB I PENDAHULUAN. sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Jika kita mempunyai data yang terdiri dari dua atau lebih variabel maka sewajarnya untuk mempelajari cara bagaimana variabel-variabel itu dapat berhubungan, hubungan
Lebih terperinciOLEH : Riana Ekawati ( ) Dosen Pembimbing : Dra. Farida Agustini W, M.S
OLEH : Riana Ekawati (1205 100 014) Dosen Pembimbing : Dra. Farida Agustini W, M.S Salah satu bagian penting dari statistika inferensia adalah estimasi titik. Estimasi titik mendasari terbentuknya inferensi
Lebih terperinciBAB I PENDAHULUAN. penerbangan, kedokteran, teknik mesin, software komputer, bahkan militer
BAB I PENDAHULUAN A. Latar Belakang Statistika merupakan salah satu ilmu matematika yang terus berkembang dari waktu ke waktu. Di dalamnya mencakup berbagai sub pokok-sub pokok materi yang sangat bermanfaat
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciPr { +h =1 = } lim. Suatu fungsi dikatakan h apabila lim =0. Dapat dilihat bahwa besarnya. probabilitas independen dari.
6.. Proses Kelahiran Murni Dalam bab ini, akan dibahas beberapa contoh penting dari waktu kontinu, state diskrit, proses Markov. Khususnya, dengan kumpulan dari variabel acak {;0 } di mana nilai yang mungkin
Lebih terperinciI. PENDAHULUAN. merangkum, dan mempresentasikan data dengan cara informatif. Sedangkan
I. PENDAHULUAN 1.1 Latar Belakang Statistika merupakan ilmu tentang pengumpulan, pengaturan, analisis, dan pendugaan data untuk membantu proses pengambilan keputusan secara lebih efisien. Ilmu statistika
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Distribusi probabilitas binomial adalah distribusi probabilitas diskrit yang paling sering digunakan untuk merepresentasikan kejadian dalam kehidupan sehari-hari.
Lebih terperinciESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK. Jl. A. Yani Km. 36 Banjarbaru, Kalimantan Selatan
Jurnal Matematika Murni dan Terapan εpsilon Vol. 07, No.01, 201, Hal. 45 52 ESTIMASI PARAMETER UNTUK DISTRIBUSI HALF LOGISTIK Rizqi Elmuna Hidayah 1, Nur Salam 2 dan Dewi Sri Susanti 1,2, Program Studi
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER 1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Distribusi eksponensial tergenaralisir (Generalized Eponential Distribution) pertama kali diperkenalkan oleh Gupta dan Kundu pada tahun 1999. Distribusi ini diambil
Lebih terperinciKAJIAN ESTIMASI PARAMETER BERDISTRIBUSI GAMMA DENGAN MOMENTS METHOD
KAJIAN ESTIMASI PARAMETER BERDISTRIBUSI GAMMA DENGAN MOMENTS METHOD DAN MAXIMUM LIKELIHOOD ESTIMATOR; SUATU TERAPAN DATA PARUH WAKTU DAN DATA SIMULASI SEBAGAI PERBANDINGAN SKRIPSI REHDAMENTA S TARIGAN
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Pendahuluan Pada bab ini akan diuraikan mengenai beberapa teori dan metode yang mendukung serta mempermudah dalam melakukan perhitungan dan dapat membantu di dalam pembahasan
Lebih terperinciESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER
1 ESTIMASI PARAMETER DISTRIBUSI WEIBULL DENGAN TRANSFORMASI MODEL REGRESI MENGGUNAKAN METODE KUADRAT TERKECIL LINIER A. Musdalifa, Raupong, Anna Islamiyati Abstrak Estimasi parameter adalah merupakan hal
Lebih terperinciDasar-dasar Statistika Pemodelan Sistem
Dasar-dasar Statistika Pemodelan Sistem Kuliah Pemodelan Sistem Semester Genap 2015-2016 MZI Fakultas Informatika Telkom University FIF Tel-U Januari 2016 MZI (FIF Tel-U) Statistika Pemodelan Januari 2016
Lebih terperinciBab 2 LANDASAN TEORI
Bab 2 LANDASAN TEORI 2.1. Penaksiran Parameter Jika adalah nilai parameter populasi yang belum diketahui harganya, maka dapat ditaksir oleh nilai statistik, dan disebut sebagai penaksir atau fungsi keputusan.
Lebih terperinciPENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 5. Beberapa jenis Distribusi Variabel Acak Prima Kristalina April 215 1 Outline 1. Beberapa macam
Lebih terperinciBAB I PENDAHULUAN. Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur
BAB I PENDAHULUAN 1.1 Latar Belakang Statistika adalah salah satu cabang ilmu yang mempelajari prosedur-prosedur yang digunakan dalam pengumpulan, penyajian, analisis dan interpretasi data. Statistika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Regresi Linier Sederhana Dalam beberapa masalah terdapat dua atau lebih variabel yang hubungannya tidak dapat dipisahkan karena perubahan nilai suatu variabel tidak selalu terjadi
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI.1 Peubah Acak dan Distribusinya.1.1 Peubah Acak Definisi.1: Peubah acak adalah suatu fungsi yang menghubungkan sebuah bilangan real dengan setiap unsur di dalam ruang contoh, (Walpole
Lebih terperinciTINJAUAN PUSTAKA. mengestimasi parameter regresi. Distribusi generalized. digunakan dalam bidang ekonomi dan keuangan.
II. TINJAUAN PUSTAKA Distribusi generalized,,, adalah salah satu distribusi probabilitas kontinu. Distribusi ini pertama kali diperkenalkan McDonald dan Newey 988 untuk mengestimasi parameter regresi.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Data antar kejadian (time-to-event data) adalah data lama waktu sampai suatu peristiwa terjadi atau sering disebut data survival. Untuk memperoleh data antar
Lebih terperinciDistribusi Weibull Power Series
Distribusi Weibull Power Series Maulida Yanti 1, Sarini S.Si.,M.Stats 2 1 Mahasiswa Departemen Matematika, FMIPA UI, Kampus UI Depok, 16424 2 Staff Pengajar Departemen Matematika, FMIPA UI, Kampus UI Depok,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Analisis Regresi adalah analisis statistik yang mempelajari bagaimana memodelkan sebuah model fungsional dari data untuk dapat menjelaskan ataupun meramalkan suatu
Lebih terperinciBAB II TINJAUAN PUSTAKA
5 BAB II TINJAUAN PUSTAKA Dalam bab ini dijelaskan beberapa definisi dan teorema yang digunakan dalam pembahasan berikutnya. 2.1 Teori Peluang Definisi 2.1.1 (Percobaan Acak) (Ross 2000) Suatu percobaan
Lebih terperinciMengolah dan Menganalisis Data
Mengolah dan Menganalisis Data Dr. Eko Pujiyanto, S.Si., M.T. Materi Data Mengolah dan analisis data Memilih alat analisis yang tepat Data Data 1 Jamak dari DATUM artinya informasi yang diperoleh dari
Lebih terperinciBAB II KAJIAN PUSTAKA
4 BAB II KAJIAN PUSTAKA Pada sub bab ini akan diberikan beberapa definisi dan teori yang mendukung rancangan Sequential Probability Ratio Test (SPRT) yaitu percobaan dan ruang sampel, peubah acak dan fungsi
Lebih terperinciMENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES
MENAKSIR PARAMETER µ DARI N( µ, ) DENGAN METODE BAYES Hartayuni Saini 1 1 Jurusan Matematika, FMIPA-UNTAD. e-mail: yunh3_chendist@yahoo.co.id Abstrak Untuk menaksir nilai µ dari N(µ, ) umumnya digunakan
Lebih terperinciPENARIKAN SAMPEL & PENDUGAAN PARAMETER
PENARIKAN SAMPEL & PENDUGAAN PARAMETER Arti Penarikan Sampel Populasi ( Universe) adalah totalitas dari semua objek atau individu yang memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti
Lebih terperinciPERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL
PERKIRAAN SELANG KEPERCAYAAN UNTUK PARAMETER PROPORSI PADA DISTRIBUSI BINOMIAL Jainal, Nur Salam, Dewi Sri Susanti Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lambung
Lebih terperinciBAB I PENDAHULUAN. mengetahui fenomena yang akan terjadi pada periode mendatang akan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada kehidupan sehari-hari, adanya ketidakmampuan manusia untuk mengetahui fenomena yang akan terjadi pada periode mendatang akan mengakibatkan kurang tepatnya
Lebih terperinciDISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1
DISTRIBUSI NORMAL Pertemuan 3 1 Distribusi Normal Pertama kali diperkenalkan oleh Abraham de Moivre (1733). De Moivre menemukan persamaan matematika untuk kurva normal yang menjadi dasar dalam banyak teori
Lebih terperinciDistribusi 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 terperinciDistribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015
Distribusi Sampling Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015 Populasi dan Sampel Unit adalah entitas (wujud) tunggal, biasanya orang atau suatu obyek, yang diinginkan
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 terperinciANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG
LAPORAN RESMI PRAKTIKUM PENGANTAR METODE STATISTIKA MODUL 3 ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG Oleh : Diana Nafkiyah 1314030028 Nilamsari Farah Millatina
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa tinjauan pustaka sebagai landasan teori pendukung penulisan penelitian ini. 2.1 Analisis Regresi Suatu pasangan peubah acak seperti (tinggi, berat)
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data
5 II. TINJAUAN PUSTAKA Dalam proses penelitian untuk mengkaji karakteristik penduga GMM pada data panel ini, penulis menggunakan definisi, teorema dan konsep dasar yang berkaitan dengan pendugaan parameter,
Lebih terperinciKAJIAN 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 terperinciSampling dengan Simulasi Komputer
Modul Sampling dengan Simulasi Komputer PENDAHULUAN Sutawanir Darwis M etode statistika merupakan alat untuk menyelesaikan masalah apabila solusi analitik tidak mungkin diperoleh. Dengan metode statistika
Lebih terperinciAPLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP.
APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgiyono Jurusan Matematika FMIPA UNDIP Abstraks Diberikan populasi dengan densitas dengan parameter,
Lebih terperinciBEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL
BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL Dalam hal ini akan dibahas beberapa distribusi yang mempunyai bentuk fungsi densitas dan nama tertentu dari peubah acak kontinu, yaitu: distribusi seragam, distribusi
Lebih terperinciSIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL
SEMINAR TUGAS AKHIR SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL (STUDI KASUS TERMINAL MIRAH PELABUHAN TANJUNG PERAK SURABAYA) Oleh : Risky Abadi 1203.109.004 Latar Belakang Pelabuhan Tanjung Perak sebagai
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 terperinciPENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON
PENAKSIR MAKSIMUM LIKELIHOOD DENGAN METODE ITERASI NEWTON - RAPHSON Haposan Sirait 1 dan Rustam Efendi 2 1,2 Dosen Program Studi Matematika FMIPA Universitas Riau. Abstrak: Makalah ini menyajikan tentang
Lebih terperinciBAB I PENDAHULUAN. investasi yang telah dilakukan. Dalam berinvestasi jika investor mengharapkan
BAB I PENDAHULUAN 1.1 Latar Belakang Dalam dunia bisnis, hampir semua investasi mengandung ketidakpastian atau resiko. Investor tidak mengetahui dengan pasti hasil yang akan diperolehnya dari investasi
Lebih terperinciKajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, 2015 2337-3520 2301-928X Print A-67 Kajian Generalisasi Distribusi Binomial yang Bertipe COM-Poisson dan Sifat-Sifatnya Marselly Dian Saputri, Farida Agustini Widjajati,
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Kehidupan sehari-hari sering dihadapkan dengan beberapa pilihan yang harus ditentukan memilih yang mana. Biasanya dihadapkan dengan kemungkinankemungkinan
Lebih terperinciBAB 2 LANDASAN TEORI. mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
8 BAB 2 LANDASAN TEORI 2.1 Pengertian Regresi Analisis regresi merupakan suatu model matematis yang dapat di gunakan untuk mengetahui pola hubungan antara dua atau lebih variabel. Istilah regresi yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Himpunan Fuzzy Tidak semua himpunan yang dijumpai dalam kehidupan sehari-hari terdefinisi secara jelas, misalnya himpunan orang miskin, himpunan orang pandai, himpunan orang tinggi,
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu
xiv BAB 2 TINJAUAN TEORITIS 2.1 Pendahuluan Menurut Open Darnius (2006, hal: 53) simulasi dapat diartikan sebagai suatu rekayasa dari suatu model secara logika ilmiah merupakan suatu metode alternatif
Lebih terperinciAlgoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture
Vol. 4, No., Oktober 04 Algoritma Expectation-Maximization(EM) Untuk Estimasi Distribusi Mixture Tomy Angga Kusuma ), Suparman ) ) Program Studi Matematika FMIPA UAD ) Program Studi Pend. Matematika UAD
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam teori probabilitas dan statistika, distribusi binomial adalah distribusi probabilitas diskret jumlah keberhasilan dalam n percobaan ya/tidak (berhasil/gagal)
Lebih terperinciBAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu
BAB II TINJAUAN TEORITIS 2.1 Pendahulauan Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu rekayasa suatu model logika ilmiah untuk melihat kebenaran/kenyataan model tersebut.
Lebih terperinciBAB III PROSES POISSON MAJEMUK
BAB III PROSES POISSON MAJEMUK Pada bab ini membahas tentang proses stokastik, proses Poisson dan proses Poisson majemuk yang akan diaplikasikan pada bab selanjutnya. 3.1 Proses Stokastik Koleksi atau
Lebih terperinciSTATISTIKA UNIPA SURABAYA
MATEMATIKA STATISTIKA (MATHEMATICAL STATISTICS) GANGGA ANURAGA Materi : Distribusi variabel random Teori Himpunan Fungsi Himpunan Fungsi Himpunan Peluang Variabel Random Fungsi Kepadatan Peluang Fungsi
Lebih terperinciSetiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi
ESTIMASI TITIK Setiap karakteristik dari distribusi populasi disebut dengan parameter. Statistik adalah variabel random yang hanya tergantung pada harga observasi sampel. Statistik merupakan bentuk dari
Lebih terperinciPengantar Proses Stokastik
Bab 1: Dasar-Dasar Probabilitas Statistika FMIPA Universitas Islam Indonesia Peluang Percobaan adalah kegiatan yang menghasilkan keluaran/hasil yang mungkin secara acak. Contoh: pelemparan sebuah dadu.
Lebih terperinciPengantar Statistika Matematika II
Bab 3: Statistika FMIPA Universitas Islam Indonesia Bila sampling berasal dari populasi yang digambarkan melalui fungsi peluang f X (x θ), pengetahuan tentang θ menghasilkan karakteristik mengenai keseluruhan
Lebih terperinciDISTRIBUSI 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 nia.rini.purita2316@gmail.com, getut.uns@gmail.com ABSTRAK
Lebih terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciTINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:
II. TINJAUAN PUSTAKA Dalam tinjauan pustaka penelitian Karakteristik Penduga Parameter Distribusi Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan beberapa definisi dan teorema yang
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciKONSISTENSI ESTIMATOR
KONSISTENSI ESTIMATOR TUGAS STATISTIKA MATEMATIKA II Oleh 1. Wahyu Nikmatus S. (121810101010) 2. Vivie Aisyafi F. (121810101050) 3. Rere Figurani A. (121810101052) 4. Dwindah Setiari W. (121810101054)
Lebih terperinciII. TINJAUAN PUSTAKA
II. TINJAUAN PUSTAKA 2.1 Distribusi Logistik Distribusi logistik merupakan distribusi yang memiliki fungsi kepekatan peluang kontinu. Bentuk kurva distribusi logistik adalah simetris dan uni modal. Bentuk
Lebih terperinciEstimasi Titik. (Point Estimation) Minggu ke 1-3. Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada
Estimasi Titik (Point Estimation) Minggu ke 1-3 Prof. Dr. Sri Haryatmi, M. Sc. Universitas Gadjah Mada 2014 Prof. Dr. Sri Haryatmi, M. Sc. (UGM) Daftar Isi 2014 1 / 33 DAFTAR ISI 1 Minggu 1 Pertemuan 1
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 terperinciI. PENDAHULUAN. analisis serta mempergunakannya untuk maksud maksud tertentu. Statisitika
I. PENDAHULUAN 1.1 Latar Belakang Masalah Statsistika merupakan suatu metode, ilmu dan seni yang dipergunakan untuk (atau mempelajari tentang) pengumpulan data, analisis data dan interpretasi hasil analisis
Lebih terperinciBAB 2 LANDASAN TEORI. Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S.
BAB 2 LANDASAN TEORI 2.1 Ruang Sampel dan Kejadian Definisi 1 Himpunan semua hasil yang mungkin dari suatu percobaan disebut ruang sampel dan dinyatakan dengan S. Tiap hasil dalam ruang sampel disebut
Lebih terperinciII. TINJAUAN PUSTAKA. dengan kendala menjadi model penuh tanpa kendala,
4 II. TINJAUAN PUSTAKA Dalam penelitian ini akan didiskusikan tentang transformasi model tak penuh dengan kendala menjadi model penuh tanpa kendala, pendugaan parameter, pengujian hipotesis dan selang
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH SIMULASI (KB) KODE / SKS : KK / 3 SKS
KODE / SKS : KK-01333 / 3 SKS 1 Pengertian dan tujuan 1. Klasifikasi Model 1 Simulasi. Perbedaan penyelesaian problem Dapat menjelaskan klasifikasi model dari matematis secara analitis dan numeris suatu
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teori statistika telah mempengaruhi hampir semua aspek kehidupan. Hal ini disebabkan statistika merupakan salah satu disiplin ilmu yang berperan
Lebih terperinciINFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT. Oleh : ADE CANDRA SISKA NIM: J2E SKRIPSI
INFERENSI STATISTIK DISTRIBUSI BINOMIAL DENGAN METODE BAYES MENGGUNAKAN PRIOR KONJUGAT Oleh : ADE CANDRA SISKA NIM: J2E 006 002 SKRIPSI Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains Pada
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 terperinciSTATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP
STATISTICS WEEK 5 Hanung N. Prasetyo Kompetensi 1. Mahasiswa memahamikonsep dasar distribusi peluang kontinu khusus seperti uniform dan eksponensial 2. Mahasiswamampumelakukanoperasi hitungyang berkaitan
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 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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sistem Blanchard (2000) mendefinisikan sistem sebagai sekumpulan dari elemen-elemen yang mempunyai fungsi bersama untuk mencapai suatu tujuan (Miftahol, 2009). Sedangkan Law (2004)
Lebih terperinciterhadap kesehatan persalinan. Sehingga tak heran jika negara-negara maju di
Nama: Ummi Fadilah NIM: 12/339683/PPA/3995 Teori Resiko Aktuaria PROSES PEMODELAN PENDAHULUAN Salah satu ciri dari negara maju adalah pemerintah dan masyarakat yang peduli terhadap kesehatan persalinan.
Lebih terperinciCatatan Kuliah. MA4183 Model Risiko Forecast, assess, and control your risk. Dosen: Khreshna I.A. Syuhada, MSc. PhD.
Catatan Kuliah MA4183 Model Risiko Forecast, assess, and control your risk Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2016 1 Tentang MA4183
Lebih terperinciLANDASAN TEORI. Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan
II. LANDASAN TEORI Dalam proses penelitian pendugaan parameter dari suatu distribusi diperlukan beberapa konsep dan teori yang mendukung dari ilmu statistika. Berikut akan dijelaskan beberapa konsep dan
Lebih terperinciDISTRIBUSI PROBABILITAS KONTINYU. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016
DISTRIBUSI PROBABILITAS KONTINYU Nur Hayati, S.ST, MT Yogyakarta, Maret 2016 DISTRIBUSI PELUANG KONTINYU Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat
Lebih terperinciLANDASAN TEORI. Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu.
II. LANDASAN TEORI Distribusi Gamma adalah salah satu keluarga distribusi probabilitas kontinu. Distribusi ini merupakan distribusi fungsi padat yang terkenal luas dalam bidang matematika. Distribusi gamma
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 terperinciINFERENSI PARAMETER SIMPANGAN BAKU POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF
INFERENSI PARAMETER SIMPANGAN BAKU S - POPULASI NORMAL DENGAN METODE BAYESIAN OBYEKTIF Adi Setiawan Program Studi Matematika Fakultas Sains dan Matematika Universitas Kristen Satya Wacana, Jl Diponegoro
Lebih terperinciLANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan
4 II. LANDASAN TEORI Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan Schmeiser (1974), yang memiliki empat parameter dari pengembangan distribusi Lambda Tukey. Keluarga distribusi
Lebih terperinciINDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL
J. Math. and Its Appl. ISSN: 1829-605X Vol. 7, No. 2, November 2010, 47 55 INDEKS KEMAMPUAN PROSES BERDASARKAN PROPORSI PERSESUAIAN UNTUK DISTRIBUSI NON NORMAL Laksmi P Wardhani 1, Resty Z Fahrida, Nur
Lebih terperinciBAB 1. Pendahuluan. Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah
BAB 1 Pendahuluan 1.1. Latar Belakang Perkembangan ilmu pengetahuan dan teknologi yang semakin pesat telah memberikan berbagai kemudahan kepada manusia dalam kehidupan, bahkan hasil kemajuan dari ilmu
Lebih terperinci