Pengajar: Dr. Agus M Soleh

Ukuran: px
Mulai penontonan dengan halaman:

Download "Pengajar: Dr. Agus M Soleh"

Transkripsi

1 Pegajar: Dr. Agus M Soleh

2 Surve percobaa

3

4 populato sample hmpua semua objek ag mejad mat pegambla kesmpula hmpua baga dar populas melakuka pegamata terhadap seluruh populas sergkal tdak mugk dlakuka ketka aka membuat kesmpula, megapa?

5 sumber daa terbatas 1 waktu ag terseda terbatas pegamata kadag bersfat merusah 3 4 mustahl megamat seluruh aggota populas bagamaa caraa dega megguaka data cotoh kta dapat megambl kesmpula terhadap populas? II YAG KITA PELAJARI

6 data populas olah/aalss parameter data cotoh olah/aalss statstk Parameter tdak perah dketahu, ag kta ketahu adalah statstk. Statstk merupaka peduga bag parameter.

7 Peduga bag suatu parameter, dlambagka Sfat ag dgka dar suatu peduga parameter adalah: 1. Tak Bas (ubased) ˆ. Ragam peduga, Var ˆ, kecl E ˆ

8 Tak bas, ragam kecl Bas, ragam kecl Tak bas, ragam besar Bas, ragam besar

9 1 Usur (elemet) A object o whch a measuremet s take 3 Satua pearka cotoh (samplg uts) ooverlappg collectos of elemet from the populato that cover etre populato Populas (populato) A collecto of elemets about whch we wsh to make a ferece 4 Keragka (frame) A lst of samplg uts 5 Cotoh (sample) A collecto of samplg uts draw from a frame(s)

10 Pearka Cotoh Berpeluag (Probablt Samplg) Pearka Cotoh Tak-Berpeluag (o-probablt Samplg) smple radom samplg cluster radom samplg sstematc radom samplg stratfed radom samplg quota samplg purpossve samplg sowball samplg volutar samplg

11 Samplg Error : kesalaha ag dtmbulka karea kta haa megamat sebaga saja (cotoh), tdak semuaa (populas). Dapat dkotrol dega secara hat-hat medesa pearka cotoha. o-samplg Error : kesalaha ag dtmbulka karea sebab la pada proses surve, da lebh sult dkedalka.

12 Perg!!! saa tdak mau dgaggu o-respose Aak saa tdak ada d rumah, saa saja ag megs kuesoer tu Bas selecto Ia, saa tdak ahl memasak Iaccurate respose

13 Darpada capek car respode, aku berburu saja. at kuesoer aku s sedr Dshoest Itervewer Huma error ad resources qualt

14 Memperbesar ukura cotoh (sample sze) tap cara dapat megkatka o-samplg error o-samplg error samplg error Sample sze

15

16

17 Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu damaka pearka cotoh acak sederhaa. Cotoh tersebut damaka cotoh acak sederhaa. Defs d atas bermplkas bahwa setap objek memlk peluag ag sama utuk terambl. amu kosekues buka defs dar pearka cotoh acak sederhaa.

18 Pegambla cotoh acak sederhaa pada ukura populas ag sedkt dapat saja dlakuka sepert peguda lotere atau arsa. Yatu meulska omor atau dettas la dar setap aggota populas d selembar kertas, kemuda megambl dega mata tertutup buah kertas. objek sebaak dega dettas sesua pada kertas terplh adalah cotoh ag dperoleh. Utuk populas ag lebh besar, dapat dguaka batua blaga acak ag bsa dperoleh dar tabel blaga acak atau komputer.

19 Ber omor setap objek: 1,,, Ambl blaga acak dar tabel atau bagktka megguaka komputer. Sekat-sekat blaga acak sesua dega baaka dgt, da buat atura sehgga setap objek dwakl oleh blaga ag sama baak. Tetuka omor objek ag terplh

20 Msalka populas memlk 4000 aggota, da g dambl cotoh berukura 10. Blaga 4 dgt dguaka utuk meetuka objek ag terplh objek omor objek omor 4000 objek omor objek omor objek omor 8000 objek omor , 800,, 0000 tdak dguaka

21 Msalka dar tabel blaga acak (bars 6 kolom, Scheaffer et al) dperoleh:

22 Peduga bag adalah E() 1 V ( ) 1

23 jka >>>, maka s V ) ( ˆ karea 1 ) ( s E maka s V ) ˆ( dega 1 ) ( 1 s

24 t Vˆ( ) boud o the error estmato

25 Objek Jumlah Uag Y Y 3.0 Y3 5.0 Y Y Y Y Y8 4.5 Y Dugalah μ, rata-rata jumlah uag da htug boud of error pada peduga tersebut

26 Utuk mecar boud of error dar pedugaa, kta terlebh dahulu harus meghtug s s Dugaa μ boud of error pada peduga μ , ,67 Vˆ s 35,

27 = ˆ 1 V ˆ ( ˆ) V ( ) s

28 = =750(10.31)=773,5 Jad total jam kerja ag tdak efektf dalam satu mggu sebaak jam s Vˆ( ˆ) V ( ) jam Kesalaha pedugaa kurag dar 307,4 jam

29 Tetuka dulu la boud o the error estmato, msalka sebesar B z Vˆ( ) B B ( 1) z la dtetuka berdasarka formas awal, atau melakuka surve pedahulua terlebh dahulu

30 Sebeluma kta harus meduga ragam populas (σ ) terlebh dahulu rage da (65) 17,56 B 3 ( 1) (999) 65 z Jad kta perlu megambl cotoh sebaak 18 rekeg.

31 ˆ p baaka ag mejawab ukura cotoh "Ya" Jka Ya dlambagka 1, da tdak dega 0, maka pˆ Vˆ( pˆ) pˆ(1 pˆ) 1

32 propors mahasswa tgkat akhr ag berecaa melajutka stud Mahasswa 1 1 pˆ , Total 15 boud of error Vˆ( pˆ) 0,15(0,85) 99 pˆ(1 pˆ)

33

34 Cotoh acak berlaps ddapatka dega cara membag populas mejad beberapa kelompok ag tdak salg tumpag tdh, da kemuda megambl secara acak dar setap kelompokkelompok tu. Kelompok tersebut damaka LAPISA atau STRATA. Karea tujua dar pearka cotoh adalah medapatka cotoh ag mewakl (represetatve) populas, maka sfat lapsa adalah: perbedaa objek atar lapsa tgg, sedagka dalam lapsa redah. Dega kata la, populas dsekat-sekat sehgga d setap sekata, objek memlk karakterstk ag mrp.

35 1 Megguaka PCAB, aka memastka bahwa cotoh ag kta dapatka terdr atas berbaga kelompok. Jama tdak dberka oleh PCAS. Msala saja, jka kta g megambl cotoh dar suatu kelas mahasswa sebaak 10 orag. Adaka kta psahka terlebh dahulu berdasarka jes kelam, kemuda secara acak kta ambl 5 orag dar kelompok perempua da 5 orag dar ag lak-lak, maka 10 orag ag dperoleh aka mewakl kedua jes kelam. Dega PCAS, ada kemugka ag terambl perempua saja, atau lak-lak saja. Implkasa, pedugaa megguaka PCAB aka memberka boud of error ag lebh kecl. Hal tersebut bear haa jka kta mampu membuat strata dega tepat.

36 PCAB dapat megurag baa surve, jka dbadgka PCAS. Pada lokas surve ag luas, hasl pegacaka megguaka PCAS dapat saja terjad kta harus perg meeberag pulau haa utuk medapatka data dar satu orag respode. Megguaka PCAB hal bsa dmmalka. 3 Dega PCAB dmugkka utuk melakuka pedugaa parameter d setap sub-populas, atu d setap lapsa.

37 Lapsa adalah kumpula objek ag memlk karakterstk ag sama pada varabel ag g dambl dataa. Varabel ag meekat populas mejad beberapa lapsa adalah varabel ag memlk pegaruh atau berhubuga dega varabel ag dambl dataa. Msala kta g meduga rata-rata waktu ag dsedaka oleh mahasswa utuk meoto televs dalam sehar. Jka ada justfkas ag kuat bahwa atara lak-lak da perempua terdapat perbedaa dalam hal tersebut, maka jes kelam dapat dplh utuk djadka lapsa. Jka tdak demka, harus dcar varabel la. Peusua lapsa dapat dlakuka megguaka lebh dar satu varabel.

38 Lapsa 1 Lapsa Lapsa Cotoh acak Sederhaa 1 Cotoh acak Sederhaa Cotoh acak Sederhaa 3

39

40 L L L st L st s V 1 1 ) ˆ( Selag kepercaaa bag ) ˆ( st st V t

41 Tabel 1. waktu meoto televs (jam/mggu) KOTA A KOTA B KOTA C Dugalah rata-rata jumlah meoto televs utuk semua rumah tagga d ketga kota tersebut da htug boud of errora

42 Kota A Kota B Kota C s st B Vˆ( 1 st 310 ) L 1 0, , , s

43 L L L st ˆ L st s V 1 ) ( ˆ ˆ Selag kepercaaa bag ) ˆ( ˆ ˆ st st V t

44 L 1 B z L 1 / w B = boud of error pedugaa rataa populas w = propors cotoh masg-masg lapsa

45 L k 1 k / k / c c k w

46 A / , C , B 6 15 / 9 40,

47 L L L st p p p p p ˆ 1 ˆ ˆ ˆ 1 ˆ L st p p V 1 1 ) ˆ (1 ˆ 1 ) ˆ( Selag kepercaaa bag p ) ˆ ˆ( ˆ st p st V z p

48 L L p p z B w p p 1 1 ) (1 ) / (1 L k k k k k c p p c p p w 1 ) (1 ) (1

49

50 Car formas besara Tetuka, megguaka formula cotoh acak sederhaa Tetuka k = / (bulatka) Acak blaga 1,,, k. Msalka dperoleh m (1 m k) Objek ag terplh adalah objek ke-m, ke-(m+k), (m+k),, (m+(-1)k) pada keragka pearka cotoh

51 dapat dketahu dega past pada kasus tertetu, tap pada kasus la tdak dapat dtetuka sehgga harus dasumska (dduga). Msala pada kasus pegujug tempat belaja.

52

53 1 ˆ s V ( ) 1 ( 1) s dega adalah korelas atar pasaga objek cotoh sstematk dar frame ag sama. la tdak dapat dhtug haa megguaka satu cotoh sstematk, sehgga ragam peduga ddekat dega ragam peduga rataa cotoh acak sederhaa. s Vˆ( s )

54 1 ˆ s s V ( ˆ ) 1 ( 1) s dega adalah korelas atar pasaga objek cotoh sstematk dar frame ag sama. la tdak dapat dhtug haa megguaka satu coth sstematk, sehgga ragam peduga ddekat dega ragam peduga rataa cotoh acak sederhaa. s V ˆ ( ˆ s )

55 Desa Jumlah Wata () Total Dugalah rata-rata jumlah peduduk wata d props tersebut serta htug ragama jka dketahu jumlah populas desa sebaak ˆ s 80,5 1 Vˆ( s ) s 535, ,16

56 la = 1 utuk Ya, da = 0 utuk Tdak Vˆ( pˆ s pˆ ) s 1 s pˆ s (1 pˆ 1 s )

57

58 Cotoh Gerombol adalah suatu cotoh berpeluag ag satua cotoha berupa gerombol (kumpula eleme) Pearka Cotoh Gerombol (PCG) adalah pearka cotoh acak sederhaa terhadap satua cotoh ag berupa gerombol Dalam PCG semua eleme dalam gerombol ag terplh sebaga cotoh damat semua

59

60 Masalah: Tdak terseda daftar semua rumahtagga d kota tsb Guaka desa/keluraha sebaga gerombol, ambl beberapa desa secara acak, semua rumahtagga d desa ag terplh sebaga cotoh damat

61 Tergatug kemrpa karakterstk dalam gerombol

62 Peduga bag adalah 1 1 m 1 ( ) V M 1 m Peduga ag bak bag V() jka 0 Selag Kepercaaa bag t Vˆ( )

63 Jumlah total pemukma pada 5 blok tersebut: 5 1 m 151 Jumlah total pedapata pada 5 blok tersebut: Guaka data tersebut utuk meduga rata-rata pedapata per kapta d kota tersebut, da htug boud of errora.

64 m 8801 B V ( ) M 1 1 m (5)(6,04)

65 = M ˆ M M 1 1 m V ( ˆ) Vˆ( M) ˆ 1 1 m

66 Jka M tdak dketahu: ˆ t 1 V ( ˆ) Vˆ( ˆ 1 t ) 1 t

67 Tetuka dulu la boud o the error estmato, msalka sebesar B B V z ) ( c c z M B la c da M dtetuka berdasarka formas awal, atau melakuka surve pedahulua terlebh dahulu dega megambl cotoh awal berukura 1 1 m s c

68 Jka a = baaka ag mejawab Ya dalam gerombol ke- m = baaka eleme dalam gerombol ke-, maka: pˆ 1 1 a m da V ( pˆ) M ˆ 1 a 1 pm ˆ Peduga ag bak bag V(p) jka 0

69

70

71

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

Penarikan Contoh Acak Sederhana (Simple Random Sampling) Pearka Cotoh Acak Sederhaa (Smple Radom Samplg) Defs Jka sebuah cotoh berukura dambl dar suatu populas sedemka rupa sehgga setap cotoh berukura ag mugk memlk peluag sama utuk terambl, maka prosedur tu

Lebih terperinci

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV

Penarikan Contoh Acak Berlapis (Stratified Random Sampling) Pertemuan IV Pearka Cotoh Acak Berlas (Stratfed Radom Samlg Pertemua IV Defs Cotoh acak berlas ddaatka dega cara membag oulas mejad beberaa kelomok ag tdak salg tumag tdh, da kemuda megambl secara acak dar seta kelomokkelomok

Lebih terperinci

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB Pearka Cotoh Gerombol (Cluster Samplg) Departeme Statstka FMIPA IPB Radom samplg (Revew) Smple radom samplg Stratfed radom samplg Rato, regresso, ad dfferece estmato Systematc radom samplg Cluster radom

Lebih terperinci

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas

TEKNIK SAMPLING. Hazmira Yozza Izzati Rahmi HG Jurusan Matematika FMIPA Universitas Andalas TEKNIK SAMPLING Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uverstas Adalas Defs Suatu cotoh gerombol adalah suatu cotoh acak sederhaa dmaa setap ut pearka cotoh adalah kelompok atau gerombol dar

Lebih terperinci

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu

BAB II LANDASAN TEORI. Dalam pengambilan sampel dari suatu populasi, diperlukan suatu BAB II LADASA TEORI Dalam pegambla sampel dar suatu populas, dperluka suatu tekk pegambla sampel yag tepat sesua dega keadaa populas tersebut. Sehgga sampel yag dperoleh adalah sampel yag dapat mewakl

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 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

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKSIR RASIO YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Idah Vltr, Harso, Haposa Srat Mahassa Program S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu

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

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP

BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP BAB IV BATAS ATAS BAGI JARAK MINIMUM KODE SWA- DUAL GENAP Msal dguaka kode ler C[, k, d] dega matrks pembagu G da matrks cek partas H. Sebuah blok formas x = x 1 x 2 x k, x = 0 atau 1, yag aka dkrm terlebh

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

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

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2

Jawablah pertanyaan berikut dengan ringkas dan jelas menggunakan bolpoin. Total nilai 100. A. ISIAN SINGKAT (Poin 20) 2 M 81 STTISTIK DSR SEMESTER II 11/1 KK STTISTIK, FMIP IT SOLUSI UJIN TENGH SEMESTER (UTS) Sabtu, 1 Me 1, Pukul 9. 1.4 WI (1 met) Kelas 1. Pegajar: Udjaa S. Pasarbu/Rr. Kura Novta Sar, Kelas. Pegajar: Utrwe

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 6 PRINSIP INKLUSI DAN EKSKLUSI

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI BB 6 PRINSIP INKLUSI DN EKSKLUSI Pada baga aka ddskuska topk berkutya yatu eumeras yag damaka Prsp Iklus da Eksklus. Kosep dalam bab merupaka perluasa de dalam Dagram Ve beserta oepras rsa da gabuga, amu

Lebih terperinci

SOLUSI TUGAS I HIMPUNAN

SOLUSI TUGAS I HIMPUNAN Program Stud S1 Tekk Iformatka Fakultas Iformatka, Telkom Uversty SOLUSI TUGAS I HIMPUNAN Matematka Dskrt (MUG2A3) Halama 1 dar 6 Soal 1 Tetukalah eleme-eleme dar hmpua berkut! 2 x x adalah blaga real

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

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

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

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

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB METODE PENELTAN 3.1 Tempat da Waktu Peelta Peelta dlaksaaka d areal/wlaah koses huta PT. Sarmeto Parakata Tmber, Kalmata Tegah pada bula Aprl sampa dega Me 007. 3. Baha da Alat Baha ag dguaka utuk

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

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK

PERTEMUAN 14-MPC 2 PRAKTIK. Oleh: Adhi Kurniawan SEKOLAH TINGGI ILMU STATISTIK PERTEMUAN 4-MPC PRAKTIK Oleh: Adh Kurawa SEKOLAH TINGGI ILMU STATISTIK Double Samplg Utuk Peduga Beda, Rato, Regres Msalka, pada kods tertetu, kta g megguaka dfferece estmator, rato estmator, atau regresso

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

SIFAT-SIFAT LANJUT FUNGSI TERBATAS Bulet Ilmah Mat. Stat. da Terapaya (Bmaster) Volume 03, No. 2(204), hal 35 42. SIFAT-SIFAT LANJUT FUNGSI TERBATAS Suhard, Helm, Yudar INTISARI Fugs terbatas merupaka fugs yag memlk batas atas da batas

Lebih terperinci

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani FMDAM (2) Chartas Fbra Techque for Order Preferece by Smlarty to Ideal Soluto () ddasarka pada kosep dmaa alteratf terplh yag terbak tdak haya memlk jarak terpedek dar solus deal postf, amu juga memlk

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

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA

PENAKSIR DUAL RATIO-CUM-PRODUCT UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA ENAKSI DUAL ATIO-UM-ODUT UNTUK ATA-ATA OULASI ADA SAMLING AAK SEDEHANA hrsta ajata, Frdaus, Haposa Srat Mahasswa rogram Stud S Matematka Dose Jurusa Matematka Fakultas Matematka da Ilmu egetahua Alam Uverstas

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

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

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS

PENAKSIR REGRESI CUM RASIO UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN KOEFISIEN KURTOSIS DAN KOEFISIEN SKEWNESS PENAKIR REGREI CUM RAIO UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN KOEFIIEN KURTOI DAN KOEFIIEN KEWNE usta Wula ar *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data

4/1/2013. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut. Dengan: n = banyak data //203 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas Ukura

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

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI

KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI KOMBINASI PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN REGRESI, KOEFISIEN KURTOSIS DAN KOEFISIEN VARIASI Defl Ardh 1, Frdaus, Haposa Srat defl_math@ahoo.com

Lebih terperinci

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN

PENAKSIR RASIO REGRESI LINEAR YANG EFISIEN UNTUK RATA-RATA POPULASI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN PENAKIR RAIO REGREI LINEAR ANG EFIIEN UNTUK RATA-RATA POPULAI DENGAN MENGGUNAKAN DUA VARIABEL TAMBAHAN Ed Jamlu 1* Harso Haposa rat 1 Mahasswa Program tud 1 Matematka Dose Jurusa Matematka Fakultas Matematka

Lebih terperinci

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS

PENAKSIR RATIO-CUM-PRODUCT YANG EFISIEN UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN KOEFISIEN KURTOSIS PEASIR RATIO-UM-PRODUT AG EFISIE UTU RATA-RATA POPULASI PADA SAMPLIG AA SEDERHAA MEGGUAA OEFISIE VARIASI DA OEFISIE URTOSIS Lza armata *, Arsma Ada, Frdaus Mahasswa Program S Matematka Dose Jurusa Matematka

Lebih terperinci

Analisis Korelasi dan Regresi

Analisis Korelasi dan Regresi Aalss Korelas da Regres Hazmra Yozza Izzat Rahm HG Jurusa Matematka FMIPA Uad LOGO www.themegaller.com LOGO Data varat Data dega dua varael Terhadap satu pegamata dlakuka pegukurapegamata terhadap varael

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

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam

BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL. Masalah regresi invers dengan bentuk linear dapat dijumpai dalam BAB III MENYELESAIKAN MASALAH REGRESI INVERS DENGAN METODE GRAYBILL 3. Pegerta Masalah regres vers dega betuk lear dapat djumpa dalam berbaga bdag kehdupa, dataraya dalam bdag ekoom, kesehata, fska, kma

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 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 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

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

TINJAUAN MATA KULIAH BAB I PENDAHULUAN

TINJAUAN MATA KULIAH BAB I PENDAHULUAN TINJAUAN MATA KULIAH BAB I PENDAHULUAN I. Beberapa Defs Dalam berbaga meda serg djumpa hasl jejak pedapat dar masarakat tetag su tertetu, jejak pedapat tu dlakuka utuk megetahu gambara pedapat dar masarakat

Lebih terperinci

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER TUGAS ATA KULIAH TEORI RING LANJUT ODUL NOETHER Da Aresta Yuwagsh (/364/PPA/03489) Sebelumya, telah dketahu bahwa sebaga rg dega eleme satua memeuh sfat rata ak utuk deal-deal d. Apabla dpadag sebaga modul,

Lebih terperinci

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si.

Ukuran Pemusatan Data. Arum Handini P., M.Sc Ayundyah K., M.Si. Ukura Pemusata Data Arum Had P., M.Sc Ayudyah K., M.S. Notas utuk Populas da Sampel Notas: Mea (rata-rata) Sample x Populas μ Varas s 2 σ 2 Smpaga baku s σ Ukura Pemusata Data 1. Mea (rata-rata) 2. Meda

Lebih terperinci

2.2.3 Ukuran Dispersi

2.2.3 Ukuran Dispersi 3 Ukura Dspers Yag aka dbahas ds adalah smpaga baku da varas karea dua ukura dspers yag palg serg dguaka Hubuga atara smpaga baku dega varas adalah Varas = Kuadrat dar Smpaga baku otas yag umum dguaka

Lebih terperinci

Penelitian Operasional II Teori Permainan TEORI PERMAINAN

Penelitian Operasional II Teori Permainan TEORI PERMAINAN Peelta Operasoal II Teor Permaa 7 2 TEORI PERMAINAN 2 Pegatar 2 Krtera Tekk Permaa : () Terdapat persaga kepetga datara pelaku (2) Setap pema memlk stateg, bak terbatas maupu tak terbatas (3) Far Game

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

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 5 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel Praktkum 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel PRAKTIKUM 7 Peelesaa Persamaa No Ler Metode Secat Dega Modfkas Tabel Tujua : Mempelajar metode Secat dega modfkas tabel utuk peelesaa

Lebih terperinci

POLIGON TERBUKA TERIKAT SEMPURNA

POLIGON TERBUKA TERIKAT SEMPURNA MODUL KULIAH ILMU UKUR TANAH POLIGON TERBUKA TERIKAT SEMPURNA Pegerta : peetua azmuth awal da akhr, peetuat kesalaha peutup sudut,koreks sudut, kesalaha lear da koreks lear kearah sumbu X da Y, Peetua

Lebih terperinci

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE RISI IKLUSI- EKSKLUSI ICLUSIO- EXCLUSIO RICILE rsp Iklus-Eksklus Ada berapa aggota dalam gabuga dua hmpua hgga? A A = A A - A A Cotoh Ada berapa blaga bulat postf lebh kecl atau sama dega 00 yag habs dbag

Lebih terperinci

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN

PENAKSIR RASIO UNTUK RATA-RATA POPULASI PADA SAMPLING ACAK SEDERHANA MENGGUNAKAN KOEFISIEN VARIASI DAN MEDIAN PENAKI AIO UNTUK ATA-ATA POPULAI PADA AMPLING ACAK EDEHANA MENGGUNAKAN KOEFIIEN VAIAI DAN MEDIAN sk ahmada *, Arsma Ada, Haposa rat Mahasswa Program Matematka Dose Jurusa Matematka Fakultas Matematka da

Lebih terperinci

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA 3. Pegkodea Matrks Ketetaggaa Matrks ketetaggaa A adaah matrks smetr, sehgga, dega memh semua eeme pada dagoa utama da eeme-eeme dbawah dagoa utama, maka aka

Lebih terperinci

BAB 1 STATISTIKA RINGKASAN MATERI

BAB 1 STATISTIKA RINGKASAN MATERI BAB STATISTIKA A RINGKASAN MATERI. Pegerta Data adalah kumpula keteraga-keteraga atau catata-catata megea suatu kejada, dapat berupa blaga, smbol, sat atau kategor. Masg-masg keteraga dar data dsebut datum.

Lebih terperinci

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat.

KALKULUS LANJUT. Pertemuan ke-4. Reny Rian Marliana, S.Si.,M.Stat. KALKULUS LANJUT Pertemua ke-4 Rey Ra Marlaa, S.S.,M.Stat. Plot Mater Notas Jumlah & Sgma Itegral Tetu Jumlah Rema Pedahulua Luas Notas Jumlah & Sgma Purcell, et all. (page 226,2003): Sebuah fugs yag daerah

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

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis

STATISTIK. Ukuran Gejala Pusat Ukuran Letak Ukuran Simpangan, Dispersi dan Variasi Momen, Kemiringan, dan Kurtosis STATISTIK Ukura Gejala Pusat Ukura Letak Ukura Smpaga, Dspers da Varas Mome, Kemrga, da Kurtoss Notas Varabel dyataka dega huruf besar Nla dar varabel dyataka dega huruf kecl basaya dtuls Tmes New Roma

Lebih terperinci

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut

3/19/2012. Bila X 1, X 2, X 3,,X n adalah pengamatan dari sampel, maka rata-rata hitung dirumuskan sebagai berikut 3/9/202 UKURAN GEJALA PUSAT DAN UKURAN LETAK Kaa Evta Dew, S.Pd., M.S. Ukura gejala pusat Utuk medapatka gambara yag lebh jelas tetag sekumpula data megea sesuatu hal, bak tu dar sampel ataupu populas

Lebih terperinci

BAB 1 ERROR PERHITUNGAN NUMERIK

BAB 1 ERROR PERHITUNGAN NUMERIK BAB ERROR PERHITUNGAN NUMERIK A. Tujua a. Memaham galat da hampra b. Mampu meghtug galat da hampra c. Mampu membuat program utuk meelesaka perhtuga galat da hampra dega Matlab B. Peragkat da Mater a. Software

Lebih terperinci

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema

II. LANDASAN TEORI. Pada bab II ini, akan dibahas pengertian-pengertian (definisi) dan teoremateorema II. LANDAAN TEORI Pada bab II aka dbahas pegerta-pegerta (defs) da teoremateorema ag medukug utuk pembahasa pada bab IV. Pegerta (defs) da teorema tersebut dtulska sebaga berkut.. Teorema Proeks Teorema

Lebih terperinci

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin

Pendahuluan. Relasi Antar Variabel. Relasi Antar Variabel. Relasi Antar Variabel 4/6/2015. Oleh : Fauzan Amin 4/6/015 Oleh : Fauza Am Se, 06 Aprl 015 GDL 11 (07.30-10.50) Pedahulua Aalsa regres dguaka utuk mempelajar da megukur hubuga statstk ag terjad atara dua atau lebh varbel. Dalam regres sederhaa dkaj dua

Lebih terperinci

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode

II. TINJAUAN PUSTAKA. Dalam proses penelitian untuk menganalisis aproksimasi fungsi dengan metode II. TINJAUAN PUSTAKA Dalam proses peelta utuk megaalss aproksmas fugs dega metode mmum orm pada ruag hlbert C[ab] (Stud kasus: fugs rasoal) peuls megguaka defs teorema da kosep dasar sebaga berkut:.. Aproksmas

Lebih terperinci

Regresi & Korelasi Linier Sederhana

Regresi & Korelasi Linier Sederhana Regres & Korelas Ler Sederhaa. Pedahulua Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar la peubah

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

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB

Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departemen Statistika FMIPA IPB Xplore, 2013, Vol. 1(1):e7(1-8) c 2013 Departeme Statstka FMIPA IPB PEETUA ILAI PEMBOBOTA DA PEDUGA RAGAM UTUK PEARIKA COTOH BERTAHAP (Stud Kasus : Surve Pra Pemlha Guberur da Wakl Gubeur Jawa Barat d

Lebih terperinci

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi.

TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Fitri Yulianti, SP. Msi. TATAP MUKA III UKURAN PEMUSATAN DATA (MEAN, MEDIAN DAN MODUS) Ftr Yulat, SP. Ms. UKURAN DATA Ukura data Ukura Pemusata data Ukura letak data Ukura peyebara data Mea Meda Jagkaua Meda Kuartl Jagkaua atar

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

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita.

Pada saat upacara bendera, kita sering memperhatikan teman-teman kita. Bab Ukura Data Pada saat upacara bedera, kta serg memperhatka tema-tema kta. Terkadag tapa sadar kta membadgka tgg redah sswa dalam upacara tersebut. Ada yag tggya 170 cm, 165 cm, 150 cm atau bahka 140

Lebih terperinci

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real.

BAB 5 BARISAN DAN DERET KOMPLEKS. Secara esensi, pembahasan tentang barisan dan deret komlpeks sama dengan barisan dan deret real. BAB 5 BARIAN DAN DERET KOMPLEK ecara eses, pembahasa tetag barsa da deret komlpeks sama dega barsa da deret real. 5. Barsa Barsa merupaka sebuah fugs dega doma berupa hmpua blaga asl N. ebuah barsa kompleks

Lebih terperinci

Informatika Pertanian Volume 17 No. 2, Roch Widaningsih Statistisi Madya pada Pusat Data dan Informasi Pertanian

Informatika Pertanian Volume 17 No. 2, Roch Widaningsih Statistisi Madya pada Pusat Data dan Informasi Pertanian PERBANDINGAN BERBAGAI TEKNIK PENARIKAN CONTOH UNTUK MENDUGA POPUASI SAPI POTONG (Stud Kasus Kabupate Karagasem. Props Bal) Comparato of Samplg Techques to Estmate Cattle Populato Roch Wdagsh Statsts Mada

Lebih terperinci

BAB III PERSAMAAN PANAS DIMENSI SATU

BAB III PERSAMAAN PANAS DIMENSI SATU BAB III PERSAMAAN PANAS DIMENSI SAU Pada baga sebelumya, kta telah membahas peerapa metoda Ruge-Kutta orde 4 utuk meyelesaka masalah la awal dar persamaa dferesal basa orde. Pada bab, kta aka melakuka

Lebih terperinci

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu

I adalah himpunan kotak terbatas dan tertutup yang berisi lebih dari satu METODE FUNGS QUAS-FED SATU ARAMETER UNTUK MENYEESAKAN MASAAH ROGRAM NTEGER TAK NEAR Ra Hardyat (M4) ABSTRAK Dalam kehdupa sehar-har serg djumpa masalah optmas yag membutuhka hasl teger Masalah tersebut

Lebih terperinci

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI MINGGU KE-0 HUBUNGAN ANTAR KONVERGENSI Hubuga atar koverges Hrark atar koverges dyataka dalam teorema berkut. Teorema Msalka X da X, X, X 3,... adalah varabel radom yag ddefska pada ruag probabltas yag

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

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi STATISTIKA A. Des Umum. Pegerta statstk Statstk adalah kumpula akta yag berbetuk agka da dsusu dalam datar atau tabel yag meggambarka suatu persoala. Cotoh: statstk kurs dolar Amerka, statstk pertumbuha

Lebih terperinci

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling.

METODE PENELITIAN. Kota Bogor. Kecamatan Bogor Barat. Purposive. Kelurahan Cilendek Barat RW 05 N1= 113. Cluster random sampling. METODE PENELITIAN Desa, Tempat da Waktu Peelta Peelta megguaka desa cross sectoal study. Lokas peelta d Kota Bogor. Pemlha lokas peelta secara purposve dega pertmbaga merupaka salah satu kecamata dega

Lebih terperinci

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah

BAB III INTEGRAL RIEMANN-STIELTJES. satu pendekatan untuk membentuk proses titik. Berkaitan dengan masalah BAB III INEGRAL RIEMANN-SIELJES. Pedahulua Pada Bab, telah dsggug bahwa ukura meghtug merupaka salah satu pedekata utuk membetuk proses ttk. Berkata dega masalah perhtuga, ada hal meark yag perlu amat,

Lebih terperinci

INTERPOLASI. FTI-Universitas Yarsi

INTERPOLASI. FTI-Universitas Yarsi BAB VI INTERPOLASI FTI-Uverstas Yars Pedahulua Bla dketahu taulas ttk-ttk (y seaga erkut (yag dalam hal rumus ugs y ( tdak dketahu secara eksplst: Htug taksra la y utuk 3.8! FTI-Uverstas Yars Persoala

Lebih terperinci

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS

SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS C. Pembelajara 3 1. Slabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Meerap ka atura kosep statstka dalam pemecah a masalah

Lebih terperinci

; θ ) dengan parameter θ,

; θ ) dengan parameter θ, Vol. 4. No. 3, 5-59, Desember 00, ISSN : 40-858 APLIKASI METODE BESARAN PIVOTAL DALAM PENENTUAN SELANG KEYAKINAN TAKSIRAN PARAMETER POPULASI. Agus Rusgyoo Jurusa Matematka FMIPA UNDIP Abstraks Dberka populas

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

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

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD TAKSIRAN PARAMETER DISTRIBUSI WEIBULL DENGAN MENGGUNAKAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD Eka Mer Krst ), Arsma Ada ), Sgt Sugarto ) ekamer_tross@ymal.com ) Mahasswa Program S Matematka FMIPA-UR

Lebih terperinci

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan

PENDAHULUAN Metode numerik merupakan suatu teknik atau cara untuk menganalisa dan menyelesaikan masalah masalah di dalam bidang rekayasa teknik dan Aalsa Numerk Baha Matrkulas PENDAHULUAN Metode umerk merupaka suatu tekk atau cara utuk megaalsa da meyelesaka masalah masalah d dalam bdag rekayasa tekk da sa dega megguaka operas perhtuga matematk Masalah-masalah

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Bab aka mejelaska megea ladasa teor yag dpaka oleh peuls dalam peelta. Bab dbag mejad beberapa baga, yag masg masg aka mejelaska Prcpal Compoet Aalyss (PCA), Egeface, Klusterg K-Meas,

Lebih terperinci

8. MENGANALISIS HASIL EVALUASI

8. MENGANALISIS HASIL EVALUASI 8. MENGANALISIS HASIL EVALUASI Tujua : Mampu megaalsa tgkat kesukara hasl evaluas utuk megkatka hasl proses pembelajara Kegata megaals hasl evaluas merupaka upaya utuk memperbak programprogram pembelajara

Lebih terperinci

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang

III. METODOLOGI PENELITIAN. Menurut Arikunto (1991 : 3) penelitian eksperimendalah suatu penelitian yang 37 III. METODOLOGI PENELITIAN A. Metode Peelta Metode peelta merupaka suatu cara tertetu yag dguaka utuk meelt suatu permasalaha sehgga medapatka hasl atau tujua yag dgka. Meurut Arkuto (1991 : 3) peelta

Lebih terperinci

BAB III ISI. x 2. 2πσ

BAB III ISI. x 2. 2πσ BAB III ISI 4. Keadata Normal Multvarat da Sfat-sfatya Keadata ormal multvarat meruaka geeralsas dar keadata ormal uvarat utuk dmes. f ( x) [( x )/ ] / = e x π x = ( x )( ) ( x ). < < (-) (-) Betuk (-)

Lebih terperinci

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN

BAB 2 : BUNGA, PERTUMBUHAN DAN PELURUHAN Jl. Raya Wagu Kel. Sdagsar Kota Bogor Telp. 0251-8242411, emal: prohumas@smkwkrama.et, webste : www.smkwkrama.et BAB 2 : BUNGA, PERTUBUHAN DAN PELURUHAN PENGERTIAN BUNGA Buga adalah jasa dar smpaa atau

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA . Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (8-9) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable) dar

Lebih terperinci

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG

PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG PENGARUH MODAL KERJA TERHADAP PENDAPATAN PENGRAJIN INDUSTRI KECIL TEMPE DI DESA SAMBAK KECAMATAN KAJORAN KABUPATEN MAGELANG Asa Kurat Peddka Ekoom, FKIP Uverstas Muhammadah Purworejo asachaca8@ahoo.com

Lebih terperinci

REGRESI & KORELASI LINIER SEDERHANA

REGRESI & KORELASI LINIER SEDERHANA 1. Pedahulua REGRESI & KORELASI LINIER SEDERHANA Gagasa perhtuga dtetapka oleh Sr Fracs Galto (18-1911) Persamaa regres :Persamaa matematk ag memugkka peramala la suatu peubah takbebas (depedet varable)

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

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

NORM VEKTOR DAN NORM MATRIKS

NORM VEKTOR DAN NORM MATRIKS NORM VEKTOR DN NORM MTRIK umaag Muhtar Gozal UNIVERIT PENDIDIKN INDONEI. Pedahulua Jka kta membcaraka topk ruag vektor maka cotoh sederhaa yag dapat kta ambl adalah ruag Eucld R. D ruag kta medefska pajag

Lebih terperinci

3.1 Biaya Investasi Pipa

3.1 Biaya Investasi Pipa BAB III Model Baya Pada model baya [8] d tugas akhr, baya tahua total utuk megoperaska jarga ppa terdr dar dua kompoe, yatu baya operasoal da baya vestas. Baya operasoal terdr dar baya operasoal ppa da

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 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