PENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p
|
|
- Ratna Lesmono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGGUNAAN METODE BAYESIAN SUBYEKTIF DALAM PENGKONSTRUKSIAN GRAFIK PENGENDALI-p Sekar Sukma Asmara 1, Adi Setiawa 2, Tudjug Mahatma 3 1 Mahasiswa Program Studi Matematika Fakultas Sais da Matematika Uiversitas Kriste Satya Wacaa 2,3 Dose Program Studi Matematika Fakultas Sais da Matematika Uiversitas Kriste Satya Wacaa 1 qkhasweetie@yahoo.com, 2 adi_setia_03@yahoo.com, 3 t.mahatma@gmail.com T-12 Abstrak Pegedalia kualitas mempuyai suatu pera petig dalam produksi barag, da dapat dilakuka dega megguaka metode statistik. Salah satuya adalah grafik pegedali-p. Peelitia ii megguaka data proses produksi pegolaha ayam selama Jui-September 2012 pada PT. X. Pada grafik pegedali-p klasik diperoleh ceterlie (CL)=0,306, lower cotrol limit (LCL)=0,1678, da upper cotrol limit (UCL)=0,4443. Dalam makalah ii dijelaska bagaimaa pegguaa metode Bayesia subyektif utuk melakuka estimasi titik dega distribusi sampel Biomial. Dega megguaka prior berdistribusi seragam pada (0,1) atau Beta(1,1) da tigkat sigifikasi α =0,0027, diperoleh CL=0,3098, LCL=0,1827, da UCL=0,4518. Dega megguaka prior berdistribusi Beta(30,2981;68,7019) da tigkat sigifikasi yag sama, diperoleh CL=0,306, LCL=0,2129, da UCL=0,4068. Haya pada grafik pegedali-p dimaa priorya berdistribusi Beta(30,2981;68,7019) terdapat 1 sampel yag out of cotrol yaitu sampel ke 71 sehigga dapat disimpulka bahwa proses tersebut tidak terkedali da oleh karea itu perlu diperiksa peyebabya serta diambil tidaka perbaika. Kata kuci : grafik pegedali-p, Bayesia subyektif, Biomial, prior, Beta. PENDAHULUAN Produk yag berkualitas mempuyai daya tarik yag lebih tiggi bagi kosume. Meurut Prawirosetoo (2007), kosume yag membeli produk berorietasi pada kualitas, pada umumya mempuyai loyalitas produk yag besar dibadigka dega kosume yag membeli produk berdasarka orietasi harga, sehigga mereka aka selalu membeli produk tersebut (repurchase). Dari segi produse, cara (methods) produksi meghasilka produk yag berkualitas berbadig lurus dega peigkata produktivitas, atara lai meguragi pegguaa barag da meguragi biaya. Dalam mejual barag yag berkualitas redah, ada kemugkia produse aka bayak meerima keluha da pegembalia barag dari kosume, atau biaya memperbaiki (after sales service) mejadi sagat besar, selai itu dapat mempegaruhi reputasi perusahaa bahka tututa gati rugi kecelakaa akibat pemakaia produk tersebut. Proses produksi merupaka kombiasi mesi-mesi, orag-orag, da baha baku, sehigga memugkika terjadiya kekelirua sehigga produk yag dihasilka megalami variasi. Meurut Motogmery (1990), peraa statistik adalah utuk mecegah da meguragi terjadiya variasi tersebut. Salah satu alat kedali mutu statistik adalah grafik pegedali. Metode Bayesia subyektif dapat diguaka utuk Makalah dipresetasika dalam Semiar Nasioal Matematika da Pedidika Matematika dega tema Kotribusi Pedidika Matematika da Matematika dalam Membagu Karakter Guru da Siswa" pada taggal 10 November 2012 di Jurusa Pedidika Matematika FMIPA UNY
2 melakuka estimasi titik. Dalam makalah ii aka dijelaska bagaimaa proses pegguaa metode Bayesia subyektif dalam pegkostruksia grafik pegedali-p oleh karea itu dega mudah dapat diidetifikasi sampel-sampel yag out of cotrol da apakah proses tersebut terkedali atau tidak. DASAR TEORI Pegedalia kualitas merupaka upaya utuk mecapai da mempertahaka stadar yag direcaaka. Salah satu tekik da alat pegedalia kualitas adalah grafik pegedali (cotrol chart) yag dikemukaka oleh Dr. Shewhart utuk megetahui apakah sampel hasil observasi termasuk daerah yag diterima (accepted area) atau daerah ditolak (rejected area) seperti pada Gambar 1. Dalam statistik, utuk memperoleh tigkat kepercayaa sebesar 99,73%, diguaka batas tolerasi sebesar 3 kali deviasi stadar (stadart deviatio). Keteraga SD = deviasi stadar = 0, 1, 2, atau 3 Gambar 1. Diagram Shewhart Grafik Pegedali-p Klasik Dalam makalah ii aka diguaka grafik pegedali utuk bagia tidak sesuai (ocoformace quality) atau yag serig disebut grafik pegedali-p (p-chart). Asas-asas statistik yag meladasi grafik pegedali utuk bagia tak sesuai didasarka atas distribusi Biomial dega parameter da p (Motgomery, 1990). Rumusa utuk membuat grafik pegedali bagia tidak sesuai yag masih merujuk pada diagram Shewhart dijelaska oleh Dr. Kaoru Ishikawa sebagai berikut Dega p : proporsi kerusaka, D : jumlah produk yag tidak sesuai, : jumlah sampel. Disampig itu, dihitug p = p i = D i, i = 1, 2,, m m i=1 D i m i=1 m = p i m, Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -116
3 σ = p 1 p, Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -117
4 dega p : rata-rata proporsi kerusaka, σ : deviasi stadar proporsi kerusaka, sehigga dapat diperoleh Ceterlie CL = p, Lower Cotrol Limit LCL = p 3 p 1 p, p 1 p Upper Cotrol Limit UCL = p + 3, yag kemudia aka diguaka utuk batas pegedali dalam melukiska grafik pegedali-p (Prawirosetoo, 2007). Grafik Pegedali-p dega Metode Bayesia Subyektif Selajutya dihitug estimasi titik dalam hal ii upper cotrol limit, ceterlie, da lower cotrol limit dega megguaka metode Bayesia subyektif. Misalka Y = y 1, y 2,, y m adalah bayakya kejadia dalam m percobaa, sampel, da θ adalah probabilitas kejadia. Variabel bayakya barag yag defect setiap megambil sampel ukura yaitu X i dapat dipadag berdistribusi X i ~Biomial 1, θ atau X i ~Berouli p dega θεω = 0,1, sehigga fugsi probabilitasya f x i ; θ = θ x i 1 θ 1 x i, 1 da fugsi likelihood adalah L θ x 1, x 2,, x = f x i ; θ i=0 = θ x i 1 θ 1 x i = θ i=1 x i 1 θ i=1 x i L θ x 1, x 2,, x = θ r 1 θ r 2 dega i=1 x i = r. Distribusi Beta merupaka keluarga kojugat distribusi Biomial, sehigga fugsi kepadata probabilitas priorya berdistribusi Beta α, β dega fugsi desitas π θ; α, β = Γ α + β Γ α Γ β θα 1 1 θ β 1 3 utuk 0 < θ < 1, (Carli da Thomas, 1996). Distribusi Beta α, β memiliki beberapa betuk berdasarka parameter α da β yag dipilih, sehigga parameter prior yag dipilih seharusya mempresetasika peilaia subjektif peeliti. Salah satu metodeya adalah memilih Beta 1,1 atau priorya berdistribusi seragam pada 0,1. Di sampig itu, dapat pula dipilihbeta α, β yag cocok dega keyakia prior berdasarka mea da deviasi stadarya, diguaka r 1 r 1 α = da β = sebagai parameter Beta tersebut (Sisca, 2011). Oleh karea itu diperoleh estimator Bayes utuk θ yag sama dega rata-rata proporsi kerusaka pada grafik pegedali-p klasik. Distribusi posterior dihitug dega megalika distribusi prior dega fugsi likelihood i=0 Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -118
5 estimator Bayes utuk θ jika diyataka sebagai (Carli da Thomas, 1996). π θ x = π θ L θ x 1, x 2,, x, θ α 1 1 θ β 1 θ r 1 θ r, θ r+α 1 1 θ rβ 1, π θ x = Beta r + α, r + β, 4 θ = r + α α + β +, Berdasarka estimator Bayes dapat diguaka sebagai CL sehigga CL = r + α α + β +. 5 Batas LCL da UCL dihitug sehigga UCL LCL Γ α + β Γ α Γ β θr+α 1 1 θ r+β 1 dθ = 1 δ, 6 da dipilih jarak miimum atara LCL da UCL dega tigkat sigifikasi δ. METODE PENELITIAN Data yag diguaka dalam peelitia ii adalah data sekuder proses produksi pegolaha ayam selama bula Jui-September 2012 yag diambil dari PT. X. Proses produksi pegolaha ayam tersebut dilakuka setiap hari. Dalam hal ii diperoleh ukura sampelya = 100. Kebijaksaaa pegedalia kualitas yag dilakuka pada pabrik ayam potog dapat digologka dalam dua kategori, yaitu rusak (defect) da baik. Ayam yag digologka defect adalah Sayap merah-kebirua, Peyakit kulit (bisul da jamur), Orga dalam tak ormal, Peyakit arthitis, Dada memar, Luka parut, Sayap patah, Kulit merah tua Kulit sobek, Kaki patah, keriput, Over scalder, Kaki memar. Pertumbuha tak Terpotog, ormal, Empedu pecah. Ayam yag tidak megalami hal-hal tersebut digologka dalam kategori baik. Hal yag pertama dilakuka dalam peelitia ii adalah melukiska grafik pegedali-p klasik. Kemudia dilukiska pula grafik pegedali-p dega megguaka metode Bayesia subyektif dega priorya Beta 1,1 berdistribusi seragam pada 0,1 da dega priorya Beta α, β berdasarka mea da deviasi stadarya. Dega demikia dapat diidetifikasi sampel-sampel maa yag yag out of cotrol da apakah proses tersebut terkedali atau tidak. HASIL PENELITIAN DAN PEMBAHASAN Dilakuka pegambila sampel sebayak m = 96 dega ukura = 100, diperoleh data seperti pada Tabel 1. Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -119
6 Tabel 1. Tabel bayakya ayam defect dalam sampel ukura = 100 No. Sampel Bayakya Proporsi Bayakya No. Sampel ayam defect sampel ayam defect , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,31 Proporsi sampel , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,29 Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -120
7 Proporsi sampel PROSIDING ISBN : Grafik Pegedali-p Klasik Berdasarka data pada Tabel 1, dapat diperoleh Ceterlie CL = p = 0,3060, Lower Cotrol Limit LCL = p 3 p 1 p = 0,1678, p 1 p Upper Cotrol Limit UCL = p + 3 = 0,4443. Dega demikia diperoleh grafik pegedali-p klasik pada Gambar 2. p-chart klasik Sampel ke-i,i=1,...,m Gambar 2. Grafik pegedali-p klasik Dalam hal ii LCL yag diperoleh tidak egatif, sehigga terbetuk batas-batas grafik pegedali-p yag simetris. Namu apabila LCL yag diperoleh egatif, maka diberlakuka LCL = 0 sehigga batas-batas grafik pegedali-p mejadi tidak simetris. Dalam Gambar 2, dapat dilihat bahwa semua sampel berada dalam daerah peerimaa (accepted area), ii disebut perilaku ormal. Grafik Pegedali-p dega Metode Bayesia Subyektif Dari data pada Tabel 1, diketahui Y = y 1, y 2,, y m adalah bayakya ayam yag defect dalam m percobaa, ukura sampel, da θ adalah probabilitas bayakya ayam yag defect. Variabel bayakya ayam defect setiap megambil sampel ukura yaitu X = x 1, x 2,, x dega X i ~Biomial 1, θ dega θ ε Ω = 0,1 maka fugsi probabilitasya seperti persamaa 1 da fugsi likelihood seperti persamaa 2. Dari data pada Tabel 1, diperoleh r = = x i i=1 m i=1 y i m Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -121
8 Proporsi sampel PROSIDING ISBN : = 30,6042. Fugsi kepadata probabilitas prior dari θ berdistribusi Beta α, β dega fugsi desitas seperti persamaa 3. Secara subyektif dipilih α = 1 da β = 1, dari persamaa 4 diperoleh distribusi posterior π θ x = Beta r + α, r + β = Beta 30, ; , = Beta 31,6042; 70,3958. Dega megguaka persamaa 6 dihitug Estimator Bayes utuk θ yaitu r + α CL = α + β + 30, = = 0,3098. Dega δ = 0,0027, LCL da UCL ditetuka sehigga UCL LCL Beta 31,6042; 70,3958 dθ = 99,73%, da dipilih jarak miimum atara LCL da UCL dega tigkat sigifikasi δ. Dega megguaka program R diperoleh LCL = 0,1827 da UCL = 0,4518. Selajutya dilukiska grafik pegedali-p berdasarka batas tersebut seperti pada Gambar 3. p-chart Bayesia subyektif Sampel ke-i,i=1,...,m Gambar 3. Grafik pegedali-p dega prior Beta 1,1 Berdasarka persamaa mea da deviasi stadarya diguaka r 1 α = 30, = 100 = 30,2981, da Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -122
9 Proporsi sampel PROSIDING ISBN : r 1 β = , = 100 = 68,7019, da dega persamaa 4 diperoleh distribusi posterior π θ x = Beta r + α, r + β = Beta 60,9023; 138,0977. Utuk meetuka estimator Bayes diguaka persamaa 5 seperti berikut r + α CL = α + β + = 0,306, dega megguaka δ = 0,0027, LCL da UCL ditetuka sehigga UCL LCL Beta 60,9023; 138,0977 dθ = 99,73% da dipilih jarak miimum atara LCL da UCL dega tigkat sigifikasi δ. Dega megguaka program R diperoleh LCL = 0,2129 da UCL = 0,406. Selajutya dilukiska grafik pegedali-p berdasarka batas tersebut seperti pada Gambar 4. p-chart Bayesia subyektif Sampel ke-i,i=1,...,m Gambar 4. Grafik pegedali-p dega prior Beta 30,2981; 68,7019 Berdasarka grafik pegedali-p yag terbetuk terlihat bahwa batas pegedaliya tidak simetris, amu CL, LCL, da UCL aka selalu terletak pada iterval 0,1. Metode Bayes memberika hasil estimasi yag lebih baik karea estimasi parameterya megguaka iformasi data sampel da juga sebara prior utuk medapatka sebara posterior. SIMPULAN DAN SARAN Dalam pembahasa di atas, telah dijelaska pegguaa metode Bayesia subyektif dalam pegkostruksia grafik pegedali-p. Sampel yag diguaka berdistribusi Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -123
10 Biomial, sedagka priorya berdistribusi Beta α, β yag merupaka keluarga kojugat distribusi Biomial. Dalam makalah ii dipilih secara subyektif distribusi priorya Beta 1,1 da Beta 30,2981; 68,7019. Distribusi posterior dibetuk dari distribusi sampel da distribusi prior. Grafik pegedali-p klasik ada kemugkia LCL yag diperoleh egatif oleh karea itu perlu dilakuka perbaika LCL = 0 sehigga batas-batasya mejadi tidak simetris. Batas grafik pegedali-p yag dikostruksika pasti terletak atara 0 da 1 sehigga berbeda dega grafik pegedali-p klasik. Dari grafik pegedali-p klasik da grafik pegedali-p dega prior Beta 1,1 tidak ada sampel yag out of cotrol, amu dari grafik pegedali-p dega prior Beta 30,2981; 68,7019 terdapat 1 sampel yag out of cotrol yaitu sampel ke 71. Utuk itu perlu diperiksa peyebabya lalu diambil tidaka perbaika. DAFTAR PUSTAKA Carli, B.P. da Thomas, A.L Bayes ad Empirical Bayes Methods for Data Aalysis, 2d Editio,Chapma ad Hall, Lodo. Motgomery, D.C Pegatar Pegedalia Kualitas Statistik. Alih bahasa: Zazawi Soejoeti. Yogyakarta: Uiversitas Gadjah Mada. Prawirosetoo, S Filosofi Baru Tetag Maajeme Mutu Terpadu Abad 21, Edisi Kedua. Jakarta : Bumi Aksara. Setiawa, A Pegguaa Metode Bayesia Obyektif dalam Pembuata Grafik Pegedali p-chart. Prosidig Semiar Nasioal Peelitia, Pedidika, da Peerapa MIPA, UNY Yogyakarta Sisca, A. C Skripsi. Iferesi Statistik Distribusi Biomial dega Metode Bayes Megguaka Kojugat Prior. Program Studi Statistika Jurusa matematika da Ilmu Pegetahua Alam Uiversitas Dipoegoro; Semarag Semiar Nasioal Matematika da Pedidika Matematika FMIPA UNY Yogyakarta, 10 November 2012 MT -124
PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart
Prosidig Semiar Nasioal Peelitia, Pedidika da Peerapa MIPA, Fakultas MIPA, Uiversitas Negeri Yogyakarta, 2 Jui 2012 PENGGUNAAN METODE BAYESIAN OBYEKTIF DALAM PEMBUATAN GRAFIK PENGENDALI p-chart Adi Setiawa
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Statistika iferesi merupaka salah satu cabag statistika yag bergua utuk meaksir parameter. Peaksira dapat diartika sebagai dugaa atau perkiraa atas sesuatu yag aka terjadi
Lebih terperinciPENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA FMIPA UNIVERSITAS TANJUNGPURA
PRISMA 1 (2018) PRISMA, Prosidig Semiar Nasioal Matematika https://joural.ues.ac.id/sju/idex.php/prisma/ PENGENDALIAN KUALITAS STATISTIKA UNTUK MONITORING DAN EVALUASI KINERJA DOSEN DI JURUSAN MATEMATIKA
Lebih terperinciProsiding ISBN :
Penggunaan Metode Bayesian Subyektif dalam Pengkonstruksian Grafik Pengendali-c Sekar Sukma Asmara a, Adi Setiawan b, Tundjung Mahatma c a Mahasiswa Program Studi Matematika Fakultas Sains Matematika Universitas
Lebih terperinciBAB 6: ESTIMASI PARAMETER (2)
Bab 6: Estimasi Parameter () BAB 6: ESTIMASI PARAMETER (). ESTIMASI PROPORSI POPULASI Proporsi merupaka perbadiga atara terjadiya suatu peristiwa dega semua kemugkiaa peritiwa yag bisa terjadi. Besara
Lebih terperinciPEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE
PEMODELAN MINIMIZE TOTAL BIAYA PENGENDALIAN KUALITAS TERHADAP PROSES MANUFAKTURING PRODUK FURNITURE Sutriso B., Abd. Haris, Romadho Jurusa Maajeme - Fakultas Ekoomi, Uiversitas Widya Dharma Klate Jl. Ki
Lebih terperinciBAB IV PENGUMPULAN DAN PENGOLAHAN DATA. Langkah Langkah Dalam Pengolahan Data
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Metode Pegolaha Data Lagkah Lagkah Dalam Pegolaha Data Dalam melakuka pegolaha data yag diperoleh, maka diguaka alat batu statistik yag terdapat pada Statistical
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB PENDAHULUAN. Latar Belakag Didalam melakuka kegiata suatu alat atau mesi yag bekerja, kita megeal adaya waktu hidup atau life time. Waktu hidup adalah lamaya waktu hidup suatu kompoe atau uit pada
Lebih terperinciBAB VIII MASALAH ESTIMASI SATU DAN DUA SAMPEL
BAB VIII MASAAH ESTIMASI SAT DAN DA SAMPE 8.1 Statistik iferesial Statistik iferesial suatu metode megambil kesimpula dari suatu populasi. Ada dua pedekata yag diguaka dalam statistik iferesial. Pertama,
Lebih terperinciESTIMASI. (PENDUGAAN STATISTIK) Ir. Tito Adi Dewanto. Statistika
Wed 6/0/3 ETIMAI (PENDUGAAN TATITIK) Ir. Tito Adi Dewato tatistika Deskriptif Iferesi Estimasi Uji Hipotesis Titik Retag Estimasi da Uji Hipotesis Dilakuka setelah peelitia dalam tahap pegambila suatu
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara
BAB I PENDAHULUAN 1.1 Latar Belakag Salah satu pera da fugsi statistik dalam ilmu pegetahua adalah sebagai. alat aalisis da iterpretasi data kuatitatif ilmu pegetahua, sehigga didapatka suatu kesimpula
Lebih terperinciPengendalian Proses Menggunakan Diagram Kendali Median Absolute Deviation (MAD)
Prosidig Statistika ISSN: 2460-6456 Pegedalia Proses Megguaka Diagram Kedali Media Absolute Deviatio () 1 Haida Lestari, 2 Suliadi, 3 Lisur Wachidah 1,2,3 Prodi Statistika, Fakultas Matematika da Ilmu
Lebih terperinci9 Departemen Statistika FMIPA IPB
Supleme Resposi Pertemua ANALISIS DATA KATEGORIK (STK351 9 Departeme Statistika FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referesi Waktu Pegatar Aalisis utuk Data Respo Kategorik Data respo kategorik Sebara
Lebih terperinciDISTRIBUSI SAMPLING. Oleh : Dewi Rachmatin
DISTRIBUSI SAMPLING Oleh : Dewi Rachmati Distribusi Rata-rata Misalka sebuah populasi berukura higga N dega parameter rata-rata µ da simpaga baku. Dari populasi ii diambil sampel acak berukura, jika tapa
Lebih terperinciPROSIDING
PROSIDING 978-979-16353-8-7 HALAMAN JUDUL ISBN : 978-979-16353-8-7 PROSIDING SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA Kotribusi Pedidika Matematika da Matematika dalam Membagu Karakter Guru
Lebih terperinciPerbandingan Beberapa Metode Pendugaan Parameter AR(1)
Jural Vokasi 0, Vol.7. No. 5-3 Perbadiga Beberapa Metode Pedugaa Parameter AR() MUHLASAH NOVITASARI M, NANI SETIANINGSIH & DADAN K Program Studi Matematika Fakultas MIPA Uiversitas Tajugpura Jl. Ahmad
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1 Distribusi Ekspoesial Fugsi ekspoesial adalah salah satu fugsi yag palig petig dalam matematika. Biasaya, fugsi ii ditulis dega otasi exp(x) atau e x, di maa e adalah basis logaritma
Lebih terperinciStatistika dibagi menjadi dua, yaitu: 1. Statistika Deskriftif 2. Statistik Inferensial Penarikan kesimpulan dapat dilakukan dengan dua cara, yaitu:
Peaksira Parameter Statistika dibagi mejadi dua yaitu:. Statistika Deskriftif 2. Statistik Iferesial Pearika kesimpula dapat dilakuka dega dua cara yaitu:. Peaksira Parameter 2. Pegujia Hipotesis Peaksira
Lebih terperinciIV METODE PENELITIAN 4.1 Lokasi dan waktu 4.2. Jenis dan Sumber Data 4.3 Metode Pengumpulan Data
IV METODE PENELITIAN 4.1 Lokasi da waktu Peelitia ii dilakuka di PD Pacet Segar milik Alm Bapak H. Mastur Fuad yag beralamat di Jala Raya Ciherag o 48 Kecamata Cipaas, Kabupate Ciajur, Propisi Jawa Barat.
Lebih terperinciPENGUJIAN HIPOTESIS. Atau. Pengujian hipotesis uji dua pihak:
PENGUJIAN HIPOTESIS A. Lagkah-lagkah pegujia hipotesis Hipotesis adalah asumsi atau dugaa megeai sesuatu. Jika hipotesis tersebut tetag ilai-ilai parameter maka hipotesis itu disebut hipotesis statistik.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi da Waktu peelitia Peelitia dilakuka pada budidaya jamur tiram putih yag dimiliki oleh usaha Yayasa Paguyuba Ikhlas yag berada di Jl. Thamri No 1 Desa Cibeig, Kecamata Pamijaha,
Lebih terperinciBAB III METODE PENELITIAN Penelitian ini dilakukan di kelas X SMA Muhammadiyah 1 Pekanbaru. semester ganjil tahun ajaran 2013/2014.
BAB III METODE PENELITIAN A. Waktu da Tempat Peelitia Peelitia dilaksaaka dari bula Agustus-September 03.Peelitia ii dilakuka di kelas X SMA Muhammadiyah Pekabaru semester gajil tahu ajara 03/04. B. Subjek
Lebih terperinciSEBARAN t dan SEBARAN F
SEBARAN t da SEBARAN F 1 Tabel uji t disebut juga tabel t studet. Sebara t pertama kali diperkealka oleh W.S. Gosset pada tahu 1908. Saat itu, Gosset bekerja pada perusahaa bir Irladia yag melarag peerbita
Lebih terperincimempunyai sebaran yang mendekati sebaran normal. Dalam hal ini adalah PKM (penduga kemungkinan maksimum) bagi, ˆ ˆ adalah simpangan baku dari.
Selag Kepercayaa Cotoh Besar Jika ukura cotoh (sample size) besar, maka meurut Teorema Limit Pusat, bayak statistik megikuti/mempuyai sebara yag medekati ormal (dapat diaggap ormal). Artiya jika adalah
Lebih terperinciP r o s i d i n g 149
P r o s i d i g 149 PENGENDALIAN KUALITAS PRODUK KOPI TRADISIONAL DALAM RANGKA MENINGKATKAN KEPUASAN KONSUMEN Heptari Elita Dewi (1), Aisa Aprilia (2), Heru Satoso Hadi Subagyo (3) Fakultas Pertaia, Uiversitas
Lebih terperinciPerbandingan Power of Test dari Uji Normalitas Metode Bayesian, Uji Shapiro-Wilk, Uji Cramer-von Mises, dan Uji Anderson-Darling
Jural Gradie Vol No Juli 5 : -5 Perbadiga Power of Test dari Uji Normalitas Metode Bayesia, Uji Shapiro-Wilk, Uji Cramer-vo Mises, da Uji Aderso-Darlig Dyah Setyo Rii, Fachri Faisal Jurusa Matematika,
Lebih terperinciBAB VII RANDOM VARIATE DISTRIBUSI DISKRET
BAB VII RANDOM VARIATE DISTRIBUSI DISKRET Diskret radom variabel dapat diguaka utuk berbagai radom umber yag diambil dalam betuk iteger. Pola kebutuha ivetori (persediaa) merupaka cotoh yag serig diguaka
Lebih terperinciBAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan
BAB III METODE PENELITAN. Tempat Da Waktu Peelitia Peelitia dilakuka di SMP Negeri Batudaa Kab. Gorotalo dega subject Peelitia adalah siswa kelas VIII. Pemiliha SMP Negeri Batudaa Kab. Gorotalo. Adapu
Lebih terperinciMETODE PENELITIAN. dalam tujuh kelas dimana tingkat kemampuan belajar matematika siswa
19 III. METODE PENELITIAN A. Populasi da Sampel Populasi dalam peelitia ii adalah seluruh siswa kelas VIII SMP Negeri 8 Badar Lampug tahu pelajara 2009/2010 sebayak 279 orag yag terdistribusi dalam tujuh
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Sebagai hasil penelitian dalam pembuatan modul Rancang Bangun
47 BAB IV HASIL DAN PEMBAHASAN Sebagai hasil peelitia dalam pembuata modul Racag Bagu Terapi Ifra Merah Berbasis ATMega8 dilakuka 30 kali pegukura da perbadiga yaitu pegukura timer/pewaktu da di badigka
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di MTs Muhammadiyah 1 Natar Lampung Selatan.
9 III. METODOLOGI PENELITIAN A. Populasi Da Sampel Peelitia ii dilaksaaka di MTs Muhammadiyah Natar Lampug Selata. Populasiya adalah seluruh siswa kelas VIII semester geap MTs Muhammadiyah Natar Tahu Pelajara
Lebih terperinciBAB II LANDASAN TEORI. Dalam tugas akhir ini akan dibahas mengenai penaksiran besarnya
5 BAB II LANDASAN TEORI Dalam tugas akhir ii aka dibahas megeai peaksira besarya koefisie korelasi atara dua variabel radom kotiu jika data yag teramati berupa data kategorik yag terbetuk dari kedua variabel
Lebih terperinciRange atau jangkauan suatu kelompok data didefinisikan sebagai selisih antara nilai terbesar dan nilai terkecil, yaitu
BAB 4 UKURAN PENYEBARAN DATA Pada Bab sebelumya kita telah mempelajari beberapa ukura pemusata data, yaitu ukura yag memberika iformasi tetag bagaimaa data-data ii megumpul atau memusat Pada bagia Bab
Lebih terperinciPertemuan Ke-11. Teknik Analisis Komparasi (t-test)_m. Jainuri, M.Pd
Pertemua Ke- Komparasi berasal dari kata compariso (Eg) yag mempuyai arti perbadiga atau pembadiga. Tekik aalisis komparasi yaitu salah satu tekik aalisis kuatitatif yag diguaka utuk meguji hipotesis tetag
Lebih terperinciBAB V ANALISA PEMECAHAN MASALAH
89 BAB V ANALISA PEMECAHAN MASALAH Dalam upaya mearik kesimpula da megambil keputusa, diperluka asumsi-asumsi da perkiraa-perkiraa. Secara umum hipotesis statistik merupaka peryataa megeai distribusi probabilitas
Lebih terperinciMINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA
MINGGU KE-12 TEOREMA LIMIT PUSAT DAN TERAPANNYA TEOREMA LIMIT PUSAT DAN TERAPANNYA Telah dikeal bahwa X 1, X 2...X sampel radom dari distribusi ormal dega mea µ da variasi σ 2, maka x µ σ/ atau xi µ σ
Lebih terperinciPENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN METODE BAYES
Jural Matematika UNAND Vol. 3 No. 4 Hal. 52 59 ISSN : 233 29 c Jurusa Matematika FMIPA UNAND PENDUGAAN PARAMETER DARI DISTRIBUSI POISSON DENGAN MENGGUNAKAN METODE MAXIMUM LIKEHOOD ESTIMATION (MLE) DAN
Lebih terperinciBAB III METODOLOGI PENELITIAN. Variabel-variabel yang digunakan pada penelitian ini adalah:
BAB III METODOLOGI PENELITIAN 3. Variabel da Defiisi Operasioal Variabel-variabel yag diguaka pada peelitia ii adalah: a. Teaga kerja, yaitu kotribusi terhadap aktivitas produksi yag diberika oleh para
Lebih terperinci1 n MODUL 5. Peubah Acak Diskret Khusus
ODUL 5 Peubah Acak Diskret Khusus Terdapat beberapa peubah acak diskret khusus yag serig mucul dalam aplikasi. Peubah Acak Seragam ( Uiform) Bila X suatu peubah acak diskret dimaa setiap eleme dari X mempuyai
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Tujua Peelitia Peelitia ii bertujua utuk megetahui apakah terdapat perbedaa hasil belajar atara pegguaa model pembelajara Jigsaw dega pegguaa model pembelajara Picture ad Picture
Lebih terperinciMasih ingat beda antara Statistik Sampel Vs Parameter Populasi? Perhatikan tabel berikut: Ukuran/Ciri Statistik Sampel Parameter Populasi.
Distribusi Samplig (Distribusi Pearika Sampel). Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai dega Mei 03. B. Populasi da Sampel Populasi dalam
Lebih terperinciBAB 1 PENDAHULUAN. Analisis regresi menjadi salah satu bagian statistika yang paling banyak aplikasinya.
BAB 1 PENDAHULUAN 1.1 Latar Belakag Aalisis regresi mejadi salah satu bagia statistika yag palig bayak aplikasiya. Aalisis regresi memberika keleluasaa kepada peeliti utuk meyusu model hubuga atau pegaruh
Lebih terperinciBAB III METODE PENELITIAN
22 BAB III METODE PENELITIAN 3.1. Metode Peelitia Pada bab ii aka dijelaska megeai sub bab dari metodologi peelitia yag aka diguaka, data yag diperluka, metode pegumpula data, alat da aalisis data, keragka
Lebih terperinciIII. METODOLOGI PENELITIAN. Penelitian ini dilakukan di SMA Negeri 1 Way Jepara Kabupaten Lampung Timur
0 III. METODOLOGI PENELITIAN A. Lokasi da Waktu Peelitia Peelitia ii dilakuka di SMA Negeri Way Jepara Kabupate Lampug Timur pada bula Desember 0 sampai Mei 03. B. Populasi da Sampel Populasi dalam peelitia
Lebih terperinciPendugaan Selang: Metode Pivotal Langkah-langkahnya 1. Andaikan X1, X
Pedugaa Selag: Metode Pivotal Lagkah-lagkahya 1. Adaika X1, X,..., X adalah cotoh acak dari populasi dega fugsi kepekata f( x; ), da parameter yag tidak diketahui ilaiya. Adaika T adalah peduga titik bagi..
Lebih terperinciA. Pengertian Hipotesis
PENGUJIAN HIPOTESIS A. Pegertia Hipotesis Hipotesis statistik adalah suatu peryataa atau dugaa megeai satu atau lebih populasi Ada macam hipotesis:. Hipotesis ol (H 0 ), adalah suatu hipotesis dega harapa
Lebih terperinciBAB III METODOLOGI 3.1 Tempat dan Waktu Penelitian 3.2 Bahan dan Alat 3.3 Metode Pengumpulan Data Pembuatan plot contoh
BAB III METODOLOGI 3.1 Tempat da Waktu Peelitia Pegambila data peelitia dilakuka di areal revegetasi laha pasca tambag Blok Q 3 East elevasi 60 Site Lati PT Berau Coal Kalimata Timur. Kegiata ii dilakuka
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1. Lokasi da Waktu Pegambila Data Pegambila data poho Pius (Pius merkusii) dilakuka di Huta Pedidika Guug Walat, Kabupate Sukabumi, Jawa Barat pada bula September 2011.
Lebih terperinciBAB I PENDAHULUAN. Integral adalah salah satu konsep penting dalam Matematika yang
BAB I PENDAHULUAN 1.1 Latar Belakag Masalah Itegral adalah salah satu kosep petig dalam Matematika yag dikemukaka pertama kali oleh Isac Newto da Gottfried Wilhelm Leibiz pada akhir abad ke-17. Selajutya
Lebih terperinciBAB 4. METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN
BAB 4 METODE ESTIMASI PARAMETER DARI DISTRIBUSI WAKTU KERUSAKAN Estimasi reliabilitas membutuhka pegetahua distribusi waktu kerusaka yag medasari dari kompoe atau sistem yag dimodelka Utuk memprediksi
Lebih terperinciTINJAUAN PUSTAKA Pengertian
TINJAUAN PUSTAKA Pegertia Racaga peelitia kasus-kotrol di bidag epidemiologi didefiisika sebagai racaga epidemiologi yag mempelajari hubuga atara faktor peelitia dega peyakit, dega cara membadigka kelompok
Lebih terperinciB a b 1 I s y a r a t
34 TKE 315 ISYARAT DAN SISTEM B a b 1 I s y a r a t (bagia 3) Idah Susilawati, S.T., M.Eg. Program Studi Tekik Elektro Fakultas Tekik da Ilmu Komputer Uiversitas Mercu Buaa Yogyakarta 29 35 1.5.2. Isyarat
Lebih terperinciPedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai
PENGUJIAN HIPOTESIS Pedahulua Hipotesis: asumsi atau dugaa semetara megeai sesuatu hal. Ditutut utuk dilakuka pegeceka kebearaya. Jika asumsi atau dugaa dikhususka megeai ilai-ilai parameter populasi,
Lebih terperinciBAB 3 METODE PENELITIAN
BAB 3 METODE PENELITIAN 3.1 Disai Peelitia Tujua Jeis Peelitia Uit Aalisis Time Horiso T-1 Assosiatif survey Orgaisasi Logitudial T-2 Assosiatif survey Orgaisasi Logitudial T-3 Assosiatif survey Orgaisasi
Lebih terperinciBAB I PENDAHULUAN. Matematika merupakan suatu ilmu yang mempunyai obyek kajian
BAB I PENDAHULUAN A. Latar Belakag Masalah Matematika merupaka suatu ilmu yag mempuyai obyek kajia abstrak, uiversal, medasari perkembaga tekologi moder, da mempuyai pera petig dalam berbagai disipli,
Lebih terperinciBAB IV PEMBAHASAN DAN ANALISIS
BAB IV PEMBAHASAN DAN ANALISIS 4.1. Pembahasa Atropometri merupaka salah satu metode yag dapat diguaka utuk meetuka ukura dimesi tubuh pada setiap mausia. Data atropometri yag didapat aka diguaka utuk
Lebih terperinciPengantar Statistika Matematika II
Pegatar Statistika Matematika II Metode Evaluasi Atia Ahdika, S.Si., M.Si. Prodi Statistika FMIPA Uiversitas Islam Idoesia April 11, 2017 atiaahdika.com Pegguaa metode estimasi yag berbeda dapat meghasilka
Lebih terperinciPendekatan Nilai Logaritma dan Inversnya Secara Manual
Pedekata Nilai Logaritma da Iversya Secara Maual Moh. Affaf Program Studi Pedidika Matematika, STKIP PGRI BANGKALAN affafs.theorem@yahoo.com Abstrak Pada pegaplikasiaya, bayak peggua yag meggatugka masalah
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. Alat terapi ini menggunakan heater kering berjenis fibric yang elastis dan
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Alat terapi ii megguaka heater kerig berjeis fibric yag elastis da di bugkus dega busa, pasir kuarsa, da kai peutup utuk memberi isolator terhadap kulit
Lebih terperinciBAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI
BAB 3 ENTROPI DARI BEBERAPA DISTRIBUSI Utuk lebih memahami megeai etropi, pada bab ii aka diberika perhituga etropi utuk beberapa distribusi diskrit da kotiu. 3. Distribusi Diskrit Pada sub bab ii dibahas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Racaga da Jeis Peelitia Racaga peelitia ii adalah deskriptif dega pedekata cross sectioal yaitu racaga peelitia yag meggambarka masalah megeai tigkat pegetahua remaja tetag
Lebih terperinciDISTRIBUSI SAMPLING (Distribusi Penarikan Sampel)
DISTRIBUSI SAMPLING (Distribusi Pearika Sampel) I. PENDAHULUAN Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciJENIS PENDUGAAN STATISTIK
ENDUGAAN STATISTIK ENDAHULUAN Kosep pedugaa statistik diperluka utuk membuat dugaa dari gambara populasi. ada pedugaa statistik dibutuhka pegambila sampel utuk diaalisis (statistik sampel) yag ati diguaka
Lebih terperinciUkuran Pemusatan. Pertemuan 3. Median. Quartil. 17-Mar-17. Modus
-Mar- Ukura Pemusata Pertemua STATISTIKA DESKRIPTIF Statistik deskripti adalah pegolaha data utuk tujua medeskripsika atau memberika gambara terhadap obyek yag diteliti dega megguaka sampel atau populasi.
Lebih terperinciBAB IV. METODE PENELITlAN. Rancangan atau desain dalam penelitian ini adalah analisis komparasi, dua
BAB IV METODE PENELITlAN 4.1 Racaga Peelitia Racaga atau desai dalam peelitia ii adalah aalisis komparasi, dua mea depede (paired sample) yaitu utuk meguji perbedaa mea atara 2 kelompok data. 4.2 Populasi
Lebih terperinciANALISIS REGRESI DAN KORELASI SEDERHANA
LATAR BELAKANG DAN KORELASI SEDERHANA Aalisis regresi da korelasi megkaji da megukur keterkaita seara statistik atara dua atau lebih variabel. Keterkaita atara dua variabel regresi da korelasi sederhaa.
Lebih terperinciRESPONSI 2 STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 2015
RESPONSI STK 511 (ANALISIS STATISTIKA) JUMAT, 11 SEPTEMBER 015 A. PENYAJIAN DAN PERINGKASAN DATA 1. PENYAJIAN DATA a. Sebutka tekik peyajia data utuk data kualitatif! Diagram kueh, diagram batag, distribusi
Lebih terperinciSTATISTIK PERTEMUAN VIII
STATISTIK PERTEMUAN VIII Pegertia Estimasi Merupaka bagia dari statistik iferesi Estimasi = pedugaa, atau meaksir harga parameter populasi dega harga-harga statistik sampelya. Misal : suatu populasi yag
Lebih terperinciTRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA
Jural Matematika UNAND Vol. 2 No. 2 Hal. 115 122 ISSN : 2303 2910 c Jurusa Matematika FMIPA UNAND TRANSFORMASI BOX-COX PADA ANALISIS REGRESI LINIER SEDERHANA ELVI YATI, DODI DEVIANTO, YUDIANTRI ASDI Program
Lebih terperincib. Penyajian data kelompok Contoh: Berat badan 30 orang siswa tercatat sebagai berikut:
Statistik da Peluag A. Statistik Statistik adalah metode ilmiah yag mempelajari cara pegumpula, peyusua, pegolaha, da aalisis data, serta cara pegambila kesimpula berdasarka data-data tersebut. Data ialah
Lebih terperinciBab III Metoda Taguchi
Bab III Metoda Taguchi 3.1 Pedahulua [2][3] Metoda Taguchi meitikberatka pada pecapaia suatu target tertetu da meguragi variasi suatu produk atau proses. Pecapaia tersebut dilakuka dega megguaka ilmu statistika.
Lebih terperinciPendugaan Parameter. Debrina Puspita Andriani /
Pedugaa Parameter 7 Debria Puspita Adriai E-mail : debria.ub@gmail.com / debria@ub.ac.id Outlie Pedahulua Pedugaa Titik Pedugaa Iterval Pedugaa Parameter: Kasus Sampel Rataa Populasi Pedugaa Parameter:
Lebih terperinciDistribusi Sampling merupakan distribusi teoritis (distribusi kemungkinan) dari semua hasil sampel yang mungkin, dengan ukuran sampel yang tetap N,
DISTRIBUSI SAMLING opulasi da Sampel opulasi : totalitas dari semua objek/ idividu yg memiliki karakteristik tertetu, jelas da legkap yag aka diteliti Sampel : bagia dari populasi yag diambil melalui cara-cara
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN. : Lux meter dilengkapi sensor jarak berbasis arduino. : panjang 15,4 cm X tinggi 5,4 cm X lebar 8,7 cm
BAB IV HASIL DAN PEMBAHASAN 4.1. Spesifikasi Alat Nama Alat Tegaga Ukura Berat : Lux meter dilegkapi sesor jarak berbasis arduio : 5 V (DC) : pajag 15,4 cm tiggi 5,4 cm lebar 8,7 cm : 657 gram 4.. Gambar
Lebih terperinciPENGEMBANGAN MODEL ANALISIS SENSITIVITAS PETA KENDALI TRIPLE SAMPLING MENGGUNAKAN UTILITY FUNCTION METHOD
Semiar Nasioal Iformatika 5 (semasif 5) ISSN: 979-8 UPN Vetera Yogyakarta, 4 November 5 PENGEMBANGAN MODE ANAISIS SENSITIVITAS PETA KENDAI TRIPE SAMPING MENGGUNAKAN UTIITY FUNCTION METHOD Juwairiah ),
Lebih terperinciPENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI
PENAKSIR BAYES UNTUK PARAMETER DISTRIBUSI EKSPONENSIAL BERDASARKAN FUNGSI KERUGIAN KUADRATIK DAN FUNGSI KERUGIAN ENTROPI Nadya Zulfa Negsih, Bustami Mahasiswa Program Studi S Matematika Dose Jurusa Matematika
Lebih terperinciBAB III METODOLOGI PENELITIAN. kuantitatif karena bertujuan untuk mengetahui kompetensi pedagogik mahasiswa
54 BAB III METODOLOGI PENELITIAN A. Jeis Peelitia Peelitia ii merupaka peelitia deskriptif dega pedekata kuatitatif karea bertujua utuk megetahui kompetesi pedagogik mahasiswa setelah megikuti mata kuliah
Lebih terperinciBAB III METODOLOGI PENELITIAN. data dalam penelitian ini termasuk ke dalam data yang diambil dari Survei Pendapat
BAB III METODOLOGI PENELITIAN 3.1. Jeis da Sumber Data Jeis peelitia yag aka diguaka oleh peeliti adalah jeis peelitia Deskriptif. Dimaa jeis peelitia deskriptif adalah metode yag diguaka utuk memperoleh
Lebih terperinciMENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL
MENENTUKAN PELUANG RUIN DENGAN METODE KOMBINASI EKSPONENSIAL Karmila 1*, Hasriati 2, Haposa Sirait 2 1 Mahasiswa Program S1 Matematika 2 Dose Jurusa Matematika Fakultas Matematika da Ilmu Pegetahua Alam
Lebih terperinciTEORI PENAKSIRAN. Bab 8. A. Pendahuluan. Kompetensi Mampu menjelaskan dan menganalisis teori penaksiran
Bab 8 TEORI PENAKSIRAN Kompetesi Mampu mejelaska da megaalisis teori peaksira Idikator 1. Mejelaska da megaalisis data dega megguaka peaksira titik 2. Mejelaska da megaalisis data dega megguaka peaksira
Lebih terperinciREGRESI LINIER DAN KORELASI. Variabel bebas atau variabel prediktor -> variabel yang mudah didapat atau tersedia. Dapat dinyatakan
REGRESI LINIER DAN KORELASI Variabel dibedaka dalam dua jeis dalam aalisis regresi: Variabel bebas atau variabel prediktor -> variabel yag mudah didapat atau tersedia. Dapat diyataka dega X 1, X,, X k
Lebih terperinci(S.3) EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES
Prosidig Semiar Nasioal Statistika Uiversitas Padadara 3 November 00 S.3 EVALUASI INTEGRAL MONTE CARLO DENGAN METODE CONTROL VARIATES ulhaif adi Suriadi Jurusa Statistika FMIPA Uiversitas Padadara Badug
Lebih terperinciBAB VII DISTRIBUSI SAMPLING DAN DESKRIPSI DATA
BAB VII DITRIBUI AMPLING DAN DEKRIPI DATA 7. Distribusi amplig (samplig distributio) amplig distributio adalah distribusi probabilitas dari suatu statistik. amplig distributio tergatug dari ukura populasi,
Lebih terperinciPENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN
PENGGGUNAAN ALGORITMA GAUSS-NEWTON UNTUK MENENTUKAN SIFAT-SIFAT PENAKSIR PARAMETER DAN DALAM SUATU MODEL NON-LINIER Abstrak Nur ei 1 1, Jurusa Matematika FMIPA Uiversitas Tadulako Jl. Sukaro-Hatta Palu,
Lebih terperinciEvaluasi Pelaksanaan Quality Control Terhadap Produk Akhir
Evaluasi Pelaksaaa Quality Cotrol Wiato Nawarcoo, SE, MM Evaluasi Pelaksaaa Quality Cotrol Terhadap Produk Akhir Studi Kasus Pada Perusahaa Batako UD Lestari Yogyakarta Wiato Nawarcoo *) Abstract The purpose
Lebih terperinciIII. METODE PENELITIAN. Penelitian ini dilaksanakan di halaman Pusat Kegiatan Olah Raga (PKOR) Way Halim Bandar Lampung pada bulan Agustus 2011.
III. METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di halama Pusat Kegiata Olah Raga (PKOR) Way Halim Badar Lampug pada bula Agustus 2011. B. Objek da Alat Peelitia Objek peelitia
Lebih terperinciIV METODE PENELITIAN
IV METODE PENELITIAN 4.1. Lokasi da Waktu Peelitia Lokasi peelitia dilakuka di PT. Bak Bukopi, Tbk Cabag Karawag yag berlokasi pada Jala Ahmad Yai No.92 Kabupate Karawag, Jawa Barat da Kabupate Purwakarta
Lebih terperinciStatistika Inferensial
Cofidece Iterval Ara Fariza Statistika Iferesial Populasi Sampel Simpulka (estimasi) tetag parameter Medapatka statistik Estimasi: estimasi titik, estimasi iterval, uji hipotesa 2 1 Proses Estimasi Populasi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian ini dilaksanakan di kelas XI MIA SMA Negeri 1 Kampar,
45 BAB III METODE PENELITIAN A. Tempat da Waktu Peelitia Peelitia ii dilaksaaka di kelas I MIA MA Negeri Kampar, pada bula April-Mei 05 semester geap Tahu Ajara 04/05 B. ubjek da Objek Peelitia ubjek dalam
Lebih terperinciDefinisi Integral Tentu
Defiisi Itegral Tetu Bila kita megedarai kedaraa bermotor (sepeda motor atau mobil) selama 4 jam dega kecepata 50 km / jam, berapa jarak yag ditempuh? Tetu saja jawabya sagat mudah yaitu 50 x 4 = 200 km.
Lebih terperinciDistribusi Sampling (Distribusi Penarikan Sampel)
Distribusi Samplig (Distribusi Pearika Sampel) 1. Pedahulua Bidag Iferesia Statistik membahas geeralisasi/pearika kesimpula da prediksi/ peramala. Geeralisasi da prediksi tersebut melibatka sampel/cotoh,
Lebih terperinciPENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI
Halama Tulisa Jural (Judul da Abstraksi) Jural Paradigma Ekoomika Vol.1, No.5 April 2012 PENGARUH INFLASI TERHADAP KEMISKINAN DI PROPINSI JAMBI Oleh : Imelia.,SE.MSi Dose Jurusa Ilmu Ekoomi da Studi Pembagua,
Lebih terperinciPROSIDING ISBN:
S-6 Perlukah Cross Validatio dilakuka? Perbadiga atara Mea Square Predictio Error da Mea Square Error sebagai Peaksir Harapa Kuadrat Kekelirua Model Yusep Suparma (yusep.suparma@ upad.ac.id) Uiversitas
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Objek Peelitia Peelitia dilakuka di bagia spiig khususya bagia widig Pabrik Cambrics Primissima (disigkat PT.Primissima) di Jala Raya Magelag Km.15 Slema, Yogyakarta. Peelitia
Lebih terperinciPENGENDALIAN KUALITAS PRODUK ROTI TAWAR DELLA
Semiar Nasioal Maajeme Ekoomi Akutasi (SENMEA) 27- UNPGRI KEDIRI PENGENDALIAN KUALITAS PRODUK ROTI TAWAR DELLA Moch. Agus yato Uiversitas Nusatara PGRI Kediri moch.agus_h@yahoo.com Diah Ayu Septi Fauji
Lebih terperinciPengujian Normal Multivariat T 2 Hotteling pada Faktor-Faktor yang Mempengaruhi IPM di Jawa Timur dan Jawa Barat Tahun 2007
1 Peguia Normal Multivariat T Hottelig pada Faktor-Faktor yag Mempegaruhi IPM di Jawa Timur da Jawa Barat Tahu 007 Dedi Setiawa, Zuy Iesa Pratiwi, Devi Lidasari, da Sati Puteri Rahayu Jurusa Statistika,
Lebih terperinciBAB III METODE PENELITIAN
6 BAB III METODE PENELITIAN 3.1 Desai Peelitia Meurut Kucoro (003:3): Peelitia ilmiah merupaka usaha utuk megugkapka feomea alami fisik secara sistematik, empirik da rasioal. Sistematik artiya proses yag
Lebih terperinciMetode Bootstrap Persentil Pada Sensor Tipe II Berdistribusi Eksponensial
Statistika, Vol. 7 No. 1, 1 6 Mei 007 Metode Bootstrap Persetil Pada Sesor Tipe II Berdistribusi Ekspoesial Jurusa Statistika FMIPA Uiversitas Islam Idoesia Yogyakarta Abstrak Metode bootstrap adalah suatu
Lebih terperinciBAB III METODOLOGI PENELITIAN
31 Flowchart Metodologi Peelitia BAB III METODOLOGI PENELITIAN Gambar 31 Flowchart Metodologi Peelitia 18 311 Tahap Idetifikasi da Peelitia Awal Tahap ii merupaka tahap awal utuk melakuka peelitia yag
Lebih terperinci