Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d

Ukuran: px
Mulai penontonan dengan halaman:

Download "Kajian Hubungan Koefisien Korelasi Pearson (r), Spearman-rho (ρ), Kendall-Tau (τ), Gamma (G), dan Somers ( d"

Transkripsi

1 Jural Grade Vol4 No Jul 008 : Kaja Hubuga Koefse Korelas Pearso (r), Spearma-rho (ρ), Kedall-Tau (τ), Gamma (G), da Somers ( d yx ) Sgt Nugroho, Syahrul Abar, da Res Vusvtasar Jurusa Matemata, Faultas Matemata da Ilmu Pegetahua Alam, Uverstas Begulu, Idoesa Dterma Me 008; Dsetuju 0 Ju 008 Abstra - Peelta bertujua megaj tetag hubuga oefse orelas Pearso (r), Spearma-rho (ρ), Kedall-tau (τ), Gamma (G) da Somers ( d yx ) serta mempelajar pegguaa dar masg-masg oefse orelas utu sala ordal Metode yag dguaa dalam peulsa adalah stud lteratur da data yag dguaa adalah data smulas yag dbuat megguaa program omputer Mcrosoft EXCEL Data smulas terdr dar dua, yatu data tda ormal (seragam) da data ormal yag dbagta dar data seragam Hasl peelta meujua bahwa utu data seragam, oefse orelas yag dbera oleh oefse orelas Spearma-rho (ρ) da Kedall-tau (τ) lebh besar dbadga dega Koefse orelas Pearso (r) Da utu data ormal, oefse orelas yag dbera oleh oefse orelas Pearso (r) lebh besar dbadga oefse orelas Spearma-rho (ρ) da Kedall-tau (τ) I membuta bahwa oefse orelas Pearso sesua dguaa utu data yag berdstrbus ormal, sedaga oefse orelas Spearma-rho (ρ) da Kedall-tau (τ) dguaa utu data yag tda ormal Peelta juga meujua adaya hubuga yag ler atara oefse orelas Gamma da Somers Kata Kuc : Korelas, Uura Asosas, Tabel Kotges, Statsta Noparametr Pedahulua Keuata da sfat etergatuga atar varabel merupaa masalah setral yag g detahu pada suatu peelta Kadag peelt g megetahu apaah terdapat hubuga atara dua varabel da seberapa uat hubuga edua varabel tersebut Uj statsta yag meguur eerata hubuga atara dua varabel dsebut aalss orelas (correlato) Uura utu meetua uatya atau derajat eerata hubuga atar dua varabel damaa oefse orelas (the correlato coeffcet) Dalam statsta parametr, oefse orelas atara dua varabel (bvarate) yag basa dguaa adalah oefse orelas mome hasl al Pearso, yag dotasa dega r Dmaa sala data pegamata seredahredahya adalah terval atau raso Ja data pegamata adalah berupa sala ordal, dalam hal utu uj orelas statsta oparametr, maa ada beberapa oefse orelas yag dapat dguaa, yatu oefse orelas pergat Spearma-rho (ρ), Kedall-tau (τ), Gamma (G), da Somers ( d yx ) Dar eempat oefse orelas baya peelt yag mug g tahu apa harus megguaa oefse orelas pergat Spearma-rho (ρ), Kedall-tau (τ), Gamma (G), da Somers ( d yx ) dalam suatu peelta Utu megetahu pegguaa dar masg-masg oefse orelas utu data bersala ordal d atas, maa perlu dpelajar tetag sfat-sfat dar eempat oefse orelas Sehgga atya para peelt dapat megetahu da bear-bear tepat dalam memlh oefse orelas maa yag aa dguaa dalam peelta Tujua dar peulsa artel adalah utu megaj tetag hubuga oefse orelas mome hasl al Pearso (r), Spearma-rho (ρ), Kedall-tau (τ), Gamma (G) da Somers ( d yx ) serta mempelajar pegguaa dar oefse orelas pergat Spearma-rho (ρ), Kedalltau (τ), oefse orelas Gamma (G), da Somers ( d yx ) dalam suatu peelta Kemuda aa dbera cotoh asus yag terat dega pembahasa Pegatar Teor Statsta Noparametr Peelt serg al megalam esulta utu memperoleh data otu pada peelta yag megut

2 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : dstrbus ormal Hal salah satuya area jumlah data sampel yag ddapat tda cuup baya sehgga tda memeuh dstrbus ormal Sela tu, baya peguura data dlaua secara ualtatf da data dalam peelta yag dperoleh serg berupa ategor yag haya dapat dhtug freuesya atau berupa data yag haya dapat dbedaa berdasara tgata atau ragya Meghadap asus data ategoral (omal) atau data ordal sepert tu, jelas peelt tda mug memperguaa metode statsta parametr Karea apabla asums-asums tda dapat terpeuh, aa meghasla suatu esmpula yag tda vald Kesulta-esulta dalam data tetap harus datas supaya aalss data bsa dlaua da meghasla suatu esmpula yag vald Sebaga gatya dcptaa oleh paar metode statsta alteratf yag sesua yatu metode statsta oparametr sebaga pelegap statsta parametr Metode statsta oparametr merupaa suatu metode aalss data tapa memperhata betu dstrbusya sehgga statsta serg juga dsebut metode bebas sebara (dstrbuto free methods), area model uj statstaya tda meetapa syarat-syarat tertetu tetag betu dstrbus parameter populasya Artya bahwa metode statsta oparametr tda meetapa syarat bahwa observas-observasya harus dtar dar populas yag berdstrbus ormal da tda meetapa syarat homosedaststas (homoscedastcty) Sela tda meetapa syarat megea dstrbus populasya, statsta oparametr juga tda meetapa syarat-syarat megea parameter-parameter populas yag merupaa du sampel peeltaya Suatu metode statsta dapat dataa oparametr apabla memeuh palg sedt satu rtera dbawah : Metode dguaa utu data pegamata dega sala omal Metode dguaa utu data pegamata dega sala ordal 3 Metode dguaa utu data pegamata dega sala terval atau raso, dmaa dstrbus populasya tda detahu Pemlha macam uj statsta oparametr maa yag palg sesua ddasara pada beberapa rtera Pertama ddasara pada sala peguura varabel peeltaya, ba tu sala omal, ordal, atau sala terval/raso Pada dasarya uj yag sesua bag varabel dega sala omal atau ordal adalah uj statsta oparametr, amu terdapat juga uj statsta oparametr yag berlau pada varabel yag bersala terval Kedua, pemlha uj statsta oparametr ddasara pada bayaya sampel peelta, apaah berupa sampel tuggal, dua sampel berpasaga atau dua sampel depede, atau sampelya lebh dar dua buah yag berpasaga atau yag depede Ketga, pemlha uj oparametr ddasara pada jes peeltaya, apaah berupa uj esesuaa (goodess-offt), uj badg, uj depedes, atau apaah berupa uj eterata ( orelas ) atara dua umpula atrbut atau dua umpula sor Cotoh uj statsta oparametr dataraya adalah uj bomal, uj meda, uj tada, uj Kolmogorov-Smrov, uj orelas pergat, uj Wlcoxo- Ma-Whtey, uj Fredma da la sebagaya Aalss Korelas Statsta Noparametr Aalss orelas merupaa uj statsta yag meguur eerata hubuga atara dua varabel Keerata hubuga atara dua varabel dapat duur euataya Ides yag meguur eerata hubuga dua varabel dsebut oefse orelas Nla oefse orelas palg (r) dapat dyataa sebaga berut : r () r =, hubuga X da Y sempura da postf (medeat, yatu hubuga sagat uat da postf) r = -,hubuga X da Y sempura da egatf (medeat -, yatu hubuga sagat uat da egatf) r = 0, hubuga X da Y lemah seal atau tda ada hubuga Sama halya dega statsta parametr, aalss orelas pada statsta oparametr juga mempelajar apaah ada hubuga atar dua varabel Haya pada orelas oparametr, data atau varabel yag aa duj da duur orelasya adalah data omal atau ordal Sebaga cotoh, apaah motvas seseorag mempegaruh epuasa beerja orag tersebut D s varabel motvas ataupu epuasa erja adalah data ordal, area tda mug motvas da epuasa duur sepert

3 374 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : peguura tgg bada atau berat bada yag secara rl dapat dlhat Dalam statsta parametr, Koefse orelas yag deal luas da palg serg dguaa adalah oefse orelas mome hasl al Pearso yag dotasa dega r, dmaa rumus r adalah sebaga berut: r = ( X X )( Y Y ) ( X X ) ( Y Y ) dega X da Y adalah varabel-varabel yag damat da bayaya sampel pegamata Perhtuga dalam te orelas mesyarata bahwa populas asal sampel mempuya dua vara (bvarat) da berdstrbus ormal Sela tu te orelas dalam aplasya dguaa utu meguur orelas data dega sala peguura terval atau raso Sedaga dalam statsta oparametr, utu asus peguura aalss orelas atara dua umpula sor dapat dgologa berdasara pada sala peguura varabel peeltaya (sala omal, ordal, atau terval-raso) Adapu peggologa uj orelas tu adalah sebaga berut: () oefse orelas Gamma yag dotasa dega G Keempat oefse orelas ddasara pada rag Haya saja atara oefse orelas pergat Spearmarho dega oefse orelas Kedall-tau, Gamma, da Somers ada sedt perbedaa Dmaa utu oefse orelas pergat Spearma-rho memperhtuga besarya perbedaa ra pasaga la pegamata, sedaga utu oefse orelas Kedall-tau, ( X, Y ) oefse orelas Somers, da oefse orelas Gamma haya memperhtuga euata asosas berdasara arah pasaga la pegamata X, ) da tda ( Y memperhtuga besarya perbedaa pasaga la pegamata X, ) sepert pada oefse orelas ( Y pergat Spearma-rho atau dega ata la oefse orelas Kedall-tau, oefse orelas Somers, da oefse orelas Gamma ddasara pada osep pasaga cocordat (C) da dscordat (D) Utu megetahu eerata hubuga atara dua varabel, tda haya dlhat dar besarya la oefse orelas atara dua varabel yag dbera Aa tetap perlu juga dlaua uj sgfas, dalam hal peguja hpotess dar edua varabel tersebut Hpotess-hpotess Uj dua arah H 0 : X da Y salg bebas H : X da Y depede (hubuga postf atau egatf) Uj satu arah (Postf) H 0 : X da Y salg bebas H : X da Y depede (hubuga postf) Uj satu arah (Negatf) H 0 : X da Y salg bebas H : X da Y depede (hubuga egatf) Gambar Pembaga Korelas Dar baga d atas, dapat dlhat bahwa oefse orelas oparametr utu jes data dega sala peguura ordal, terdapat empat macam oefse orelas yag dapat dguaa, yatu oefse orelas pergat Spearma-rho yag dotasa dega ρ, oefse orelas Kedall-tau yag dotasa dega τ, oefse orelas Somers yag dotasa dega d yx, da a Koefse Korelas Noparametr Utu Sala Ordal Koefse orelas merupaa uura yag meyataa eerata hubuga atara dua varabel Koefse orelas bvarat yag palg lama da baya dguaa adalah orelas yag dembaga oleh Karl Pearso Perhtuga dalam orelas ddasara pada data sebearya (varabel asl) Secara statst, oefse orelas mome hasl al Pearso atau serg dsgat

4 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : dega oefse orelas Pearso yag dotasa dega r drumusa sebaga berut: r = = = = ( X X )( Y Y ) ( X X ) ( Y Y ) Dalam aplasya oefse orelas dguaa utu meguur eerata hubuga d atara hasl-hasl pegamata dar populas yag mempuya dua vara (bvarat) Perhtuga dalam teh orelas mesyarata bahwa populas asal sampel mempuya dua vara da berdstrbus ormal Sela tu te orelas dalam aplasya dguaa utu meguur orelas data terval atau raso Koefse orelas pergat Spearma - rho ( ρ ) Uura orelas oparametr yag aalog dega oefse orelas Pearso (r) adalah oefse orelas yag dembaga oleh Charles Spearma (908) yatu oefse orelas pergat Spearma Statst adag dsebut dega Spearma- rho, da dotasa dega ρ Ja pada oefse orelas Pearso (r) dguaa utu megetahu orelas data uattatf (sala terval da raso), maa pada oefse orelas pergat Spearmarho dguaa utu peguura orelas pada statst oparametr (sala ordal) I merupaa uura orelas yag meutut edua varabel duur seuraguragya dalam sala ordal sehgga obye-obye peeltaya dapat drag dalam dua ragaa berurut Msal data terdr dar sampel aca bvarat beruura, yatu ( X, Y ),( X, Y ), K,( X, Y ) Msala R X ) adalah ra dar ( (3) X dbadga dega la X laya, utu =,, K, ( X ) = R ja X adalah la X terecl dar X, X, K, X, ( X ) = R ja X adalah la X terecl edua, da seterusya dega ra dtada sebaga la X terbesar Begtu juga utu R ( Y ) Ja d atara la X atau d atara la Y terdapat aga sama, maa masg-masg la yag sama dber pergat rata-rata dar poss-poss yag seharusya Rumus oefse orelas pergat Spearma- rho merupaa turua rumus oefse orelas Pearso, yatu ( X X )( Y Y ) (4) r = ( X X ) ( Y Y ) dmaa utu oefse orelas pergat Spearma-rho (ρ), varabel asl dgat dega ra-raya, maa X dgat dega R(X ) da Y dgat dega R(Y ) Sehgga rumus oefse orelas pergat Spearma-rho ( ρ ) adalah ρ = = [ R ( X ) R ( X )][ R ( Y ) R ( Y )] ( R ( X ) R ( X )) ( R ( Y ) R ( Y )) = = + + R ( X ) ( ) R Y = = ( ) ( ) + + R ( X ) ( ) R Y = = ( ) utu mempermudah perhtuga, maa persamaa datas dapat dsederhaaa sebaga berut (5) [ ] 6 R( X ) R( Y ) = 6T ρ (6) = ( ) dmaa d = [ R X ) R( Y )] = = = ( ) (, yatu jumlah uadrat dar selsh-selsh atara ra-ra utu masg-masg pegamata X da Y Lagah-lagah utu meghtug oefse orelas Spearma-rho (ρ) adalah sebaga berut : Berlah pergat utu masg-masg pegamata X mula dar hgga, juga utu pegamata Y ber pergat mula dar sampa Tetua harga d, yatu jumlah uadrat dar = selsh-selsh atara ra-ra X utu masgmasg pegamata da Y Guaa persamaa 6 utu meghtug ρ

5 376 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : Koefse orelas Kedall - Tau ( τ ) Koefse orelas yag edua yag basa dguaa utu meguur euata orelas utu data peelta dega sala peguura ordal adalah oefse orelas yag deala oleh MG Kedall (938) yatu oefse orelas Kedall-tau yag dotasa dega τ Koefse orelas meml sfat yag sama dega oefse orelas pergat Spearma-rho, tetap berbeda dasar logaya Ja utu oefse orelas pergat Sperma-rho ddasara pada pergat (ra), dmaa ba varabel X da varabel Y masg-masg ta rag Sedaga utu oefse orelas Kedall-tau salah satu varabelya yag dber pergat (duruta), yatu varabel X saja atau varabel Y saja dalam hal basaya adalah varabel X Sedaga varabel Y aa dlhat apaah la varabel Y tu searah (oorda) atau berlawaa arah (dsorda) dega varabel X yag sudah duruta Ja ada data bvarat ( X, Y ), =,,, dmaa X da Y seurag-uragya bersala ordal Maa utu setap pasaga la observas X, ) da X, ) utu j ( Y ( j Y j dapat ddefsa pasaga la sebaga berut : ) Pasaga X, ) da X, ) oorda, ja ( Y ( X j )( Y Y j ) > 0 ( j Y j X artya adalah ja X > maa Y > Y j atau ja X < X j maa Y < Yj X j sehgga ( X X ) da ( Y Y ) meml tada yag sama, yatu sama-sama postf atau sama-sama egatf dega hasl al yag selalu postf ) Pasaga X, ) da X, ) dsorda, ja ( Y ( X j )( Y Yj ) < 0 ( j Y j X artya adalah ja X > maa Y < Y j atau ja X < X j maa Y > Y j X j sehgga ( X X ) da ( Y Y ) meml tada yag berlawaa dega hasl al yag selalu egatf Secara eseluruha, utu pegamata ada sebaya ( ) pasaga yag mug Ja ada = sebaya C pasaga yag searah (oorda) da D pasaga yag berlawaa arah (dsorda), maa Kedall-tau dapat dhtug sebaga berut: C D (7) τ = ( ) Lagah-lagah utu meghtug oefse orelas Kedall-tau (τ) adalah sebaga berut : Susulah pasaga-pasaga (X,Y ) dalam sebuah olom meurut besarya la-la pegamata X, dar la pegamata X yag palg ecl Ds dapat dataa bahwa la-la X berada dalam uruta yag wajar (atural order) Perbadga setap la pegamata Y satu dem satu dega setap la Y yag ada d sebelah bawahya Ja la Y yag d bawah lebh besar dar Y yag d atasya, maa arah la pegamataya sama (oorda) Da ja la Y yag d bawah lebh ecl dar Y yag d atasya, maa arah la pegamataya berlawaa (dsorda) Tetapa C sebaga bayaya pasaga oorda da D bayaya pasaga dsorda guaa persamaa [7] utu meghtug τ Koefse orelas Gamma ( G) Sebelumya sudah dbahas dua oefse orelas utu dua varabel dega sala peguura ordal, yatu Spearma-rho da Kedall-tau Aa tetap, ja data pasaga pegamata baya megadug aga sama atau ada stuas dmaa data pegamata dtampla dalam betu tabel otges, maa pegguaa oefse orelas Spearma-rho da Kedall-tau aa urag efetf Dega dema utu data pasaga pegamata yag eduaya bertpe ordal da dtampla dalam betu tabel otges, oefse orelas yag dapat dguaa adalah oefse orelas Gamma (G) da oefse orelas Somers ( d yx ) Koefse orelas yag etga yag dapat dguaa utu meguur orelas utu data peelta dega sala peguura ordal adalah oefse orelas Gamma, yag dotasa dega G Koefse orelas deala oleh Goodma da Krusal (954) Koefse orelas meml dasar loga yag sama dega oefse orelas Kedall-tau, yatu ddasara pada bayaya pasaga oorda (C) da pasaga dsorda (D) Msala ada dua pegamata bvarat X da Y, dmaa eduaya merupaa varabel terurut Pegamata X terdr dar X, X, K, X, =,, K, dmaa

6 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : X < X < L< X Begtu juga dega pegamata Y j terdr dar Y, Y, K, Yr, j =,, K, r dmaa Y < Y < L < Y r Utu meghtug statst G dar dua pasaga pegamata utu data ordal, X, X, K, X da Y, Y, K, Y r yag dsusu dalam tabel otges sepert dbawah, Y Y Y r Tabel Tabel Kotges Data Kategor Pergat X X X Total r r r Total C C C N maa statst G ddefsa sebaga berut, dmaa G C + = j N j j j =,, K,, D = j N j j j =,, K, C D C + D R R R r = (9) dega =,, K, r da + N j da N j ddefsa sebaga berut: j + = p= + q= j+ N j pq dega =,, K, r da j da N j = pq p= + q= (0) Lagah-lagah meghtug oefse orelas Gamma (G) adalah sebaga berut: Htug bayaya pasaga oorda da dsorda dar tabel otges yag dbera Dmaa utu meghtug bayaya pasaga oorda dapat dguaa persamaa 9 da utu meghtug bayaya pasaga dsorda guaa persamaa 0 Setelah bayaya pasaga ooda (C) da dsorda (D) sudah detahu, substtusa C da D e persamaa 8 v Koefse orelas Somers ( d yx ) Koefse orelas yag dapat dguaa utu meguur euata orelas utu data peelta dmaa edua varabel bersala ordal da data dtampla dalam betu tabel otges sela oefse orelas Gamma (G) adalah oefse orelas Somers, yag dotasa dega ( d yx ) Koefse orelas deala oleh Somers (96) Koefse orelas juga meml dasar loga yag sama dega oefse orelas Kedall-tau da Gamma, yatu ddasara pada bayaya pasaga oorda (C) da pasaga dsorda (D) Utu meghtug statst ( d yx ) dar dua buah pegamata terurut X da Y, yatu Y, Y, K, Y r Statst ( d yx ) ddefsa sebaga berut : ( C D) d yx = N C = X, X,, X K da () N adalah bayaya pegamata da C merupaa freues margal dar la pegamata X Statst ( d yx ) meyataa selsh propors pasaga oorda da dsorda datara pasaga dega la pasaga pegamata yag beraga sama utu varabel X Lagah-lagah meghtug oefse orelas Somers ( d yx ) adalah sebaga berut: Dega cara yag sama sepert oefse orelas Gamma (G), htug bayaya pasaga oorda da dsorda dar tabel otges yag dbera megguaa persamaa 9 da 0 Selajutya htug jumlah uadrat dar bayaya freues dalam tap bars d setap olomya Kemuda substtusa e persamaa b Hubuga atara Gamma (G) da Somers ( d yx ) Dar formas yag dbera, detahu bahwa rumus oefse orelas Gamma (G) adalah sebaga berut : C D G = C + D da oefse orelas Somers ( d yx ) adalah sebaga berut :

7 378 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : ( C D) d yx = N C = sehgga hubuga atara Gamma (G) da Somers ( d yx ) adalah C D N C G = C + D = = d yx ( C D) ( C + D) N C = dega dema atau N C G = = d yx ( C + D ) () ( C + D) d yx = G (3) N C = utu data yag sama, dalam perhtuga G da ( d yx ) la ( C + D) N C = osta 3 Telada Peerapa Sebaga lustras, data yag dguaa utu perhtuga oefse orelas oparametr utu sala ordal adalah data smulas Smulas data merupaa dua buah data berpasaga (X,Y) Data smulas terdr dar dua jes, yatu data tda ormal (seragam) da data ormal Dmaa smulas data dbuat megguaa program omputer Mcrosoft EXCEL Perhtuga Koefse Korelas Pearso, Spearma - rho,da Kedall-tau Perhtuga oefse orelas Pearso, oefse orelas Spearma-rho, da oefse orelas Kedall-tau (τ), data smulas yag dguaa tu sama Data sebaya 00 sampel, dmaa setap sampel terdr dar pegamata Data smulas d s ada dua macam, yag pertama data smulas dega sebara seragam Kemuda data tad dbagta sehgga dataya berdstrbus ormal Salah satu cotoh sampelya adalah sebaga berut: Tabel Smulas Data Seragam Smulas Data X Y Tabel 3 Smulas Data Normal Smulas Data X Y Setelah smulas data utu masg-masg sampel dbuat, maa lagah selajutya adalah meghtug masgmasg oefse orelas Pearso, Spearma-rho, da Kedall-tau (τ) utu masg-masg sampel ba tu data seragam maupu data ormal Dega dema dapat dperoleh secara eseluruha la oefse orelas Pearso, Spearma-rho, da Kedall-tau utu 00 sampel ba utu data seragam maupu data ormal telah dlaua Dar 00 sampel yag dbagta dar dstrbus seragam, ebayaa la-la oefse orelas yag dbera oleh oefse orelas Spearma-rho da Kedall-tau cederug lebh besar dbadga dega oefse orelas Pearso I sesua dega yag dharapa, area data pegamata merupaa sampel aca dega dstrbus seragam da oefse orelas yag ba dguaa utu meghtug data semacam tu adalah oefse orelas Spearma-rho da Kedall-tau dmaa data pegamataya tda berdstrbus ormal Sedaga oefse orelas Pearso dguaa utu meghtug oefse orelas dmaa data

8 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : pegamataya berdstrbus ormal, sehgga utu data seragam la oefse orelas Pearso yag dbera lebh ecl Sebalya, dar 00 sampel yag dbagta dar dstrbus ormal, ebayaa la-la oefse orelas Pearso lebh besar dbadga dega oefse orelas Spearma-rho da Kedall-tau I sesua dega yag dharapa, area oefse orelas Pearso memag ba dguaa utu data pegamata yag berdstrbus ormal Sedaga oefse orelas Spearma-rho da Kedall-tau dguaa utu data yag tda berdstrbus ormal sehgga la oefse yag dbera lebh ecl dbadga dega oefse orelas Pearso Perhtuga Koefse Korelas Gamma (G) da Somers d ) ( yx Utu perhtuga oefse orelas Gamma (G) da Somers ( d yx ), data smulas yag dguaa juga sama Data sebaya 00 sampel, dmaa setap sampel terdr dar 000 pegamata Data smulas d s juga dua macam yatu data seragam da data ormal Karea oefse orelas Gamma (G) da Somers ( d yx ) merupaa suatu uura asosas dmaa data pegamataya berupa data ategor pergat da dtampla dalam betu tabel otges sehgga data dbagta e betu tabel otges Ds masgmasg pegamata X da Y dbag mejad beberapa elas, dalam hal dbag e dalam beberapa ategor Berut cotoh smulas data utu salah satu sampel dega 000 pegamata utu data smulas dar data seragam da data ormal Tabel 4 Data Smulas Kategor Seragam X Y Tabel 5 Data Smulas Kategor Normal X Y Dar tabel 4 da 5 d atas utu tga olom terahr merupaa alat batu utu membagta data dar data pegamata X da Y yag dbera e betu data ategor, dalam hal dbuat e dalam betu tabel otges Setelah melalu beberapa proses, maa data pegamata X da Y d atas meghasla tabel otges sebaga berut: Tabel 6 Kotges Data Seragam Tabel 7 Kotges Data Seragam Setelah tabel otges dbuat, dapat dhtug la oefse orelas Gamma (G) da Somers ( d yx ) Ba utu data ormal ataupu data seragam, ebayaa la oefse orelas Gamma (G) yag dbera cederug lebh besar dbadga dega oefse orelas Somers d ) I dsebaba oefse orelas Gamma ( yx tda memperhata bayaya data embar, sedaga utu oefse orelas Somers ( d yx) bayaya data embar utu pegamata X dperhata

9 380 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : Ba utu data seragam maupu data ormal dar tabel la-la oefse orelas Gamma (G) da Somers ( d yx ) utu 00 sampel, la slope (emrga gars) yag dbera berturut-turut sebesar 0788 da 070 Nla slope meujua dua hal, yatu arah hubuga da besarya perubaha pada la-la oefse orelas Gamma (G) yag terjad sehubuga dega perubaha pada la-la oefse orelas Somers ( d yx ) Arah hubuga dapat dlhat dar tada aljabar (postf atau egatf) pada la slope Karea la slope berla postf, meyataa bahwa arah hubuga atara lala oefse orelas Gamma (G) da Somers ( d yx) adalah postf ba utu data seragam ataupu data ormal Dmaa hubuga yag postf meujua bahwa eaa la oefse orelas Gamma (G) dut oleh eaa pada la oefse orelas Somers ( d yx ) da sebalya peurua la oefse orelas Gamma (G) dut oleh peurua pada la oefse orelas Somers ( d yx ) Utu melhat pola hubuga atara la-la oefse orelas Gamma (G) da Somers ( d yx ) ba utu data seragam maupu data ormal dapat dlhat pada Gambar da Gambar 3 Pola hubuga atara la-la oefse orelas Gamma (G) da Somers ( d yx ) ba utu data seragam maupu data ormal yag terlhat pada Gambar da Gambar 3 d atas adalah hubuga yag bersfat ler area dapat dhampr oleh sebuah gars lurus Sehgga hubuga atara la-la oefse orelas Gamma (G) da lala oefse orelas Somers ( d yx ) adalah ler Gambar 3 Hubuga ler atara Gamma da Somers utu data ormal 4 Kesmpula Koefse orelas yag dapat dguaa utu sala data ordal adalah oefse orelas Spearma-rho (ρ), Kedall-tau (τ), Gamma (G), da Somers ( d yx ) Utu data yag tda ormal (data seragam), la oefse orelas yag dbera oleh oefse orelas Spearmarho da Kedall- tau lebh besar dbadga dega oefse orelas Pearso Sedaga utu data ormal la oefse orelas Pearso lebh besar dbadga dega oefse orelas Spearma- rho da Kedalltau Hal meujua bahwa : - Koefse orelas Pearso (r) ba dguaa ja data pegamata berdstrbus ormal da sala data seredah-redahya adalah terval atau raso - Koefse orelas Spearma-rho (ρ) da Kedall-tau (τ) ba dguaa utu pasaga pegamata yag tda berdstrbus ormal Koefse orelas Gamma (G) da Somers ( d yx ) dguaa utu pasaga pegamata dega sala data ordal dalam betu ategor pergat (data dtampla dalam betu tabel otges) da Koefse orelas Gamma (G) da Somers ( d yx) meujua hubuga yag ler Daftar Pustaa Gambar Hubuga ler atara Gamma da Somers utu data seragam [] Agrest, 984 Aalyss of Ordal Categorcal Data Joh Wley ad Sos New Yor [] Aom 003 Itroducto to Exact Noparametrc Iferece StatXact/ Itro_ Noparametrc_Iferecepdf

10 Sgt Nugroho / Jural Grade Vol 4 No Jul 008 : [3] Aom 000 Correlato publshg com/ cotet/bpl_images/cotet_store/samp le_chapter/ /petre%0sample%0ch6pdf [4] Aryee, M 00 Measures of Assocato shuedu/eop/worsheets/exac6/pre--measures%0of %0Assocato--03doc [5] Azz005 Aalss Berstatst Lajuta ctescom/heru006/vhtm [6] Coover, WJ 97 Practcal Noparametrc Statstcs Wley Iteratoal Edto Joh Wley ad Sos New Yor, NY [7] Dael, W 989 Statsta Noparametr Terapa Peerbt PT Grameda Jaarta [8] Djarwato, 997 Statsta Noparametr BPFE - Yogyaarta Yogyaarta [9] Elfso, KW, ad R Ruyo 990 Fudametal of Socal Statstcs Secod Edto McGraw-Hll Iteratoal Edto Sgapore [0] Gbbo, JD 985 Noparametrc Statstcal Iferece Marcel Deer New Yor, NY [] Loether, H ad DG McTavsh988 Descrptve ad Iferetal Statstcs: A Itroducto, Thrd Edto Ally ad Baco Needham Heghts, MA [] Lohger, H 006 Ordal Assocato [3] SAS Isttute, 999 Measures of Assocato [4] Scheaffer RL 999 Categorcal Data Aalyss %0Data%0Aalysspdf [5] Segel, S, ad J Castella, Jr 988 Noparametrc Statstcs for the Behavoral Sceces McGraw-Hll Iteratoal Edto Sgapore

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran

STATISTIKA: UKURAN PENYEBARAN DATA. Tujuan Pembelajaran KTSP & K-3 matemata K e l a s XI STATISTIKA: UKURAN PENYEBARAN DATA Tujua Pembelajara Setelah mempelajar mater, amu dharapa meml emampua berut.. Memaham defs uura peyebara data da jes-jesya.. Dapat meetua

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDAAN TEORI Dalam bab aa djelasa teor-teor yag berhubuga dega peelta yag dapat djada sebaga ladasa teor atau teor peduug dalam peelta Ladasa teor aa mempermudah pembahasa hasl peelta pada bab 3 Adapu

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (uregstered verso) http://www.smpopdf.com Statst Bss : BAB V. UKURA PEYEBARA DATA.1 Peyebara Uura peyebara data adalah uura statst yag meggambara bagamaa berpecarya data

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga searag adalah aalss terhadap data megea sebuah araterst atau atrbut (ja data tu ualtatg) da megea sebuah araterst (ja data tu uattatf).

Lebih terperinci

BAB I PANDAHULUAN. 1.1 Latar Belakang

BAB I PANDAHULUAN. 1.1 Latar Belakang BB I PNDHULUN Latar Belaag Data merupaa seumlah formas yag dapat membera gambara/eteraga tetag suatu eadaa Iformas yag dperoleh membera eteraga, gambara, atau fata megea suatu persoala dalam betu ategor,

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belaag Metode aalss yag telah dbcaraa hgga saat adalah aalss terhadap data megea sebuah araterst atau atrbut da megea sebuah varabel dsrt atau otu. Tetap, sebagamaa dsadar, baya

Lebih terperinci

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data, blaga ataupu

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam

BAB II LANDASAN TEORI. Pada bab II ini, akan dijelaskan tentang teori yang dipakai dalam BAB II LANDASAN TEORI Pada bab II, aa djelasa tetag teor yag dpaa dalam semvarogram asotrop. Sela tu juga aa dbahas megea teor peduug dalam melaua peasra aduga cadaga baust d daerah Mempawah Kalmata, dataraya

Lebih terperinci

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan

II. LANDASAN TEORI. Wallpole (1995), mendefinisikan data kategori sebagai data yang diklasifikasikan II. LANDASAN TEORI.1. Data Kategor Wallpole (1995, medefsa data ategor sebaga data yag dlasfasa meurut rtera tertetu. Data ategor dsebut uga data ometr atau data yag bua merupaa hasl peguura. Data ategor

Lebih terperinci

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar.

ANALISIS REGRESI. Untuk mengetahui bentuk linear atau nonlinear dapat dilakukan dengan membuat scatterplot seperti berikut : Gambar. ANALISIS REGRESI Berdasara betu eleara data, model regres dapat dlasfasa mead dua macam yatu lear da o-lear. Ja pola data lear maa dguaa pemodela lear. Begtu uga sebalya apabla pola data tda lear maa dguaa

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu terjad dega sedrya amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu.

BAB 2 LANDASAN TEORI. Regresi linier sederhana yang variabel bebasnya ( X ) berpangkat paling tinggi satu. BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa yag varabel bebasya ( berpagkat palg tgg satu. Utuk regres ler sederhaa, regres ler haya melbatka dua varabel ( da. Persamaa regresya dapat dtulska

Lebih terperinci

Uji Statistika yangb digunakan dikaitan dengan jenis data

Uji Statistika yangb digunakan dikaitan dengan jenis data Uj Statstka yagb dguaka dkata dega jes data Jes Data omal Ordal Iterval da Raso Uj Statstka Koefse Kotges Rak Spearma Kedall Tau Korelas Parsal Kedall Tau Koefse Kokordas Kedall W Pearso Korelas Gada Korelas

Lebih terperinci

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier

BAB 2 LANDASAN TEORI. Regresi linier sederhana merupakan bagian regresi yang mencakup hubungan linier BAB LANDASAN TEORI. Regres Ler Sederhaa Regres ler sederhaa merupaka baga regres yag mecakup hubuga ler satu peubah acak tak bebas dega satu peubah bebas. Hubuga ler da dar satu populas dsebut gars regres

Lebih terperinci

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM 1 Megetahu perhtuga persamaa regres ler Meggambarka persamaa regres ler ke dalam dagram pecar TEORI PENUNJANG Persamaa Regres adalah persamaa matematka

Lebih terperinci

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik:

BAB IX. STATISTIKA. Contoh : hasil ulangan Matematika 5 siswa sbb: Pengertian Statistika dan Statistik: BAB IX. STATISTIKA Pegerta Statsta da Statst: Statsta adalah lmu pegetahua yag membahas metode-metode lmah tetag ara-ara pegumpula data, pegolaha, pegaalsa da peara esmpula. Statst adalah umpula data,

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI. Aalss Regres Perubaha la suatu varabel tda selalu tejad dega sedrya, amu perubaha la varabel tu dapat pula dsebaba oleh berubahya varabel la yag berhubuga dega varabel tersebut. Utu

Lebih terperinci

adalah nilai-nilai yang mungkin diambil oleh parameter jika H

adalah nilai-nilai yang mungkin diambil oleh parameter jika H Uj Nsbah Kemuga Lema Neyma-Pearso dapat dguaa utu meemua uj palg uasa bag hpotess sederhaa bla sebara dataya haya dtetua oleh satu parameter yag tda detahu. Lema tersebut juga adaalaya dapat dguaa utu

Lebih terperinci

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai

BAB 2 LANDASAN TEORI. perkiraan (prediction). Dengan demikian, analisis regresi sering disebut sebagai BAB LANDASAN TEORI. Kosep Dasar Aalss Regres Aalss regres regressso aalyss merupaka suatu tekk utuk membagu persamaa da megguaka persamaa tersebut utuk membuat perkraa predcto. Dega demka, aalss regres

Lebih terperinci

BAB 2. Tinjauan Teoritis

BAB 2. Tinjauan Teoritis BAB Tjaua Teorts.1 Regres Lear Sederhaa Regres lear adalah alat statstk yag dperguaka utuk megetahu pegaruh atara satu atau beberapa varabel terhadap satu buah varabel. Varabel yag mempegaruh serg dsebut

Lebih terperinci

titik tengah kelas ke i k = banyaknya kelas

titik tengah kelas ke i k = banyaknya kelas STATISTIKA Bab 0 UKURAN PEMUSATAN DAN PENYEBARAN. Mea X. a. Data Tuggal... 3 b. Data Kelompo ( dstrbus frewes) f. f. f.... f. 3 3 f f f... f = f. f 3 Ket : tt tegah elas e = bayaya elas f frewes elas e

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA.1 Pedahulua Sebelum membahas megea prosedur peguja hpotess, terlebh dahulu aka djelaska beberapa teor da metode yag meujag utuk mempermudah pembahasa. Adapu teor da metode tersebut

Lebih terperinci

UKURAN DASAR DATA STATISTIK

UKURAN DASAR DATA STATISTIK UKURAN DASAR DATA STATISTIK UKURAN PUSAT Apa yag dapat ta smpula secara gamblag da cepat dar data yag dsodora berut : Tabel 1 Sampel Data Karyawa peserta Jamsoste Nama Sex Status Kerja Gaj/Bl Umur NATUL

Lebih terperinci

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu

Di dunia ini kita tidak dapat hidup sendiri, tetapi memerlukan hubungan dengan orang lain. Hubungan itu pada umumnya dilakukan dengan maksud tertentu KORELASI 1 D dua kta tdak dapat hdup sedr, tetap memerluka hubuga dega orag la. Hubuga tu pada umumya dlakuka dega maksud tertetu sepert medapat kergaa pajak, memperoleh kredt, memjam uag, serta mta pertologa/batua

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

9. SOAL-SOAL STATISTIKA

9. SOAL-SOAL STATISTIKA 9. SOAL-SOAL STATISTIKA UN00SMK. Dagram lgara d bawah meyaja jes estrauruler d suatu SMK yag dut oleh 500 orag sswa. Baya sswa yag tda megut estrauruler Pasbra adalah.. A. 00 sswa Olah B. 50 sswa Pasbra

Lebih terperinci

H dinotasikan dengan B H

H dinotasikan dengan B H Delta-P: Jural Matemata da Pedda Matemata ISSN 089-855X Vol., No., Aprl 03 OPERATOR KOMPAK Mustafa A. H. Ruhama Program Stud Pedda Matemata, Uverstas Kharu ABSTRAK Detahu H da H dua ruag Hlbert, B H )

Lebih terperinci

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT

KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH. Ariyanto* ABSTRACT Aryato, Kaja Sfat Keompaa pada Ruag Baah KAJIAN SIFAT KEKOMPAKAN PADA RUANG BANACH Aryato* ABSTRACT The propertes of ompatess Baah spaes ths paper s a geeralzato of a ompat uderstadg the system o the real

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab bers defs-defs da sfat-sfat yag petg yag berhubuga dega modul. Hal-hal tersebut dperlua dalam pembahasa megea modul jetf pada Bab III. 2.1. Modul Mata ulah Aljabar Ler membahas

Lebih terperinci

E ax by c ae X be Y c. 6.1 Pengertian Umum

E ax by c ae X be Y c. 6.1 Pengertian Umum 6.1 Pegerta Umum Baya permasalaha yag dataya dyataa oleh lebh dar sebuah varabel. Hubuga atara dua atau lebh varabel dapat dyataa secara matemata sehgga merupaa suatu model yag dapat dguaa utu berbaga

Lebih terperinci

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap

METODE PENELITIAN. Populasi dari penelitian ini adalah seluruh peserta didik kelas VII semester genap III. METODE PENELITIAN A. Populas da Sampel Populas dar peelta adalah seluruh peserta dd elas VII semester geap SMP Neger 3 Terbaggbesar tahu pelaara 0/0 yag terdstrbus e dalam tuuh elas, yatu elas VII

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 1 Pegerta Regres Istlah regres pertama kal dperkealka oleh Fracs Galto Meurut Galto, aalss regres berkeaa dega stud ketergatuga dar suatu varabel yag dsebut tak bebas depedet varable,

Lebih terperinci

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression

Pemodelan Angka Buta Huruf di Provinsi Sumatera Barat Tahun 2014 dengan Geographically Weighted Regression JURNAL SAINS DAN SENI ITS Vol. 5 No. (016) 337-350 (301-98X Prt) D-361 Pemodela Aga Buta Huruf d Provs Sumatera Barat Tahu 014 dega Geographcally Weghted Regresso Rath Mahara da Wwe Setya Wahju Jurusa

Lebih terperinci

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data

Rangkuman 1. Statistik menyatakan kumpulan data yang dapat berupa angka yang dinamakan data kuantitatif maupun non angka yang dinamakan data Raguma. Statt meyataa umpula data yag dapat berupa aga yag damaa data uattat maupu o aga yag damaa data ualtat yag duu dalam betu tabel da atau dagram/gra, yag meggambara da mempermudah pemahama aa aga

Lebih terperinci

8.4 GENERATING FUNCTIONS

8.4 GENERATING FUNCTIONS 8.4 GEERATIG FUCTIOS Fugs pembagt Fugs pembagt dguaa utu merepresetasa barsa secara efse dega megodea usur barsa sebaga oefse deret pagat dalam varabel. Fugs pembagt dapat dguaa utu: memecaha berbaga masalah

Lebih terperinci

STATISTIKA ELEMENTER

STATISTIKA ELEMENTER STATISTIKA ELEMENTER Statsta Apa tu statsta? Apa beda statsta dega statst? Populas? Sampel? Parameter? Sala Peguura: Nomal Ordal 3 Iterval 4 Raso Bagamaa r-r eempat sala d atas? Bera masg-masg otoh sala

Lebih terperinci

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN III. METODOLOGI PENELITIAN 3.. Watu da Temat Peelta Peelta srs dlaua d Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas Lamug ada tahu aadem 2009/200. 3.2. Metode Peelta Secara umum, elasaaa

Lebih terperinci

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling

BAB 2 LANDASAN TEORI. Analisis regresi adalah suatu proses memperkirakan secara sistematis tentang apa yang paling BAB LANDASAN TEORI Kosep Dasar Aalss Regres Aalss regres adalah suatu proses memperkraka secara sstemats tetag apa yag palg mugk terjad dmasa yag aka datag berdasarka formas yag sekarag dmlk agar memperkecl

Lebih terperinci

BAB II KAJIAN PUSTAKA

BAB II KAJIAN PUSTAKA BAB II KAJIAN PUSTAKA Beberapa teor yag dperlua utu meduug pembahasa dataraya adalah varabel radom, regres lear bergada, metode uadrat terecl (MKT), peguja asums aalss regres, pecla (outler), regres robust,

Lebih terperinci

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam

BAB 2 LANDASAN TEORI. Istilah regresi diperkenalkan oleh seorang yang bernama Francis Gulton dalam BAB LANDASAN TEORI Pegerta Regres da Korelas Pegerta Regres Istlah regres dpereala oleh seorag yag erama Fracs Gulto dalam maalah erjudul regresso towerd medacraty heredtary stature Meurut hasl peelta

Lebih terperinci

UKURAN GEJALA PUSAT DAN UKURAN LETAK

UKURAN GEJALA PUSAT DAN UKURAN LETAK UKURAN GEJALA PUSAT DAN UKURAN LETAK MODUL 4 UKURAN GEJALA PUSAT DAN UKURAN LETAK. Pedahulua Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu persoala, bak megea sampel atau pu

Lebih terperinci

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1

HIMPUNAN RENTANGAN DAN BEBAS LINIER. di V. Vektor w dikatakan sebagai kombinasi linier dari vektor-vektor v, 1 HIMPUNAN RENTANGAN DAN BEBA LINIER HIMPUNAN RENTANGAN Defs (Kombas Ler) Msala V suatu ruag etor atas feld F. w etor d V, da, 1, juga etoretor d V. Vetor w dataa sebaga ombas ler dar etor-etor, 1, ja w

Lebih terperinci

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal

Bukti Teorema Sisa China dengan Menggunakan Ideal Maksimal Vol 5, No, 9-98, Jauar 9 But Teorema Ssa Cha dega egguaa deal asmal Abstra Sstem perogruea yag dapat dcar peyelesaaya secara teor blaga dasar teryata dapat dbuta melalu teor-teor strutur aljabar hususya

Lebih terperinci

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014)

Analisis Regresi Eksponensial Berganda (Studi Kasus: Jumlah Kelahiran Bayi di Kalimantan Timur pada Tahun 2013 dan 2014) Jural EKSPONENSIAL Volume 6, Nomor, Nopember 5 ISSN 85-789 Aalss Regres Espoesal Bergada (Stud Kasus: Jumlah Kelahra Bay d Kalmata Tmur pada Tahu 3 da 4) Double Expoetal Regresso Aalyss (Case Study: Number

Lebih terperinci

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Prosdg Semar Nasoal Peelta, Peddka da Peerapa MIPA Fakultas MIPA, Uverstas Neger Yogyakarta, 6 Me 9 ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET Sty Rachyay Pusat Pemafaata Sas Atarksa,

Lebih terperinci

BAB 5. ANALISIS REGRESI DAN KORELASI

BAB 5. ANALISIS REGRESI DAN KORELASI BAB 5. ANALISIS REGRESI DAN KORELASI Tujua utama aalss regres adalah mecar ada tdakya hubuga ler atara dua varabel: Varabel bebas (X), yatu varabel yag mempegaruh Varabel terkat (Y), yatu varabel yag dpegaruh

Lebih terperinci

BAB 3 Interpolasi. 1. Beda Hingga

BAB 3 Interpolasi. 1. Beda Hingga BAB Iterpolas. Hgga. Iterpolas Lear da Kuadrat. Iterpolas -Maju da -Mudur Newto 4. Polo Iterpolas Terbag Newto 5. Polo Iterpolas Lagrage . Hgga Msala dbera suatu tabel la-la uers j j dar suatu ugs pada

Lebih terperinci

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN // REGRESI LINEAR SEDERHANA DAN KORELASI. Model Regres Lear. Peaksr Kuadrat Terkecl 3. Predks Nla Respos 4. Iferes Utuk Parameter-parameter Regres 5. Kecocoka Model Regres 6. Korelas Utrwe Mukhayar MA

Lebih terperinci

Ir. Tito Adi Dewanto

Ir. Tito Adi Dewanto Ir. Tto A Dewato Dega megetahu la rata-rata saja,ormas yag apat aag-aag bsa salah terpretas. Msalya, ar ua elompo ata etahu rata-rataya sama, alau haya ar ormas ta suah meyataa bahwa ua elompo sama, mug

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN 30 BAB III METODE PENELITIAN A. Tujua Peelta Tujua ag g dcapa dalam peelta adalah utu megetahu apaah hasl belajar perserta dd elas IX MP Nusa Bagsa Mragge Dema pada mater poo volume bagu ruag ss legug

Lebih terperinci

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas:

ANALISIS REGRESI. Model regresi linier sederhana merupakan sebuah model yang hanya terdiri dari satu peubah terikat dan satu peubah penjelas: ANALISIS REGRESI Pedahulua Aalss regres berkata dega stud megea ketergatuga satu peubah (peubah terkat) terhadap satu atau lebh peubah laya (peubah pejelas). Jka Y dumpamaka sebaga peubah terkat da X1,X,...,X

Lebih terperinci

UKURAN GEJALA PUSAT (UGP)

UKURAN GEJALA PUSAT (UGP) UKURAN GEJALA PUSAT (UGP) Pegerta: Rata-rata (average) alah suatu la yag mewakl suatu kelompok data. Nla dsebut juga ukura gejala pusat karea pada umumya mempuya kecederuga terletak d tegah-tegah da memusat

Lebih terperinci

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t)

BAB II KONSEP DASAR. adalah koleksi dari peubah acak. Untuk setiap t dalam himpunan indeks T, N ( t) BAB II KONSEP DASAR Kosep dasar yag dtuls dalam bab, merupaa beberapa dasar acua yag aa dguaa utu megaalsa model rso las da meetua fugs sebara peluag bertaha dalam model rso las Datara dasar acua tersebut

Lebih terperinci

S2 MP Oleh ; N. Setyaningsih

S2 MP Oleh ; N. Setyaningsih S2 MP Oleh ; N. Setyagsh MATERI PERTEMUAN 1-3 (1)Pedahulua pera statstka dalam peelta ; (2)Peyaja data : dalam betuk (a) tabel da (b) dagram; (3) ukura tedes setaral da ukura peympaga (4)dstrbus ormal

Lebih terperinci

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions

Model Log Linier untuk Empat Dimensi. Log Linier Model for Four Dimentions ural ESPONENSAL Volume 6, Nomor, Nopember 015 SSN 085-789 Model Log Ler utu Empat Dmes Log Ler Model for Four Dmetos M. Ars Budyoo 1, Sr ayugs, a Puramasar 3 1 Maasswa Program Stud Statsta Faultas MPA

Lebih terperinci

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal)

LANGKAH-LANGKAH UJI HIPOTESIS DENGAN 2 (Untuk Data Nominal) LANGKAH-LANGKAH UJI HIPOTESIS DENGAN (Utuk Data Nomal). Merumuska hpotess (termasuk rumusa hpotess statstk). Data hasl peelta duat dalam etuk tael slag (tael frekues oservas) 3. Meetuka krtera uj atau

Lebih terperinci

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA

PENAKSIR RANTAI RASIO-CUM-DUAL UNTUK RATA-RATA POPULASI PADA SAMPLING GANDA PEAKI ATAI AIO-CUM-DUAL UTUK ATA-ATA POPULAI PADA AMPLIG GADA Holla Maalu Bustam Haposa rat Mahasswa Program Matemata Dose Jurusa Matemata Faultas Matemata da Ilmu Pegetahua Alam Uverstas au Kampus Bawda

Lebih terperinci

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES * PENYAJIAN DATA Secara umum, ada dua cara peyaja data, yatu : 1. Tabel atau daftar. Grafk atau dagram Macam-macam daftar yag dkeal : a. Daftar bars kolom b. Daftar kotges c. Daftar dstrbus frekues Sedagka

Lebih terperinci

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama)

PROSEDUR PENGUJIAN HIPOTESIS SEHUBUNGAN DENGAN AKAR-AKAR LATEN DARI MATRIKS KOVARIANS (Dalam Analisis Komponen Utama) H. Maa Suhera,Drs.,M.S PROSEDUR PEGUJIA HIPOTESIS SEHUBUGA DEGA AKAR-AKAR LATE DARI MATRIKS KOVARIAS (Dala Aalss Kopoe Utaa) Abstra Utu ebuat espula tetag araterst populas ultvarat husuya populas varat

Lebih terperinci

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI 9.1. Dstrbus Kotu Dstrbus memlk sfat kotu dmaa data yag damat berjala secara kesambuga da tdak terputus. Maksudya adalah bahwa data yag damat tersebut tergatug

Lebih terperinci

Regresi Linier Sederhana Definisi Pengaruh

Regresi Linier Sederhana Definisi Pengaruh Regres Ler Sederhaa Dah Idra Baga Bostatstka da Kepeduduka Fakultas Kesehata Masyarakat Uverstas Arlagga Defs Pegaruh Jka terdapat varabel, msalka da yag data-dataya dplot sepert gambar dbawah 3 Defs Pegaruh

Lebih terperinci

Oleh : H. BERNIK MASKUN

Oleh : H. BERNIK MASKUN Uverstas Padjadjara, 3 November 00 (D.5) ANALISIS VARIANS UNTUK MENGUJI KEKUATAN LEKAT SEMEN ADHESIF PADA PERMUKAAN LOGAM KARENA EMPAT MACAM PERLAKUAN (Stud Esperme pada Bdag Ortodot Kedotera Gg) Oleh

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakag Sampa saat, model Regres da model Aalss Varas telah dpadag sebaga dua hal ag tdak berkata. Meskpu merupaka pedekata ag umum dalam meeragka kedua cara pada taraf permulaa,

Lebih terperinci

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC

JEMBATAN PADA GRAF FUZZY INTUITIONISTIC JEMTN PD GRF FUZZY INTUITIONISTIC St lfatur Rohmaah, au Surarso, da ambag Irawato 3 Uverstas Islam Darul Ulum Lamoga, a0304@gmalcom Uverstas Dpoegoro Semarag 3 Uverstas Dpoegoro Semarag bstract tutostc

Lebih terperinci

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri

III. METODE PENELITIAN. yang hidup dan berguna bagi masyarakat, maupun bagi peneliti sendiri III. METODE PEELITIA A. Metodolog Peelta Metodolog peelta adalah cara yag dlakuka secara sstemats megkut atura-atura, recaaka oleh para peeltutuk memecahka permasalaha yag hdup da bergua bag masyarakat,

Lebih terperinci

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok)

ANALISIS DISKRIMINAN (Kasus : Lebih dari 2 Kelompok) ANALSS DSRNAN (asus : Lebh dar elompo) Hazmra Yozza Jur. atemata FPA Uad LOGO POP POP POP 4 : POP Uura sampel : Sampel telah detahu dar elompo maa berasal Terhadap masg-masg obe damat/duur p peubah POP

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA. Peahulua Dalam bab aka membahas megea teor-teor tetag statstka oparametrk, korelas parsal tau Keall a korelas parsal meurut Ebuh GU a Oeka ICA.. Statstka Noparametrk Istlah oparametrk

Lebih terperinci

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( )

Regresi & Korelasi Linier Sederhana. Gagasan perhitungan ditetapkan oleh Sir Francis Galton ( ) Regres & Korelas Ler Sederhaa 1. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk yag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD

ANALISIS JUMLAH TENAGA KERJA TERHADAP JUMLAH PASIEN RSUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGRESI GULUD Jural as, Teolog da Idustr, Vol., No., Desember 04, pp. 48-57 IN 693-390 prt/in 407-0939 ole ANALII JUMLAH TENAGA KERJA TERHADAP JUMLAH PAIEN RUD ARIFIN ACHMAD PEKANBARU MENGGUNAKAN METODE REGREI GULUD

Lebih terperinci

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube

Analisa Probabilistik Algoritma Routing pada Jaringan Hypercube Aalsa Probablst Algortma Routg pada Jarga ypercube Zuherma Rustam Jurusa Matemata Uverstas Idoesa Depo 644. E-mal : rustam@maara.cso.u.ac.d Abstra Algortma routg pada suatu arga teroes suatu measme utu

Lebih terperinci

TINJAUAN PUSTAKA Evaluasi Pengajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran TINJAUAN PUSTAKA Evaluas Pegajara Evaluas adalah suatu proses merecaaka, memperoleh da meyedaka formas yag sagat dperluka utuk membuat alteratf- alteratf keputusa. Dalam hubuga dega kegata pegajara evaluas

Lebih terperinci

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu

BAB 2 TINJAUAN TEORITIS. regresi berkenaan dengan studi ketergantungan antara dua atau lebih variabel yaitu BAB TINJAUAN TEORITIS. Pegerta Aalsa Regres Istlah regres pertama kal dperkealka oleh Fracs Galto. Meurutya, aalss regres berkeaa dega stud ketergatuga atara dua atau lebh varabel yatu varabel yag meeragka

Lebih terperinci

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Koferes Nasoal Tekk Spl 3 (KoNTekS 3) Jakarta, 6 7 Me 009 WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST Maksum Taubrata Program Stud Tekk Spl, Uverstas Krste Maraatha Badug Jl.

Lebih terperinci

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2

INTERVAL KEPERCAYAAN UNTUK PERBEDAAN KOEFISIEN VARIASI DARI DISTRIBUSI LOGNORMAL I. Pebriyani 1*, Bustami 2, S. Sugiarto 2 INTERVAL KEPERCAAAN UNTUK PERBEDAAN KOEFIIEN VARIAI DARI DITRIBUI LOGNORMAL I. Pebrya * Bustam. ugarto Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu Pegetahua Alam Uverstas

Lebih terperinci

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion

Pemilihan Model Regresi Terbaik Menggunakan Metode Akaike s Information Criterion dan Schwarz Information Criterion Jural Iformata Mulawarma Vol 4 No. 3 September 009 37 Pemlha Model Regres erba Megguaa Metode Aae s Iformato Crtero da Schwarz Iformato Crtero M. Fathurahma Program Stud Ilmu Komputer, FMIPA Uverstas Mulawarma

Lebih terperinci

3 Departemen Statistika FMIPA IPB

3 Departemen Statistika FMIPA IPB Supleme Respos Pertemua ANALISIS DATA KATEGORIK (STK51) Departeme Statstka FMIPA IPB Pokok Bahasa Sub Pokok Bahasa Referes Waktu U potess Tga Cotoh atau Lebh U Kruskal-Walls (aalss ragam satu-arah berdasarka

Lebih terperinci

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP

TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM. Sudarno Jurusan Matematika FMIPA UNDIP JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 1, 11-19, Aprl 004, ISSN : 1410-8518 TAKSIRAN UMUR SISTEM DENGAN UMUR KOMPONEN BERDISTRIBUSI SERAGAM Sudaro Jurusa Matematka FMIPA UNDIP Abstrak Sstem yag dbetuk

Lebih terperinci

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA

PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNYA PENDETEKSIAN HETEROSKEDASTISITAS DENGAN PENGUJIAN KORELASI RANK SPEARMAN DAN TINDAKAN PERBAIKANNA Srps dsaja sebaga salah satu syarat utu memperoleh gelar Sarjaa Sas Program Stud Matemata Oleh Layyatus

Lebih terperinci

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING

SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING AROUND IDEAL OF THE SKEW POLYNOMIAL RING SEPUTAR IDEAL DARI GELANGGANG POLINOM MIRING Afra, Ar Kaal Ar da Nur Erawaty Jurusa Mateata Faultas Mateata da Ilu Pegetahua Ala Uverstas Hasaudd (UNHAS) Jl. Perts Keerdeaa KM.0 Maassar 90245, Idoesa thalabu@gal.co

Lebih terperinci

b) Untuk data berfrekuensi fixi Data (Xi)

b) Untuk data berfrekuensi fixi Data (Xi) B. Meghtug ukura pemusata, ukura letak da ukura peyebara data serta peafsraya A. Ukura Pemusata Data Msalka kumpula data berkut meujukka hasl pegukura tgg bada dar orag sswa. 0 cm 30 cm 5 cm 5 cm 35 cm

Lebih terperinci

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja

Regresi Logistik Ordinal untuk Menganalisis Faktor-Faktor yang Mempengaruhi Perilaku Sexual Remaja Jural EKSONENSIAL Volume, Nomor, Me 0 ISSN 085-789 Regres Logst Ordal utu Megaalss Fator-Fator yag Memegaruh erlau Seual Remaa Ordal Logstc Regresso for Aalyss Factors of Ifluece Behavor Adolecet Seual

Lebih terperinci

BAB III UKURAN PEMUSATAN (RATA-RATA)

BAB III UKURAN PEMUSATAN (RATA-RATA) BAB III UKUAN PEMUSATAN (ATA-ATA Salah sat ra mer yag mejelasa cr-cr data yag petg adalah ra pemsata, yat ra yag meja psat seggs data yag telah drta dar yag terecl sampa yag terbesar ata sebalya Ura pemsata

Lebih terperinci

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M

LEMMA HENSTOCK PADA INTEGRAL. Muslich Jurusan Matematika FMIPA UNS fine dan integral M JP : Volue 4 Noor Ju 0 hal. 4-5 LEA HENSTOCK PADA NTEGRAL uslch Jurusa ateata FPA UNS uslch_us@yahoo.co ABSTRACT. Based o the cshae e partto ad cshae tegral t ca be arraged the e partto ad tegral cocepts.

Lebih terperinci

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline

Pemodelan Faktor-Faktor yang Mempengaruhi Angka Morbiditas di Jawa Timur Menggunakan Regresi Nonparametrik Spline JURNAL SAINS DAN SENI ITS Vol. 6, No., (7) ISSN: 337-35 (-98X Prt) D-5 Pemodela Fator-Fator yag Mempegaruh Aga Morbdtas d Jawa Tmur Megguaa Regres Noparametr Sple Krsa Wuladar, I Nyoma Budatara, da Madu

Lebih terperinci

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten

BAB III METODE PENELITIAN. Tempat penelitian ini dilaksanakan di SMP Negeri 4 Tilamuta Kabupaten BAB III METODE PENELITIAN 3. Tempat da Waktu Peelta 3.. Tempat Tempat peelta dlaksaaka d SMP Neger 4 Tlamuta Kabupate Boalemo pada sswa kelas VIII. 3.. Waktu Peelta dlaksaaka dalam waktu 3 bula yatu dar

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel

BAB I PENDAHULUAN. 1.1 Statistika Deskriptif dan Statistika Inferensial. 1.2 Populasi dan Sampel BAB I PENDAHULUAN 1.1 Statstka Deskrptf da Statstka Iferesal Dewasa d berbaga bdag lmu da kehdupa utuk memaham/megetahu sesuatu dperluka dat Sebaga cotoh utuk megetahu berapa bayak rakyat Idoesa yag memerluka

Lebih terperinci

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai

BAB III FUZZY C-MEANS. mempertimbangkan tingkat keanggotaan yang mencakup himpunan fuzzy sebagai BB III FUZZY C-MENS 3. Fuzzy Klasterg Fuzzy lasterg erupaa salah satu etode aalss laster dega epertbaga tgat eaggotaa yag eaup hpua fuzzy sebaga dasar pebobota bag pegelopoa (Bezde,98). Metode erupaa pegebaga

Lebih terperinci

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran Kurkulum 013/006 matematka K e l a s XI STATISTIKA: UKURAN PEMUSATAN Tujua Pembelajara Setelah mempelajar mater, kamu dharapka memlk kemampua berkut. 1. Dapat meetuka rata-rata data tuggal da data berkelompok..

Lebih terperinci

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma

Analisis Pengendalian Kualitas Proses Pengantongan Semen di PT Semen Indonesia (Persero) Tbk dengan Pendekatan Six Sigma JURNAL SAINS DAN SENI ITS Vol. 4, No., (15) 337-35 (31-98X Prt) D-54 Aalss Pegedala Kualtas Proses Pegatoga Seme d PT Seme Idoesa (Persero) Tb dega Pedeata Sx Sgma Ftrah Idra Cahya, Sr Mumpu Retagsh Jurusa

Lebih terperinci

Koefisien Korelasi Spearman

Koefisien Korelasi Spearman Koefe Koela Speama La hala dega oefe oela poduct-momet Peao, oela Speama dapat dguaa utu data beala mmal odal utu edua vaabel ag heda dpea oelaa. Lagah petama ag dlaua utu meghtug oefe oela Speama adalah

Lebih terperinci

Perluasan Uji Kruskal Wallis untuk Data Multivariat

Perluasan Uji Kruskal Wallis untuk Data Multivariat Statistia, Vol. No., Mei Perluasa Uji Krusal Wallis utu Data Multivariat TETI SOFIA YANTI Program Studi Statistia, Uiversitas Islam Badug, Jl. Purawarma No. Badug. E-mail: buitet@yahoo.com ABSTAK Adaia

Lebih terperinci

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah

Uji Modifikasi Peringkat Bertanda Wilcoxon Untuk Masalah Dua Sampel Berpasangan 1 Wili Solidayah 2 Siti Sunendiari 3 Lisnur Wachidah Prosdg Statstka ISSN 40-45 Uj Modfkas Pergkat Bertada Wlcoxo Utuk Masalah Dua Sampel Berpasaga 1 Wl Soldayah St Suedar 3 Lsur Wachdah 1, Statstka, Fakultas MIPA, Uverstas Islam Badug, Jl. Tamasar No. 1

Lebih terperinci

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA

Prosiding SPMIPA. pp , 2006 ISBN : PERKEMBANGAN ESTIMATOR DENSITAS NON PARAMETRIK DAN APLIKASINYA Prosdg SPMIP. pp. 4-46, 6 ISBN : 979.74.47. PERKEMBNGN ESTIMTOR DENSITS NON PRMETRIK DN PLIKSINY Hasb Yas, Supart Staf PS Statsta, urusa Matemata, FMIP, UNDIP l. Prof. Sudarto, Kampus UNDIP Tembalag, Semarag

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI Utu mempermudah dalam meyeleaa pembahaa pada bab, maa aa dbera beberapa def da beberapa teor daar yag meduug... Teor Teor Peduug... Rua Gar Def. Rua Gar Ja ada d R atau 3 R, maa ebuah

Lebih terperinci

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID)

PENELUSURAN KARAKTERISTIK PERILAKU KONSUMEN DENGAN METODE AUTOMATIC INTERACTION DETECTION (AID) PEELUSURA KARAKTERISTIK PERILAKU KOSUME DEGA METODE AUTOMATIC ITERACTIO DETECTIO AID Agus Rusgyoo Staf Pegajar Prod Statsta Jurusa Matemata FMIPA UDIP Abstract AID methods used to see relato betwee respos

Lebih terperinci

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan,

BAB II TINJAUAN TEORITIS. Statistik merupakan cara cara tertentu yang digunakan dalam mengumpulkan, BAB II TINJAUAN TEORITIS.1 Kosep Dasar Statstka Statstk merupaka cara cara tertetu yag dguaka dalam megumpulka, meyusu atau megatur, meyajka, megaalsa da member terpretas terhadap sekumpula data, sehgga

Lebih terperinci

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel

BAB 2 LANDASAN TEORI. disebut dengan bermacam-macam istilah: variabel penjelas, variabel BAB LANDASAN TEORI.1 Pegerta Regres Regres dalam statstka adalah salah satu metode utuk meetuka tgkat pegaruh suatu varabel terhadap varabel yag la. Varabel yag pertama dsebut dega bermacam-macam stlah:

Lebih terperinci

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE KUADRAT TERKECIL Hesty ala, Arsma Ada, Bustam hestyfala@ymalcom Mahasswa Program S Matematka MIPA-UR Dose Matematka MIPA-UR

Lebih terperinci

BAB III UKURAN PEMUSATAN DATA

BAB III UKURAN PEMUSATAN DATA BAB III UKURAN PEMUSATAN DATA A. Ukura Gejala Pusat Ukura pemusata adalah suatu ukura yag meujukka d maa suatu data memusat atau suatu kumpula pegamata memusat (megelompok). Ukura pemusata data adalah

Lebih terperinci