ANALISIS DATA KATEGORI

Ukuran: px
Mulai penontonan dengan halaman:

Download "ANALISIS DATA KATEGORI"

Transkripsi

1 STK 11 Kuliah ke-14 &15 ANALISIS DATA KATEGORI 1.Uji Proporsi. Uji Khi-kuadrat Data Kategori Data berupa hasil pengukuran karakteristik/atribut individu yang bukan berupa numerik Misal: - preferensi konsumen terhadap produk - tingkat pendidikan - suku bangsa Analisis: Persentase (proporsi) individu dg karakteristik tertentu. UJI PROPORSI Satu Contoh H 0 : p = p 0 vs (i) H 1 : p < p 0, (ii) H 1 : p > p 0, atau (iii) H 1 : p p 0 Membandingkan proporsi penduduk yang berpendidikan tinggi dengan sebuah nilai tertentu. Misal: Apakah proporsi orang yg bergelar paling rendah sarjana adalah 5%? H 0 : p = 0,5 vs H 1 : p 0,5 1

2 Prosedur Pengujian 1. Sebaran Binom: untuk n 0 n! x P( X x) p ( 1 p) x!( n x)! n x, untukx. Sebaran Normal: untuk n > 0 0, 1,,...,n - Statistik Z (Normal baku) Pengujian dengan Sebaran Binom Prosedur: 1. Nyatakan hipotesis statistik H 0 : p = p 0 vs H 1 : p < p 0, p > p 0, atau H 1 : p p 0. Tentukan taraf nyata, 3. Wilayah kritik: - x k bila H 1 : p < p 0 - x k bila H 1 : p < p 0 - x k / atau x k / bila H 1 : p p 0 4. Perhitungan: Hitunglah x, yaitu banyaknya keberhasilan 5. Keputusan: Tolak H 0 bila x jatuh dlm wilayah kritik; bila tidak, terima H 0. Penentuan nilai k k adalah bilangan bulat terbesar yg bersifat: k 1. P( X k bila p p0 ) b( n, p0) x0 Untuk H 1 : p < p 0. P( X k bila p p0) b( n, p0) n xk Untuk H 1 : p > p 0 k / 3. P ( X k / bila p p0) b( n, p0) / atau x0 n P( X k / bila p p0) b( n, p0) / xk / Untuk H 1 : p p 0

3 Teladan 1: Untuk menguji pernyataan produsen TV bhw paling sedikit 90% produk terbarunya akan dipilih oleh konsumen dilakukan survei dg 10 responden secara acak. Dari 10 responden, ternyata hanya 7 orang yang membeli TV model terbaru tersebut. H 0 : p = 0.9 vs H 1 : p < 0.9 Taraf nyata = 5% Wilayah kritik: 0, 05 P ( X k0, 05 bila p 0, 9) b( 10, 0, 9) 0, 05 k x0 Dari Tabel A. (Walpole): n = 10, p = 0,9 maka k 0,05 = 6 r b(n,p) Perhitungan: x = 7 Keputusan: Tidak menolak H 0 (menerima H 0 ) Teladan : a. Sebuah perusahaan rokok mengatakan bahwa 0% di antara para perokok lebih menyukai merk X. Untuk menguji pendapat ini, diambil 0 perokok secara acak dan ditanyakan rokok merk apa yg mereka sukai. Bila 6 di antara 0 perokok itu menyukai merk X, kesimpulan apa yg dapat ditarik? Gunakan taraf nyata 0,05. a. Misalkan di masa lalu 40% orang dewasa setuju dg hukuman mati. Apakah kita mempunyai alasan utk percaya bhw pada saat ini proporsi org yg setuju hukuman mati telah meningkat bila di antara 15 org dewasa, 8 org setuju hukuman tsb. Gunakan taraf nyata 1%. 3

4 . SEBARAN NORMAL: Untuk n > 0 Menggunakan statistik Z: pˆ p0 z h p q / n 0 0 Daerah penolakan H 0 : z h < -z untuk H 1 : p < p 0 z h > z untuk H 1 : p > p 0 z h > z / untuk H 1 : p p 0 Teladan 3: Sebuah sampel 100 benih kedelai diambil secara acak dari sebuah kantong benih. Sampel tsb kemudian diberi perlakuan utk mendeteksi ada/tdknya penyakit pd benih tsb. Ternyata 1 di antaranya positif mengandung penyakit. Apakah pernyataan produsen yg menyatakan bhw 90% benihnya sehat dpt dipercaya? Gunakan taraf nyata H 0 : p = 0.1 vs H 1 : p 0.1 p = proporsi benih yg tdk sehat Statistik Z: z hit pˆ p0 p0q0 / n (0.1)(0.9) / z Tidak dapat menolak H 0, pernyataan produsen yg menyatakan bhw 90% benihnya sehat adalah benar. 4

5 Dua Contoh H 0 : p 1 = p vs (i) H 1 : p 1 < p, (ii) H 1 : p 1 > p, atau (iii) H 1 : p 1 p Membandingkan proporsi benih yang bergejala positif dari produsen berbeda. Apakah produsen pertama menghasilkan proporsi benih sehat lebih banyak daripada produsen kedua? H 0 : p 1 = p vs H 1 : p 1 > p Prosedur Pengujian Menggunakan statistik Z, syarat: n 1 dan n lebih besar dari 0 z h pˆ 1 pˆ pq ˆ ˆ[( 1/ n1) ( 1/ n)] x1 x pˆ n1 n Teladan 4: Sebuah survei dilakukan utk membandingkan viabilitas benih kedelai dari produsen berbeda. Sebanyak 50 benih dari masing-masing produsen diambil secara acak untuk diperiksa daya kecambahnya. Setelah semua benih dibiarkan berkecambah, 80% benih dari produsen A dan 66% benih dari produsen B mampu berkecambah. Apakah kedua produsen benih menghasilkan viabilitas yang sama? Gunakan taraf nyata 5%. 5

6 Peubah I UJI KHI-KUADRAT Asosiasi antara dua peubah kategori. Misal: apakah ada asosiasi (hubungan) antara warna benih dengan warna daun bunga tanaman kacang Tabel Kontingensi (Uji kebebasan dua peubah): - Tabel x - Tabel x c - Tabel r x c Uji Kebebasan Dua Peubah (Tabel Kontingensi) Utk melihat apakah warna benih dan warna daun bunga berasosiasi dilakukan pengambilan sampel acak thd 500 tanaman kacang dari sebuah populasi. Setiap tan dikasifikasikan sesuai dg warna benih dan warna daun bunganya. Warna daun bunga Cokelat gelap Warna benih Coke lat Cokelat terang Putih Total Ungu Keungu an Putih Total Tabel Kontingensi r x c Lajur Baris Peubah II 1 c Total (n i. ) 1 n 11 n 1 n 1c n 1. n 1 n n c n. r n r1 n r n rc n r. Total (n.j ) n.1 n. n.c n.. 6

7 Hipotesis: H 0 : Kedua peubah tidak berasosiasi H 1 : Kedua peubah berasosiasi Statistik uji: r c ( Oij h i1 j1 Eij ) Eij dimanaoij nij dan ni. n. j Eij n.. dengan derajat bebas (V) = (r-1) x (c-1) Rule of Five (Aturan Lima): Nilai frekuensi harapan tidak kurang dari 5 (E ij 5) Untuk sel yang mengandung E ij < 5, maka gabungkan baris atau lajur yang mengandung E ij < 5 tsb. Warna daun bunga Cokelat gelap Ungu 1 (1.6) Agak ungu 55 (4.3) Putih 14 (35.1) Warna benih Coke lat 3 (7.0) 10 (90.7) 59 (75.3) Cokelat terang 13 (7.3) 70 (91.7) 11 (76.1) Putih 4 (3.1) 8 (10.3) 10 (8.6) Total Total ( Total Baris ke - i) (Total lajur ke - j) E ij Total umum E ,..., E

8 Hipotesis: H 0 : Warna benih tidak berasosiasi dgn warna daun H 1 : Warna benih berasosiasi dgn warna daun Statistik uji: ( ) ( ) ( ) h db 6, 0.05(6) Tolak H 0, Ada asosiasi antara warna benih dengan warna daun bunga tanaman kacang. Teladan 5 (Tabel x 5): Pengaruh lima metode penyimpanan thd viabilitas benih diuji dgn menggunakan 14 benih diberi perlakukan dg metode A, 90 benih dg metode B, 10 benih dg metode C, 50 benih dg metode D, dan 100 benih dg metode E. Hasil uji tsb tertera pada tabel di bawah: Jm. bnh berkecambah Jm. bnh tdk berkecambah Metode penyimpanan A B C D E Apakah ada asosiasi antara metode penyimpanan dengan viabilitas benih? Gunakan taraf nyata 5%. 8

5 Departemen Statistika FMIPA IPB

5 Departemen Statistika FMIPA IPB Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK351) 5 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Uji Khi-Kuadrat Uji Kebebasan Uji Kehomogenen Uji Kebaikan

Lebih terperinci

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis STK 5 Analisis statistika Materi 6 Pengujian Hipotesis Pendahuluan Dalam mempelajari Karakteristik Populasi kita sering telah memiliki pernyataan/anggapan tertentu. pemberian DHA pada anak-anak akan menambah

Lebih terperinci

Hipotesis (Ho) Benar Salah. (salah jenis I)

Hipotesis (Ho) Benar Salah. (salah jenis I) PENGUJIAN HIPOTESIS Hipotesis Suatu pernyataan yang masih lemah kebenarannya dan perlu dibuktikan/ dugaan yg sifatnya masih sementara Hipotesis ini perlu untuk diuji utk kmd diterima/ ditolak Pengujian

Lebih terperinci

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya

Hipotesis. Penerimaan hipotesis menunjukkan bahwa tidak cukup petunjuk untuk mempercayai sebaliknya Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Digunakan istilah diterima atau ditolak untuk suatu hipotesis Penolakan suatu hipotesis berarti menyimpulkan bahwa

Lebih terperinci

Pengujian Hipotesis - Sipil Geoteknik 2013 PENGUJIAN HIPOTESIS. Dr. Vita Ratnasari, M.Si 02/10/2013

Pengujian Hipotesis - Sipil Geoteknik 2013 PENGUJIAN HIPOTESIS. Dr. Vita Ratnasari, M.Si 02/10/2013 1 PENGUJIAN HIPOTESIS Dr. Vita Ratnasari, M.Si Pengertian hipotesis 2 Hipotesis merupakan pernyataan tentang sebuah parameter yang masih harus diuji kebenarannya. Pengujian hipotesis adalah prosedur untuk

Lebih terperinci

UJI INDEPENDEN ANTARA DUA FAKTOR

UJI INDEPENDEN ANTARA DUA FAKTOR UJI INDEPENDEN ANTARA DUA FAKTOR Banyak data hasil pengamatan yang dapat digolongkan kedalam beberapa factor, karakteristik atau atribut dengan tiap factor atau atribut teridiri dari beberapa klasifikasi,

Lebih terperinci

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30

Pendugaan Parameter. Ayundyah Kesumawati. April 13, Prodi Statistika FMIPA-UII. Ayundyah (UII) Pendugaan Parameter April 13, / 30 Pendugaan Parameter Ayundyah Kesumawati Prodi Statistika FMIPA-UII April 13, 2015 Ayundyah (UII) Pendugaan Parameter April 13, 2015 1 / 30 Pendugaan 1 Proses yang menggunakan sampel statistik untuk menduga

Lebih terperinci

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan

Hipotesis : asumsi atau anggapan bisa benar atau bisa salah seringkali dipakai sebagai dasar dalam memutuskan PENGUJIAN HIPOTESIS Hipotesis : Merupakan suatu asumsi atau anggapan yang bisa benar atau bisa salah mengenai sesuatu hal, dan dibuat untuk menjelaskan sesuatu hal tersebut sehingga memerlukan pengecekan

Lebih terperinci

Pengujian Hipotesis. Oleh : Dewi Rachmatin

Pengujian Hipotesis. Oleh : Dewi Rachmatin Pengujian Hipotesis Oleh : Dewi Rachmatin Hipotesis Suatu anggapan yang mungkin benar atau tidak mengenai suatu populasi atau lebih Akan digunakan istilah diterima atau ditolak pada bagian ini Penolakan

Lebih terperinci

STATISTIK PERTEMUAN XI

STATISTIK PERTEMUAN XI STATISTIK PERTEMUAN XI Topik Bahasan: Analisis Ragam (ANOVA) Universitas Gunadarma 1. Pendahuluan Metode hipotesis dengan menggunakan distribusi z dan distribusi t efektif untuk uji hipotesis tentang perbedaan

Lebih terperinci

Penyimpulan data numerik & kategorik. Elsa Roselina Dewi Gayatri

Penyimpulan data numerik & kategorik. Elsa Roselina Dewi Gayatri Penyimpulan data numerik & kategorik Elsa Roselina Dewi Gayatri P. data numerik Tendensi sentral (mean, median, modus) Hubungan mean, median, modus Ukuran variasi (range, interkuartil range, mean deviasi,

Lebih terperinci

BAB 2 LANDASAN TEORI. kuantitas ataupun kualitatif dari karakteristik tertentu yang berlainan. Dan hasilnya merupakan data perkiraan atau estimate.

BAB 2 LANDASAN TEORI. kuantitas ataupun kualitatif dari karakteristik tertentu yang berlainan. Dan hasilnya merupakan data perkiraan atau estimate. BAB 2 LANDASAN TEORI 2.1 Populasi dan Sampel Populasi adalah kumpulan dari seluruh hasil perhitungan. Maupun pengukuran kuantitas ataupun kualitatif dari karakteristik tertentu yang berlainan. Sedangkan

Lebih terperinci

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α

Hipotesis Statistik. 3. Terima H 1 (tolak H 0 ) dan populasi sebenarnya. memang H 0 benar = P(terima H 0 / pop H 0 )= 1-α Pengujian Hipotesis Hipotesis: kesimpulan sementara dari penelitian, yang akan dibuktikan dengan data empiris Utk diuji secara statistik hipotesis statistik (Ho vs H1) : pernyataan (dugaan) mengenai satu

Lebih terperinci

10 Departemen Statistika FMIPA IPB

10 Departemen Statistika FMIPA IPB Suplemen Responsi Pertemuan ANALISIS DATA KATEGORIK (STK35) 0 Departemen Statistika FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referensi Waktu Tabel Kontingensi Struktur peluang tabel kontingensi Perbandingan

Lebih terperinci

Probabilitas & Teorema Bayes

Probabilitas & Teorema Bayes 1 Probabilitas & Teorema Bayes Nurwahyu Alamsyah, S.Kom wahyualamsyah.wordpress.com wahyu@plat-m.com Statistika D3 Manajemen Informatika Universitas Trunojoyo Madura 2 Terminologi Teori Probabilitas didasarkan

Lebih terperinci

ANALISIS DATA KATEGORIK

ANALISIS DATA KATEGORIK ANALISIS DATA KATEGORIK HUBUNGAN ANTAR PEUBAH DALAM ANALISIS INGIN DIKETAHUI ATAU DIEVALUASI HUBUNGAN ATAU KETERKAITAN ANTAR PEUBAH Hubungan Antar Peubah Besarnya gaji Lama bekerja Hubungan Antar Peubah

Lebih terperinci

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( ) BIOSTATISTIK UJI HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA (20611003) NURTASMIA (20611022) SOBRI (20611027) : Tahapan-tahapan dalam uji hipotesis 1.Membuat hipotesis nol (H o ) dan hipotesis alternatif (H

Lebih terperinci

UJI CHI SQUARE (X 2 ) FUNGSI Menguji hasil penelitian dalam bentuk data kategori/diskrit Jumlah kategori 2

UJI CHI SQUARE (X 2 ) FUNGSI Menguji hasil penelitian dalam bentuk data kategori/diskrit Jumlah kategori 2 UJI CHI SQUARE (X ) FUNGSI Menguji hasil penelitian dalam bentuk data kategori/diskrit Jumlah kategori METODE Untuk menguji perbandingan antara data yang diamati ( fo) dgn data yang diharapkan (), dgn

Lebih terperinci

STATISTIKA II (BAGIAN

STATISTIKA II (BAGIAN STATISTIKA II (BAGIAN - ) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 008 Wijaya : Statistika II (Bagian-) 0 VI. PENGUJIAN HIPOTESIS Hipotesis

Lebih terperinci

V. Consumer Surplus and Consumer Welfare

V. Consumer Surplus and Consumer Welfare V. Consumer Surplus and Consumer Welfare o Definisi ukuran kesejahteraan konsumen merupakan salah satu masalah yg paling kontroversial dlm ilmu ekonomi. Tdk seperti kasus produsen dg ukuran (profit), tidak

Lebih terperinci

STATISTIK PERTEMUAN V

STATISTIK PERTEMUAN V STATISTIK PERTEMUAN V Variabel Random/ Acak variabel yg nilai-nilainya ditentukan oleh kesempatan/ variabel yang bernilai numerik yg didefinisikan dlm suatu ruang sampel 1. Variabel Random diskrit Variabel

Lebih terperinci

MILITARY STANDARD (MIL-STD) Ganda Marulitua Simbolon ( )

MILITARY STANDARD (MIL-STD) Ganda Marulitua Simbolon ( ) MILITARY STANDARD (MIL-STD) Ganda Marulitua Simbolon (4133230016) Robinsar Pakpahan (4133230031) Rony G.T.Marpaung (4133230032) Sumanto Sitanggang (4132230035) MIL-STD-105E Suatu sistem rencana penarikan

Lebih terperinci

MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH

MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH PRODUK : adlh segala sesuatu yang dapat ditawarkan ke pasar untuk memuaskan keinginan dan kebutuhan. KLASIFIKASI PRODUK Berdsrkn daya tahan & wujudnya : Barang

Lebih terperinci

Konsep Peluang (Probability Concept)

Konsep Peluang (Probability Concept) Konsep Peluang (Probability Concept) Percobaan Percobaan: proses acak untuk membangkitkan data. Dalam banyak kasus, hasil dari suatu percobaan tergantung pada faktor kebetulan, dan tidak dapat diramalkan

Lebih terperinci

Gambar 3. Peta Lokasi Penelitian Sumber Dinas Hidro-Oseanografi (2004)

Gambar 3. Peta Lokasi Penelitian Sumber Dinas Hidro-Oseanografi (2004) 12 3. BAHAN DAN METODE 3.1. Waktu dan Lokasi Penelitian Penelitian ini merupakan program penelitian terpadu bagian Manajemen Sumberdaya Perikanan yang dilaksanakan dari bulan Maret sampai dengan Oktober

Lebih terperinci

III. METODE PENELITIAN

III. METODE PENELITIAN III. METODE PENELITIAN A. Metode Penelitian Dalam penelitian sangat diperlukan suatu metode yang sesuai dengan masalah yang akan diteliti untuk menentukan data dan mengembangkannya dalam suatu pengetahuan

Lebih terperinci

BAB II LANDASAN TEORI. 2.1 Uji Hipotesis

BAB II LANDASAN TEORI. 2.1 Uji Hipotesis BAB II LANDASAN TEORI Pada bab ini akan dibahas tentang pengujian hipotesis, metode klasifikasi berstruktur pohon, metode-metode statistika yang menjadi dasar pada metode QUEST, dan algoritme QUEST..1

Lebih terperinci

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan: Topik Bahasan: Pengujian Hipotesis. Pendahuluan Hipotesis pernyataan yang merupakan pendugaan berkaitan dengan nilai suatu parameter populasi (satu atau lebih populasi) Kebenaran suatu hipotesis diuji

Lebih terperinci

MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH

MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH MENENTUKAN STRATEGI PRODUK BY : DIANA MA RIFAH PRODUK : adlh segala sesuatu yang dapat ditawarkan ke pasar untuk memuaskan keinginan dan kebutuhan. KLASIFIKASI PRODUK Berdsrkn daya tahan & wujudnya : Barang

Lebih terperinci

Pertemuan 8 Aljabar Linear & Matriks

Pertemuan 8 Aljabar Linear & Matriks Pertemuan 8 Aljabar Linear & Matriks 1 Jika A adl matriks nxn yg invertible, untuk setiap matriks b dgn ukuran nx1, maka sistem persamaan linier Ax = b mempunyai tepat 1 penyelesaian, yaitu x = A -1 b

Lebih terperinci

III. METODOLOGI PENELITIAN. hubungan antara konsep-konsep atau nilai-nilai dari variabel yang satu

III. METODOLOGI PENELITIAN. hubungan antara konsep-konsep atau nilai-nilai dari variabel yang satu 35 III. METODOLOGI PENELITIAN 3.1 Metode Penelitian Metode yang digunakan dalam penelitian ini adalah metode deskripsi korelasional karena dalam penelitian ini peneliti berusaha untuk menjelaskan hubungan

Lebih terperinci

Analisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda

Analisis Regresi 1. Pokok Bahasan Pengujian pada Regresi Ganda Analisis Regresi Pokok Bahasan Pengujian pada Regresi Ganda Model Regresi Linier Berganda Model Regresi Linier Berganda, dengan k peubah penjelas : Y β β X β X β X k k Parameter regresi sebanyak k+ diduga

Lebih terperinci

DISTRIBUSI FREKUENSI. Oleh : Malim Muhammad, M.Sc.

DISTRIBUSI FREKUENSI. Oleh : Malim Muhammad, M.Sc. PENYAJIAN DATA & DISTRIBUSI FREKUENSI Oleh : Malim Muhammad, M.Sc. AGROTEKNOLOGI UM PURWOKERTO 1 PENGANTAR Apabila data sudah dikumpulkan (daftar pertanyaan sudah diisi, pertanyaan-pertanyaan yang diajukan

Lebih terperinci

TEORI PENDUGAAN (TEORI ESTIMASI)

TEORI PENDUGAAN (TEORI ESTIMASI) TEORI PENDUGAAN (TEORI ESTIMASI) Tujuan Pembelajaran Mempelajari bagaimana cara melakukan pendugaan parameter populasi berasarkan statistik yang dihitung dari sampel A. Pendahuluan Pendahuluan : Tujuan

Lebih terperinci

CHI SQUARE. Pengantar

CHI SQUARE. Pengantar BAB 1 CHI SQUARE CHI SQUARE Pengantar Dua buah gejala atau lebih pada kenyataannya sebenarnya hanya dapat diperbandingkan atau dihubungkan. Oleh karena itu untuk mengkaji keterkaitan antara dua buah gejala

Lebih terperinci

TARGET PASAR. Apakah pasar itu?

TARGET PASAR. Apakah pasar itu? Apakah pasar itu? TARGET PASAR Pasar adalah Orang-orang dengan kebutuhan dan atau keinginan mempunyai uang yang akan dibelanjakan dan mempunyai kemauan untuk membelanjakan Target pasar : Sekelompok konsumen

Lebih terperinci

TATANIAGA PERTANIAN. Oleh : Agustina BIDARTI, S.P., M.Si. Sosek Pertanian FP Unsri

TATANIAGA PERTANIAN. Oleh : Agustina BIDARTI, S.P., M.Si. Sosek Pertanian FP Unsri TATANIAGA PERTANIAN Oleh : Agustina BIDARTI, S.P., M.Si. Sosek Pertanian FP Unsri Tataniaga = Pemasaran : kegiatan ekonomi yang berfungsi membawa atau menyampaikan barang dari produsen ke konsumen Syarat

Lebih terperinci

Pertemuan ke-3. Oleh : Winda Aprianti, M.Si

Pertemuan ke-3. Oleh : Winda Aprianti, M.Si Pertemuan ke-3 Oleh : Winda Aprianti, M.Si 1 Data Data/angka ringkasan dapat berupa jumlah (total), proporsi, persentase, rata-rata, dan sebagainya Data mentah (raw data) adalah hasil pencatatan peristiwa

Lebih terperinci

ANALISIS DATA. Tahap persiapan, analisis deskriptif, pengujian kualitas data dan pengujian hipotesis

ANALISIS DATA. Tahap persiapan, analisis deskriptif, pengujian kualitas data dan pengujian hipotesis ANALISIS DATA Tahap persiapan, analisis deskriptif, pengujian kualitas data dan pengujian hipotesis Tahap persiapan : pengeditan, coding, tabulating & data processing Pengeditan : proses pengecekan dan

Lebih terperinci

PENGUKURAN FREKUENSI PENYAKIT

PENGUKURAN FREKUENSI PENYAKIT PENGUKURAN FREKUENSI PENYAKIT Dalam epidemiologi ukuran yg banyak digunakan dlm menentukan morbiditas dan mortalitas adalah: Angka, Rasio, dan Proporsi RASIO merupakan nilai relatif yg dihasilkan dari

Lebih terperinci

Pokok Bahasan: Chi Square Test

Pokok Bahasan: Chi Square Test Pokok Bahasan: Chi Square Test Start Pokok Bahasan A. Pengertian Distribusi Chi Kuadrat B. Uji Kecocokan (Goodness of Fit Test) (Kontigensi Table Test) 1 Instruksional Umum Memberi penjelasan tentang distribusi

Lebih terperinci

BAB III METODE PENELITIAN. Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta), Pasar

BAB III METODE PENELITIAN. Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta), Pasar 27 BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian Penelitian dilakukan di daerah Jabotabek (Jakarta, Bogor, Tangerang dan Bekasi) terutama di kawasan-kawasan industri seperti Pulogadung (Jakarta),

Lebih terperinci

Survei Terpadu Biologi & Perilaku (STBP) di Populasi Umum di Tanah Papua Mei 2014

Survei Terpadu Biologi & Perilaku (STBP) di Populasi Umum di Tanah Papua Mei 2014 Survei Terpadu Biologi & Perilaku (STBP) di Populasi Umum di Tanah Papua 213 6 Mei 214 Tujuan Mengetahui prevalensi HIV di Tanah Papua dan membandingkannya dengan hasil STBP 26 Mengetahui prevalensi Sifilis

Lebih terperinci

Analisis Ajeg dari Sinusoidal

Analisis Ajeg dari Sinusoidal Analisis Ajeg dari Sinusoidal Slide-08 Ir. Agus Arif, MT Semester Gasal 2016/2017 1 / 23 Materi Kuliah 1 Karakteristik Sinusoid Bentuk Umum Pergeseran Fase Sinus Kosinus 2 Tanggapan Paksaan thdp Sinusoid

Lebih terperinci

RANCANGAN EKOLOGIS MP-KONSENTRASI MAGISTER KESEHATAN IBU-ANAK

RANCANGAN EKOLOGIS MP-KONSENTRASI MAGISTER KESEHATAN IBU-ANAK RANCANGAN EKOLOGIS MP-KONSENTRASI MAGISTER KESEHATAN IBU-ANAK TIPOLOGI RANCANGAN EPIDEMIOLOGI 1. RANCANGAN DASAR (basic-design) * Kriteria unit pengamatan : Individu, ada informasi ttg faktor resiko &

Lebih terperinci

BAB I PENDAHULUAN. pemerataan kesempatan memperoleh pendidikan yang bermutu masih menjadi

BAB I PENDAHULUAN. pemerataan kesempatan memperoleh pendidikan yang bermutu masih menjadi BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan upaya dalam mempercepat pengembangan potensi manusia untuk mampu mengemban tugas yang dibebankan kepadanya. Jadi pendidikan merupakan suatu kebutuhan

Lebih terperinci

PERENCANAAN STRATEGIS, PENGEMBANGAN BISNIS & PEMASARAN PELAYANAN KESAHATAN

PERENCANAAN STRATEGIS, PENGEMBANGAN BISNIS & PEMASARAN PELAYANAN KESAHATAN PERENCANAAN STRATEGIS, PENGEMBANGAN BISNIS & PEMASARAN PELAYANAN KESAHATAN BANDI bandi.staff.fe.uns.ac.id 1 IMPLEMENTASI STRATEGI BERSAING, PEMASARAN PELAYANAN KESEHATAN Sesi 3 bandi.staff.fe.uns.ac.id

Lebih terperinci

Pendekatan dan Kesalahan

Pendekatan dan Kesalahan Pendekatan dan Kesalahan Pengantar Angka Signifikan (Penting) Akurasi dan Presisi Definisi Kesalahan Kesalahan Pembulatan Kesalahan Pemotongan Kesalahan Numerik Total (Kekeliruan, k Kesalahan Formulasi,

Lebih terperinci

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN

Materi 1 : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Materi : Review Statistika Inferensia Pengujian Hipotesis PERANCANGAN PERCOBAAN Pendahuluan Suatu pernyataan / anggapan yang mempunyai nilai mungkin benar / salah atau suatu pernyataan /anggapan yang mengandung

Lebih terperinci

Sekretari

Sekretari Kompetensi Dasar Menganalisis Bentuk-bentuk perusahaan Materi BUMN Koperasi Swasta BENTUK BADAN USAHA BUMN KOPERASI SWASTA BUMN Suatu bangun usaha yang didirikan oleh Negara dan kepemilikannya dipegang

Lebih terperinci

MA1201 MATEMATIKA 2A Hendra Gunawan

MA1201 MATEMATIKA 2A Hendra Gunawan MA1201 MATEMATIKA 2A Hendra Gunawan Semester II, 2016/2017 27 Januari 2017 Bab Sebelumnya 7. Teknik Pengintegralan 7.1 Aturan Dasar Pengintegralan 7.2 Pengintegralan Parsial 7.3 Integral Trigonometrik

Lebih terperinci

Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi.

Pada dasarnya lebih sulit drpd classifier berdasar teori bayes, terutama untuk data dimensi tinggi. 1 Fokus pd desain fungsi pembeda (discriminant function) atau decision surface scr langsung yang membedakan satu kelas dengan kelas yg lain berdasarkan kriteria yg telah ditentukan. Pada dasarnya lebih

Lebih terperinci

SEGMENTASI DAN PREFERENSI KONSUMEN SIGARET KRETEK MESIN Low Tar Low Nicotine (LTLN) DENGAN ANALISIS CHAID

SEGMENTASI DAN PREFERENSI KONSUMEN SIGARET KRETEK MESIN Low Tar Low Nicotine (LTLN) DENGAN ANALISIS CHAID Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 009 SEGMENTASI DAN PREFERENSI KONSUMEN SIGARET KRETEK MESIN Low Tar Low Nicotine (LTLN) DENGAN ANALISIS CHAID Dwi Endah Kusrini,

Lebih terperinci

3 METODOLOGI. 3.1 Waktu dan Tempat Penelitian Kegiatan penelitian ini dilaksanakan pada bulan Agustus 2009 di PPN Palabuhanratu, Sukabumi.

3 METODOLOGI. 3.1 Waktu dan Tempat Penelitian Kegiatan penelitian ini dilaksanakan pada bulan Agustus 2009 di PPN Palabuhanratu, Sukabumi. 3 METODOLOGI 3.1 Waktu dan Tempat Penelitian Kegiatan penelitian ini dilaksanakan pada bulan Agustus 2009 di PPN Palabuhanratu, Sukabumi. 3.2 Alat dan Bahan Alat yang digunakan pada penelitian ini adalah

Lebih terperinci

UJI CHI KUADRAT (χ²)

UJI CHI KUADRAT (χ²) UJI CHI KUADRAT (χ²) 1. Pendahuluan Uji Chi Kuadrat adalah pengujian hipotesis mengenai perbandingan antara frekuensi observasi/yg benar-benar terjadi/aktual dengan frekuensi harapan/ekspektasi 1.1 Pengertian

Lebih terperinci

TUJUAN & TANGGUNG JAWAB AUDIT

TUJUAN & TANGGUNG JAWAB AUDIT TUJUAN & TANGGUNG JAWAB AUDIT Tujuan Pengauditan Laporan Keuangan Tujuan pengauditan umum atas laporan keuangan oleh auditor independen merupakan pemberian opini atas kewajaran dimana laporan tersebut

Lebih terperinci

Sistem Informasi. Pengolahan Data Dan Prototyping

Sistem Informasi. Pengolahan Data Dan Prototyping Sistem Informasi Pengolahan Data Dan Prototyping MUHAMAD ALIF TEKNIK INFORMATIKA UNIVERSITAS TRUNOJOYO MADURA Email : muhamadalif90@gmail.com Fb : alifcintaibu@gmail.com Http://alifcintaibu.wordpress.com

Lebih terperinci

STUDI EKOLOGI. dr. Taufik Ashar, MKM

STUDI EKOLOGI. dr. Taufik Ashar, MKM STUDI EKOLOGI dr. Taufik Ashar, MKM Karakteristik Studi Ekologi Studi ekologi terpokus pd perbandingan kelompok Lebih dr 100 th, diaplikasikan pd disiplin ilmu sosial Epidemiologi menggunakannya di berbagai

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran

BAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran BAB 2 TINJAUAN TEORITIS 2.1 Statistik non Parametrik Metode statistik non parametrik atau sering juga disebut metode bebas sebaran (distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat

Lebih terperinci

III. METODE PENELITIAN. Penelitian dilaksanakan di Rumah Kaca Fakultas Pertanian Universitas

III. METODE PENELITIAN. Penelitian dilaksanakan di Rumah Kaca Fakultas Pertanian Universitas III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Rumah Kaca Fakultas Pertanian Universitas Lampung pada bulan Februari 2012 sampai dengan Maret 2012. B. Alat dan Bahan Bahan-bahan

Lebih terperinci

Letak Sebuah Titik :

Letak Sebuah Titik : BAB V FUNGSI Letak Sebuah Titik : Y+ Kuadran II Kuadran I X+ Kuadran III Kuadran IV Fungsi ialah : Suatu bentuk hubungan matematis yg menyatakan hub. Ketergantungan/ fungsional antara satu variabel dengan

Lebih terperinci

PENGUJIAN HIPOTESIS. Daerah penolakan. luas KED

PENGUJIAN HIPOTESIS. Daerah penolakan. luas KED PENGUJIAN HIPOTESIS A. Langkah langkah pengujian hipotesis Hipotesis adalah asumsi atau dugaan mengenai sesuatu. Jika hipotesis tersebut tentang nilai nilai parameter maka hipotesis itu disebut hipotesis

Lebih terperinci

SAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING )

SAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING ) SAMPLING PENERIMAAN ( ACCEPTANCE SAMPLING ) PENDAHULUAN Pengertian dari Sampling Penerimaan : keputusan untuk menerima atau menolak suatu lot atau populasi berdasarkan hasil dari pemeriksaan sebagian lot

Lebih terperinci

III. METODOLOGI PENELITIAN. Metode penelitian yang digunakan pada penelitian ini adalah metode

III. METODOLOGI PENELITIAN. Metode penelitian yang digunakan pada penelitian ini adalah metode III. METODOLOGI PENELITIAN A. Metode Penelitian Metode penelitian yang digunakan pada penelitian ini adalah metode deskriptif. Suharsimi Arikunto dalam S. Vianita Zulyan (2014: 80) menjelaskan bahwa Metode

Lebih terperinci

Bab 10 Sampling Audit dalam Pengujian Pengendalian

Bab 10 Sampling Audit dalam Pengujian Pengendalian Pengauditan 1 Bab 10 Sampling Audit dalam Pengujian Pengendalian Referensi: Jusup, Al. Haryono (2001). Pengauditan. Buku 1. Yogyakarta: Bagian Penerbitan STIE YKPN Dosen: Dhyah Setyorini, M.Si. Konsep-konsep

Lebih terperinci

Tentukan : Jawab : N = 100. = Rp = Rp % selang kepercayaan = - 1,96. ( 1- ) 100% selang kepercayaan untuk adalah.

Tentukan : Jawab : N = 100. = Rp = Rp % selang kepercayaan = - 1,96. ( 1- ) 100% selang kepercayaan untuk adalah. 6.1. Akan diduga rataan pendapatan dari pelayan restoran di kota-kota besar di Jawa. Diambil sampel secara acak sebanyak 75 orang pelayan restoran, didapatkan rataan pendapatannya adalah Rp 130.000,- dengan

Lebih terperinci

Analysis of Variance (ANOVA) Debrina Puspita Andriani /

Analysis of Variance (ANOVA) Debrina Puspita Andriani    / Analysis of Variance (ANOVA) 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id Outline Kegunaan ANOVA 3 Kontrol investigator 1 atau lebih variabel independen Disebut dgn faktor

Lebih terperinci

ANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R..

ANALISIS RAGAM KLASIFIKASI 2 ARAH. b. Mengetahui perbedaan keragaman disebabkan perbedaan antarkolom. Kolom 1 2. j. c. Nilai rata I... R.. ANALISIS RAGAM KLASIFIKASI 2 ARAH 1) Analisis Ragam Klasifikasi Dua Arah Analisis ragam klasifikasi dua arah adalah analisis ragam klasifikasi pengamatan yang berdasarkan dua kriteria Dalam analisis ini

Lebih terperinci

BAB 4 HASIL DAN PEMBAHASAN. 4.1 Deskripsi data hasil pengamatan. data yang diperoleh melalui kuesioner.

BAB 4 HASIL DAN PEMBAHASAN. 4.1 Deskripsi data hasil pengamatan. data yang diperoleh melalui kuesioner. BAB 4 HASIL DAN PEMBAHASAN 4.1 Deskripsi data hasil pengamatan Berikut adalah deskripsi data hasil pengamatan yang sudah diolah dari data yang diperoleh melalui kuesioner. Pada Tabel 4.1 menunjukkan komposisi

Lebih terperinci

III. METODOLOGI PENELITIAN. kuantitatif. Metode penelitian dapat digunakan sebagai pedoman dalam

III. METODOLOGI PENELITIAN. kuantitatif. Metode penelitian dapat digunakan sebagai pedoman dalam 48 III. METODOLOGI PENELITIAN A. Pendekatan Penelitian Metode penelitian yang tepat sangat diperlukan dalam pelaksanaan suatu penelitian. Metode yang digunakan dalam penelitian ini adalah metode kuantitatif.

Lebih terperinci

II. PARETO OPTIMALITY (PO) & CRITERION (PC)

II. PARETO OPTIMALITY (PO) & CRITERION (PC) II. PARETO OPTIMALITY (PO) & CRITERION (PC) o Lester Thurow: banyak proyek yg bagus tidak dilakukan hanya krn manajer proyek tidak mau membayar kompensasi kpd orang2 yg akan dirugikan dgn proyek tsb. Jika

Lebih terperinci

Bab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen

Bab IV. Pengantar Peluang. Pengantar Peluang. Eksperimen. Aturan Menghitung Kombinasi Permutasi. Keluaran Eksperimen Pengantar Peluang Eksperimen Pengantar Peluang Bab IV Aturan Menghitung Kombinasi Permutasi Peluang Eksperimen Peluang adalah pengukuran numerik kemungkinan suatu kejadian terjadi Eksperimen Keluaran Eksperimen

Lebih terperinci

HASIL DAN PEMBAHASAN

HASIL DAN PEMBAHASAN 18 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu 2009 Karakteristik responden berdasarkan peubah demografi yang diamati terdapat pada Gambar 3 sampai Gambar 6. Pada Gambar 3 dapat diketahui

Lebih terperinci

III. BAHAN DAN METODE

III. BAHAN DAN METODE III. BAHAN DAN METODE A. Tempat dan Waktu Penelitian dilaksanakan selama 10 (sepuluh) bulan sejak bulan Pebruari Nopember 01. Pengambilan data label produk minuman khusus ibu hamil dan/atau ibu menyusui

Lebih terperinci

UJI CHI SQUARE. (Uji data kategorik)

UJI CHI SQUARE. (Uji data kategorik) UJI CHI SQUAR (Uji data kategorik) A. Pendahuluan Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran

Lebih terperinci

Fraenkel (1990): Populasi adalah The larger group to which one hopes to apply the result. Fraenkel mencontohkan populasi sbb:

Fraenkel (1990): Populasi adalah The larger group to which one hopes to apply the result. Fraenkel mencontohkan populasi sbb: 1. Populasi Setiap penelitian memerlukan sumber data yaitu subyek darimana data dpt dikumpulkan misalnya, populasi dan sampel. Suatu penelitian yg ideal, apabila penelitian tsb melibatkan seluruh populasi

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA

Lebih terperinci

II. Pengambilan Keputusan Dalam Pemasaran Keputusan : a. Penetapan harga b. Produk c. Distribusi d. Promosi

II. Pengambilan Keputusan Dalam Pemasaran Keputusan : a. Penetapan harga b. Produk c. Distribusi d. Promosi II. Pengambilan Keputusan Dalam Pemasaran Keputusan : a. Penetapan harga b. Produk c. Distribusi d. Promosi Cara tradisional 1. Identifikasi masalah 2. Perumusan alternatif pemecahan masalah 3. Analisis

Lebih terperinci

HASIL DAN PEMBAHASAN. Pembuatan Lot Benih

HASIL DAN PEMBAHASAN. Pembuatan Lot Benih HASIL DAN PEMBAHASAN Pembuatan Lot Benih Pembuatan lot benih dilakukan untuk memperoleh beragam tingkat vigor yang berbeda. Lot benih didapat dengan perlakuan penderaan terhadap benih jagung melalui Metode

Lebih terperinci

S T A T I S T I K A OLEH : WIJAYA

S T A T I S T I K A OLEH : WIJAYA S T A T I S T I K A OLEH : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 009 V. PENGUJIAN HIPOTESIS Hhipotesis adalah jawaban sementara terhadap suatu

Lebih terperinci

TARGET PASAR. Apakah pasar itu?

TARGET PASAR. Apakah pasar itu? Apakah pasar itu? TARGET PASAR Pasar adalah Orang-orang dengan kebutuhan dan atau keinginan mempunyai uang yang akan dibelanjakan dan mempunyai kemauan untuk membelanjakan Target pasar : Sekelompok konsumen

Lebih terperinci

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c

Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c Maximize or Minimize Z = f (x,y) Subject to: g (x,y) = c PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI Prof. Dr. Ir. ZULKIFLI ALAMSYAH, M.Sc. Pengertian, Contoh masalah dan Perumusan model

Lebih terperinci

PROBABILITAS. Elsa Roselina

PROBABILITAS. Elsa Roselina PROBABILITAS Elsa Roselina PROBABILITAS Dasar-dasar Probabilitas Unsur-unsur Probabilitas Hukum Penjumlahan Hukum Perkalian Permutasi dan Kombinasi Dasar-dasar Probabilitas Probabilitas = peluang = proporsi

Lebih terperinci

PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint. dan By Product)

PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint. dan By Product) PRODUK BERSAMA DAN PRODUK SAMPINGAN (Joint dan By Product) Produk Bersama ( (Joint Product) a/ produk yang dihasilkan dari suatu rangkaian atau seri proses produksi secara serempak dengan menggunakan bahan

Lebih terperinci

FAKTOR LINGKUNGAN DAN PERKEMBANGAN PENYAKIT TERBAWA BENIH

FAKTOR LINGKUNGAN DAN PERKEMBANGAN PENYAKIT TERBAWA BENIH FAKTOR LINGKUNGAN DAN PERKEMBANGAN PENYAKIT TERBAWA BENIH Pengaruh faktor lingkungan terhadap patogen terbawa benih 1. Mempengaruhi predisposisi inang Contoh : tomat terpredisposisi oleh layu Fusarium

Lebih terperinci

III. METODOLOGI PENELITIAN. penelitian dapat tercapai seperti yang diharapkan.

III. METODOLOGI PENELITIAN. penelitian dapat tercapai seperti yang diharapkan. III. METODOLOGI PENELITIAN A. Metode Penelitian Kegiatan penelitian berupaya untuk menemukan data yang valid, dan serta dalam usaha mengadakan analisa secara logis rasional diperlukan langkahlangkah pengkajian

Lebih terperinci

III. METODE PENELITIAN. langkah-langkah pengkajian dengan menggunakan metode penelitian agar

III. METODE PENELITIAN. langkah-langkah pengkajian dengan menggunakan metode penelitian agar III. METODE PENELITIAN A. Metode Penelitian Setiap kegiatan penelitian, dalam upaya untuk menemukan data yang valid, dan serta dalam usaha mengadakan analisa secara logis rasional diperlukan langkah-langkah

Lebih terperinci

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2

18/09/2013. Ekonomi Teknik / Sigit Prabawa / 1. Ekonomi Teknik / Sigit Prabawa / 2 PENERAPAN PROGRAM LINIER dalam OPTIMASI PRODUKSI Ekonomi Teknik / Sigit Prabawa / 1 MASALAH yg banyak dihadapi oleh INDUSTRI adalah BAGAIMANA MENGGUNAKAN atau MENENTUKAN ALOKASI PENGGUNAAN SUMBER DAYAYG

Lebih terperinci

Oleh : Amat Jaedun Pascasarjana UNY

Oleh : Amat Jaedun Pascasarjana UNY Oleh : Amat Jaedun Pascasarjana UNY KLASIFIKASI HASIL BELAJAR: Bloom, membagi hasil belajar ke dalam 3 (tiga) aspek/ ranah, yaitu: Hasil belajar yang berkaitan dengan perkembangan kognitif. Hasil belajar

Lebih terperinci

Statistika Non-Parametrik

Statistika Non-Parametrik Statistika Non-Parametrik STK 511 Analisis Statistika Depertemen Statistika IPB 1 Statistika Non-Parametrik Ciri statistika non-parametrik : o Prosedur non-parametrik -> fokus hanya pada beberapa karakteristik

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Suatu pendekatan metode penelitian digunakan untuk memecahkan

BAB III METODOLOGI PENELITIAN. Suatu pendekatan metode penelitian digunakan untuk memecahkan BAB III METODOLOGI PENELITIAN 3.1 Metode Penelitian Suatu pendekatan metode penelitian digunakan untuk memecahkan masalah dalam proses penyelidikan. Metode merupakan cara seseorang dalam melakukan sesuatu

Lebih terperinci

METODOLOGI PENELITIAN. sesuai dengan apa yang telah direncanakan. Adapun langkah-langkah yang

METODOLOGI PENELITIAN. sesuai dengan apa yang telah direncanakan. Adapun langkah-langkah yang 34 III. METODOLOGI PENELITIAN A. Langkah-Langkah Penelitian Langkah-langkah penelitian merupakan suatu bentuk upaya persiapan sebelum melakukan penelitian yang sifatnya sistematis yang meliputi perencanaan,

Lebih terperinci

III. METODOLOGI PENELITIAN. dalam penelitian ilmiah. Selain memaparkan garis-garis yang cermat, juga

III. METODOLOGI PENELITIAN. dalam penelitian ilmiah. Selain memaparkan garis-garis yang cermat, juga III. METODOLOGI PENELITIAN A. Metode Penelitian Metodologi penelitian sebagai salah satu cara untuk memecahkan suatu masalah atau permasalahan yang dihadapi, memegang peranan penting dalam penelitian ilmiah.

Lebih terperinci

Penggunaan Teknologi Perkantoran. Komunikasi Bisnis

Penggunaan Teknologi Perkantoran. Komunikasi Bisnis Penggunaan Teknologi Perkantoran Komunikasi Bisnis Penggunaan Telepon Terasa betapa sulitnya menelepon seseorang terutama bila menyangkut masalah yang penting, jika kita tidak tahu orang yang akan kita

Lebih terperinci

MATERI 10 WARAN. deden08m.com 1

MATERI 10 WARAN. deden08m.com 1 MATERI 10 WARAN deden08m.com 1 PENGERTIAN WARAN: Waran adalah suatu opsi yang dikeluarkan oleh suatu perusahaan yang memberikan hak kepada pemegangnya utk membeli sejumlah lembar saham pada harga yang

Lebih terperinci

ANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST

ANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 76 85 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND ANALISA FAKTOR PENYEBAB KREDIT MACET DENGAN METODE QUEST OLIVIA PRIMA DINI, HAZMIRA YOZZA, DODI DEVIANTO

Lebih terperinci

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya

Analisis Regresi 2. Pokok Bahasan : Asumsi sisaan dan penanganannya Analisis Regresi 2 Pokok Bahasan : Asumsi sisaan dan penanganannya Tujuan Instruksional Khusus : Mahasiswa dapat menjelaskan asumsi-asumsi yang melandasi analisis regresi linier sederhana dan berganda,

Lebih terperinci

LEADERSHIP (Kepemimpinan Efektif)

LEADERSHIP (Kepemimpinan Efektif) LEADERSHIP (Kepemimpinan Efektif) Fitri Rahmawati, MP. Jurusan Pendidikan Teknik Boga dan Busana Fakultas Teknik UNY email: fitri_rahmawati@uny.ac.id Pengantar Setiap orang adl pemimpin, setidaknya bagi

Lebih terperinci

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg Sampling Distributions (Distribusi Penarikan Contoh) Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

Lebih terperinci

APPENDIX 1. I Silanglah jawaban di bawah ini yang paling sesuai dengan pendapat anda!

APPENDIX 1. I Silanglah jawaban di bawah ini yang paling sesuai dengan pendapat anda! APPENDIX 1 Nama : Usia : Suku : Pendidikan : Pekerjaan : I Silanglah jawaban di bawah ini yang paling sesuai dengan pendapat anda! Untuk pertanyaan nomor 1,8 dan 9 boleh memilih lebih dari satu jawaban.

Lebih terperinci