Modul Responsi. Statistika Dasar. Dosen Pengampu: Widiarti, M.Si. Penyusun:
|
|
- Sugiarto Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Daftar Isi Modul Responsi Statistika Dasar Dosen Pengampu: Widiarti, M.Si. Penyusun: Firmansyah Feri Krisnanto Mei Rusfandi Ichwan Almaza Muammar Rizki F.I. Faiz Azmi Rekatama Edisi 1 (2017) Laboratorium Komputasi Dasar Jurusan Ilmu Komputer FMIPA Universitas Lampung i
2 Daftar Isi Deskripsi Mata Kuliah Pendahuluan statistika; Penyajian data: Macam Diagram: Diagram batang dan daun, Histogram dan Boxplot, Macam-macam ukuran: Ukuran pemusatan data, Ukuran penyebaran data, Skewness (kemiringan), dan Kurtosis (keruncingan); Peubah Acak: Diskrit dan Kontinu; Distribusi: Bernaulli, Binomial, Poisson, Normal, dan Pendekatan Normal terhadap Binomial; Distribusi sampling; Pendugaan Paramater Selang: Rata-rata, proporsi, selisih ratarata (berpasangan dan tidak berpasangan), dan selisih proporsi; Pengujian Hipotesis: Ratarata, proporsi, selisih rata-rata (berpasangan dan tidak berpasangan), ragam (variansi); Analisis Regresi: Linier dan berganda; Analisis Korelasi: Linier dan berganda. Tujuan Perkuliahan Agar mahasiswa dapat memahami materi statistika dasar beserta mengimplementasikannya. Deskripsi Isi Perkuliahan Bahasan dalam perkuliahan ini mencakup jenis-jenis data, ukuran pemusatan dan penyebaran data, penyajian data dalam bentuk diagram, peluang dan peubah acak, distribusi peluang diskrit, distribusi binomial, distribusi poisson, dan distribusi normal baku. ii
3 Daftar Isi Daftar Isi Daftar Isi... iii Jenis-jenis Data Tujuan Jenis-Jenis Data... 4 Ukuran Pemusatan dan Penyebaran Data Tujuan Ukuran Pemusatan Data Ukuran Penyebaran Data Penyajian Data Dalam Bentuk Diagram Tujuan Pengertian Penyebaran Data Macam-Macam Penyajian Data dalam Bentuk Diagram Peluang dan Peubah Acak Tujuan Definisi Peluang Peubah Acak Distribusi Peluang Diskret Tujuan Distribusi Peluang Distribusi Peluang Diskrit Distribusi Binomial Tujuan Percobaan Binomial Pengertian Percobaan Binomial Distribusi Poisson Tujuan Pengertian Distribusi Poisson Distribusi Normal Baku Tujuan Pengertian Distribusi Normal Baku Jenis-Jensi Distribusi Normal Baku iii
4 Jenis-jenis Data Pertemuan 1 Jenis-jenis Data Tujuan Instruksional : Tujuan dari materi ini adalah memahami jenis-jenis data pada statistika dasar Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat membedakan data yang satu dengan data yang lainnya. Waktu Pertemuan : 100 menit Praktikum #1 berisi materi tentang bagaimana cara memahami jenis-jenis data pada statistika dasar. 1.1 Tujuan Data adalah hasil pengukuran yang bisa memberikan gambaran suatu keadaan atau memberikan suatu informasi. Dalam pembelajaran kali ini mahasiswa harus memahami dan mengerti jenis-jenis data yang ada pada statistika dasar. Memahami segala definisi atau penjelasan yang lebih terperinci dari masing-masing jenis data. Mengetahui perbedaan dari jenis-jenis data, mampu memberikan contoh dari masing-masing data tersebut. Statistika merupakan point penting dari segala aspek, berbagai macam data yang mendukung fakta dan opini di dunia dimuat dalam statis untuk mempermudah manusia dalam mengambil keputusan dan tindakan oleh karena itu, dalam pembelajaran mata kuliah statistika ini perlu diketahui tentang arti statistika dan skala pengukuran. 1.2 Jenis-Jenis Data 1. Pengertian Data Dari mana data diperoleh? Data dapat diperoleh dari sumber internal (internal data) dan sumber eksternal (external data). Data internal adalah data yang didapat oleh organisasi itu sendiri untuk keperluan operasi sehari-hari. 4
5 1.2 Jenis-Jenis Data Organisasi dimaksud dapat berupa instansi pemerintah maupun swasta, misalnya departemen-departemen, Biro Pusat Statistik, BAPPENAS, BUMN, perusahaan-perusahaan swasta dan sebagainya. Sedangkan, data eksternal adalah data yang didapat dari luar organisasi yang bersangkutan, biasanya menggambarkan keadaan di luar organisasi tersebut. 2. Data Kuantitatif dan data Kualitatif DATA KUANTITATIF Banyak data yang berbentuk angka atau bilangan, misalnya luas tanah, jumlah penduduk dan sebagainya. Untuk jenis data ini dapat dilakukan perhitunganperhitungan atau operasi matematika, seperti penambahan, pengurangan, perkalian, pembagian dan sebagainya. Data kuantitatif nilainya bisa berubahubah sehingga disebut variabel. Data kuantitatif dapat dibagi atas: Data Interval Ukuran data mempunyai interval atau jarak, misalnya berat badan antara kg. Data Rasio Data berupa angka dalam arti yang sebenarnya, sehingga mempunyai nilai nol. Data jenis ini diperoleh melalui pengukuran dan memiliki tingkat pengukuran paling tinggi diantara jenis data lainnya. DATA KUALITATIF Data kualitatif adalah data yang bukan berbentuk angka atau bilangan, misalnya kepuasan pelanggan (sangat puas, puas, kurang puas dan sebagainya), sehingga kita tidak dapat melakukan operasi matematika terhadapnya. Jenis data ini disebut atribut. Data kualitatif dapat dibagi atas: Data nominal Ukuran data nominal adalah kategori, misalnya jenis kelamin, laki-laki atau wanita, tempat tinggal dan sebagainya. Dilihat dari tingkat pengukuran data, 5
6 1.2 Jenis-Jenis Data data nominal mempunyai tingkatan yang paling rendah dari jenis data lainnya. Hal tersebut karena walaupun dalam prakteknya data ini bisa diangkakan, tetapi terhadapnya tidak bisa dilakukan operasi matematika. Contoh pemberian angka tersebut di atas misalnya, angka 1 untuk yang tinggal di Jakarta, 2 untuk yang tinggal di Bandung, 3 untuk Surabaya dan sebagainya. Data Ordinal Data ordinal hampir sama dengan data nominal, hanya saja data orrdinal mempunyai tingkatan data atau urutan kelas, ada yang lebih tinggi ada yang lebih rendah. Contoh data ini adalah data tentang kepuasan pelanggan, yang dibagi menjadi sangat puas, tidak puas, antara puas dan tidak puas, tidak puas dan sangat tidak puas. Data ordinal mempunyai tingkatan yang lebih tinggi dari data nominal. Walaupun mempunyai tingkatan, terhadap jenis data ini kita tetap tidak dapat melakukan operasi matematika. 3. Data Internal dan Data Eksternal DATA INTERNAL Data yang berasal dari dalam organisasi atau perusahaan sendiri. Data jenis ini biasanya berkaitan langsung dengan organisasi sendiri, misalnya data keuangan (neraca, laporan laba-rugi dan sebagainya), data kepegawaian, data produksi dan lain-lain. DATA EKSTERNAL Data yang berasal bukan dari dalam organisasi perusahaan sendiri. Data ini sering tidak berkaitan langsung dengan organisasi sendiri, misalnya data tentang jumlah kendaraan di Jakarta, jumlah penduduk di suatu desa dan lainlain. 4. Data Primer dan Data Sekunder DATA PRIMER Data yang dukumpulkan, diolah serta diterbitkan sendiri oleh organisasi yang menggunakannya. Contoh jenis data ini adalah data kependudukan yang dibuat 6
7 1.2 Jenis-Jenis Data oleh Biro Pusat Statistik, data tentang pertanian yang dibuat oleh Departemen Pertanian dan sebagainya. DATA SEKUNDER Data yang tidak dibuat atau diterbitkan oleh penggunanya, misalnya data tentang jumlah kendaraan dari Departemen Perhubungan merupakan data primer bagi Departemen tersebut karena dibuat dan diterbitkannya, tapi merupakan data sekunder bagi PT X sebagai pengguna, yang mendapatkannya dari sumber lain (misalnya media massa) yang mengutipnya. Jadi, orang bisa mendapatkan data sekunder dari harian, majalah, buletin dan media massa lainnya yang mengutip data dari sumber-sumber lain yang menerbitkannya (misalnya data dikutip dari departemen, Biro Pusat Statistik, Bank Indonesia dan lain-lain). Dengan demikian, data eksternal bisa berupa data primer, bisa juga berupa data sekunder. 7
8 Ukuran Pemusatan dan Penyebaran Data Pertemuan 2 Ukuran Pemusatan dan Penyebaran Data Tujuan Instruksional : Pokok bahasan ini mengenalkan bagaimana melakukan ukuran pemusatan dan penyebaran data Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat mengatasi masalah dengan melakukan ukuran pemusatan data dan penyebaran data Waktu Pertemuan : 2 x 100 menit 2.1 Tujuan Pembandingan suatu data sangat sulit dilakukan jika tidak menggunakan pemustaan data begitu juga dengan penyebaran data, sehingga ukuran pemusatan data digunakan membandingkan dua ( populasi ) atau contoh, karena sangat sulit untuk membandingkan masing-masing anggota dari masing-masing anggota populasi atau masing-masing anggota data contoh. Untuk itu dalam pembelajaran ini mahasiswa bisa melakukan ukuran pemusatan data dan penyebaran data. 2.2 Ukuran Pemusatan Data Ukuran Pemusatan merupakan ukuran yang dapat melihat bagaimana data tersebut mengumpul, ukuran pemusatan data yaitu mencari sebuah nilai yang dapat mewakili dari suatu rangkaian data. Adapun istilah lain dari ukuran pemusatan data adalah ukuran tendensi sentral. A. Macam-macam ukuran pemusatan data : a) Rata-rata hitung (mean) b) Rata-rata harmonis (harmonic mean) c) Rata-rata ukur (geometric mean) d) Median e) Modus 8
9 Ukuran Pemusatan dan Penyebaran Data f) Rata-rata gabungan g) Mean dengan rata-rata sementara B. Rumus untuk menentukan nilai ukuran pemusatan data : a) Rata-rata hitung X = total x / n b) Rata-rata harmonis H = n / total setengah x c) Rata-rata ukur GM = akar x1, x2, x3,..., xi d) Median Me = jumlah dua data ditengah / 2 e) Modus merupakan data yang sering muncul. Ada pula ukuran pemusatan terbagi menjadi 2 (dua) yaitu ukuran pemusatan data yang belum di kelompokan dan ukuran pemusatan data yang di kelompokan. Dengan ini saya akan membahas tentang ukuran pengukuran pemusatan data yang belum di kelompokan. Untuk sementara ini, saya akan membahas data yang berdimensi satu. Ukuran pemusatan yang di bahas di BAB 2 ini adalah rata-rata, modus, dan median. Di dalam ukuran pemusatan yang belun di kelompokan ada : rata-rata,modus, dan median. Bedanya dengan macam-macam ukuran pemusatan,yang belum di kelompokan ini hanya di bagi menjadi 3 yaitu yang tadi diatas adalah rata-rata, modus, dan median. 1. Rata-rata Rata-rata atau yang sering kita sebut juga dengan mean merupakan rasio dari total nilai pengamatan dengan banyaknya pengamatan. Bila data dari perubah acak X sebanyak n buah dinotasi dengan x1, x2, x3,..., xn. 2. Modus Modus merupakan data paling sering muncul dari pengamatan yang telah di peroleh. Dari data pengamatan apabila ada satu modus atau satu data yang memiliki frekuensi paling banyak di sebut sebagai unimodus, apabila 9
10 Ukuran Pemusatan dan Penyebaran Data ada dua data yang memiliki frekuensi paling banyak di sebut dengan bimodus,dan seterusnya. Notasi dari modus dalam buku ini adalah m. 3. Median Mendain adalah ukuran pemusatan di mana data tersebut terbagi menjadi dua sama banyak. Median di notasikan dengan M. Untuk data yang belum di kelompokan, tentunya data ini harus di urutkan terlebih dahulu dari data yang terkecil hingga data yang terbesar. 2.3 Ukuran Penyebaran Data Ukuran penyebaran data adalah suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya. Istilah lain dari ukuran penyebaran data adalah ukuran dispersi. A. Macam-macam ukuran penyebaran data: a) Jangkauan atau dengan istilah lain yaitu range. b) Simpangan rata-rata c) Varians d) Quartil e) Jangkauan quartil B. Beberapa rumus untuk menentukan nilai ukuran penyebaran data : 1. Range R = Xt Xr 2. Simpangan rata-rata Sr = total x - i dibagi n 3. Varians V = (total x - i)kuadrat dibagi n 4. Jangkauan quartil Jq = q3 - q1 Keragaman atau variasi setiap kumpulan data daoat di ukur dengan menggunakan suatu nilai numerik yang di sebut sebagai ukuran penyebaran data. Ada beberapa ukuran penyebaran data,yaitu : 10
11 Ukuran Pemusatan dan Penyebaran Data Rentang Rentang atau yang biasa di sebut dengan range yang di beri notasi j. Range terebut ialah ukuran variasi yang paling sederhana. Sesungguhnya telah kalian pelajari ketikan membahas langkah-langkah untuk mengubah data mentah menjadi lebel distribusi frekuensi kelompok,rentang data mendefisinikan sebagai selisih antara datum terbesar dengan datum data terkecil. Kalian juga dapat mengatakan bahwa semakin kecil rentang dari distribusi data, semakin cenderung kita menganggap bahwa mean dapat mewakili data yang bersangkutan secara represensentatif. Sebaliknya, semakin besar rentang dari suatu distribusi data, semakin cenderung kita mengatakan bahwa mean yang kita peroleh tidak dapat di gunakan untuk mewakili data yang bersangkutan. Simpangan interkuartil Simpangan interkuartil adalah ukuran penyebaran data yang lebih baik dari pada rentang, karena ia mengukur rentang dari 50% data yang di tengah. Sebagai alternatif, dapat juga di gunakan sebagai simpangan kuartil atau rentang semi-interkuartil, yang di definisikan sebagai setengah dari rentang interkartil. Oleh karena itu simpangan kuartil di rumuskan sebagai bertikut, Qn = setengah (Q3 - Q1) Pada simpangan kuartil, ukuran penyebaran hanya di tentukan oleh nilai kuartil data. Akan tetapi tidak demikian pada ukuran penyabaran simpangan data-data, ragam dan simpangan baku. 11
12 Penyajian Data Dalam Bentuk Diagram Pertemuan 3 Penyajian Data Dalam Bentuk Diagram Tujuan Intruksional : Pokok Bahasan ini menekankan Mahasiswa agar memahami penyajian data dalam bentuk diagram Kompetensi Yang Diharapkan : 1. Mahasiswa diharapkan telah memahami data-data yang ada pada bentuk diagram Waktu Pertemuan : 100 Menit Praktikum #3 berisi materi tentang cara memahami data-data yang ada pada bentuk diagram 3.1 Tujuan Tujuan yang ingin dicapai pada mata kuliah ini adalah mengenalkan dan mengerti bagian-bagian dari data yang berbentuk diagram. Dari masing-masing data yang berbentuk diagram tersebut mahasiswa mampu menjelaskannya. Memberi gambaran yang sistematis tentang peristiwa-peristiwa yang merupakan hasil penelitian atau observasi, Data lebih cepat ditangkap dan dimengerti. 3.2 Pengertian Penyebaran Data Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil penelitan yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan yang diinginkan. Data yang disajikan harus sederhana dan jelas agar muda dibaca. Penyajian data juga dimaksudkan agar para pengamat dapat dengan mudah memahami apa yang kita sajikan untuk selanjutnya dilakukan penilaian atau perbandingan, dan lain-lain. 3.3 Macam-Macam Penyajian Data dalam Bentuk Diagram a. Diagram batang 12
13 Penyajian Data Dalam Bentuk Diagram Dalam penyajian data dengan diagram batang, data di sajikan dalam bentuk batang yang berbentuk persegi panjang yang di gambarkan vertikal atau horizontal dengan lebar sama. Contoh : b. Diagram garis Diagram garis di gunakan untuk menyajikan data yang menunjukkan perkembangan suatu data dari waktu ke waktu. Contoh : Hasil panen padi nasional Indonesia senantiasa berubah dari tahun ke tahun. Hasil panen dari tahun di sajikan dalam diagram berikut. 13
14 Penyajian Data Dalam Bentuk Diagram c. Diagram lingkaran Diagram lingkarang di gunakan untuk menunjukkan perbandingan antar item data dengan cara membagi lingkaran dalam juring-juring lingkaran dengan sudut pusat yang sesuai dengan perbandingan tersebut. Contoh: Gambar : diagram lingkaran menunjukkan perbandingan dan persentase data satu dan yang lainnya. Daftar jumlah siswa kelas X Rpl 1 yang mengambil pelajaran ekstrakurikuller musik adalah 9 orang, tari 5 orang, Futsal 6 orang, basket 8 orang dan ekstrakurikuller lainnya 12 orang. Jumlah seluruh siswa = = 40 Perbandingan dan persentase untuk masing-masing pelajaran adalah sebagai berikut. Musik : 9/40 = 22,5 % ; Tari : 5/40 = 12,5% ; Futsal: 6/40 = 15%; Basket 8/40 = 20%; dan lain-lain 12/40 = 30%. 14
15 Peluang dan Peubah Acak Pertemuan 4 Peluang dan Peubah Acak Tujuan Instruksional : Pokok bahasan ini menjelaskan pengertian, perhitungan peluang dan peubah acak. Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat memahami dan melakukan perhitungan peluang dan peubah acak. Waktu Pertemuan : 2 x100 menit Praktikum #4 berisi materi tentang peluang dan peubah acak. Peluang memiliki banyak fungsi yang masing-masing dari peluang mempunyai sifatnya tersendiri. 4.1 Tujuan Pada praktikum kali ini mahasiswa akan dikenalkan dengan peubah acak, peluang, berbagai macam peubah acak. Dan mampu menyelesaikan masalah masalah berkaitan dengan peluang dan peubah acak. 4.2 Definisi Peluang Peluang adalah Kejadian atau peristiwa merupakan himpunan bagian dari ruang sampel Definisi peluang : Peluang suatu kejadian yang diinginkan adalah perbandingan banyaknya titik sampel kejadian yang diinginkan itu dengan banyaknya anggota ruang sampel kejadian tersebut. Peluang disebut juga dengan nilai kemungkinan. Contoh : Pada percobaan melempar sebuah dadu bermata 6, pada ruang sampelnya terdapat 15
16 Peluang dan Peubah Acak sebanyak 6 titik sampel, yaitu munculnya sisi dadu bermata 1, 2, 3, 4, 5, dan 6. Kejadian-kejadian yang mungkin terjadi misalnya : Munculnya mata dadu ganjil Munculnya mata dadu genap Munculnya mata dadu prima Jika pada percobaan tersebut diinginkan kejadian munculnya mata dadu prima, maka mata dadu yang diharapkan adalah munculnya mata dadu 2, 3, dan 5, atau sebanyak 3 titik sampel. Sedang banyaknya ruang sampel adalah 6, maka peluang kejadian munculnya mata dadu prima adalah 3/6 Atau: Menyatakan nilai peluang suatu kejadian pada suatu percobaan dapat dinyatakan dengan menggunakan cara : Contoh: Pada percobaan melempar sebuah koin bersisi angka (A) dan gambar (G) dengan sebuah dadu bermata 1 sampai 6 bersama-sama sebanyak satu kali. Berapa peluang munculnya pasangan koin sisi gambar dan dadu mata ganjil? Banyaknya kejadian munculnya pasangan gambar dan mata dadu ganjil ada 3, yaitu (G,1), (G,3) dan (G,5). Peluang kejadian munculnya pasangan gambar dan mata dadu ganjil adalah Peubah Acak Bidang statistika berurusan dengan penarikan inferensi tentang populasi dan sifat populasi. Percobaan yang dilakukan memberi hasil yang berkemungkinan. Pengujian sejumlah suku cadang merupakan suatu contoh percobaan statistika, suatu istilah yang memberikan setiap proses yang menghasilkan pengamatan yang berkemungkinan. Sering sekali amat penting mengaitkan suatu bilangan sebagai pmberian hasil tersebut. Sebagai contoh, ruang sampel yang memberikan secara rinci setiap kemungkinan hasil bila tiga suku cadang elektronik di uji dapat ditulis sebagai : 16
17 Peluang dan Peubah Acak T = { BBB, BBC, BCB, BCC, CBC, CCB, CCC } Bila B menyatakan baik dan C menyatakan cacat. Tentunya kita ingin mengetahui berapa banyaknya cacat yang terjadi. Jadi setiap titik diruang sampel akan dikaitkan dengan suatu bilangan 0, 1, 2, atau 3. Bilangan ini, tentunya besaran acak yang ditentukan oleh hasil percobaan. Bilangan ini dapat dipandang sebagai nilai yang dicapai oleh peubah acak X, banyaknya barang yang cacat bila tiga suku cadang diuji. Defenisi 1 : Peubah acak adalah suatu fungsi yang mengaitkan suatu bilangan real pada setiap unsur dalam ruang sampel. Peubah acak akan dinyatakan dengan huruf besar, misalnya X, sedangkan nilainya dinyatakan dengan huruf kecil padananya, misalnya x. Dalam contoh suku cadang elektronik tadi, peubah acak X mendapat nilai 2 untuk semua unsur pada semua bagian E = { CCB, CBC, BCC } Dari ruang sampel T. Jadi, tiap kemungkinan nilai X menggambarkan suatu kejadian yang merupakan ruang bagian dari ruang sampel percobaan tersebut. 17
18 Distribusi Peluang Diskret Petemuan 5 Distribusi Peluang Diskret Tujuan Instruksional : Pokok bahasan ini menjelaskan tentang konsep kerja dari peluang diskrit, serta rumus dan penjelasannya. Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat memahami konsep dari peluang diskret, serta mahasiswa dapat menyelesaikan permasalahan-permasalahan dan soal-soal peluang dikret. Waktu Pertemuan : 100 menit Praktikum #1 Pertemuan ini membahas tentang materi-materi berhubungan dengan peluang Diskrit, Konsep dan rumus penyelesaiannya. 5.1 Tujuan Dengan diperkenalkannya konsep dari peluang diskrit mahasiswa diharapkan dapat mengerti jenis dan karakteristik dari beberapa distribusi peluang. Dan dapat melakukan pengujian terhadap fungsi distribusi peluang dari suatu data. 5.2 Distribusi Peluang Distribusi peluang merupakan tabel, grafik atau rumus yang memberikan nilai peluang dari sebuah peubah/variabel acak. Berdasarkan karakteristik peubah acaknya, distribusi peluang dapat dibedakan menjadi dua, yakni distribusi peluang diskrit dan distribusi peluang kontinyu. 5.3 Distribusi Peluang Diskrit Distribusi peluang diskrit adalah distribusi peluang dimana semesta peubah acaknya dapat dihitung atau berhingga, misalnya peubah acak sebuah lemparan dadu bernilai 1 18
19 Distribusi Peluang Diskret hingga 6. Apabila himpunan pasangan terurut (x, f(x)) merupakan suatu fungsi peluang, fungsi masa peluang, atau distribusi peluang peubah acak diskrit x maka untuk setiap kemungkinan hasil x berlaku: a. f(x) > 0 b. xxx c. P (X=x) = f(x) Beberapa distribusi peluang diskrit adalah : a. Distribusi seragam (Uniform) Pada distribusi ini setiap peubah acak memiliki nilai peluang yang sama. Jika X adalah adalah suatu peubah acak dengan nilai x 1, x 2,..., x k masing-masing memiliki nilai peluang yang sama, maka distribusi seragam dapat dituliskan: xxx Contoh distribusi seragam adalah distribusi peluang munculnya angka dadu (1 hingga 6) ketika dilempar, yaitu 1/ Distribusi Peluang Kontinu Distribusi Peluang Kontinu dapat bernilai tak hingga dalam suatu jangkauan yang spesifik. Nilai rata-rata dan variansi dari sebuah distribusi peluang dapat dihitung sebagai berikut : Rumus Menghitung Rata-rata : Rumus Menghitung Variansi : 19
20 Distribusi Binomial Petemuan 6 Distribusi Binomial Tujuan Instruksional : Pokok bahasan pada perkuliahan ini adalah memahami arti-arti penting dari distribusi binomial. Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat memahami dan mengerti distribusi binomial. Waktu Pertemuan : 100 menit Praktikum #6 berisi materi tentang bagaimana distribusi binoal beserta contohcontohnya. 6.1 Tujuan Tujuan Materi Distribusi Binomial 1. Mengetahui contoh percobaan binomial dalam kehidupan sehari-hari 2. Mengetahui pengertian dan cara menghitung peluang dari distribusi binomial 3. Dapat menghitung peluang dari distribusi binomial dengan menggunakan tabel 4. Dapat menghitung rata-rata, ragam, dan simpangan baku untuk distribusi binomial 6.2 Percobaan Binomial Dalam berbagai macam permasalahan peluang hanya memiliki dua kemungkinan hasil atau dapat disederhanakan menjadi dua kemungkinan yaitu berhasil atau gagal. Sebagai contoh, ketika suatu koin dilempar, maka kita akan mendapat angka atau gambar. Ketika seorang bayi lahir, maka seorang bayi tersebut merupakan bayi laki-laki atau perempuan. Dalam permainan bola basket, tim yang bermain bisa menang atau kalah. Keadaan benar/salah tersebut dapat dijawab 20
21 Distribusi Binomial dengan dua cara, yaitu benar atau salah. Kondisi-kondisi lainnya dapat disederhanakan untuk menghasilkan dua kemungkinan. Sebagai contoh, suatu pengobatan medis dapat diklasifikasikan sebagai efektif atau tidak efektif, tergantung hasilnya. Seseorang dapat dikategorikan memiliki tekanan darah normal atau tidak normal, tergantung dari pengukuran tekanan darahnya. Pertanyaanpertanyaan pilihan ganda, walaupun memiliki empat atau lima pilihan jawaban, dapat diklasifikasikan menjadi benar atau salah. Kondisi-kondisi yang telah dicontohkan tersebut dinamakan percobaan binomial. 6.5 Pengertian Percobaan Binomial Percobaan binomial merupakan suatu percobaan yang memenuhi empat syarat berikut: 1. Terdapat n kali percobaan. 2. Masing-masing percobaan hanya dapat menghasilkan dua kemungkinan, atau hasil yang diperoleh dapat disederhanakan menjadi dua kemungkinan. Hasil yang diperoleh tersebut dapat dianggap sebagai hasil yang sukses atau gagal. 3. Hasil dari masing-masing percobaan haruslah saling bebas. 4. Peluang untuk sukses harus sama untuk setiap percobaan. 5. Suatu percobaan binomial dan hasilnya memberikan distribusi peluang khusus yang disebut sebagai distribusi binomial. Hasil-hasil percobaan binomial dan peluang yang bersesuaian dari hasil tersebut dinamakan distribusi binomial. Dalam percobaan binomial, hasil-hasilnya seringkali diklasifikasikan sebagai hasil yang sukses atau gagal. Sebagai contoh, jawaban benar suatu pertanyaan pilihan ganda dapat diklasifikasikan sebagai hasil yang sukses, sehingga pilihan jawaban lainnya merupakan jawaban yang salah dan diklasifikasikan sebagai hasil yang gagal. Notasi-notasi yang umumnya digunakan dalam percobaan binomial dan distribusi binomial adalah sebagai berikut. 21
22 Distribusi Binomial Notasi P(S) P(F) p q Keterangan Simbol untuk peluang sukses. Simbol untuk peluang gagal. Peluang sukes. Peluang gagal. P(S) = p dan P(F) = 1 p = q n X Banyaknya percobaan Banyaknya sukses dalam n kali percobaan Perhatikan bahwa 0 X n dan X = 0, 1, 2, 3,, n. Rumus Peluang Binomial Dalam suatu percobaan binomial, peluang untuk mendapatkan tepat X sukses dalam n percobaan adalah Untuk mengetahui bagaimana ilustrasi dari rumus peluang binomial tersebut bermula, perhatikan Contoh 1 berikut. 22
23 Distribusi Poisson Petemuan 7 Distribusi Poisson Tujuan Instruksional : Pokok bahasan ini untuk mengenalkan kepada Mahasiswa agar dapat mengerti Distribusi Poisson Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat memahami bahwa Distribusi Poisson penting bagi statistika dasar Waktu Pertemuan : 2 x 100 menit Praktikum #7 berisi materi tentang pengenalan kepada Mahasiswa agar dapat mengerti Distribusi Poisson. 7.1 Tujuan Praktikum ini bertujuan untuk mengenalkan apa arti distribusi poisson, apa saja macamnya dan bagaimana cara membedakan dengan distribusi yang lainnya. 7.2 Pengertian Distribusi Poisson Distribusi Poisson (dilafalkan [pwasɔ ]) adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir. (distribusi Poisson juga dapat digunakan untuk jumlah kejadian pada interval tertentu seperti jarak, luas, atau volume). Distribusi ini pertama kali diperkenalkan oleh Siméon-Denis Poisson ( ) dan diterbitkan, bersama teori probabilitasnya, pada tahun 1838 dalam karyanyarecherches sur la probabilité des jugements en matière criminelle et en matière civile ( Penelitian Probabilitas Hukum Masalah Pidana dan Perdata ). Karyanya memfokuskan peubah acak N yang menghitung antara lain jumlah 23
24 7.1 Tujuan kejadian diskret (kadang juga disebut "kedatangan") yang terjadi selama interval waktu tertentu. Apabila nilai harapan kejadian pada suatu interval adalah, maka probabilitas terjadi peristiwa sebanyak k kali (k adalah bilangan bulat non negatif, k = 0, 1, 2,...) maka sama dengan dimana e adalah basis logaritma natural (e = ) k adalah jumlah kejadian suatu peristiwa peluang yang diberikan oleh fungsi ini k! adalah faktorial dari k λ adalah bilangan riil positif, sama dengan nilai harapan peristiwa yang terjadi dalam interval tertentu. Misalnya, peristiwa yang terjadi rata-rata 4 kali per menit, dan akan dicari probabilitas terjadi peristiwa k kali dalam interval 10 menit, digunakan distribusi Poisson sebagai model dengan λ = 10 4 = 40. Sebagai fungsi k, ini disebut fungsi massa probabilitas. Distribusi Poisson dapat diturunkan sebagai kasus terbatas distribusi binomial. Distribusi Poisson dapat diterapkan pada sistem dengan kejadian berjumlah besar yang yang mungkin terjadi, yang mana kenyataannya cukup jarang. Contoh klasik adalah peluruhan nuklir atom. - Rumus Proses Poisson Distribusi Poisson dalam konteks yang lebih luas dari pada rumus pertama tadi. Sebagai ilustrasi, misalkan pada hari Senin ini adalah jam kerja yang sibuk pada suatu bank, dan kita tertarik oleh jumlah nasabah yang mungkin datang selama jam kerja tersebut, dengan ketertarikan kita sebenarnya terletak pada interval waktu dan jumlah kedatangan dalam interval waktu jika proses kedatangannya mempunyai karakteristik sebagai berikut: 24
25 7.1 Tujuan 1. Tingkat kedatangan rata rata setiap unit waktu adalah konstant. Dalam ilustrasi tadi dapat berarti bahwa jika tingkat kedatangan rata rata untuk periode jam adalah, misalkan 72 kedatangan setiap jam, maka tingkat ini melambangkan interval waktu pada jam kerja tadi : yaitu tingkat yang dapat dirubah kepada rata rata yaitu 36 kedatangan setiap ½ jam atau 1.2 kedatangan setiap menit. 2. Jumlah kedatangan pada interval waktu tidak bergantung pada ( bebas apa yang terjadi di interval waktu yang sudah lewat. Dalam ilustrasi tadi, dapat berarti bahwa kesempatan dari sebuah kedatangan di menit berikutnya adalah sama. 3. Tidak memiliki kesamaan bahwa akan lebih dari satu kedatangan dalam interval pendek, semakin pendek interval, semakin mendekati nol adalah probabilitas yang lebih dari satu kedatangan. Dalam ilustrasi tadi, bisa berarti bahwa adalah tidak mungkin untuk lebih dari satu nasabah yang dapat melawati jalan masuk dalam waktu satu detik. Rumus proses poisson : P ( x ) = e λ. t. ( λ. t ) x X! Dimana :λ = Tingkat rata rata kedatangan tiap unit waktu t = Jumlah unit waktu x = Jumlah kedatangan dalam t unit waktu Contoh soal : Jika rata rata kedatangan λ = 72 setiap jam, berapakah peluang dari x = 4 kedatangan dan t = 3 menit. Gunakan proses poisson.! Jawab : Dik : λ = 72 kedatangan setiap jam atau 72 / jam maka 1 jam atau 60 menit adalah unit waktunya. Berarti 3 menit adalah 3 / 60 = 1 / 20 unit waktu maka t t = 1 / 20 dan x = 4 P ( x ) = e λ. t. ( λ. t ) x X! P ( x ) = e 72. ( 1/ 20 ). ( / 20 ) 4 4!= atau 19.1 % 25
26 Distribusi Normal Baku Petemuan 8 Distribusi Normal Baku Tujuan Instruksional : Pokok bahasan ini dikenalkan distribusi normal baku dan hal-hal mengenai distribusi normal baku Kompetensi yang Diharapkan : Mahasiswa diharapkan dapat memahami hal-hal penting tentang distribusi normal baku Waktu Pertemuan : 3 x 100 menit 8.1. Tujuan Pada bagian ini, akan dikenalkan distribusi normal baku dan hal-hal mengenai distribusi normal baku 8.2 Pengertian Distribusi Normal Baku Distribusi normal baku (standar) adalah distribusi peubah acak dengan ratarata 0 dan varian 1. Peubah acak normal baku dilambangkan dengan Z yang merupakan hasil transformasi dari peubah acak X yang berdistribusi normal. Bentuk transformasi peubah acak tersebut adalah sebagai berikut. Oleh karena itu fungsi : Perbandingan distribusi normal peubah acak x dan dengan distribusi normal standar z: 26
27 Distribusi Normal Baku 8.3 Jenis-Jensi Distribusi Normal Baku Distribusi kurva normal dengan m sama dan s berbeda 27
28 Distribusi Normal Baku Distribusi kurva normal dengan m berbeda dan s sama Distribusi kurva normal dengan m dan s berbeda Fungsi Denitas Distribusi Normal Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai berikut 28
29 Distribusi Normal Baku dimana π = 3,1416 e = 2,7183 µ = rata-rata σ = simpangan baku Persamaan di atas bila dihitung dan diplot pada grafik akan terlihat seperti pada Gambar 1 berikut. Gambar 1. kurva distribusi normal umum Sifat-sifat penting distribusi normal adalah sebagai berikut: 1. Grafiknya selalu berada di atas sumbu x 2. Bentuknya simetris pada x = µ 3. Mempunyai satu buah modus, yaitu pada x = µ 4. Luas grafiknya sama dengan satu unit persegi, dengan rincian o Kira-kira 68% luasnya berada di antara daerah µ σ dan µ + σ o Kira-kira 95% luasnya berada di antara daerah µ 2σ dan µ + 2σ o Kira-kira 99% luasnya berada di antara daerah µ 3σ dan µ + 3σ Membuat kurva normal umum bukanlah suatu pekerjaan yang mudah. Lihat saja rumus untuk mencari fungsi densitasnya (nilai pada sumbu Y) begitu rumit. Oleh karena itu, orang tidak banyak menggunakannya. Orang lebih banyak menggunakan DISTIBUSI NORMAL BAKU. Kurva distribusi normal baku diperoleh dari distribusi normal umum dengan cara transformasi nilai x menjadi nilai z, dengan formula sbb: Kurva distribusi normal baku disajikan pada Gambar 2 berikut ini. 29
30 Distribusi Normal Baku Gambar 2. Kurva distribusi normal baku Kurva distribusi normal baku lebih sederhana dibanding kurva normal umum. Pada kurva distribusi normal baku, nilai µ = 0 dan nilai σ=1, sehingga terlihat lebih menyenangkan. Namun, sifat-sifatnya persis sama dengan sifat-sifat distribusi normal umum. Untuk keperluan praktis, para ahli statistika telah menyusun Tabel distribusi normal baku dan tabel tersebut dapat ditemukan hampir di semua buku teks Statistika. Tabel distribusi normal bakui disebut juga dengan Tabel Z dan dapat digunakan untuk mencari peluang di bawah kurva normal secara umum, asal saja nilai µ dan σ diketahui. Sebagai catatan nilai µ dan σ dapat diganti masing-masing dengan nilai dan S. Berikut adalah tabel distribusi normal standar, untuk P (X < x), atau dapat diilustrasikan dengan luas kurva normal standar dari X = minus takhingga sampai dengan X = x. 30
31 Distribusi Normal Baku 31
32 Distribusi Normal Baku Tabel Z 32
BAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciMODUL II DISTRIBUSI PELUANG DISKRIT DAN KONTINU
DISTRIBUSI PELUANG DISKRIT DAN KONTINU A. TUJUAN PRAKTIKUM Melalui praktikum Modul II ini diharapkan praktikan dapat: 1. Mengenal jenis dan karakteristik dari beberapa distribusi peluang. 2. Menguji dan
Lebih terperinciA. PENYAJIAN DATA. Nama Dwi Willi Nita Wulan Dani. Tabel 3.1
A. PENYAJIAN DATA 1. Pengertian Data dan Statistika Statistika sangat erat kaitannya dengan data. Oleh karena itu, sebelum membahas mengenaistatistika, akan dijelaskan terlebih dahulu mengenai data. Data
Lebih terperinci: Purnomo Satria NIM : PENDISKRIPSIAN DATA
Nama : Purnomo Satria PENDISKRIPSIAN DATA NIM : 1133467162 1. Pendahuluan Dalam suatu penelitian kadang-kadang seorang peneliti menemui kesulitan dalam menyajikan sejumlah besar data statistik dalam bentuk
Lebih terperinciLAB MANAJEMEN DASAR MODUL STATISTIKA 1
LAB MANAJEMEN DASAR MODUL STATISTIKA 1 Nama : NPM/Kelas : Fakultas/Jurusan : Hari dan Shift Praktikum : Fakultas Ekonomi Universitas Gunadarma Kelapa dua E531 1 UKURAN STATISTIK Pendahuluan Ukuran statistik
Lebih terperinciKing s Learning Be Smart Without Limits NAMA : KELAS :
NAMA : KELAS : A. PENGERTIAN STATISTIKA Statistika adalah ilmu yang mempelajari cara mengumpulkan dan menyusun data, mengolah dan menganalisis data, serta menyajikan data. Statistik adalah hasil dari pengolahan
Lebih terperinciStatistik Dasar. 1. Pendahuluan Persamaan Statistika Dalam Penelitian. 2. Penyusunan Data Dan Penyajian Data
Statistik Dasar 1. Pendahuluan Persamaan Statistika Dalam Penelitian 2. Penyusunan Data Dan Penyajian Data 3. Ukuran Tendensi Sentral, Ukuran Penyimpangan 4. Momen Kemiringan 5. Distribusi Normal t Dan
Lebih terperincistatistika untuk penelitian
statistika untuk penelitian Kelompok Ilmiah Remaja (KIR) Delayota Experiment Team (D Expert) 2013 Freeaninationwallpaper.blogspot.com Apa itu Statistika? Statistika adalah ilmu yang mempelajari cara pengumpulan,
Lebih terperinciSTATISTIKA. Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah
1 SMA SANTA ANGELA STATISTIKA Standar kompetensi : Menggunakan aturan statistika, kaidah, pencacahan, dan sifatsifat peluang dalam pemecahan masalah Kompetensi Dasar : Membaca data dalam bentuk tabel dan
Lebih terperinciLampiran 2a SILABUS MATEMATIKA
Lampiran 1a 40 Lampiran 1b 41 42 Lampiran 2a SILABUS MATEMATIKA Sekolah : SMP Negeri 3 Ponorogo Kelas : IX Mata Pelajaran : Matematika Semester : I (Satu) StandarKompetensi : STATISTIKA 3. Melakukan pengolahan
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciJenis Distribusi. 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss)
Ir Tito Adi Dewanto Jenis Distribusi 1. Distribusi Probabilitas 2. Distribusi Binomial (Bernaulli) 3. Distribusi Multinomial 4. Distribusi Normal (Gauss) Pengantar Kunci aplikasi probabilitas dalam statistik
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 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 terperinciSTATISTIKA DASAR MAF Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si
STATISTIKA DASAR MAF 1212 Dosen: Dr. Lutfi Rohman Wenny Maulina, M.Si Pokok Bahasan Pokok Bahasan KONTRAK PERKULIAHAN UTS 35% UAS 35% TUGAS/QUIZ 20% KEHADIRAN 10% REFERENSI: Walpole, Ronald E. 2011. Probability
Lebih terperinciSTK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak
STK 511 Analisis statistika Materi 3 Sebaran Peubah Acak 1 Konsep Peluang 2 Peluang Peluang dapat diartikan sebagai ukuran kemungkinan terjadinya suatu kejadian Untuk memahami peluang diperlukan pemahaman
Lebih terperinciUjian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..
OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,
Lebih terperinciUjian Tengah Semester Nama:.. STK211 Metode Statistika NRP:.. Semester Ganjil - TA 2016/2017 Studi Mayor:..
OAL TIPE 1 Ujian Tengah emester Nama:.. TK211 Metode tatistika NRP:.. emester Ganjil - TA 2016/2017 Program tudi Mayor:.. Petunjuk Umum: 1. Anda hanya diperkenankan membawa catatan 1 (satu) lembar A4,
Lebih terperinciBab 2 DISTRIBUSI PELUANG
Bab 2 DISTRIBUSI PELUANG PENDAHULUAN Setiap peristiwa akan mempunyai peluangnya masingmasing, dan peluang terjadinya peristiwa itu akan mempunyai penyebaran yang mengikuti suatu pola tertentu yang di sebut
Lebih terperinciMetode Statistika (STK 211) Pertemuan ke-5
Metode Statistika (STK 211) Pertemuan ke-5 rrahmaanisa@apps.ipb.ac.id Memahami definisi dan aplikasi peubah acak (peubah acak sebagai fungsi, peubah acak diskrit dan kontinu) Memahami sebaran peubah acak
Lebih terperinciPERTEMUAN 2 STATISTIKA DASAR MAT 130
PERTEMUAN 2 STATISTIKA DASAR MAT 130 Data 1. Besaran Statistika berbicara tentang data dalam bentuk besaran (dimensi) Besaran adalah sesuatu yang dapat dipaparkan secara jelas dan pada prinsipnya dapat
Lebih terperinciDISTRIBUSI POISSON Pendahuluan Rumus Pendekatan Peluang Poisson untuk Binomial P ( x ; µ ) = (e µ. µ X ) / X! n. p Rumus Proses Poisson
DISTRIBUSI POISSON Pendahuluan Distribusi poisson diberi nama sesuai dengan penemunya yaitu Siemon D. Poisson. Distribusi ini merupakan distribusi probabilitas untuk variabel diskrit acak yang mempunyai
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciPENGANTAR STATISTIK JR113. Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI Pertemuan 3
PENGANTAR STATISTIK JR113 Drs. Setiawan, M.Pd. Pepen Permana, S.Pd. Deutschabteilung UPI 2008 Pertemuan 3 DATA STATISTIK Keterangan atau ilustrasi mengenai suatu hal yang berbentuk kategori ataupun bilangan.
Lebih terperinciSTATISTIK 1. PENDAHULUAN
STATISTIK. PENDAHULUAN Statistika yaitu ilmu pengetahuan yang mempelajari cara pengumpulan, pengolahan, penyajian, analisa data dan pengambilan kesimpulan dari siat-siat data. Statistik yaitu kumpulan
Lebih terperinciULANGAN UMUM MADRASAH ALIYAH SEMESTER GANJIL TAHUN PELAJARAN MATEMATIKA XI IPS
ULANGAN UMUM MADRASAH ALIYAH SEMESTER GANJIL TAHUN PELAJARAN 2009-2010 MATEMATIKA XI IPS Hari / tanggal :... Desember 2009 Waktu : 120 menit Pilih salah satu jawaban yang benar dengan memberi tanda silang
Lebih terperinciMateri-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data. Nurratri Kurnia Sari, M. Pd
Materi-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data Nurratri Kurnia Sari, M. Pd DEFINISI Statistika Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data
Lebih terperinciSTATISTIKA. Created By : Aidah Murdikah SEMESTER 5 KELAS B3 UNIVERSITAS MUHAMMADIYAH TANGERANG
STATISTIKA Created By : Aidah Murdikah SEMESTER 5 KELAS B3 UNIVERSITAS MUHAMMADIYAH TANGERANG KATA PENGANTAR A. Latar Belakang Statistika adalah ilmu yang mempelajari cara pengumpulan, penyusunan, pengolahan,
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Data Data merupakan kumpulan keterangan atau fakta yang diperoleh dari satu populasi atau lebih. Data yang baik, benar dan sesuai dengan model menentukan kualitas kebijakan
Lebih terperinciUNIVERSITAS NEGERI MALANG FAKULTAS ILMU KEOLAHRAGAAN JURUSAN ILMU KESEHATAN MASYARAKAT
UKURAN PEMUSATAN MAKALAH UNTUK MEMENUHI TUGAS MATAKULIAH Dasar-dasar Biostatistik Deskriptif Yang dibina oleh Bapak Dr. Saichudin, M.Kes Ibu dr. Anindya, S.Ked Oleh : Derada Imanadani 130612607847/2013
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah
Lebih terperinciRANCANGAN AKTIVITAS TUTORIAL (RAT)
RANCANGAN AKTIVITAS TUTORIAL (RAT) Nama Mata Kuliah/ sks/ Kode : Statistika Dasar/ 3/ PAMA 3226 Nama Tutor/ NPP : Adi Nur Cahyono, S.Pd., M.Pd./088201206 Deskripsi Singkat Mata Kuliah : Mata kuliah ini
Lebih terperinciPENGERTIAN STATISTIK. Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd.
PENGERTIAN STATISTIK Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd. PENGERTIAN STATISTIK Statistik adalah kesimpulan fakta
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif
Distribusi Probabilitas Diskrit: Binomial, Multinomial, & Binomial Negatif 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciSatatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP
Satatistik dan Probabilitas Ir. I Nyoman Setiawan, MT. NIP. 19631229 199103 01 001 HP. 081338721408 setiawan@ee.unud.ac.id man_awan@yahoo.com Statistik Dan Probabilitas Pendahuluan Statistika adalah pengetahuan
Lebih terperinciSTATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi
STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi Statistik dan Statistika Statistik : nilai-nilai ukuran data yang mudah dimengerti. Contoh : statistik liga sepak bola Indonesia Statistika : ilmu
Lebih terperinciMengolah dan Menganalisis Data
Mengolah dan Menganalisis Data Dr. Eko Pujiyanto, S.Si., M.T. Materi Data Mengolah dan analisis data Memilih alat analisis yang tepat Data Data 1 Jamak dari DATUM artinya informasi yang diperoleh dari
Lebih terperinciDistribusi Diskrit dan Kontinu yang Penting. Oleh Azimmatul Ihwah
Distribusi Diskrit dan Kontinu yang Penting Oleh Azimmatul Ihwah Distribusi Diskrit Fungsi probabilitas dari variabel random diskrit dapat dinyatakan dalam formula matematik tertentu yang dinamakan fungsi
Lebih terperinciDISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS
DISTRIBUSI PROBABILITAS Berbeda dengan variabel random diskrit, sebuah variabel random kontinyu adalah variabel yang dapat mencakup nilai pecahan maupun mencakup range/ rentang nilai tertentu. Karena terdapat
Lebih terperinciPENGUKURAN DESKRIPTIF
PENGUKURAN DESKRIPTIF STATISTIK INDUSTRI I Jurusan Teknik Industri Universitas Brawijaya Malang 1 PENGUKURAN DESKRIPTIF Suatu pengukuran yang bertujuan untuk memberikan gambaran tentang data yang diperoleh
Lebih terperinciSTK 211 Metode statistika. Agus Mohamad Soleh
STK 211 Metode statistika Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan dan diringkas? --> PEUBAH Univariate vs Bivariate vs Multivariate
Lebih terperinciPengukuran Deskriptif. Debrina Puspita Andriani /
Pengukuran Deskriptif 3 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi Pengukuran
Lebih terperinciKEGIATAN BELAJAR ANALISIS DATA SECARA DESKRIPTIF UNTUK DATA NUMERIK. Dr. Heru Santoso Wahito Nugroho, CPMC
KEGIATAN BELAJAR ANALISIS DATA SECARA DESKRIPTIF UNTUK DATA NUMERIK Dr. Heru Santoso Wahito Nugroho, CPMC Published by: Forum Ilmiah Kesehatan (Forikes) Ponorogo, Indonesia 2014 1 DESKRIPSI MATERI KEGIATAN
Lebih terperinciMODUL MATEMATIKA SMA IPA Kelas 11
SMA IPA Kelas A. Data Tunggal No. Jenis Rumus Rumus. Rata-rata (rataan) hitung _ x x x x n Median Me x, untuk n ganjil _ x : rata-rata x n : data ke-n n : banyaknya data. Modus Modus (Mo) merupakan data
Lebih terperinciSTATISTIKA EKONOMI. Fakultas Ekonomi-Akuntansi
STATISTIKA EKONOMI Fakultas Ekonomi-Akuntansi Universitas Negeri Jakarta Nisrina Anzilla 8335128433 Pengertian Statistik Pengertian statistik berasal dari bahasa Latin, yaitu status yang berarti negara
Lebih terperinci7.1 ISTILAH-ISTILAH DALAM STATISTIKA A.
STATISTIKA Dalam statistika, angka dikumpulkan dan diatur sedemikian rupa sehingga orang dapat memahaminya, menarik kesimpulan, dan membuat perkiraan berdasarkan angka angka itu. 7.1 ISTILAH-ISTILAH DALAM
Lebih terperinciMetode Penelitian Kuantitatif Aswad Analisis Deskriptif
Analisis Deskriptif Tanpa mengurangi keterumuman, pembahasan analisis deskriptif kali ini difokuskan kepada pembahasan tentang Ukuran Pemusatan Data, dan Ukuran Penyebaran Data Terlebih dahulu penting
Lebih terperinciBAB II DISTRIBUSI PROBABILITAS
BAB II DISTRIBUSI PROBABILITAS.1. VARIABEL RANDOM Definisi 1: Variabel random adalah suatu fungsi yang memetakan ruang sampel (S) ke himpunan bilangan Real (R), dan ditulis X : S R Contoh (Variabel random)
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 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 terperinci4.1.1 Distribusi Binomial
4.1.1 Distribusi Binomial Perhatikan sebuah percobaan dengan ciri-ciri sebagai berikut : Hanya menghasilkan (diperhatikan) dua peristiwa atau kategori, misal S (sukses) dan G (gagal) Dilakukan sebanyak
Lebih terperinciSTAND N AR R K OMP M E P T E EN E S N I:
Silabus Matematika Kelas XI IPS Smester 1 STANDAR KOMPETENSI: Menggunakan aturan statistika, kaidah pencacahan, dan sifat- sifat peluang dalam pemecahan masalah. u Kompetensi Dasar 1.1 Membaca data dalam
Lebih terperinciUkuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada.
Azimmatul Ihwah Ukuran tendensi sentral seperti mean, median, dan modus seringkali tidak mempunyai cukup informasi untuk menyimpulkan data yg ada. Ada cara yg lebih baik untuk menginterpretasi data yg
Lebih terperinciRENCANA PELAKSANAAN PEMBELAJARAN (RPP)
RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : SMK Mata Pelajaran : Matematika Kelas : XII (Dua Belas) Program : Teknologi, Kesehatan, dan Pertanian Standar Kompetensi Kompetensi Dasar : 13. Memecahkan
Lebih terperinciLEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA
Nama Siswa Kelas : : LEMBAR AKTIVITAS SISWA STATISTIKA 2 B. PENYAJIAN DATA Beberapa bentuk penyajian data, sebagai berikut: Kompetensi Dasar (KURIKULUM 2013): 3.15 Memahami dan menggunakan berbagai ukuran
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 terperinciSTK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang
STK 211 Metode statistika Materi 4 Peubah Acak dan Sebaran Peluang 1 Pendahuluan Soal ujian masuk PT diselenggarakan dengan sistem pilihan berganda. Jika jawaban benar diberi nilai 4, salah dikurangi 1
Lebih terperinciPEMBAHASAN UTS 2015/2016 STATISTIKA 1
PEMBAHASAN UTS 2015/2016 STATISTIKA 1 1. pernyataan berikut ini menjelaskan definisi dan cakupan statistika deskriptif, KECUALI : a. statistika deskriptif mendeskripsikan data yang telah dikumpulkan (Organizing)
Lebih terperinciStatistika Deskriptif & Distribusi Frekuensi
Statistika Deskriptif & Distribusi Frekuensi Oleh: Zulhan Widya Baskara FAKULTAS TEKNOLOGI PERTANIAN Mataram, September 2014 Statistika Statistika Deskriptif Statistika Inferensial Statistika Deskriptif
Lebih terperinciBAB ΙΙ LANDASAN TEORI
7 BAB ΙΙ LANDASAN TEORI Berubahnya nilai suatu variabel tidak selalu terjadi dengan sendirinya, bisa saja berubahnya nilai suatu variabel disebabkan oleh adanya perubahan nilai pada variabel lain yang
Lebih terperinciUNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS
UNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER(RPKPS) Nama Mata Kuliah Kode Mata Kuliah : Beban sks : 3 sks (1) (2) Minggu
Lebih terperinciSILABUS. Kegiatan Pembelajaran Teknik. Memahami cara memperoleh data yang baik, menentukan jenis dan ukuran data, serta memeriksa, dan menyusun data.
SILABUS NAMA SEKOLAH : MATA PELAJARAN : Matematika KELAS : XII STANDAR KOMPETENSI : Menerapkan aturan konsep statistika dalam pemecahan masalah. KODE KOMPETENSI : 10 ALOKASI WAKTU : 52 x 45 Kompetensi
Lebih terperinciKumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=x) disebut distribusi probabilitas X
Kumpulan pasangan nilai-nilai dari variabel acak X dengan probabilitas nilai-nilai variabel random X, yaitu P(X=) disebut distribusi probabilitas X (distribusi X) Diskrit Seragam Binomial Hipergeometrik
Lebih terperinciSTATISTIKA. A Pengertian Statistik dan Statistika. B Populasi dan Sampel. C Pengertian Data PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL
STATISTIKA PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL A Pengertian Statistik dan Statistika Statistik adalah kumpulan akta berbentuk angka yang disusun dalam datar atau tabel, yang menggambarkan suatu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciPengukuran Deskriptif
Pengukuran Deskriptif 2.2 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Pendahuluan Tendensi Sentral Ukuran Dispersi 3 Pendahuluan Pengukuran Deskriptif 4 Definisi
Lebih terperinciRENCANA PELAKSANAAN PEMBELAJARAN NO: 1
RENCANA PELAKSANAAN PEMBELAJARAN NO: 1 Mata Pelajaran : Matematika Kelas/Semester : XI-IPA/1 Materi Pokok : Statistika Pertemuan Ke- : 1 s.d. 3 Alokasi Waktu : 3 x pertemuan (6 x 45 menit) Standar Kompetensi
Lebih terperinciSTATISTIK DAN STATISTIKA
STATISTIK DAN STATISTIKA MAKNA DARI PENGERTIAN STATISTIK DAN STATISTIKA DATA STATISTIK Pengertian : Data adalah keterangan atau fakta mengenai suatu persoalan bisa berupa kategori (rusak, baik senang,
Lebih terperinci1. Sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun maupun angka angka yang sudah tersusun dalam suatu daftar atau grafik.
1. Sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun maupun angka angka yang sudah tersusun dalam suatu daftar atau grafik. 3. Sekumpulan angka yang menjelaskan sifat-sifat data
Lebih terperinciPeranan Statistika. Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si.
Peranan Statistika Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si. 1. Pengertian Statistika Statistika banyak dimanfaatkan dalam berbagai aspek dan bidang kehidupan
Lebih terperinciDESKRIPSI MATA KULIAH
DESKRIPSI MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit : Statistika dan Probabilitas : IF32225 : 3 SKS (3X45 menit) Deskripsi : Membahas mengenai cara-cara pengumpulan data, penganalisisan dan
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 terperinciMA2081 Statistika Dasar
Catatan Kuliah MA2081 Statistika Dasar Orang Cerdas Belajar Statistika Dosen: Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan Statistika - FMIPA Institut Teknologi Bandung 2015 1 Tentang MAK6281 Topik
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciStatistika (MMS-1001)
Statistika (MMS-1001) Dr. Danardono, MPH danardono@ugm.ac.id Program Studi Statistika Jurusan Matematika FMIPA UGM Materi dan Jadual Tatap Muka Pokok Bahasan Sub Pokok Bahasan 1. Statistika Deskriptif
Lebih terperinciUkuran Statistik Bagi Data
Ukuran Statistik Bagi Data 1.1 Parameter dan Statistik Dalam statistika dikenal istilah populasi. Populasi merupakan kumpulan objek yang merupakan objek pengamatan kita. Deskripsi dari populasi tersebut
Lebih terperinciMODUL MATA PELAJARAN MATEMATIKA
KERJASAMA DINAS PENDIDIKAN KOTA SURABAYA DENGAN FAKULTAS MIPA UNIVERSITAS NEGERI SURABAYA MODUL MATA PELAJARAN MATEMATIKA Statistika dan Peluang untuk kegiatan PELATIHAN PENINGKATAN MUTU GURU DINAS PENDIDIKAN
Lebih terperinciPROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.
PROBABILITAS &STATISTIK ke-1 Oleh: Kholistianingsih, S.T., M.Eng. KONTRAK PEMBELAJARAN UAS : 35% UTS : 35% TUGAS : 20% KEHADIRAN :10% SEMUA KOMPONEN HARUS ADA KEHADIRAN 0 NILAI MAKS D PEUBAH DAN GRAFIK
Lebih terperinciBAB 3: NILAI RINGKASAN DATA
BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum
Lebih terperinciStatistika Deskriptif
Statistika Deskriptif Materi 2 - STK511 AnalisisStatistika September 26, 2017 Sep, 2017 1 Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Apa yang disajikan
Lebih terperinciSTK 211 Metode statistika. Materi 2 Statistika Deskriptif
STK 211 Metode statistika Materi 2 Statistika Deskriptif 1 Statistika Deskriptif Merupakan teknik penyajian dan peringkasan data sehingga menjadi informasi yang mudah dipahami Penyajian data dapat dilakukan
Lebih terperinciStatistika Farmasi
Bab 1:,, Statistika FMIPA Universitas Islam Indonesia Data Populasi dan Sampel Menurut Websters New World Dictionary, data berarti sesuatu yang diketahui atau dianggap. Dengan demikian, data dapat memberikan
Lebih terperinciISTILAH UMUM STATISTIKA. JUMLAH PERTEMUAN : 1 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Mendeskripsikan istilah umum statistika
1 ISTILAH UMUM STATISTIKA JUMLAH PERTEMUAN : 1 PERTEMUAN TUJUAN INSTRUKSIONAL KHUSUS : Mendeskripsikan istilah umum statistika Materi : 1.1 Definisi Statistika adalah ilmu yang berkaitan dengan cara pengumpulan,
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF (TK) KODE / SKS: KD / 2 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Pendahulua n tentang konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika
Lebih terperinciDistribusi Probabilitas Diskrit: Binomial & Multinomial
Distribusi Probabilitas Diskrit: Binomial & Multinomial 6 Debrina Puspita Andriani E-mail : debrina.ub@gmail.com / debrina@ub.ac.id 2 Outline Distribusi Variabel Acak Diskrit Distribusi Binomial Distribusi
Lebih terperinci1.0 Distribusi Frekuensi dan Tabel Silang
ANALISIS DESKRIPTIF 1.0 Distribusi Frekuensi dan Tabel Silang 1.1 Pengantar Statistik deskriptif Statistika deskriptif adalah bidang statistika yang mempelajari tatacara penyusunan dan penyajian data yang
Lebih terperinciBAB 8 DISTRIBUSI PELUANG DISKRIT
BAB 8 DISTRIBUSI PELUANG DISKRIT A. Peluang Peluang atau yang sering disebut sebagai probabilitas dapat dipandang sebagai cara untuk mengungkapkan ukuran ketidakpastian/ ketidakyakinan/ kemungkinan suatu
Lebih terperinciSTATISTIKA MATEMATIKA KELAS XI MIA
STATISTIKA MATEMATIKA KELAS XI MIA STATISTIKA Matematika Kelas XI MIA 90 80 70 60 50 40 30 20 10 0 East West North 1st Qtr 2nd Qtr 3rd Qtr 4th Qtr Disusun oleh : Markus Yuniarto, S.Si Tahun Pelajaran 2016
Lebih terperinciPokok Bahasan. Jenis-jenis Data (Berdasarkan Sifatnya)
DATA DAN PENYAJIAN Pokok Bahasan Jenis-jenis Data (Berdasarkan Sifatnya) Kualitatif & kuantitatif Kategorik & Kontinum Level of data Penyajian Data : Tabel Histogram Poligon Kurve Pengerjakan dengan komputer
Lebih terperinciSetelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika
2 N i 1 x i N 2 Z X Setelah mengikuti mata kuliah ini mahasiswa mampu menjelaskan prinsipprinsip dasar statistika, dan mampu melakukan beberapa analisis statistika sederhana s 2 n i 1 x i x n 1 2 No.
Lebih terperinciKONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.
KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT. EKSPERIMEN suatu percobaan yang dapat diulang-ulang dengan kondisi yang sama CONTOH : Eksperimen : melempar dadu 1 kali Hasilnya
Lebih terperinciMA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika
Catatan Kuliah MA2082 BIOSTATISTIKA Orang Biologi Tidak Anti Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2011 Tentang MA2082
Lebih terperinciSATUAN ACARA PERKULIAHAN
Topik Bahasan : Membahas Silabus Perkuliahan Tujuan Umum : Mahasiswa Mengetahui Komponen Yang Perlu Dipersiapkan Dalam Matakuliah Ini satu kali Tujuan 1 Menjelaskan tentang Mengakomodasi berbagai masukan
Lebih terperinciDAFTAR PUSTAKA. Beuemer, B.J.M Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta.
DAFTAR PUSTAKA Amanto, Hari & Daryanto. 2003. ilmu Bahan. (Cetakan Kedua). Bumi Aksara, Jakarta. Beuemer, B.J.M. 1994. Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta. Djaprie, Sriati. 1997. Teknologi
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 terperinciPengumpulan & Penyajian Data
Pengumpulan & Penyajian Data Cara Pengumpulan Data 1. Mengadakan penelitian langsung ke lapangan atau laboratorium terhadap obyek yang diteliti, hasilnya dicatat dan dianalisis 2. Mengambil atau menggunakan
Lebih terperinciSTATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling
STATISTIKA EKONOMI I Chapter 4 Distribusi Probabilitas Normal dan Binomial Chapter 5 Teori Sampling Rengganis Banitya Rachmat rengganis.rachmat@gmail.com 4. Distribusi Probabilitas Normal dan Binomial
Lebih terperinci