BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI
|
|
- Hengki Muljana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB III SIMULASI PENGGUNAAN PERTIDAKSAMAAN PADA DISTRIBUSI 3.1 Pendahuluan Pada bab sebelumnya telah dibahas mengenai pertidaksamaan Chernoff dengan terlebih dahulu diberi pemaparan mengenai dua pertidaksamaan yang sudah cukup sering dipergunakan yaitu pertidaksamaan Markov dan pertidaksamaan Chebyshev. Telah disebutkan bahwa pertidaksamaan Chernoff memberikan batas yang paling dekat dengan nilai sebenarnya. Untuk membandingkan batas yang dihasilkan oleh ketiga pertidaksamaan tersebut pada suatu populasi dapat dilakukan sebuah simulasi. Simulasi dilakukan dengan mengenerate data untuk sebuah distribusi kemudian menghitung nilai peluang suatu selang tertentu dengan menggunakan relatif yang dihitung dari data tersebut (tanpa melihat distribusinya). Hasil perhitungan secara eksak akan dibandingkan dengan hasil perhitungan dengan menggunakan ketiga bentuk pertidaksamaan. Berikut ini hasil simulasi untuk distribusi binomial dan distribusi normal: 3. Simulasi untuk Distribusi Binomial Pada simulasi pertama untuk suatu data berdistribusi binomial (10, 0.30) di-generate sebanyak 300 data, sebagai berikut relatif relatif komulatif hampiran peluang binomial (10, 0.3) (sumber: Walpole)
2 relatif relatif komulatif hampiran peluang binomial (10, 0.3) (sumber: Walpole) Tabel 8 Data Simulasi 1 Distribusi penyebaran data simulasi 1 tersebut dapat digambarkan dalam histogram berikut: Histogram Data Simulasi x Gambar 1 Histogram Data Simulasi 1 selain itu statistik dari data tersebut dapat disajikan sebagai berikut : Univariate Statistics Variable 1 Count 300 Sum 958 Average 3.19 Median 3 Mode 3 Minimum 0 Maximum 8 Range 8 Standard Deviation
3 Variance.97 Skewness Kurtosis Tabel 9 Tabel Informasi Statistik untuk Data Simulasi 1 Dari informasi di atas dapat dilihat bahwa range data cukup besar. Hal ini juga menyebabkan data tersebar cukup luas. Titik puncak dari data berada di sekitar rataan, sehingga kemiringan dari grafik data pun cukup kecil. Dalam melakukan simulasi penggunaan pertidaksamaan pada distribusi data ini diambil nilai peluang salah satu selang yaitu 4). Nilai peluang secara eksak dapat dihitung dengan menggunakan relatifnya 4) = 1 = < 4) = 1 [ = 3) + = ) + = 1) + = 0)] (3.) Kemudian dengan menggunakan pertidaksamaan dapat diperoleh hasil sebagai berikut Pertidaksamaan Markov: E[ ] 3.19 P ( 4) = = (3.3) 4 4 Pertidaksamaan Chebyshev: σ ) σ + (0.81) ), ) 0.77 (3.4) Dalam menghitung batas atas pertidaksamaan Chernoff 4) terdapat sedikit kesulitan dalam mencari bentuk fungsi pembangkit momen hampirannya. Perlu bantuan komputer dalam mencari fungsi tersebut. Fungsi pembangkit momen hampirannya tersebut dihitung dengan menggunakan komputasi sehingga didapatkan hasil pertidaksamaan Chernoff sebagai berikut: P ( 4) 0.74 (3.5) 6
4 Dari simulasi data yang terdistribusi binomial (10, 0.30) ini dapat ditunjukkan bahwa pertidaksamaan Chernoff menghasilkan batas yang paling baik, mendekati nilai sebenarnya. Hal ini bisa diakibatkan karena jumlah datanya yang cukup banyak atau karena penyebaran datanya yang cukup besar. Simulasi lain dilakukan untuk beberapa nilai p, misalnya untuk p=0.5 dengan data sebagai berikut : relative Tabel 10 Tabel Data Simulasi Binomial (10, 0.5) Pertidaksamaan Chernoff juga memberikan batas yang paling akurat pada simulasi ini. Simulasi lain juga dilakukan untuk distribusi dari peubah acak kontinu, yaitu distribusi normal. Hasil simulasi tersebut dapat dilihat sebagai berikut 3.3 Hasil Simulasi untuk Distribusi Normal Pada simulasi pertama untuk distribusi normal di-generate data sebanyak 00 dengan mean ) (µ = 7 dan standar deviasi ( ) σ = Selang nilai tengah relative relative komulatif
5 Selang nilai tengah relative relative komulatif Tabel 11 Data Simulasi Data mentah untuk simulasi ini dapat dilihat pada lampiran C. Distribusi penyebaran data simulasi tersebut dapat digambarkan dalam histogram berikut: Histogram Data Simulasi x Gambar Histogram Data Simulasi Dengan statistik yang diperoleh dari data tersebut sebagai berikut : Univariate Statistics Variable 1 Count 00 Sum 1, Average Median Minimum.100 Maximum
6 Range Standard Deviation Variance Skewness Kurtosis Tabel 1 Tabel Informasi Statistik Data Simulasi Dari informasi di atas dapat diketahui bahwa range data cukup besar. Hal ini juga menyebabkan data tersebar cukup luas. Titik puncak dari data berada di sekitar rataan, sehingga kemiringan dari grafik data pun cukup kecil. Dalam melakukan simulasi penggunaan pertidaksamaan pada distribusi data kontinu ini diambil nilai peluang salah satu selang yaitu 7). Nilai peluang secara eksak dapat dihitung dengan menggunakan relatifnya P ( 7) = 1 P ( < 7) = 0.45 (3.6) atau jika kita menggunakan tabel distribusi normal [1] bisa didapatkan P ( 7) = 1 P ( < 7) = 0. 5 Kemudian dengan menggunakan pertidaksamaan dapat diperoleh hasil sebagai berikut Pertidaksamaan Markov : E[ ] 7) 7 (3.7) ) = Pertidaksamaan Chebyshev: P ( σ ) σ + ( ) P ( 7) = (3.8) Dalam menghitung batas atas pertidaksamaan Chernoff 7) terdapat sedikit kesulitan dalam mencari bentuk fungsi pembangkit momen hampirannya. Perlu bantuan 9
7 komputer dalam mencari fungsi tersebut. Fungsi pembangkit momen hampirannya tersebut dihitung dengan menggunakan komputasi dan akan didapatkan hasil pertidaksamaan Chernoff sebagai berikut: P ( 7) (3.9) Simulasi lain dilakukan untuk beberapa distribusi normal lainnya dan menghasilkan hal yang serupa. Pertidaksamaan Chernoff menghasilkan batas yang paling akurat mendekati nilai sebenarnya. Dari simulasi ini dapat ditunjukkan bahwa untuk beberapa kasus pada distribusi binomial dan normal, pertidaksamaan Chernoff selalu menghasilkan batas atas dari nilai peluang a) yang lebih akurat dibandingkan pertidaksamaan Markov dan Chebyshev. Meskipun dalam perhitungannya lebih sulit dikerjakan dibandingkan dengan kedua pertidaksamaan lainnya. 30
Langkah-Langkah Perhitungan Berikut diberikan data penjualan mobil Bima selama tahun 2000:
BAB 1 STATISTIK DESKRIPTIF Statistik deskriptif lebih berhubungan dengan pengumpulan dan peringkatan data, serta penyajian hasil peringkasan tersebut. Data statistik yang bisa diperoleh dari hasil sensus,
Lebih terperinciDr. I Gusti Bagus Rai Utama, SE., M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang
Lebih terperinciBab IV Analisis Statistik dan Distribusi Lubang Bor
Bab IV Analisis Statistik dan Distribusi Lubang Bor 4.1. Analisis Statistik Analisis statistik dan geostatistik dalam penelitian ini hanya dilakukan pada saprolit dan limonit dari profil nikel laterit.
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA Data yang digunakan merupakan data dari PT. XYZ, berupa peta topografi dan data pemboran 86 titik. Dari data tersebut dilakukan pengolahan sebagai berikut : 4.1 Analisis Statistik
Lebih terperinciTATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.
TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh
Lebih terperinciSTATISTIKA DESKRIPTIF
STATISTIKA DESKRIPTIF 1 Statistika deskriptif berkaitan dengan penerapan metode statistika untuk mengumpulkan, mengolah, menyajikan dan menganalisis data kuantitatif secara deskriptif. Statistika inferensia
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 terperinciDistribusi 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
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) MUG2D3 PROBABILITAS DAN STATISTIKA Disusun oleh: INDWIARTI FAKULTAS INFORMATIKA TELKOM UNIVERSITY 1 LEMBAR PENGESAHAN Rencana Pembelajaran Semester (RPS) ini telah disahkan
Lebih terperinciBAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA
BAB 14 UJI DESKRIPTIF, VALIDITAS DAN NORMALITAS DATA SPSS menyediakan fasilitas untuk melakukan analisis deskriptif data seperti uji deskriptif, validitas dan normalitas data. Uji deskriptif yang dilakukan
Lebih terperinciBab III Studi Kasus III.1 Decline Rate
Bab III Studi Kasus III.1 Decline Rate Studi kasus akan difokuskan pada data penurunan laju produksi (decline rate) di 31 lokasi sumur reservoir panas bumi Kamojang, Garut. Persoalan mendasar dalam penilaian
Lebih terperinciUNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009
Dengan Materi: STATISTIKA DESKRIPTIF Presented by: Andi Rusdi, S.Pd. UNIVERSITAS MUHAMMADIYAH PAREPARE Parepare, 2009 STATISTIK DESKRIPTIF Metode statistik adalah prosedur-prosedur yang yang digunakan
Lebih terperinciStatistik Deskriptif dengan Microsoft Office Excel
Statistik Deskriptif dengan Microsoft Office Excel Junaidi, Junaidi I. Prosedur Statistik Deskriptif pada Excel Statistik deskriptif adalah statistik yang bertujuan untuk mendeskripsikan atau menggambarkan
Lebih terperinciMata Kuliah Pemodelan & Simulasi. Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia
Mata Kuliah Pemodelan & Simulasi Riani Lubis Program Studi Teknik Informatika Universitas Komputer Indonesia Pokok Bahasan Variabel Acak Pola Distribusi Masukan Pendugaan Pola Distribusi Uji Distribusi
Lebih terperinciMA5182 Topik dalam Statistika I: Statistika Spasial. Utriweni Mukhaiyar
Review 1: Statistika Deskriptif MA5182 Topik dalam Statistika I: Statistika Spasial 28 Agustus 2012 28 Agustus 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati
Lebih terperinciStatistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif
1. 2 2. 3. 4. Statistik dan Statistika Populasi dan Sampel Jenis-jenis Observasi Statistika Deskriptif Sari Numerik Penyajian Data 2008 by USP & UM ; last edited Jan 11 MA 2081 Statistika Dasar 24 Januari
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciContoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner
Contoh Analisis Data Korelasi Kecerdasan Emosi terhadap Stress Kerja 1. Sebaran Data Kecerdasan Emosi Hasil Skoring Kuesioner 1. Sebaran Data Stress Kerja Hasil Skoring Kuesioner 2. Jumlah Skor Setiap
Lebih terperinciPENGANTAR & STATISTIKA DESKRIPTIF. Utriweni Mukhaiyar
PENGANTAR & STATISTIKA DESKRIPTIF BI5106 Analisis Biostatistik Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00
Lebih terperinciBAB IV HASIL PENELITIAN
BAB IV HASIL PENELITIAN Empat bagian penting yaitu bagian deskripsi data, pengujian persyaratan analisis, pengujian hipotesis penelitian, dan bagian keterbatasan penelitian akan disajikan di sini, dan
Lebih terperinciDAN ANALISIS DATA. Sari Numerik. MA 2181 Analisis Data 8 Agustus 2011 Utriweni Mukhaiyar. 1. Statistik dan Statistika. 2. Populasi dan Sampel
PENGANTAR STATISIK DAN ANALISIS DATA 1. Statistik dan Statistika 2. Populasi dan Sampel 3. Jenis-jenis Observasi 4. STATISTIKA DESKRIPTIF Sari Numerik Penyajian Data MA 2181 Analisis Data 8 Agustus 2011
Lebih terperinciREVIEW BIOSTATISTIK DESKRIPTIF
REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA
RENCANA PEMBELAJARAN SEMESTER (RPS) KKKF33112 PROBABILITAS DAN STATISTIKA PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER (FILKOM) UNIVERSITAS PUTRA INDONESIA YPTK PADANG LEMBAR PENGESAHAN Rencana
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 terperinciTes ini dilakukan bertujuan untuk mengetahui Indeks Masa Tubuh (IMT). Tes ini meliputi: 1. Pengukuran Tinggi Badan (TB) 2. Pengukuran Berat Badan (BB)
Lampiran 1. Tes Status Gizi Tes ini dilakukan bertujuan untuk mengetahui Indeks Masa Tubuh (IMT). Tes ini meliputi: 1. Pengukuran Tinggi Badan (TB) 2. Pengukuran Berat Badan (BB) Peralatan tes antara lain:
Lebih terperinciTUGAS MAKALAH STATISTIKA DESKRIPTIF UKURAN PENYEBARAN DATA (KEMIRINGAN DAN KERUNCINGAN) MAKALAH
TUGAS MAKALAH STATISTIKA DESKRIPTIF UKURAN PENYEBARAN DATA (KEMIRINGAN DAN KERUNCINGAN) MAKALAH Diajukan untuk memenuhi tugas mata kuliah Statistika Deskriptif Kelompok 5 : 1. Ade Risma Arianto (NIM: 12110457)
Lebih terperinciKursus Statistika Dasar. Bagian 1. Pengelompokan Statistika. Istilah-istilah Dasar. Jenis Data. Pengelompokan Statistika lainnya. Bambang Suryoatmono
Kursus Statistika Dasar Bambang Suryoatmono Bagian 1 Statistika Deskriptif Pengelompokan Statistika Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik
Lebih terperinciLampiran 1. No 1-2. No.:..1.
Lampiran No.:... No -2 0 KEMAMPUAN PENGGUNAAN MEDIA PEMBELAJARAN DI KALANGAN GURU ILMU PENGETAHUAN SOSIAL (IPS) TERPADU SEKOLAH MENENGAH PERTAMA (SMP) NEGERI SE KECAMATAN AMBARAWA. Dalam rangka penyusunan
Lebih terperinciLampiran 1 Data Absensi dan Pengeluaran Tenaga Kerja
Lampiran 1 Data dan Tenaga Kerja Jumlah Karyawan Sakit Cuti Keperluan lainnya Jumlah Tahun (orang) (hari/tahun) (hari/tahun) (hari/tahun) (hari/tahun) 1997 87 76 13 9 37 1998 9 71 146 6 43 1999 98 7 130
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 terperinciStatistik Deskriptif: Central Tendency & Variation
Statistik Deskriptif: Central Tendency & Variation Widya Rahmawati Central Tendency (Ukuran Pemusatan) dan Variation (Ukuran Simpangan) 1) Ukuran pemusatan atau ukuran lokasi adalah beberapa ukuran yang
Lebih terperinciANALISIS DATA EKSPLORATIF MODUL 4 PENGANTAR MINITAB
ANALISIS DATA EKSPLORATIF KELAS C2 MODUL 4 PENGANTAR MINITAB Nama Nomor Praktikan Mahasiswa Sri Siska Wirdaniyati 12611125 Tanggal Kumpul 5 Desember 2013 Praktikan Tanda tangan Laboran Nama Penilai Tanggal
Lebih terperinciPengantar & Statistika Deskriptif
Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar 26 J i 2012 26 Januari 2012 Utriweni Mukhaiyar Ilustrasi Berikut adalah data rata-rata curah hujan bulanan yang diamati dari Stasiun Padaherang
Lebih terperinciTUGAS II STATISTIKA. Oleh. Butsiarah / 15B Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA
TUGAS II STATISTIKA Oleh Butsiarah / 15B20020 Kelas B PROGRAM STUDI PENDIDIKAN TEKNOLOGI DAN KEJURUAN PROGRAM PASCASARJANA UNIVERSITAS NEGERI MAKASSAR 2015 1. Penelitian terhadap nilai mahasiswa S1 Jurusan
Lebih terperinciII. LANDASAN TEORI. karakteristik dari generalized Weibull distribution dibutuhkan beberapa fungsi
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian penulis. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari generalized Weibull
Lebih terperinciPENGUKURAN DATA. 1. Terminology Populasi & Sampel. Peubah/Variabel. Peubah/Variabel
PENGUKURAN DATA 1. Terminology Populasi & Sampel Populasi: himpunan komplit dari individual, obyek atau nilai dari suatu pengamatan Seringkali terlalu besar untuk dikaji secara keseluruhan Mungkin nyata
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Hasil Uji Instrument 4.1.1 Validitas instrument Hasil perhitungan instrument pretest dan posttest yang terdiri dari 30 butir soal dengan 4 alternatif pilihan
Lebih terperinciDescriptives. Frequencies. Hasil Analisis Data Penelitian. 1. Faktor Internal a. Sikap. Descriptive Statistics. Maximu. Std. Varianc Range.
108 Hasil Analisis Data Penelitian 1. Faktor Internal a. Sikap Desriptives Desriptive Minimu Maximu Varian N Range m m Sum Mean Deviation e Error SIKAP 191 17.00 22.00 39.00 5915.0 0 30.968 6.22626 3.12697
Lebih terperinciLampiran 1 Hasil Pengukuran Jumlah Limfosit dan Makrofag. Kelompok Jumlah limfosit
Lampiran 1 Hasil Pengukuran Jumlah dan Jumlah limfosit Jumlah makrofag 1 6 2 2 7 3 3 6 2 4 6 3 5 7 3 No. 1 11 5 P 1 No. 2 12 5 P 1 No. 3 12 6 P 1 No. 4 12 6 P 1 No. 5 12 6 P 2 No. 1 14 7 P 2 No. 2 15 8
Lebih terperinciBAB IV PENYAJIAN DAN ANALISIS DATA. Tabel 10 Deskripsi data keseluruhan Statistics
70 BAB IV PENYAJIAN DAN ANALISIS DATA A. Deskripsi Data Penelitian ini dimaksutkan ingin mengetahui tentang hubungan atau korelasi antara kompetensi profesional guru Qur an Hadits dan hasil belajar siswa,
Lebih terperinciBAB IV ANALISA DAN PEMBAHASAN
BAB IV ANALISA DAN PEMBAHASAN A. Statistik Deskriptif. Statistik deskriptif adalah ilmu statistik yang mempelajari cara-cara pengumpulan, penyusunan dan penyajian data suatu penilaian. Tujuannya adalah
Lebih terperinciLATIHAN SPSS I. A. Entri Data
A. Entri Data LATIHAN SPSS I Variabel Name Label Type Nama Nama Mahasiswa String NIM Nomor Induk Mahasiswa String JK Numeris 1. 2. TglLahir Tanggal Lahir Date da Daerah Asal Numeris 1. Perkotaan 2. Pinggiran
Lebih terperinciProbabilitas 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
Lebih terperinciSTK511 Analisis Statistika. Pertemuan 2 Review Statistika Dasar
STK511 Analisis Statistika Pertemuan 2 Review Statistika Dasar Statistika Populasi Sampling Pendugaan Contoh Deskriptif Tingkat Keyakinan Statistika Deskriptif vs Statistika Inferensia Ilmu Peluang Parameter
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. data dilakukan dengan menggunakan program SPSS versi Analisis bivariate
digilib.uns.ac.id BAB IV HASIL PENELITIAN DAN PEMBAHASAN Penelitian ini dilakukan pada ibu yang mempunyai bayi umur 6 12 bulan. Waktu penelitian dilakukan pada bulan Mei 2013 di desa Krebet. Analisis data
Lebih terperinciusia Frequency Percent Valid Percent Cumulative Percent Valid jenis_kelamin
LAMPIRAN Karakteristik Responden Frequencies Statistics usia jenis_kelamin N Valid 38 38 Missing 0 0 Frequency Table usia Frequency Percent Valid Percent Cumulative Percent Valid 9 17 44.7 44.7 44.7 10
Lebih terperinciMemulai SPSS dan Mengelola File
MODUL 1 Memulai SPSS dan Mengelola File A. MEMULAI SPSS Untuk memulai SPSS for Windows langkah yang harus dilakukan adalah: Klik menu Start Programs SPSS for Windows SPSS for Windows. Kemudian akan ditampilkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Topik manajemen risiko menjadi mengemuka setelah terjadi banyak kejadian tidak terantisipasi yang menyebabkan kerugian perusahaan. Depresi tajam dan cepat terhadap
Lebih terperinciUji Validitas I. Case Processing Summary N % Cases Valid Excluded a Total Reliability Statistics Cronbach's Alpha
Uji Validitas I Case Processing Summary N % Cases Valid 19 95.0 Excluded a 1 5.0 Total 20 100.0 Reliability Statistics Cronbach's Alpha N of Items.971 41 Item Statistics Mean Std. Deviation N PENGETAHUAN
Lebih terperinciII. LANDASAN TEORI. Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan
II. LANDASAN TEORI Pada bab ini akan diberikan beberapa definisi dan teorema yang berkaitan dengan penelitian. Dalam menyelesaikan momen, kumulan dan fungsi karakteristik dari distribusi generalized lambda
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. Dalam bab ini penulis menyajikan analisis dari hasil penelitian yang telah
BAB IV HASIL PENELITIAN DAN PEMBAHASAN Dalam bab ini penulis menyajikan analisis dari hasil penelitian yang telah dilakukan. Adapun variabel yang dianalisi diperoleh dari responden melalui penyebaran angket.
Lebih terperinciPENGARUH PENGGUNAAN VIDEOPEMBELAJARAN TERHADAP MINAT BELAJAR SISWA KELAS X PADA MATA PELAJARAN RODA DAN BAN DI SMK MUHAMMADIYAH 3 YOGYAKARTA
PENGARUH PENGGUNAAN VIDEOPEMBELAJARAN TERHADAP MINAT BELAJAR SISWA KELAS X PADA MATA PELAJARAN RODA DAN BAN DI SMK MUHAMMADIYAH 3 YOGYAKARTA Febrian Arif Budiman 09504247007 ABSTRAK Penelitian ini bertujuan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian
46 BAB IV HASIL PENELITIAN DAN PEMBAHASAN Pada bab ini akan dipaparkan mengenai hasil penelitian dan pembahasan yang diperoleh dalam setiap tahapan penelitian yang telah dilakukan. Penelitian dilakukan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. terdaftar di Bursa Efek Indonesia periode tahun Pengambilan sampel
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1 Sampel Penelitian Populasi yang diambil dalam penelitian ini adalah perusahan LQ-45 yang terdaftar di Bursa Efek Indonesia periode tahun 2011-2015. Pengambilan
Lebih terperinciII. TINJAUAN PUSTAKA. Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam
4 II. TINJAUAN PUSTAKA Dalam bab ini akan dijelaskan mengenai teori-teori yang mendukung dalam menentukan momen, kumulan, dan fungsi karakteristik dari distribusi log-logistik (α,β). 2.1 Distribusi Log-Logistik
Lebih terperinciLAMPIRAN 1. ONE WAY ANOVA
50 LAMPIRAN 1. ONE WAY ANOVA Descriptives Konsentrasi Xylitol Statistic Std. Error Komposisi Kalsium konsentrasi 20% Mean 42,8020 1,95318 95% Confidence Interval for Mean Lower Bound 37,3791 Upper Bound
Lebih terperinciBAB IV. Hasil Analisis dan Pembahasan. penelitian. Penghitungan IS dilakukan dengan menghitung CVE (Coefficient
BAB IV Hasil Analisis dan Pembahasan A. Hasil Penelitian 1. Penghitungan Index Smoothing Penghitungan IS (Index Smoothing) dilakukan untuk mengetahui apakah perusahaan tersebut melakukan perataan laba
Lebih terperinciBAB IV HASIL PENELITIAN. 1. Strategi Pembelajaran Berbasis Masalah
BAB IV HASIL PENELITIAN A. Deskripsi Variabel Dan Data Penelitian 1. Strategi Pembelajaran Berbasis Masalah Strategi Pembelajaran berbasis masalah (PBM) adalah strategi pembelajaran yang berpusat pada
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 terperinciBAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN
BAB IV ANALISIS KORELASI ANTARA NILAI BTQ DENGAN PRESTASI BELAJAR MAPEL PAI DI SD KANDANG PANJANG 01 PEKALONGAN A. Analisis Data tentang Nilai BTQ SD Kandang Panjang 01 Pekalongan Setelah dikumpulkan dengan
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Data Hasil Penelitian 1. Analisis Data a. Analisis Pendahuluan Analisis ini akan dideskripsikan tentang pengumpulan data tentang metode assessment search (X) dan
Lebih terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciOne-Sample Kolmogorov-Smirnov Test. Biaya Pemasangan ,133,133 -.I I 01
NPar Tests Produk FSD One-Sample Kolmogorov-Smirnov Test N Normal Parametersajb Most Extreme Differences Kolmogorov-Smirnov Z Asymp. Sig. (2-tailed) Mean Std. Deviation Absolute Positive Negative Biaya
Lebih terperinciStatistika. Random Variables Discrete Random Variables Continuous Random Variables. Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada
Jurusan Teknik Sipil dan Lingkungan Universitas Gadjah Mada Statistika Random Variables Discrete Random Variables Continuous Random Variables 1 Pengertian Random variable (variabel acak) Jenis suatu fungsi
Lebih terperinciBAB 1 PENDAHULUAN. awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengolahan informasi statistik mempunyai sejarah jauh ke belakang sejak awal peradaban manusia. Pada awal zaman Masehi, bangsa-bangsa mengumpulkan data statistik
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN. permainan bola voli selanjutnya dianalisis menggunakan uji statistik deskriptif dan
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 4.1. Deskripsi Data Hasil Penelitian Data yang terkumpul dari hasil survei motivasi belajar dan hasil belajar pada permainan bola voli selanjutnya dianalisis menggunakan
Lebih terperinciPengantar & Statistika Deskriptif. MA 2081 Statistika Dasar
Pengantar & Statistika Deskriptif MA 2081 Statistika Dasar Utriweni Mukhaiyar 2 Ilustrasi Berikut adalah data produksi panas bumi di 25 titik pengeboran (ton/jam): 77.71 44.24 60.00 89.54 85.64 60.00 24.00
Lebih terperinciBAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR. Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif
BAB 8 ANALISIS STUDI DESKRIPTIF DAN DATA DASAR Bab ini menjelaskan secara lebih mendalam jenis studi deskriptif maupun teknik mendekripsikan data secara grafis maupun secara angka. Sebagai ilustrasi aplikasi
Lebih terperinciANGKET PENELITIAN PENGARUH TATA RUANG PERPUSTAKAAN STMIK POTENSI UTAMA MEDAN TERHADAP KEPUASAN PENGGUNA
LAMPIRAN 1 ANGKET PENELITIAN PENGARUH TATA RUANG PERPUSTAKAAN STMIK POTENSI UTAMA MEDAN TERHADAP KEPUASAN PENGGUNA Dengan hormat, Penulis mengharapkan kesediaan Saudara untuk mengisi Angket ini dengan
Lebih terperinciBAB I PENDAHULUAN. TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS ITALIC 1.2 Rumusan Masalah
BAB I PENDAHULUAN TNR 14 BOLD 1.1 Latar Belakang (1 halaman. min 4 paragraf.) TNR 12 SPACE 2.0 BEFORE AFTER 0 MARGIN 3,4,3,3 KERTAS A4 TULISAN INGGRIS 1.2 Rumusan Masalah Rumusan masalah yang digunakan
Lebih terperinciLAMPIRAN. Jumlah Tabungan, Deposito, dan Kredit Tahun (dalam Rp 000)
LAMPIRAN Lampiran i Jumlah Tabungan, Deposito, dan Kredit Tahun 2005-2008 (dalam Rp 000) 2005 2006 2007 2008 Tabungan 3,505,782,603 3,580,721,966 4,266,928,564 5,191,304,160 Deposito 303,031,000 408,810,750
Lebih terperinciSTATISTIK DESKRIPTIF. Statistics. Strategi Membaca
2 Lampiran 8 Statistics N Mean Median Mode Std. Deviation Variance Range Minimum Maximum Sum Valid Missing STATISTIK DESKRIPTIF Statistics Strategi Membaca Variables Penguasaan Kosakata Kemampuan Memahami
Lebih terperinciSampling Theory. Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009.
Sampling Theory Spiegel, M R, Schiller,J. Schaum's outline of probability and statistics.third Edition. United State: McGraw Hill ;2009. Pengertian Sampling O Teknik sampling adalah bagian dari metodologi
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 terperinciDistribution. Contoh Kasus. Widya Rahmawati
Distribution Widya Rahmawati Contoh Kasus Mahasiswa A sudah mendapatkan data hasil penelitian Mahasiswa A sedang mempertimbangkan angka statistik mana yang sebaiknya ditampilkan (mean atau median) analisis
Lebih terperinciLEMBAR PERMOHONAN MENJADI RESPONDEN
LAMPIRAN LEMBAR PERMOHONAN MENJADI RESPONDEN Yogyakarta, Kepada Yth. Sdr Responden Di tempat Dengan hormat, Saya yang bertanda tangan dibawah ini : Nama : Diah Rahmawati NIM : 20130320102 merupakan mahasiswa
Lebih terperinciESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI
ESTIMASI PARAMETER µ DAN σ 2 PADA DISTRIBUSI EKSPONENSIAL TERGENERALISIR DUA VARIABEL MENGGUNAKAN FUNGSI PEMBANGKIT MOMEN SKRIPSI GHAZALI WARDHONO 090823040 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN
Lebih terperinciPendahuluan & Statistika Deskriptif
1 Pendahuluan & Statistika Deskriptif Pendahuluan Statistical Thinking Percentil dan Kuartil Ukuran Pemusatan Ukuran Variabilitas Pengelompokkan Data Skewness dan Kurtosis Metoda Penyajian Data Analisis
Lebih terperinciSTATISTIK DESKRIPTIF
PERTEMUAN KE-3 STATISTIK DESKRIPTIF Ringkasan Materi: Pengukuran Deskriptif Pengukuran deskriptif pada dasarnya memaparkan secara numerik ukuran tendensi sentral, dispersi dan distribusi suatu data. Tendensi
Lebih terperinciEksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang
Eksplorasi Pertidaksamaan Chernoff Dalam Menghampiri Peluang Suatu Selang TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Sidang Sarjana Matematika Disusun Oleh : Anggun Oktari 101 03 044 PROGRAM STUDI
Lebih terperinciKUESIONER HUBUNGAN PENGETAHUAN TENTANG AIR MINUM DAN PERILAKU SISWA DALAM PENCEGAHAN DIARE DI SDN PANUNGGANGAN 01 KECAMATAN PINANG KOTA TANGERANG
KUESIONER HUBUNGAN PENGETAHUAN TENTANG AIR MINUM DAN PERILAKU SISWA DALAM PENCEGAHAN DIARE DI SDN PANUNGGANGAN 01 KECAMATAN PINANG KOTA TANGERANG A. Petunjuk Pengisian 1. Adik-adik dimohon untuk mengisi
Lebih terperinciPengantar Statistik. Nanang Erma Gunawan
Pengantar Statistik Nanang Erma Gunawan nanang_eg@uny.ac.id Sekilas tentang sejarah Statistik Statistik: pada awal zaman Masehi, bangsa-bangsa mengumpulkan data untuk mendapatkan informasi mengenai pajak,
Lebih terperinciLABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR
TNR 12 space 1.15 LABORATORIUM STATISTIK DAN OPTIMASI INDUSTRI FAKULTAS TEKNIK PROGRAM STUDI TEKNIK INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR LAPORAN RESMI MODUL I TNR 12 Space 2.0 STATISTIK
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 terperinciLAMPIRAN. Case Processing Summary. Descriptives. 95% Confidence Interval for Mean. Tests of Normality. Kolmogorov-Smirnov a
LAMPIRA Case Processing Summary Cases Missing Total Total Penerapan Kewaspadaan Standar 205 100.0% 0 0.0% 205 100.0% Descriptives Statistic Std. Error Mean 232.44.365 95% Confidence Interval for Mean Lower
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciSPSS FOR WINDOWS BASIC. By : Syafrizal
SPSS FOR WINDOWS BASIC By : Syafrizal SPSS merupakan software statistik yang paling populer, fasilitasnya sangat lengkap dibandingkan dengan software lainnya, penggunaannya pun cukup mudah Langkah pertama
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Dispersi Data Dispersi Data Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Beberapa jenis ukuran dispersi data : Jangkauan (range) Simpangan rata-rata
Lebih terperinciBAB IV ANALISIS HASIL DAN PEMBAHASAN
BAB IV ANALISIS HASIL DAN PEMBAHASAN A. Pengujian Validitas Variabel Validitas menunjukkan seberapa nyata suatu pengujian mengukur apa yang seharusnya diukur. Dalam Ghozali (2005:45) dinyatakan suatu kuesioner
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum, sum, range,
47 BAB IV HASIL DAN PEMBAHASAN 4.1 Statistik Deskriptif Statistik deskriptif memberikan gambaran atau deskripsi suatu data yang dilihat dari nilai rata-rata (mean), standar deviasi, varian, maksimum, minimum,
Lebih terperinciBab X. Apa uji ANOVA itu? Contoh penjual mobil. Analisis of Variance ANOVA
Bab X Analisis of Variance ANOVA Apa uji ANOVA itu? Uji-t untuk -Mean Contoh: seorang penjual mobil ingin mendapatkan perbedaan antara jenis kendaraan dalam hal konsumsi gas perkilo: Kendaraan kecil Kendaraan
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciDistribusi Teoritis Probabilitas. Distribusi Teoritis Probabilitas. Distribusi Binomial. Distribusi Binomial. Distribusi Binomial
Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 3 4 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu
Lebih terperinciMateri 4 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 4 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas Kompetensi Dasar Memahami pemrosesan awal data yang akan diproses
Lebih terperinciDistribusi 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
Lebih terperinciDistribusi Teoritis Probabilitas
Distribusi Teoritis Probabilitas Topik Distribusi teoritis Binomial Distribusi teoritis Poisson Distribusi teoiritis Normal 2 Distribusi Teoritis Probabilitas Distr. Teoritis Probabilitas Diskrit Kontinyu
Lebih terperinciLAMPIRAN DATA PENGUKURAN BMI BERDASAR TINGGI BADAN DAN BERAT BADAN PADA 30 SUBJEK PENELITIAN. NO TINGGI BADAN (cm) B. BADAN ( kg) BMI ( kg/m2)
LAMPIRAN 1 LAMPIRAN DATA PENGUKURAN BMI BERDASAR TINGGI BADAN DAN BERAT BADAN PADA 30 SUBJEK PENELITIAN NO TINGGI BADAN (cm) B. BADAN ( kg) BMI ( kg/m2) 1 157 46 18,66 2 163 60 22,58 3 155 50 20,81 4 164
Lebih terperinciBAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN. perbankan terdiri dari Bank Umum dan Bank Perkreditan Rakyat
BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. GAMBARAN UMUM OBJEK PENELITIAN Dijelaskan dalam UU Pokok perbankan nomor 7 tahun 1992 dan ditegaskan lagi dengan keluarnya undang-undang RI nomor 10 tahun 1998
Lebih terperinciBAB I PENDAHULUAN 1.1 LATAR BELAKANG
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Risiko adalah kerugian karena kejadian yang tidak diharapkan terjadi. Misalnya, kejadian sakit mengakibatkan kerugian sebesar biaya berobat dan upah yang hilang karena
Lebih terperinciDATA MINING. Pertemuan 4. Nizar Rabbi Radliya 3 SKS Semester 6 S1 Sistem Informasi
DATA MINING 3 SKS Semester 6 S1 Sistem Informasi Pertemuan 4 Nizar Rabbi Radliya nizar.radliya@yahoo.com Universitas Komputer Indonesia 2015 Pre-Processing Agregasi (aggregation) Penarikan contoh (sampling)
Lebih terperinci