Estimasi dan Confidence Interval
|
|
|
- Yuliana Lie
- 8 tahun lalu
- Tontonan:
Transkripsi
1 Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. June 2017 TJ (SU) Estimasi dan Confidence Interval June / 31
2 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh dari sample yang digunakan untuk melakukan estimasi nilai yang bersesuaian dari populasi. X µ s σ (1) s 2 σ 2 TJ (SU) Estimasi dan Confidence Interval June / 31
3 Confidence Interval Estimate Confidence Interval Estimate: Adalah suatu rentang nilai (interval) yang diperoleh dari sample sehingga parameter populasi berada pada rentang nilai itu dengan probabilitas tertentu. Probabilitas bahwa parameter populasi berada pada rentang tersebut disebut level of confidence. C.I. = point estimate ± margin of error TJ (SU) Estimasi dan Confidence Interval June / 31
4 Confidence Interval Estimate Lebar rentang confidence interval ditentukan oleh: 1 Ukuran sample, n. 2 Variasi dalam populasi yang diukur dengan σ dan diestimasi di dalam sample dengan s. 3 level of confidence yang diminta. TJ (SU) Estimasi dan Confidence Interval June / 31
5 Confidence Interval for Population Mean - σ diketahui Confidence Interval untuk Population Mean jika σ diketahui X ±z σ n (2) Dengan: X : mean dari sample z : nilai-z untuk confidence-level yang dipilih σ : standard deviasi populasi n : jumlah observasi di dalam sample TJ (SU) Estimasi dan Confidence Interval June / 31
6 Confidence Interval for Population Mean - σ diketahui Confidence Interval untuk Population Mean jika σ diketahui X ±z σ n (3) Lebar Confidence Interval: ditentukan oleh confidence level dan besarnya standard error dari mean Standard error dari mean: Ditentukan oleh dua parameter a Standard Deviation, σ b Jumlah observasi di dalam sample, n TJ (SU) Estimasi dan Confidence Interval June / 31
7 Bagaimana Cara Menentukan z jika diberikan Confidence Level tertentu? 1 Misalkan diberikan CL=95%. Maka besar probabilitas yang akan kita cari di tabel adalah: = (4) 2 Carilah harga z di tabel, yang bersesuaian dengan nilai TJ (SU) Estimasi dan Confidence Interval June / 31
8 Confidence Level Diperoleh: z = 1.96 TJ (SU) Estimasi dan Confidence Interval June / 31
9 Confidence Level TJ (SU) Estimasi dan Confidence Interval June / 31
10 Apa Arti Estimasi Confidence Interval? Misalkan kita mempunyai Confidence Level 95%. Dan kemudian kita menghitung Confidence Interval berdasarkan data-data yang diperoleh. Apa makna dari Confidence Interval itu? 1 Misalkan dari populasi yang disediakan, kita mengambil 100 sample 2 Dari 100 sample itu kita memperoleh 100 Confidence Interval 3 Maka dari 100 Confidence Interval tersebut dapat diharapkan bahwa 95 di antaranya akan memuat parameter populasi yang sesuai. 4 Selain itu, 95% dari 100 sample mean yang kita peroleh akan berada pada rentang 1.96 dari parameter populasi yang kita hipotesakan. TJ (SU) Estimasi dan Confidence Interval June / 31
11 Contoh Contoh Suatu survey ingin mengetahui mean income dari manager tingkat menengah pada suatu industri tertentu. Sample random dari 256 manager menunjukkan sample mean sebesar X = $ Standard deviasi dari populasinya adalah σ = $2050. TJ (SU) Estimasi dan Confidence Interval June / 31
12 Contoh Contoh Suatu survey ingin mengetahui mean income dari manager tingkat menengah pada suatu industri tertentu. Sample random dari 256 manager menunjukkan sample mean sebesar X = $ Standard deviasi dari populasinya adalah σ = $ Berapa mean dari populasi? (µ) 2 Dapatkan rentang nilai yang masuk akal dari mean dari populasi! 3 Apa makna dari hasil tersebut? TJ (SU) Estimasi dan Confidence Interval June / 31
13 Contoh 1 Berapa mean dari populasi? (µ) Dalam kasus ini, kita tidak tahu berapa nilai dari µ. Yang kita miliki adalah sample dari mean X=$ Sample dari mean ini adalah point estimate dari mean dari populasi. X µ (5) TJ (SU) Estimasi dan Confidence Interval June / 31
14 Contoh 2 Dapatkan rentang nilai yang masuk akal dari mean dari populasi! Dengan 95% level of confidence: X ±z σ n = $45420±1.96 $ = $45420±$251 (6) Diperoleh rentang antara $45169 s/d $ Sedangkan ±$251 disebut sebagai margin of error. TJ (SU) Estimasi dan Confidence Interval June / 31
15 Contoh 3 Apa makna dari hasil tersebut? Jika kita mengambil banyak sample (misalkan 100 sample) dari populasi, dengan masing-masing sample berukuran n = 256, dan kita menghitung mean dan confidence interval untuk masing-masing sample, maka kita dapat mengharapkan bahwa 95% dari semua confidence interval itu akan memuat mean dari populasi di dalamnya. Dapat juga kita mengatakan bahwa 5% dari semua confidence interval itu tidak memuat µ di dalamnya. TJ (SU) Estimasi dan Confidence Interval June / 31
16 Contoh TJ (SU) Estimasi dan Confidence Interval June / 31
17 σ Tidak Diketahui Standard Deviasi Populasi (σ) Tidak Diketahui Di dalam kebanyakan situasi, σ tidak diketahui. Berikut ini beberapa contoh di mana kemungkinan besar σ tidak diketahui. 1 Seorang mahasiswa ingin mengetahui mean dari jumlah jam yang dipakai mahasiswa untuk bekerja (dibayar) di luar kampus. Ia mewawancarai sample yang terdiri dari 30 mahasiswa. 2 Dilakukan survey terhadap 40 mahasiswa, dan diwawancarai berapa mean dari jarak tempat tinggal ke kampus. 3 Duapuluh mahasiswa yang hampir lulus ditanya berapa student loan yang harus dibayar. TJ (SU) Estimasi dan Confidence Interval June / 31
18 σ Tidak Diketahui σ tidak diketahui Jika σ tidak diketahui maka kita harus menggunakan t-distribution. TJ (SU) Estimasi dan Confidence Interval June / 31
19 Karakteristik t-distribution 1 Distribusi-t adalah distribusi yang bersifat kontinu (sama seperti distribusi normal). 2 Distribusi-t berbentuk lonceng (bell-shaped) dan simetris (sama seperti distribusi normal). 3 Berbeda dengan distribusi normal yang hanya ada satu, distribusi-t terdiri dari banyak distribusi ( family of distribution ). Semua distribusi-t itu mempunyai mean nol, tetapi mempunyai standard deviasi yang besarnya bergantung pada ukuran sample n. 4 Distribusi-t lebih menyebar, dan lebih rata di pusat daripada distribusi normal. Namun, jika ukuran sample n ditingkatkan, distribusi-t akan semakin mendekati distribusi normal. TJ (SU) Estimasi dan Confidence Interval June / 31
20 Perbandingan distribusi-t dengan distribusi normal TJ (SU) Estimasi dan Confidence Interval June / 31
21 Perbandingan distribusi-t dengan distribusi normal TJ (SU) Estimasi dan Confidence Interval June / 31
22 σ tidak diketahui Confidence Interval untuk Population Mean jika σ tidak diketahui X ±t α/2,df s n = X ±t α/2,n 1 s n (7) Dengan: X : mean dari sample t : nilai-t untuk confidence-level yang dipilih s : standard deviasi sample n : jumlah observasi di dalam sample df = n 1 : degree of freedom α : level of significance (1-α=level of confidence) TJ (SU) Estimasi dan Confidence Interval June / 31
23 Contoh Distribusi-t Sebuah perusahaan ban ingin menguji daya tahan ulir pada ban-bannya. Sebuah sample terdiri dari 10 ban yang telah menempuh 50ribu mil, menunjukkan sample mean ulir tersisa sebesar 0.32 inci, dengan standard deviasi 0.09 inci. 1 Susunlah 95% confidence interval untuk mean dari populasi! 2 Apakah masuk akal untuk menyimpulkan bahwa setelah menempuh 50ribu mil, mean dari populasi untuk besar ulir tersisa adalah 0.3 inci? TJ (SU) Estimasi dan Confidence Interval June / 31
24 Contoh Distribusi-t Diketahui dari soal: n = 10 X = 0.32 (8) s = 0.09 Hitung C.I. dengan menggunakan distribusi-t (karena σ tidak diketahui) X ±t α/2,n 1 s n (9) TJ (SU) Estimasi dan Confidence Interval June / 31
25 TJ (SU) Estimasi dan Confidence Interval June / 31
26 TJ (SU) Estimasi dan Confidence Interval June / 31
27 Contoh Distribusi-t X ±t α/2,n 1 s n = X ±t 0.05/2,10 1 s n = 0.32±t 0.025, = 0.32± (10) = 0.32±0.064 = (0.256, 0.384) Kesimpulan: Perusahaan ban cukup yakin (95% yakin) bahwa mean dari ulir tersisa adalah berada di antara dan inci. Cukup masuk akal untuk berasumsi bahwa mean dari populasi adalah 0.3 inci, karena 0.3 inci berada di antara dan inci. TJ (SU) Estimasi dan Confidence Interval June / 31
28 Contoh 2 Manager dari sebuah mall di Florida ingin membuat estimasi rata-rata uang yang dibelanjakan. Sebuah sample terdiri dari costumer memberikan hasil sebagai berikut. Manager ingin tahu apakah mean dari populasi lebih dekat ke $50, atau bisa lebih tinggi lagi (misalnya $60). TJ (SU) Estimasi dan Confidence Interval June / 31
29 Contoh 2 X ±t α/2,n 1 s n = X ±t 0.05/2,20 1 s n = 49.53±t 0.05/2, (11) = 49.53± = 49.53±4.22 = (45.13, 53.57) Nilai $60 tidak termasuk di dalam interval, sedangkan $50 berada dalam interval. Jadi masuk akal kalau disimpulkan bahwa mean dari populasi adalah $50. TJ (SU) Estimasi dan Confidence Interval June / 31
30 Distribusi-z atau Distribusi-t Asumsikan populasi mempunyai distribusi normal Gunakan distribusi-z 1 σ diketahui, atau 2 n 30 X ±z σ n Gunakan distribusi-t 1 σ tidak diketahui, dan 2 n < 30 X ±t s n TJ (SU) Estimasi dan Confidence Interval June / 31
31 Soal Seorang peneliti mengamati sejenis burung, dan memperoleh data-data sebagai berikut. Sampel yang terdiri dari 10 burung jantan mempunyai massa (dalam gram): 620, 600, 597, 520, 585, 570, 585, 540, 545, 570 Sampel kedua terdiri dari 9 burung betina mempunyai massa (dalam gram): 550, 540, 545, 510, 530, 585, 525, 520, 530 (a) Susun Confidence Interval (95%) untuk masing-masing sampel, (b) apakah perbedaan rata-rata massa antara kedua sampel itu mempunyai arti. TJ (SU) Estimasi dan Confidence Interval June / 31
Estimasi dan Confidence Interval
Estimasi dan Confidence Interval Tjipto Juwono, Ph.D. April 5, 2016 TJ (SU) Estimasi dan Confidence Interval April 2016 1 / 30 Point Estimate Point Estimate: Adalah suatu nilai tunggal (point) yang diperoleh
Interval Estimation. Tjipto Juwono, Ph.D. May 20, TJ (SU) Interval Estimation May / 24
Interval Estimation Tjipto Juwono, Ph.D. May 20, 2015 TJ (SU) Interval Estimation May 2015 1 / 24 Outline 1 Pendahuluan 2 Pengertian Confidence Interval 3 Menghitung t 4 Menyusun Confidence Interval 5
Interval Estimation. Tjipto Juwono, Ph.D. May 13, TJ (SU) Interval Estimation May / 17
Interval Estimation Tjipto Juwono, Ph.D. May 13, 2016 TJ (SU) Interval Estimation May 2015 1 / 17 Pendahuluan Point Estimator Perhatikan MPC pada persamaan regresi Ŷ i = ˆβ 1 + ˆβ 2 X i = 2.3121+0.5231X
Interval Estimation. Tjipto Juwono, Ph.D. May TJ (SU) Interval Estimation May / 19
Interval Estimation Tjipto Juwono, Ph.D. May 2017 TJ (SU) Interval Estimation May 2017 1 / 19 Pendahuluan Point Estimator Perhatikan MPC pada persamaan regresi Ŷ i = ˆβ 1 + ˆβ 2 X i = 2.3121+0.5231X i
Uji Hipotesa Dua Sampel (Lanjutan)
Uji Hipotesa Dua Sampel (Lanjutan) Tjipto Juwono, Ph.D. May 3, 2016 TJ (SU) Uji Hipotesa Dua Sampel (Lanjutan) May 2016 1 / 26 σ tidak diketahui, saling beda, sampel kecil Standard Deviasi Tidak Diketahui,
Uji Hipotesa Dua Sampel
Uji Hipotesa Dua Sampel Tjipto Juwono, Ph.D. April 19, 2016 TJ (SU) Uji Hipotesa Dua Sampel April 2016 1 / 28 Membandingkan Dua Populasi Contoh 1 Apakah ada perbedaan jumlah rata-rata penjualan rumah oleh
Uji Hipotesa Satu Sampel
Uji Hipotesa Satu Sampel Tjipto Juwono, Ph.D. April 12, 2016 TJ (SU) Uji Hipotesa Satu Sampel April 2016 1 / 35 Uji Hipotesa Contoh Sebuah perusahaan mebel menghasilkan meja tulis, dengan rata-rata produksi
Uji Hipotesa Satu Sampel
Uji Hipotesa Satu Sampel Tjipto Juwono, Ph.D. June 2017 TJ (SU) Uji Hipotesa Satu Sampel June 2017 1 / 36 Uji Hipotesa Contoh Sebuah perusahaan mebel menghasilkan meja tulis, dengan rata-rata produksi
Statistik Non Parametrik
Statistik Non Parametrik Tjipto Juwono, Ph.D. March 2017 TJ (SU) Non Parametrik March 2017 1 / 26 Tipe-tipe Variabel dan Level Pengukuran Tipe-tipe Variabel kualitatif Bersifat non-numerik (tidak dapat
Metode Sampling dan Teorema Central Limit
Metode Sampling dan Teorema Central Limit Tjipto Juwono, Ph.D. Oct 28, 2016 TJ (SU) Metode Sampling dan Teorema Central Limit Oct 2016 1 / 52 Mengapa Perlu Sampling? Contoh Kita ingin mengetahui elektabilitas
Pembahasan Soal. Tjipto Juwono, Ph.D. May 14, TJ (SU) Pembahasan Soal May / 43
Pembahasan Soal Tjipto Juwono, Ph.D. May 14, 2016 TJ (SU) Pembahasan Soal May 2016 1 / 43 Warming Up 1 Berikan contoh untuk skala rasio, skala interval, skala ordinal, skala nominal. 2 Dapatkah kita melakukan
pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter
TEST HIPOTESIS pernyataan mengenai sesuatu yang harus diuji kebenarannya Hipotesis statistik adalah suatu pernyataan yang menyatakan harga sebuah/beberapa parameter atau pernyataan yang menyatakan bentuk
ESTIMASI. 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
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada. 18-Aug-17. 1http://istiarto.staff.ugm.ac.id. Statistika Teknik.
Magister Pengelolaan Air dan Air Limbah Universitas Gadjah Mada Statistika Teknik Rentang Keyakinan 1 Rentang Keyakinan Estimasi Parameter Distribusi probabilitas memiliki sejumlah parameter. Parameter-parameter
INFERENSI STATISTIS: RENTANG KEYAKINAN
Universitas Gadjah Mada Fakultas Teknik Departemen Teknik Sipil dan Lingkungan INFERENSI STATISTIS: RENTANG KEYAKINAN Statistika dan Probabilitas Rentang Keyakinan Estimasi Parameter Distribusi probabilitas
Analisa Regresi Dua Variabel: Konsep Dasar ReviewApril Statistik: 2016 Uji 1 Hipotesa / 52
Analisa Regresi Dua Variabel: Konsep Dasar Review Statistik: Uji Hipotesa Satu Sampel Tjipto Juwono, Ph.D. April 15, 2016 Analisa Regresi Dua Variabel: Konsep Dasar ReviewApril Statistik: 2016 Uji 1 Hipotesa
Analisa Regresi Dua Variabel: Estimasi
Analisa Regresi Dua Variabel: Estimasi Tjipto Juwono, Ph.D. April 22, 2016 TJ (SU) Analisa Regresi Dua Variabel: Estimasi April 2016 1 / 26 PRF vs SRF Apa Perbedaan PRF dan SRF Population Regression Function
PENGUJIAN HIPOTESIS. Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com. D3 - Manajemen Informatika - Universitas Trunojoyo Madura
PENGUJIAN HIPOTESIS Nurwahyu Alamsyah, S.Kom [email protected] wahyualamsyah.wordpress.com HIPOTESIS Berasal dari bahasa Yunani, Hupo (lemah) dan Thesis (teori). Jadi hipotesis dapat diartikan sebagai suatu
ESTIMASI. Widya Setiafindari
ESTIMASI Widya Setiafindari Tujuan Pembelajaran Menjelaskan konsep-konsep dasar yang mendukung pendugaan rata-rata populasi, persentase dan varians Menghitung dugaan-dugaan (estimates) rata-rata populasi
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1
ESTIMASI Podojoyo, SKM, M.Kes Podojoyo 1 Definisi Estimasi Suatu metode dimana kita dapat memperkirakan nilai populasi (parameter) dengan memakai nilai sampel (statistik) Podojoyo 2 Didalam estimasi nilai
Contoh Solusi PR 4 Statistika & Probabilitas. 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution.
Contoh Solusi PR 4 Statistika & Probabilitas 1. Nilai probabilitas pada masing-masing soal mengacu pada tabel Standard Normal Distribution. a X := curah hujan satu tahun. X : N 42,16. Dit: PX > 50. 50
Statistika. Rentang Keyakinan. Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S2 Teknik Sipil.
Universitas Gadjah Mada Fakultas Teknik Jurusan Teknik Sipil dan Lingkungan Prodi S Teknik Sipil Statistika Rentang Keyakinan hp://is7arto.staff.ugm.ac.id 1 Rentang Keyakinan Es7masi Parameter Distribusi
STATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Langkah-langkah Uji Hipotesis Jenis Uji Hipotesis satu populasi Uji Z Referensi: Walpole, R.E., Myers, R.H., Myers, S.L., Ye, K., Probability
UJI HIPOTESA PERBEDAAN. t-test
UJI HIPOTESA PERBEDAAN t-test T-test Digunakan untuk menguji hipotesa komparatif (uji perbedaan) Digunakan untuk sample kecil & varian populasi tidak diketahui Merupakan salah satu tehnik statistik parametrik
(ESTIMASI/ PENAKSIRAN)
ESTIMASI PENDAHULUAN Karena adanya berbagai alasan seperti banyaknya individu dalam populasi amatan, maka penelitian keseluruhan terhadap populasi tersebut tidaklah ekonomis, baik tenaga, waktu, maupun
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1
PENDUGAAN PARAMETER STATISTIK INDUSTRI 1 Agustina Eunike, ST., MT., MBA Mengetahui populasi dan membuat pernyataan peluang mengenai elemen yang diambil dari populasi tersebut Tidak mengetahui distribusi
STATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 3 Outline: Uji Hipotesis: Uji t Uji Proportional Referensi: Johnson, R. A., Statistics Principle and Methods, 4 th Ed. John Wiley & Sons, Inc., 2001. Walpole, R.E.,
TEORI PENDUGAAN. diketahui berdasarkan informasi sampel.
TEORI PENDUGAAN Estimasi / Pendugaan Suatu pernyataan mengenai parameter populasi yang diketahui berdasarkan informasi sampel. Penduga atau Estimator Suatu statistik ti tik (harga sampel) yang digunakan
Analisa Regresi Berganda
Analisa Regresi Berganda Tjipto Juwono, Ph.D. June 18, 2015 TJ (SU) Regresi Ganda May 2015 1 / 23 Data Home Cost Temp Ins Age ($) ( F) (In.) (y) 1 250 35 3 6 2 360 29 4 10 3 165 36 7 3 4 43 60 6 9 5 92
Pengujian Hipotesa Dua Sampel
Pengujian Hipotesa Dua Sampel OUTLINES 1. Pengujian hipotesa bahwa mean dari dua populasi independen yang standard deviasinya diketahui adalah sama. Melakukan pengujian hipotesa bahwa dua proporsi populasi
Pengantar Statistika Bab 1
BAB 14 PENGUJIAN HIPOTESA SAMPEL KECIL 1 Pengujian Hipotesa Sampel Kecil 4 DEFINISI Pengertian Sampel Kecil Sampel kecil yang jumlah sampel kurang dari 30, maka nilai standar deviasi (s) berfluktuasi relatif
STATISTIKA INDUSTRI 2 TIN 4004
STATISTIKA INDUSTRI 2 TIN 4004 Pertemuan 2 Outline: Uji Hipotesis: Directional & Nondirectional test Langkah-langkah Uji Hipotesis Error dalam Uji hipotesis (Error Type I) Jenis Uji Hipotesis satu populasi
STATISTIK PERTEMUAN VII
STATISTIK PERTEMUAN VII Distribusi Sampling Distribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N, pada statistik
Sampling, Estimasi dan Uji Hipotesis
Sampling, Estimasi dan Uji Hipotesis Tujuan Pembelajaran Memahami perlunya suatu sampling (pengambilan sampel) serta keuntungan- keuntungan melakukannya Menjelaskan pengertian sampel acak untuk sampling
Statistik Bisnis. Week 9 Confidence Interval Estimation
Statistik Bisnis Week 9 Confidence Interval Estimation Agenda Time Activity 20 minutes Point and Interval Estimate 40 minutes Confidence Interval Estimate for the Mean ( Known) 40 minutes Confidence Interval
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata
Probabilitas dan Statistika Distribusi Peluang Kontinyu 1 Adam Hendra Brata Variabel Acak Kontinyu - Variabel Acak Kontinyu Suatu variabel yang memiliki nilai pecahan didalam range tertentu Distribusi
BAB IV ANALISIS DATA. hipotesis-hipotesis penelitian yang telah dirumuskan dalam BAB I yaitu efektif
76 BAB IV ANALISIS DATA Analisis data hasil penelitian dimaksudkan untuk mengetahui kebenaran hipotesis-hipotesis penelitian yang telah dirumuskan dalam BAB I yaitu efektif atau tidaknya Bimbingan dan
STATISTIK PERTEMUAN X
STATISTIK PERTEMUAN X STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA) Outline Uji Hipotesis Variansi dengan sampel ganda Uji Hipotesis Mean dengan Sampel ganda : - Uji t untuk populasi saling bergantung
BAB 6 PENAKSIRAN PARAMETER
BAB 6 PENAKSIRAN PARAMETER Bab 6 PENAKSIRAN PARAMETER Standar Kompetensi : Setelah mengikuti kuliah ini, mahasiswa dapat memahami hubungan nilai sampel dan populasi dan menentukan distribusi sampling yang
Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas
Probabilitas Bagian Probabilitas A) = peluang (probabilitas) bahwa kejadian A terjadi 0 < A) < 1 A) = 0 artinya A pasti terjadi A) = 1 artinya A tidak mungkin terjadi Penentuan nilai probabilitas: Metode
Bab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Econometric Modeling: Model Specification
Econometric : Model Specification Tjipto Juwono, Ph.D. Nov 18, 2015 Model Spesification Error Salah satu asumsi dalam CLRM adalah bahwa model regresi yang digunakan dalam analisa adalah model yang dispesifikasi
Penduga : x p s r b. Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER
Pertemuan Ke 9. BAB V PENDUGAAN PARAMETER 5.1 Pengertian Pendugaan Parameter. Pendugaan merupakan suatu bagian dari statistik inferensia yaitu suatu pernyataan mengenai parameter populasi yang tidak diketahui
MULTIKOLINEARITAS. Tjipto Juwono, Ph.D. June 24, TJ (SU) Multicol. June / 22
MULTIKOLINEARITAS Tjipto Juwono, Ph.D. June 24, 2016 TJ (SU) Multicol. June 2016 1 / 22 Classical Linear Regression Model: Assumptions Underlying the Method of Least Squares 1 Linear Model 2 X adalah fixed.
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean
MA5283 STATISTIKA Bab 3 Inferensi Untuk Mean Orang Cerdas Belajar Statistika Silabus Silabus dan Tujuan Peubah acak kontinu, distribusi dan Tabel normal, penaksiran titik dan selang, uji hipotesis untuk
Apa itu suatu Hypothesis?
Chapter 7 Student Lecture Notes 7-1 Dasar Dasar Hipotesis Apa itu suatu Hypothesis? Hypothesis adalah suatu pernyataan (asumsi) tentang parameter populasi I nyatakan rata-rata IPK kelas ini = 3.5! Contoh
ESTIMATION AND CONFIDENCE INTERVALS
ESTIMATION AND CONFIDENCE INTERVALS GOALS 1. Menjelaskan estimasi titik. 2. Menjelaskan tingkat kepercayaan. 3. Menghitung interval kepercayaan pada rata-rata populasi ketika standar deviasi populasi diketahui.
PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 8. Estimasi Parameter Prima Kristalina Juni 2015 1 2 Outline 1. Terminologi Estimasi Parameter
Pertemuan 8 STATISTIKA INDUSTRI 2 08/11/2013. Introduction to Linier Regression. Introduction to Linier Regression. Introduction to Linier Regression
Pertemuan 8 STATISTIKA INDUSTRI 2 TIN 4004 Outline: Regresi Linier Sederhana dan Korelasi (Simple Linier Regression and Correlation) Referensi: Montgomery, D.C., Runger, G.C., Applied Statistic and Probability
BAB 7: UJI HIPOTESIS (1)
BAB 7: UJI HIPOTESIS (1) Uji hipotesis dilakukan untuk membuktikan kebenaran akan asumsi atas nilai parameter. Asumsi terhadap nilai parameter inilah yang kita sebut hipotesis. Untuk membuktikan benar/tidaknya
Heteroskedastisitas. Tjipto Juwono, Ph.D. September 8, TJ (SU) Hetero. Sep / 19
Heteroskedastisitas Tjipto Juwono, Ph.D. September 8, 2016 TJ (SU) Hetero. Sep 2016 1 / 19 Pengertian Homoskedastisitas Asumsi CLRM Salah satu asumsi dalam Classical Linear Regression Model adalah bahwa
Ummu 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)
TEORI PENDUGAAN STATISTIK. Oleh : Riandy Syarif
TEORI PENDUGAAN STATISTIK Oleh : Riandy Syarif Pendugaan adalah proses menggunakan sampel (penduga) untuk menduga parameter (Populasi) yg tidak diketahui. Ilustrasi : konferensi perubahan iklim di Bali
The Central Limit Theorem
Kesumawati Prodi Statistika FMIPA-UII March 30, 2015 Sifat-Sifat Distribusi Sampel Sifat-sifat dari distribusi sampel tersebut dikenal dengan Central Limit Theorem 1. Bentuk distribusi dari rata-rata sampel
Statistika Psikologi 2
Modul ke: Statistika Psikologi 2 Fakultas Psikologi Program Studi Psikologi Sampling, Sampling Distribution, Confidence Intervals, Effect Size, dan Statistical Power SAMPLING Teknik menentukan sampel dari
PENAKSIRAN NILAI PARAMETER POPULASI
PENAKSIRAN NILAI PARAMETER POPULASI Setelah mengikuti perkuliahan minggu I, mahasiswa BOPR 5204 diharapkan mampu untuk (1) Menjelaskan penaksiran titik dan interval parameter populasi (2) Mengetahui jenis
DISTRIBUSI SAMPLING besar
DISTRIBUSI SAMPLING besar Distribusi Sampling Sampling = pendataan sebagian anggota populasi = penarikan contoh / pengambilan sampel Sampel yang baik Sampel yang representatif, yaitu diperoleh dengan memperhatikan
DATA COLLECTION PLAN SAMPLING
DATA COLLECTION PLAN Tipe data ada 2 macam: 1. Data kualitatif (categorical), misalnya: status perkawinan, partai politik, warna mata (defined categories). 2. Data kuantitatif (numerical), terdiri atas
MULTIKOLINEARITAS (Lanjutan)
MULTIKOLINEARITAS (Lanjutan) Tjipto Juwono, Ph.D. September 9, 2015 Pengertian Multikolinearitas Secara historis multikolinearitas menunjukkan hubungan yang sempurna antara variabel-variabel independent
Pengertian Ekonometrika Dan Review Koefisien Korelasi April dan 2016Analisa 1 / Regre 42
Pengertian Ekonometrika Dan Review Koefisien Korelasi dan Analisa Regresi Tjipto Juwono, Ph.D. April 1, 2016 Pengertian Ekonometrika Dan Review Koefisien Korelasi April dan 2016Analisa 1 / Regre 42 Ekonometrika
Materi Kuliah: Statistik Inferensial
TEORI PENDUGAAN STATISTIK Prof. Dr. Almasdi Syahza, SE., MP Email: [email protected] 1 Teori Statistik Pengujian Hipotesa Besar Pengujian Hipotesa Kecil Memilih Ukuran Teori Statistik Pengujian Hipotesa
ANALYSIS OF VARIANCE
ANALYSIS OF VARIANCE Analisis Varians adalah alat statistika yang digunakan untuk menguji perbedaan mean lebih dari dua populasi. Analisis varians mengguakan distribusi F, yang mempunyai ciri-ciri: Merupakan
STATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
DISTRIBUSI 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
Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.
PERTEMUAN 9-10 PENGUJIAN HIPOTESIS Hipotesis adalah suatu pernyataan tentang parameter suatu populasi. Apa itu parameter? Parameter adalah ukuran-ukuran. Rata-rata penghasilan karyawan di kota binjai adalah
Distribusi dari Sampling
Distribusi dari Sampling Sampling Acak Pengenalan ke Uji Hipotesis dan Estimasi Selang Hal yang harus diingat Populasi- adalah apa yang dibicarakan Sampel- adalah apa yang didapat dari data Distribusi
DISTRIBUSI 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
Dasar-dasar Analisa Regresi
Dasar-dasar Analisa Regresi Tjipto Juwono, Ph.D. April 8, 2016 TJ (SU) Dasar-dasar Analisa Regresi April 2016 1 / 31 Sejarah Analisa Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton
BAB IV ANALISIS DATA. penelitian dimaksudkan untuk mengetahui ada tidaknya pengaruh Bimbingan
BAB IV ANALISIS DATA Dari beberapa pembahasan yang sudah di paparkan oleh peneliti, maka langkah selanjutnya adalah menganalisis data hasil penelitian. Analisis data hasil penelitian dimaksudkan untuk
Praktikum Pengujian Hipotesis
Praktikum Pengujian Hipotesis 1. Pengujian Hipotesis dan Selang Kepercayaan bagi Nilai Tengah untuk Satu Populasi Komputasi untuk pengujian hipotesis dan selang kepercayaan (1-α)% bagi Nilai Tengah di
I. PENDAHULUAN II. TINJAUAN PUSTAKA
I. PENDAHULUAN 1.1 Latar Belakang Statistika sangat bermanfaat dalam kehidupan manusia, tidak hanya di bidang ilmu pengetahuan tapi penerapannya juga sangat aplikatif di dunia sehari-hari. Salah satunya
Distribusi Normal, Skewness dan Qurtosis
Distribusi Normal, Skewness dan Qurtosis Departemen Biostatistika FKM UI 1 2 SAP Statistika 1, minggu ke-4 4 Membekali mahasiswa agar lebih paham dan menguasai teori terkait: menghitung ukuran penyimpangan
Pengantar Analisa Data (2)
Pengantar Analisa Data (2) Tjipto Juwono, Ph.D. April 2017 TJ (SU) Data Analysis April 2017 1 / 31 Data: Fuel Economy Kita akan menganalisa data tentang fuel economy dari sejumlah mobil yang diproduksi
Contoh Solusi PR 5 Statistika & Probabilitas
Contoh Solusi PR 5 Statistika & Probabilitas 1. X = proporsi pelanggan yang menggunakan layanan penerbangan untuk keperluan bisnis. n = ukuran sampel, p = proporsi sampel yang menggunakan layanan penerbangan
6.1 Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat. α Jika x berdistribusi χ 2 (v) dengan v = derajat kebebasan = n 1 maka P (c 1.
Pertemuan ke- BAB IV POPULASI, SAMPEL, DISTRIBUSI TEORITIS, VARIABEL KONTINU, DAN FUNGSI PROBABILITAS. Distribusi Chi Kuadrat Gambar distribusi Chi kuadrat α Jika x berdistribusi χ (v) dengan v = derajat
BAB IV HASIL PENELITIAN DAN PEMBAHASAN. teori yang menjadi dasar dan data yang diperoleh dari Badan
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Bab ini menguraikan hasil penelitian yang telah dilakukan dengan membandingkan teori yang menjadi dasar dan data yang diperoleh dari Badan Pusat Statistik (BPS).
Distribusi Peluang. Kuliah 6
Distribusi Peluang Kuliah 6 1. Diskrit 1. Bernoulli 2. Binomial 3. Poisson Distribution 2. Kontinu 1. Normal (Gaussian) 2. t 3. F 4. Chi Kuadrat Distribusi Peluang 1.1. Distribusi Bernoulli Distribusi
Pertemuan ke Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu
Pertemuan ke 5 4.1 Nilai Harapan (Mean atau Rata rata) dan Varians Distribusi Kontinu Fungsi Probabilitas dengan variabel kontinu terdiri dari : 1. Distribusi Normal 2. Distribusi T 3. Distribusi Chi Kuadrat
Distribusi 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
Dasar-dasar Analisa Regresi
Dasar-dasar Analisa Regresi Tjipto Juwono, Ph.D. February 2017 TJ (SU) Dasar-dasar Analisa Regresi Feb 2017 1 / 31 Sejarah Analisa Regresi Istilah regresi pertama kali diperkenalkan oleh Francis Galton
I. PENDAHULUAN II. TINJAUAN PUSTAKA. 1.1 Latar Belakang
I. PENDAHULUAN 1.1 Latar Belakang Statistik sangat sering ditemui dalam kehidupan sehari-hari, tidak hanya dalam dunia pendidikan dan ilmu pengetahuan. Statistik inferensia salah satunya, merupakan satu
BAB IV PENGUMPULAN DATA
BAB IV PENGUMPULAN DATA Pengumpulan data yang dilakukan dibatasi hanya di dalam wilayah Jabodetabek. Data yang dikumpulkan terdiri atas data primer maupun data sekunder. Data primer meliputi kriteria drainase
Haryoso Wicaksono, S.Si., M.M., M.Kom. 26
Distribusi probabilita kontinu, yaitu apabila random variabel yang digunakan kontinu. Probabilita dihitung untuk nilai dalam suatu interval tertentu. Probabilita di suatu titik = 0. Probabilita untuk random
BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK
BAB 3 MODEL ESTIMASI REGRESI NONPARAMETRIK Dalam melakukan estimasi pada suatu kasus regresi nonparametrik, ada banyak metode yang dapat digunakan. Yasin (2009) dalam makalahnya melakukan estimasi regresi
LAMPIRAN 1 PERHITUNGAN BESAR SAMPEL
LAMPIRAN 1 PERHITUNGAN BESAR SAMPEL Besar sample ditentukan berdasarkan taraf kepercayaan 95% dan power test (kekuatan uji) 80% dengan menggunakan rumus besar sampel untuk menguji perbedaan rata-rata data
Distribusi Teoritis Probabilitas
Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu
BAB I PENDAHULUAN. 1. Menghitung mean, median, kuartil 1 dan 3 standard error of mean.
BAB I PENDAHULUAN 1.1 Latar Belakang (1 halaman min. 4 paragraf) 1.2 Rumusan Masalah TNR 12 BEFORE AFTER 0 SPACE 2.0 JUSTIFY BAHASA ASING ITALYC MARGIN 3,4,3,3 1.3 Tujuan Praktikum (SEPERTI MODUL MINIMAL
Sampling. Tjipto Juwono, Ph.D. March, TJ (SU) Sampling March / 20
Sampling Tjipto Juwono, Ph.D. March, 2017 TJ (SU) Sampling March 2017 1 / 20 Mengapa Perlu Sampling? Contoh Kita ingin mengetahui elektabilitas para calon presiden Indonesia. Bagaimana caranya? 1 Mewawancarai
UJI T SATU SAMPEL. 2. Bentuk uji hipotesis satu sisi (one sided atau one tailed test) untuk sisi atas (upper tailed) dengan hipotesis:
UJI T SATU SAMPEL Uji t digunakan untuk menentukan apakah sampel memiliki nilai rata rata yang berbeda dengan nilai rata rata acuan Ada tiga bentuk hipotesis untuk uji t di mana penggunaannya tergantung
PRAKTIKUM ANALISIS DATA EKSPLORATIF
LAPORAN PRAKTIKUM ANALISIS DATA EKSPLORATIF Oleh: GEMPUR SAFAR (10877) PROGRAM STUDI STATISTIKA Asisten SIGIT SAMAPTAAJI BAGUS PRAMULYA Dosen Dra. SRIHARYATMI KARTIKO, M.Sc. LABORATORIUM KOMPUTASI MATEMATIKA
15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)
Modul ke: Fakultas 15Ilmu Komunikasi Uji t-student dan Uji Z (Distribusi Normal) Untuk sebaran distribusi sampel kecil, dikembangkan suatu distribusi khusus yang disebut distribusi t atau t-student Dra.
MODUL 1 SAMPLE t-test
MODUL SAMPLE t-test TUJUAN. Mahasiswa mampu memahami Uji Hipotesis Sample t-test. Mampu menyeleseikan persoalan Uji Hipotesis Sample t-test dengan software SPSS DESKRIPSI Salah satu cabang ilmu statistik
STMIK KAPUTAMA - BINJAI
STMIK KAPUTAMA - BINJAI Pengujian hipotesis merupakan suatu prosedur yang didasarkan pada bukti sampel dan teori probabilitas yang digunakan untuk menentukan apakah suatu hipotesis adalah pernyataan yang
Pengertian Pengujian Hipotesis
PENGUJIAN HIPOTESIS Pengertian Pengujian Hipotesis HUPO BAHASA YUNANI THESIS Pernyataan yang mungkin benar atau mungkin salah terhadap suatu populasi Lemah, kurang, di bawah Teori, proposisi, atau pernyataan
BAB IV ANALISIS HASIL DAN PEMBAHASAN. responden disetiap rangkap kuesioner yang terdiri dari :
BAB IV ANALISIS HASIL DAN PEMBAHASAN 4.1. Statistik Deskriptif Subyek Penelitian Sebelum melakukan pengujian statistik terlebih dahulu penelitit melihat profil remaja sebagai responden. Peneliti menyertakan
