DISTRIBUSI NORMAL MULTIVARIAT

Ukuran: px
Mulai penontonan dengan halaman:

Download "DISTRIBUSI NORMAL MULTIVARIAT"

Transkripsi

1 DISTRIBUSI NORMAL MULTIVARIAT 4.6 Meaksr Asums-asums Keormala Paa embahasa tekk-tekk statstk multvarat, aka bayak asumska bahwa seta vektor observas X berstrbus ormal multvarat. Dketahu ula aa saat ukura samel besar a tekk yag guaka haya bergatug aa sfat X atau arak yag melbatka X alam betuk ( X µ )' S ( X µ ) maka asums keormala masg-masg observas mea tak terlalu etg. Mesku emka, utuk beberaa tgkata kualtas kesmula berasarka metoe tersebut tergatug aa seberaa mr oulas yag kta telt meyerua oulas ormal. Sehgga erluka metoe utuk megetfkas betuk oulas awal yag haraka berstrbus ormal multvarat. Peyelka kta terhaa keormala haya aka lakuka alam satu a ua mes ar observas, karea kta aka kesulta megkostruksya utuk lebh ar ua mes observas. A. Megevaluas Keormala ar Dstrbus Maral Uvarat Secara gars besar, kta aat megevaluas keormala ar strbus maral uvarat atara la ega cara:. Megguaka Peekata Keormala utuk Dstrbus Samlg Proors Kta aat memlot ata alam betuk agram ttk utuk ukura samel yag kecl a hstogram utuk ukura samel > 5, hal aat membatu memerlhatka stuas strbus uvarat. Jka hstogram utuk varabel X tamak smetrs maka kta aat megecek keormalaya lebh auh ega meghtug umlah observas-observas aa terval tertetu. Paa strbus ormal berlaku ( µ σ µ + σ ) ( µ σ, µ + σ ), memlk eluag 0,683 a memlk eluag 0,954. sehgga ega ukura samle yag besar, kta haraka roors terobservas yag beraa alam terval ( x S x + S ), sektar 0,683 a roors terobservas yag beraa alam terval ( x S, x + S ) sektar 0,954. Dega megguaka eekata keormala utuk strbus samlg roors, eroleh ( 0,683)( 0,37), 396 ˆ 0,683 > 3 ()

2 ( 0,954)( 0,046), 68 ˆ 0,954 > 3 Sehgga samle kta memeuh ersamaa (), maka hal megkaska bahwa karakterstk ke- berasal ar strbus ormal. Jka roors terobservas terlalu kecl, maka uug strbus lebh tebal ar strbus ormal.. Megguaka Q-Q Plot Jka Q-Q lot yag meruaka lot ar kuatl samel yag urutka (x ) lawa kuatl terstaarsas yag berkoresoes egaya (q ) memlk ttk-ttk yag terletak meekat gars lurus, maka kataka bahwa observas tersebut berstrbus ormal. Q-Q lot tak aka memberka formas yag bergua ka ukura samel terlalu kecl, sehgga haraka samel berukura 0. Msalka x, x,..., x meruaka observas aa sembarag karakterstk tuggal X, maka lagkah-lagkah membuat Q-Q lot aalah sebaga berkut: a. megurutka observas asal utuk memeroleh x (), x (),...,x () maa x () x ()... x (), kemua meetuka la eekata eluag yag berkoresoes egaya, yatu ( ) ( ) ( ),,..., b. meghtug quartl ormal staar q (), q (),...,q () ega P ( Z q ) ( ) q ( ) z e z P( ) π c. memlot asaga observas (q (), x () ), (q (), x () ),..., (q (), x () ) a melhat keleara haslya. Keleara hasl Q-Q lot tag haya lhat berasarka egamata kasar, rasa erlu kuatka oleh bukt formal. Utuk meetuka keleara ar Q-Q lot, kta aat meghtug koefse korelas ttk-ttk alam lot tersebut, yatu: r Q ( x x)( q q) ( x x) ( q q) ( ) ( ) ( ) ( ) Secara formal kta aka meolak hotess keormala ega taraf sgfka sebesar α ka r Q memlk la bawah la atoka yag tercatum alam tabel berkut: () (3)

3 Tabel Ukura samel Taraf sgfka α () 0,0 0,05 0,0 5 0,899 0,8788 0, ,880 0,998 0, ,96 0,9389 0, ,969 0,9508 0, ,940 0,959 0, ,9479 0,965 0, ,9538 0,968 0, ,9599 0,976 0, ,963 0,9749 0, ,967 0,9768 0, ,9695 0,9787 0, ,970 0,980 0, ,977 0,9838 0, ,98 0,9873 0, ,9879 0,993 0, ,9905 0,993 0, ,9935 0,9953 0,9960 Sela ega meghtug r Q, beberaa eragkat software megevaluas statstk asal megguaka Sharo-Wlk, yatu betuk korelas yag berkoresoes ega meggat q () ega la fugs eksektas statstka ormal asar yag terurut a kovarasya. Kta teta lebh memlh megguaka r Q, sebab r Q berkoresoes secara lagsug ega ttk aa lot la ormal. Namu emka, utuk ukura samel yag besar keua statstk tersebut hamr sama sehgga keuaya aat guaka utuk memutuska kekuragcocoka alam keormala. Kombas lear utuk lebh ar satu karakterstk aat selk. Bayak statstkawa meyaraka utuk memlot e ˆ x ' maa Seˆ ˆ λeˆ Da ˆλ ' aalah la ege terbesar ar S. Ds [ x, x,..., x] x aalah observas ke- alam varabel X, X,..., X. Kombas lear e ˆ ' x yag berkoresoes ega la ege terkecl uga serg megutugka alam eyelka. B. Megevaluas Keormala ar Dstrbus Maral Bvarat Secara gars besar, kta aat megevaluas keormala ar strbus maral uvarat atara la ega cara:

4 . Meghtug Ttk - ttk alam Kotur a Membagkaya ega Teor Peluag. Kta telah megetahu bahwa agram ecar utuk asaga karakterstk aka ormal a kotur keaataya berbetuk els ka observas berasal ar strbus ormal multvarat. Sehgga kta harus meuukka ola yag secara keseluruha meyeruaya. Berasarka teor, hmua hasl bvarat x seemka sehgga ' ( x µ ) ( x µ ) χ (0,5) memlk eluag 0,5. Sehgga secara kasar, haraka resetase yag sama, yatu 50% ar observas terletak aa els. Semua x seemka sehgga ( x x) S ( x x) χ (0,5) µ ega la estmasya x a observas x yag terletak alam els. ' ega la estmasya maa kta meggat S meyataka Jka observas observas berstrbus ormal, kta haraka setegah ar observas observas tersebut terletak aa kotur. Perbeaa roors yag auh megkaska bahwa asums keormala tolak.. Meghtug Ch-kuarat Plot Proseur tak terbatas haya utuk kasus bvarat, ta uga utuk varabel ega. terlebh ahulu aka efska megea arak kuarat yag erumum, yatu: ' ( x x) S ( x x) ega,,..., (4) ega x, x,..., x aalah observas samel. Saat oulas awal (uk) berbetuk ormal multvarat a samel berukura besar sehgga a - lebh ar 5 atau 30, maka seta arak kuarat,,..., meruaka varabel acak berstrbus ch-kuarat. Walauu arak-arak tak salg bebas atau tak berstrbus ch-kuarat secara teat, amu kta erlu memlotya ega ch-kuarat lot.lagkah-lagkah membuat ch-kuarat lot: a. Megurutka arak kuarat yag telah efska aa ersamaa (4) ar yag terkecl sama yag terbesar, yatu....

5 b. Gambarka asaga ( ), χ, maa χ aalah 00( ) ersetl ar strbus ch-kuarat ega eraat kebebasa. Plot yag haslka haraka meyerua betuk gars lurus. Jka berbetuk kurva yag sstemats, maka hal megkaska keormala. Jka haya satu atau ua ttk yag beraa auh ar gars lurus, maka meruaka observas ecla a erlu telt lebh auh. Kta telah meskuska beberaa tekk seerhaa utuk megu asums keormala. Secara rc, kta memlh megguaka erhtuga arak kuarat,,,..., a membagka haslya ega ersetl-ersetl χ. Ja, sebaga cotoh keormala -varat kaska ka: a. Secara kasar, setegah ar kurag ar atau sama ega ( 0,50) χ. b. Plot ar arak kuarat yag terurut... lawa χ, χ,..., χ secara beruruta meekat gars lurus. Smaga keormala serg tera aa satu atau lebh observas ecla. Observas-observas serg aat etfkaska ega satu atau lebh ar lotlot berkut: a. Hstogram atau agram aha-au yag meamlka observas-observas (x,,,..., ) atau observas-observas yag staarsas z ( x s x),,,..., utuk ta varabel (,,...,). b. Dagram ecar yag kostruks oleh observas-observas bvarat ta asag ar varabel-varabel. ' c. Ch-kuarat lot ar arak kuarat ( x x) S ( x x) ega,,...,. Jka teretfkas ecla, maka subek harus selk lebh auh. Berasarka kealama ar ecla a keobektftasa alam eyelka, ecla aat hlagka atau bobot secara teat aa aalss selautya. Catata bahwa semua egukura yag memuat ketaksesuaa etg utuk tau kembal. Saat samel berukura kecl, hayalah tgkah laku ata yag sagat

6 meymag yag etfkaska tak sesua. D ss la, samel yag sagat besar selalu meghaslka ketakcocoka secara statstk. Namu, awal ar strbus yag tetaka mugk sagat arag a secara tekk tak etg utuk kesmula. Berkut aalah cotoh soal utuk masalah megevaluas keormala ar strbus maral uvarat a bvarat:. Masalah megevaluas keormala ar strbus maral uvarat Baga egawasa kualtas suatu abrk ove mcrowave aka memotor besarya ems raas ar ove tersebut saat tuya tutu. Dambl samel ove secara acak berukura 4, a amat ems raasya saat tu tutu. Utuk meetuka eluag ar raas yag melamau level toleras, erluka strbus eluag ar ems raas. Daatkah kta memaag bahwa observas berstrbus ormal? Data hasl observas ems raas aalah sebaga berkut: Jawab: No. No. No. ove Raas ove Raas ove Raas 0,5 5 0,0 9 0,08 0,09 6 0,0 30 0,8 3 0,8 7 0,0 3 0,0 4 0,0 8 0,0 3 0,0 5 0,05 9 0,0 33 0, 6 0, 0 0, ,30 7 0,08 0,0 35 0,0 8 0,05 0, ,0 9 0,08 3 0, ,0 0 0,0 4 0, ,30 0,07 5 0,5 39 0,30 0,0 6 0,0 40 0,40 3 0,0 7 0,5 4 0,30 4 0,0 8 0,09 4 0,05 Pertama kta aka meguya ega melhat Q-Q lot: Setelah kta megurutka hasl observas (x () ), meetuka la eluag eekata yag berkoresoes egaya ( ) berasarka tabel strbus ormal baku, maka eroleh: Observas terurut (x () ) Peluag eekata ( ) Quartl ormal staar (q () ), a meetuka quartl ormal staarya Observas terurut (x () ) Peluag eekata ( ) Quartl ormal staar (q () ) 0,0 0, ,0 0,

7 0,0 0, ,0 0, ,0 0, ,0 0, ,0 0, ,0 0, ,0 0, ,0 0, ,03 0, , 0, ,05 0, , 0, ,05 0, ,5 0, ,05 0, ,5 0, ,05 0, ,5 0, ,05 0, ,8 0, ,07 0, ,8 0, ,08 0, ,0 0, ,08 0, ,0 0, ,08 0, ,0 0, ,09 0, ,30 0, ,09 0, ,30 0, ,0 0, ,30 0, ,0 0, ,30 0, ,0 0, ,40 0, ,0 0, ,40 0,988.6 Karea aa beberaa observas yag memlk hasl yag sama, maka Q-Q lot yag meggambarka asaga (q (), x () ), (q (), x () ),..., (q (), x () ) aka buat ega memlot utuk ta la x () yag berbea a quartl ormal staar yag berkoresoes egaya eroleh ega merata-rataka la-la q () yag eroleh berasarka observas asal, sehgga asaga (q (), x () ) yag aka lot aalah sebaga berkut: x () q () x () q () Da Q-Q lotya aat eroleh ega megguaka batua rogram excel:

8 q() Berasa rka egam ata secara kasar terhaa Q- Qlot atas, tamak bahwa haslya kurag lear, sehgga observas erkraka buka berstrbus ormal. Utuk lebh meyakkaya, kta aka meghtug koefse korelas utuk Q-Q lot (ata yag guaka aalah ata asl, yatu yag sebayak 4 ata), ar 4 ata aa soal maka eroleh: 4 ( x( ) x)( q( ) q ) 4 ( x( ) x) 0,4 ( q( ) q ) 40, (x,q) x() 3,807 Dega q 0 Sehgga ega megguaka ersamaa (3) eroleh: r Q 4 4 ( x x)( q q) 4 ( x x) ( q q) ( ) ( ) ( ) ( ) 0,4 3,807 40,738 3,807 4,0975 0,978 U keormala ega taraf sgfkas 5% a 4 tak tercatum alam tabel, amu ega memafaatka la aa tabel ega taraf sgfkas 5% ega 40 a 45 kta aat memeroleh la yag kta butuhka ega tekk terolas yatu sebesar 0,9735.

9 Karea r Q 0,978 < 0,9735 maka kta meolak hotess bahwa observas berstrbus ormal, atau ega kata la bahwa observas tak berstrbus ormal.. Masalah megevaluas keormala ar strbus maral bvarat Berkut aalah asaga ata observas yag eroleh ar 0 erusahaa besar Amerka: Perusahaa X euala (lm utaa ollar) X laba (lm utaa ollar) Geeral Motor For Exxo IBM Geeral Electrc Mobl Phl Morrs Chrysler u Pot Texaco Aakah asaga ata atara x a x berstrbus maral bvarat? Jawab: Pertama kta aka megu ega meghtug ttk-ttk alam kotur a membagkaya ega teor eluag. Kta kataka bahwa suatu ttk x terletak alam kotur bla memeuh ' ( ) ( ) x x S x x χ (0,5), ega ( 0,50) Berasarka soal kta aat eroleh: χ,39 x 6309, s s , ,63 x a S x 97,3 s s , ,0 S 0, , , , Sehgga kta harus megecek seluruh observas (0 asag ata) ega rumus: ' 5 ( x x) S ( x x) [ x 6309, x 97,3] 0 0, , , ,886 x 6309, x 97,3 Kta haya aka meamlka erhtuga utuk asaga ata yag ertama, seagka utuk 9 asag ata yag la keraka ega cara yag serua a haslya aka tamlka alam tabel. Pasaga ata ertama, x 6,974 a x 4,4 sehgga

10 ' ( x x) S ( x x) [ , 44 97,3] [ 64664,90 96,70] 4, , , , , , ,886 0, ,90 0 0,886 96, , 44 97,3 Karea 4,337746,39 maka smulka bahwa observas ertama beraa luar kotur (els). Berkut meruaka tabel hasl erhtuga utuk 0 observas: ' Observas ( x x) S ( x x) Poss/letak luar alam alam alam luar alam alam luar alam alam Berasarka hasl erhtuga atas, maka ketahu asaga ata yag terletak alam kotur memlk roors 0,7 atau 70%. Karea roors cuku berbea ega la haraa roors saat berstrbus ormal yatu 0,5 atau 50%, maka observas tak berstrbus ormal. Selautya kta aka meguya ega melhat ata observas berasaga alam ch-kuarat lot: Dega megurutka arak kuarat ar 0 ata observas berasaga a meetuka χ 0 yag berkoresoes egaya, maka eroleh: Observas () Jarak kuarat tertetu ( ) χ

11 Da eroleh lot utuk observas berasaga atas aalah: ch-kuarat arak kuarat Seres Berasarka lot ch-kuarat tersebut, terlhat bahwa lot yag haslka tak meekat gars lurus sehgga megkaska ketakormala observas. Dar keua u yag telah lakuka aat smulka bahwa observas tak berstrbus maral ormal bvarat.

BAB III ISI. x 2. 2πσ

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

Lebih terperinci

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

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

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

Lebih terperinci

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2)

TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL. Erma Kusuma Wati 1), Sigit Sugiarto 2), Bustami 2) TAKSIRAN YANG LEBIH EFISIEN UNTUK PARAMETER PADA DISTRUSI WEIBULL Erma Kusuma Wat, Sgt Sugarto, Bustam emakusumawat7@yahooco Mahasswa Program S Matematka Dose Matematka, Jurusa Matematka Fakultas Matematka

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

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

Lebih terperinci

BAB III ESTIMASI MODEL PROBIT TERURUT

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Lebih terperinci

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

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

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

Lebih terperinci

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

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

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

Lebih terperinci

FORMULA BINET DAN JUMLAH n SUKU PERTAMA PADA GENERALISASI BILANGAN FIBONACCI DENGAN METODE MATRIKS. Purnamayanti 1 Thresye 2 Na imah Hijriati 3

FORMULA BINET DAN JUMLAH n SUKU PERTAMA PADA GENERALISASI BILANGAN FIBONACCI DENGAN METODE MATRIKS. Purnamayanti 1 Thresye 2 Na imah Hijriati 3 Jural Matematka Mur a eraa ol 6 No Ju : 38-46 ORMULA BINE AN JUMLAH SUKU PERAMA PAA GENERALISASI BILANGAN IBONACCI ENGAN MEOE MARIKS Puramayat hresye Na mah Hrat 3 [] Alum Mahasswa PS Matematka MIPA Uverstas

Lebih terperinci

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

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

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

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

Lebih terperinci

BAB 2. Tinjauan Teoritis

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

Lebih terperinci

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

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

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

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

Lebih terperinci

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

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

Lebih terperinci

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J) STATISTIKA A. Tabel Lagkah utuk megelompokka data ke dalam tabel dstrbus frekues data berkelompok/berterval: a. Retag/Jagkaua (J) J X maks X m b. Bayak kelas (k) Megguaka atura Sturgess, yatu k,. log c.

Lebih terperinci

3 Departemen Statistika FMIPA IPB

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

Lebih terperinci

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

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

Lebih terperinci

Bab II Teori Pendukung

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

Lebih terperinci

Galeri Soal. Dirangkum Oleh: Anang Wibowo, S.Pd

Galeri Soal. Dirangkum Oleh: Anang Wibowo, S.Pd Galer Soal Dragkum Oleh: ag Wbowo, S.P www.matkzoe.worress.com Jauar Semoga sekt cotoh soal-soal aat membatu sswa alam memelajar Matematka khususya ab Statstka. Kam megusahaka agar soal-soal yag kam bahas

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

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

Lebih terperinci

STATISTIKA DASAR. Oleh

STATISTIKA DASAR. Oleh STATISTIKA DASAR Oleh Suryo Gurto cara peyaja data - tabel - grak meghtug harga-harga petg : - ukura lokas - ukura sebara/peympaga apabla data mempuya observasya cukup bayak perlu dsusu secara sstematk

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

MENENTUKAN POLINOMIAL MINIMAL ATAS GF p YANG MEMBANGUN GF p. Nunung Andriani 1 dan Bambang Irawanto 2

MENENTUKAN POLINOMIAL MINIMAL ATAS GF p YANG MEMBANGUN GF p. Nunung Andriani 1 dan Bambang Irawanto 2 MENENTUKAN POLINOMIAL MINIMAL ATAS GF YANG MEMBANGUN GF Nuug Ara 1 a Bambag Irawato 1 Jurusa Matematka FMIPA UNDIP Jl Pro H Soearto SH Tembalag Semarag Abstract Let F s te el wth elemets eote by GF I E

Lebih terperinci

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

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

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Aproksimasi Interval Konfidensi Bootstrap

Aproksimasi Interval Konfidensi Bootstrap Jural EKSONENSIAL Volume, Nomor, e ISSN 85-789 Aroksmas Iterval Kofes Bootstra Aroxmate Cofece Iterval Bootstra Haeru rogram Stu Statstka FIA Uverstas ulawarma Abstract We coser the roblem of costructg

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

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

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

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

INFERENSI VEKTOR RATA RATA. Disusun untuk memenuhi salah satu tugas mata kuliah multivariat INFERENSI VEKTOR RATA RATA Dsusu utuk memeuh salah satu tugas mata kulah multvarat Dsusu oleh: Ast Aula Rahma (6796) Khaerusa Mahmudah (69) Lucky Heryat Jufr (673) Rsa Nur Vauzyah (6933) Syfa Isa (66)

Lebih terperinci

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

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

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

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

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB II LANDASAN TEORI

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

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Data yang digunakan pada penelitian ini berupa data sekunder yang

BAB III METODOLOGI PENELITIAN. Data yang digunakan pada penelitian ini berupa data sekunder yang BAB III METODOLOGI PENELITIAN 31 Jes a Sumber Data Data yag guaka aa eelta berua ata sekuer yag bersumber ar ublkas-ublkas BPS, yatu Data Prouk Domestk Regoal Bruto (PDRB) Provs Jawa Tmur Tahu 005-010,

Lebih terperinci

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

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

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

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

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

ESTIMASI PARAMETER REGRESI GANDA MENGGUNAKAN BOOTSTRAP DAN JACKNIFE.

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

Lebih terperinci

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal Peerapa Teor Lmt Pusat Multvarat pada Pegedala Proses Pelayaa d Polklk Rawat Jala Rumah akt Umum Kardah Tegal Isa, M. PMTK FKIP Uv. Pacasakt Tegal sa@yahoo.com Abstrak Baga kedal adalah alat yag lazm dguaka

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

Lebih terperinci

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

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

Lebih terperinci

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

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

Lebih terperinci

Penyelesaian Persamaan Differensial dengan Menggunakan Polinomial Lagrange Seri I (1 Dimensi) Syawaluddin H 1)

Penyelesaian Persamaan Differensial dengan Menggunakan Polinomial Lagrange Seri I (1 Dimensi) Syawaluddin H 1) Hutahaea Vol. No. Aprl 006 ural TEKNIK SIPIL Peyelesaa Persamaa Dfferesal ega Megguaka Polomal Lagrage Ser I ( Dmes Syawalu H Abstrak Paa paper sajka pegguaa polomal Lagrage utuk meyelesaka suatu persamaa

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

Lebih terperinci

NORM VEKTOR DAN NORM MATRIKS

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

Lebih terperinci

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

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

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Lebih terperinci

π ( ) menyatakan peluang bahwa

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

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

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

Lebih terperinci

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

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

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

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

Lebih terperinci

Pembayaran pertama yang dilakukan pada setiap akhir tahun selama n tahun

Pembayaran pertama yang dilakukan pada setiap akhir tahun selama n tahun Husa Arfah, M.Sc : Autas Dasar Emal : husaarfah@uy.ac. ANUITAS DASAR 3. Peahulua Autas aalah seragkaa pembayara yag lakuka paa terval waktu yag sama (per tahu atau sebalkya). Pembayara utuk jagka waktu

Lebih terperinci

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

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

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH

BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG MASALAH BAB ENDAHULUAN. LATAR BELAKANG MASALAH Dalam kehidua yata, sejumlah feomea daat diikirka sebagai ercobaa yag mecaku sederata egamata yag berturut-turut da buka satu kali egamata. Umumya, tia egamata dalam

Lebih terperinci

BAB II KAJIAN LITERATUR

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

Lebih terperinci

REPRESENTASI BILANGAN FIBONACCI DALAM BENTUK KOMBINATORIAL

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

Lebih terperinci

REGRESI LINEAR SEDERHANA

REGRESI LINEAR SEDERHANA REGRESI LINEAR SEDERHANA MODUL Dra. Sr Pagest, S.U. PENDAHULUAN A alss regres merupaka aalss statstk yag mempelajar ubuga atara dua varabel atau leb. Dalam aalss regres lear dasumska berlakuya betuk ubuga

Lebih terperinci

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

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

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

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

Lebih terperinci

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

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

Lebih terperinci

BAB 5 HASIL DAN PEMBAHASAN

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

Lebih terperinci

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

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

Lebih terperinci

BAB 2 LANDASAN TEORI

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

Lebih terperinci

Tabel Distribusi Frekuensi

Tabel Distribusi Frekuensi Tabel Dstrbus Frekues Tabel dstrbus frekues adalah susua data meurut kelas-kelas terval tertetu atau meurut kategor tertetu dalam sebuah daftar. Dar dstrbus frekues, dapat dperoleh keteraga atau gambara

Lebih terperinci

III. METODOLOGI PENELITIAN

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

Lebih terperinci

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

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

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

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

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques

9/22/2009. Materi 2. Outline. Graphical Techniques. Penyajian Data. Numerical Techniques Mater Outle Graphcal Techques Peyaja Data Numercal Techques Tekk Grafk (Graphcal Techques) Secara vsual, grafs merupaka gambar-gambar yag meujukka data berupa agka yag basaya dbuat berdasarka tabel yag

Lebih terperinci

X a, TINJAUAN PUSTAKA

X a, TINJAUAN PUSTAKA PENELITIAN SEBELUMNYA Statstka Deskrptf TINJAUAN PUSTAKA TINJAUAN STATISTIKA Uj Idepedes Uj depedes dguak utuk megetahu adaya hubuga atara dua varabel (Agrest, 1990). H 0 : tdak ada hubuga atara varabel

Lebih terperinci

Mata Kuliah: Statistik Inferensial

Mata Kuliah: Statistik Inferensial PENGUJIAN HIPOTESIS SAMPEL KECIL Prof. Dr. H. Almasdi Syahza, SE., MP Email: asyahza@yahoo.co.id DEFINISI Pegertia Sampel Kecil Sampel kecil yag jumlah sampel kurag dari 30, maka ilai stadar deviasi (s)

Lebih terperinci

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

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

Lebih terperinci

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

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

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

REGRESI LINIER SEDERHANA

REGRESI LINIER SEDERHANA MODUL REGRESI LINIER SEDERHANA Dsusu oleh : I MADE YULIARA Jurusa Fska Fakultas Matematka Da Ilmu Pegetahua Alam Uverstas Udayaa Tahu 016 Kata Pegatar Puj syukur saya ucapka ke hadapa Tuha Yag Maha Kuasa

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Lebih terperinci

2.2.3 Ukuran Dispersi

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

Lebih terperinci

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian BAB IV HASIL PENELITIAN Hasl peelta berdasarka data yag dperole dar kegata peelta yag tela dlaksaaka ole peelt d MTs Salafya II Radublatug Blora pada kelas VIII A tau ajara 1 11. Data asl peelta tersebut

Lebih terperinci