MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)

Ukuran: px
Mulai penontonan dengan halaman:

Download "MATERI KULIAH STATISTIKA I UKURAN. (Nuryanto, ST., MT)"

Transkripsi

1 MATERI KULIAH STATISTIKA I UKURAN (Nuryanto, ST., MT)

2 Ukuran Statstk Ukuran Statstk : 1. Ukuran Pemusatan Bagamana, d mana data berpusat? Rata-Rata Htung = Arthmetc Mean Medan Modus Kuartl, Desl, Persentl. Ukuran Penyebaran Bagamana penyebaran data? Ragam, Varans Smpangan Baku

3 Ukuran Pemusatan Ukuran Statstk nantnya akan mencakup data : 1. Ungrouped Data. Grouped Data Ungrouped Data : Data yang belum dkelompokkan Grouped Data :Data yang telah dkelompokkan Tabel Dstrbus Frekuens Ukuran Pemusatan Rata-Rata Htung = Arthmetc Mean Notas : : rata-rata htung populas x : rata-rata htung populas Rata-Rata Htung untuk Ungrouped Data N 1 N x dan n x x 1 n N : ukuran Populas n : ukuran Sampel x : data ke-

4 Contoh 1 Msalkan dketahu d kota A hanya terdapat 6 PTS, masng-masng tercatat mempunya banyak mahasswa sebaga berkut : 850, 1100, 1150, 150, 750, 900 Berapakah rata-rata banyak mahasswa PTS d kota A? Rata-Rata Populas atau Sampel? Jawab: = = 1000

5 Contoh Setap 1 jam sekal bagan QC pabrk mnuman rngan memerksa 6 kaleng contoh untuk dperksa kadar gula sntetsnya (%). Berkut adalah data 6 kaleng mnuman contoh yang dperksa : Jawab : = 75 6 = 1.5 %

6 Ukuran Pemusatan Rata-Rata untuk Grouped Data Nlanya merupakan pendekatan Basanya berhubungan dengan rata-rata htung sampel x n 1 n 1 f x f sehngga x n fx 1 n x n f x : rata-rata htung populas : ukuran Sampel : frekuens d kelas ke- : Ttk Tengah Kelas ke-

7 Ukuran Pemusatan Kelas Ttk Tengah Kelas (x) Frekuen s (f) f x Jumlah () Jawab : x = = Selan dengan rumus tersebut, dapat dcar dengan suatu nla dugaan (M) d : TTK (x) - M x M n 1 f d n

8 Kelas Ttk Tengah Kelas (x) M d Frekuens(f) f d Jumlah () x f d M 1 n n 95 = Catt : Bagamana menentukan M? Tdak ada cara khusus! M dapat dtentukan sembarang! Atau M dapat dtentukan dengan Ttk Tengah Kelas (x) pada Kelas tepat d tengah TDF

9 jka banyak kelas (k) ganjl maka ambl (x) pada kelas ke (kelas yang d tengahtengah) jka banyak kelas (k) genap maka gunakan (x) pada kelas ke dan kelas ke +1 1 selanjutnya kedua nla (x) tersebut dbag dua

10 Modus Nla yang palng serng muncul Nla yang frekuensnya palng tngg a. Modus untuk Ungrouped Data Contoh : Sumbangan PMI warga Depok Modus : Rp Bsa terjad data dengan beberapa modus (mult-modus) Bsa terjad data tanpa modus Contoh Berat 5 orang bay : (Tdak Ada Modus) Umur Mahasswa : Modus : 18 dan 19

11 d d 1 b. dmodus untuk Grouped Data 1 Kelas Modus : Kelas d mana Modus berada Kelas dengan frekuens tertngg Tep Batas Bawah kelas ke- = Tep Batas Atas kelas ke- = Batas Bawah kelas ke + Batas Atas kelas ke ( 1) Batas Atas kelas ke + Batas Bawah kelas ke (+1) Modus = TBB Kelas Modus + d d1 d 1 d mana : TBB : Tep Batas Bawah d 1 d : Beda Frekuens Kelas Modus dengan Frekuens Kelas sebelumnya : Beda Frekuens Kelas Modus dengan Frekuens Kelas sesudahnya : nterval kelas

12 d d1 d 1 Kelas Modus = 4-31 TBB Kelas Modus = 3.5 = 8 frek. kelas Modus = 17 frek, kelas sebelum kelas Modus = 10 frek. kelas sesudah kelas Modus = 7 d 1 = = 7 Kelas Frekuens (f) Jumlah () 50 d = 17-7 = 10 Modus = = = ( ) = =

13 Medan, Kuartl, Desl dan Persentl Medan Nla yang membag gugus data yang telah tersortr (ascendng) menjad bagan yang sama besar Kuartl Nla yang membag gugus data yang telah tersortr (ascendng) menjad 4 bagan yang sama besar Desl Nla yang membag gugus data yang telah tersortr (ascendng) menjad 10 bagan yang sama besar Persentl Nla yang membag gugus data yang telah tersortr (ascendng) menjad 100 bagan yang sama besar

14 Medan, Kuartl, Desl dan Persentl untuk Ungrouped Data 1. Medan untuk Ungrouped Data Letak Medan telah tersortr Letak Medan = Letak Medan dalam gugus data yang, n = banyak data Contoh 1: Tngg Badan 5 mahasswa: Sorted : n = 5 Letak Medan = = = 3 Medan = Data ke-3 = 1.75

15 Contoh Tngg 6 mahasswa : (Sorted) n = 6 Letak Medan = = 3,5 Medan = 1 (Data ke 3 + Data ke 4) = 1 ( ) = = Data ke (Data ke-4 Data ke-3) = ( ) = ( ) = = 1.765

16 . Kuartl untuk Ungrouped Data Letak Kuartl ke-q Letak Kuartl ke-q dalam gugus data yang telah tersortr, q =1,,3 Letak Kuartl ke-q = (), n = banyaknya data 3. Desl untuk Ungrouped Data Letak Desl ke-d Letak Desl ke-d dalam gugus data yang telah tersortr, d =1,,3,... 9 Letak Desl ke-d = (), n = banyaknya data 4. Persentl untuk Ungrouped Data Letak Persentl ke-p Letak Persentl ke- dalam gugus data yang telah tersortr, p =1,,3,... 99

17 Letak Persentl ke-p (), n = banyaknya data Teknk Penghtungan Nla Kuartl ke-k, Desl ke-d, Persentl ke-p Msalkan ddapat letak Kuartl ke-q/desl ke-d/persentl ke-p = Data ke-.j (berupa blangan pecahan) Maka Nla Kuartl ke-q/desl ke-d/persentl ke-p = Nla data ke- + [0.j (Nla Data ke-+1 Nla Data ke-)] Contoh : Terdapat sebanyak 53 data yang sudah tersortr ascendng Data ke-190 bernla 175 dan Data ke-191 bernla 180 Data ke-50 bernla 45 dan Data ke-51 bernla 48 Data ke-165 bernla 100 dan Data ke-166 bernla 10

18 3( n 1) 3( 53 1) Letak Kuartl ke-3 = Nla Kuartl ke-3 = Data ke (Data ke-191 Data ke-190) = ( ) = (0.5 5) = = ( n 1) ( 53 1) Letak Desl ke- = Nla Desl ke- = Data ke (Data ke-51 Data ke-50) = (48-45) = 45 + (0.8 3) = = ( n 1) 65( 53 1) Letak Persentl ke-65 = Nla Persentl ke-65 = Data ke (Data ke-166 data ke-165) = (0.1 ) = = 100.

19 Medan, Kuartl, Desl dan Persentl untuk Grouped Data Nlanya merupakan pendekatan 1. Medan untuk Grouped Data Letak Medan =, n: banyak data Kelas Medan : Kelas d mana Medan berada Kelas Medan ddapatkan dengan membandngkan Letak Medan dengan Frekuens Kumulatf Medan = TBB Kelas Medan + s f M atau Medan = TBA Kelas Medan - s' f M

20 d mana : TBB : Tep Batas Bawah s : selsh antara Letak Medan dengan Frekuens Kumulatf sebelum kelas Medan TBA : Tep Batas Atas s : selsh antara Frekuens Kumulatf sampa kelas Medan dengan Letak Medan : nterval kelas f M : Frekuens kelas Medan

21 Contoh Kelas Medan Kelas Frekuens Frek. Kumulatf nterval = = 8 Letak Medan = n = 50 = 5 Medan = Data ke-5 terletak d kelas 4-31 Kelas Medan = 4-31 TBB Kelas Medan = 3.5 dan TBA Kelas Medan = 31.5 f M = 17 Frek. Kumulatf sebelum Kelas Medan = 10 s = 5-10 = 15 Frek. Kumulatf sampa Kelas Medan = 7 s = 7-5 =

22 Medan = TBB Kelas Medan + = = ( ) 17 = = s f M Medan = TBA Kelas Medan - s' f M = = ( ) = =

23 . Kuartl untuk Grouped Data Letak Kuartl ke-q = qxn 4, q = 1,,3...dan n = banyaknya data Kelas Kuartl ke-q : Kelas d mana Kuartl ke-q berada Kelas Kuartl ke-q ddapatkan dengan membandngkan Letak Kuartl ke-q dengan Frekuens Kumulatf Kuartl ke-q = TBB Kelas Kuartl ke-q + atau s f Q Kuartl ke-q = TBA Kelas Kuartl ke-q - s' f Q d mana :TBB : Tep Batas Bawah s : selsh antara Letak Kuartl ke-q dengan Frekuens Kumulatf sebelum kelas Kuartl ke-q TBA : Tep Batas Atas s : selsh antara Frekuens Kumulatf sampa kelas Kuartl ke-q dengan Letak Kuartl ke-q : nterval kelas f Q : Frekuens kelas Kuartl ke-q

24 Contoh Tentukan kuartl ke -3 Kelas Kuartl ke -3 Kelas Frekuens Frek. Kumulatf nterval = = 8 Letak Kuartl ke-3 = 3 n 3 50 = 4 4 = 37.5 Kuartl ke-3 = Data ke-37.5 terletak d kelas Kelas Kuartl ke-3 = TBB Kelas Kuartl ke-3 = 39.5 dan TBA Kelas Kuartl ke-3 = 47.5 f Q3 = 10 Frek. Kumulatf sebelum Kelas Kuartl ke-3 = 34 s = = 3.5 Frek. Kumulatf sampa Kelas Kuartl ke-3 = 44 s = = 6.5

25 Kuartl ke-3 = TBB Kelas Kuartl ke-3 + = = (0.35) 10 = = 4.3 Kuartl ke-3 = TBA Kelas Kuartl ke-3 - = = ( 0.65) 10 = = 4.3 s f Q s' f Q

26 3. Desl untuk Grouped Data Letak Desl ke-d = dxn 10, d = 1,, dan n = banyaknya data Kelas Desll ke-d : Kelas d mana Desl ke-d berada Kelas Desl ke-d ddapatkan dengan membandngkan Letak Desl ke-d dengan Frekuens Kumulatf s Desl ke-d = TBB Kelas Desl ke-d + f D atau Desl ke-d = TBA Kelas Desl ke-d - s' f D d mana :TBB : Tep Batas Bawah s : selsh antara Letak Desl ke-q dengan Frekuens Kumulatf sebelum kelas Kuartl ke-d TBA : Tep Batas Atas s : selsh antara Frekuens Kumulatf sampa kelas Desl ke-d dengan Letak Desl ke-d : nterval kelas f Q : Frekuens kelas Desl ke-d

27 Contoh Tentukan desl ke -9 Kelas Desl ke -9 Kelas Frekuens Frek. Kumulatf Desl ke-9 = Data ke-45 terletak d kelas Kelas Desl ke-9 = nterval = = 8 Letak Desl ke-9 = 9 n 9 50 = = 45 TBB Kelas Desl ke-9 = 47.5 dan TBA Kelas Desl ke-9 = 55.5 f D9 = 3 Frek. Kumulatf sebelum Kelas Desl ke-9 = 44 s = = 1 Frek. Kumulatf sampa Kelas Desl ke-9 = 47 s = =

28 Desl ke-9 = TBB Kelas Desl ke-9 + = = ( ) 3 = = s f D Desl ke-9 = TBA Kelas Desl ke-9 - s' f D = = ( ) 3 = =

29 4. Presentl untuk Grouped Data Letak Presentl ke-p pxn 100, p = 1,, dan n = banyaknya data Kelas Presentl ke-p : Kelas d mana Presentl ke-p berada Kelas Presentl ke-p ddapatkan dengan membandngkan Letak Presentl ke-p dengan Frekuens Kumulatf Persentl ke-p = TBB Kelas Persentl ke-p + Persentl ke-p = atau TBA Kelas Persentl ke-p - p : 1,, d mana :TBB : Tep Batas Bawah s : selsh antara Letak Persentl ke-p dengan Frekuens Kumulatf sebelum kelas Persentl ke-p TBA : Tep Batas Atas s : selsh antara Frekuens Kumulatf sampa kelas Persentl ke-p dengan Letak Persentl ke-p : nterval kelas f P : Frekuens kelas Persentl ke-p s f P s' f P

30 Contoh Tentukan Presentl ke -56 Kelas Pressentl ke -56 Kelas Frekuens Frek. Kumulatf nterval = = 8 Letak Persentl ke-56 = 56 n = = 8 Persentl ke-56 = Data ke-8 terletak d kelas 3-39 Kelas Persentl ke-56 = 3-39 TBB Kelas Persentl ke-56 = 31.5 dan TBA Kelas Persentl ke-56 = 39.5 f P56 = 7 Frek. Kumulatf sebelum Kelas Persentl ke-56 = 7 s = 8-7 = 1 Frek. Kumulatf sampa Kelas Persentl ke-56 = 34 s = 34-8 = 6

31 Persentl ke-56 = TBB Kelas Persentl ke-56 + = = ( ) 7 = = Persentl ke-56 = TBA Kelas Persentl ke-56 - s f P s' f P = = ( ) 7 = =

32 5. Rata-Rata Tertmbang (Weghted Mean) Dalam beberapa kasus setap nla dber beban, msalnya : pada kasus perhtungan Indeks Prestas, Potongan Harga Barang, dll Contoh D mana x B : rata-rata tertmbang B : beban ke- x : data ke- n : banyak data Berkut adalah Transkrp Akademk seorang mahasswa Mata Kulah Nla Mutu Angka Mutu (X) SKS (B) Nla Skala (Skorng) (B X) Pancasla B 3 6 Teor Ekonom A Bahasa Inggrs C 3 6 Pengantar Manajemen A Indeks Prestas = x B n 1 n 1 B x B = 40 1 = 3.33

33 6. Rata-Rata Geometrk (Geometrc Mean) Rata-rata geometrk dgunakan untuk menghtung rata-rata laju pertumbuhan (growth rate), msalnya : pertumbuhan penduduk, penjualan, tngkat bunga dll. ngat G = antlog (log G) D mana G : rata-rata geometrk Contoh x 1 : data ke- n : banyak data Data pertumbuhan suku bunga dalam 5 har kerja : % G n x1 x x3 x n = log G = G n x1 x x3 x n log x log x log x log x log x = log 1.5 log.3 log 3.4 log 1. log = = = G = antlog =.03837

34 Bandngkan dengan rata-rata htung x n x 1 n = 5 = =.18

35 Ukuran Penyebaran Ragam = Varans (Varance) dan Smpangan Baku = Standar evas (Standard Devaton) 1. Ragam dan Smpangan Baku untuk Ungrouped Data POPULASI : N ( x ) 1 atau N N N x x 1 1 N ( ) dan SAMPEL : s s n ( x x ) n 1 ( nx 1x ) 1 n 1 atau dan X : data ke- : smpangan baku populas : rata-rata populas N : ukuran populas x : rata-rata sampel s : smpangan baku ²: ragam populas n : ukuran sampel s n n x ( x ) 1 1 n( n 1) n

36 x Contoh : Data Usa 5 mahasswa : tahun Htunglah, ² dan (anggap data sebaga data populas) Htunglah x, s dan s ( data adalah data sample) Jawab: x atau x ( x -) atau ( x - x ) ( x -)² atau ( x - x )² x POPULASI : N = n ( x ) 1 = 10 5 = N N N x x 1 1 N ( ) = ( ) = 5 = =

37 SAMPEL n = 5 x = s n ( x x) 1 n 1 = 10 4 =.5 s n n x ( x ) 1 n 1 n( n 1) = ( 5 010) =.5 0 s s =. 5 =

38 . Ragam dan Smpangan Baku untuk Grouped Data POPULASI : dan SAMPEL : dan X : data ke- : smpangan baku populas : rata-rata populas N : ukuran populas x : rata-rata sampel s : smpangan baku ²: ragam populas n : ukuran sampel k : banyak kelas f : frekuens kelas ke-

39 xf x Contoh Rata -Rata ( atau x ) = = (dar catatan terdahulu) Kelas TTK x Frek. f f x atau x ( x -) atau ( x - x ) ( x -)² atau ( x - x )² f ( x -)² atau f ( x - x )² POPULASI : N = 50 k f 1 ( x ) = = = = SAMPEL : s s k f ( x x) 1 n 1 = s = = =

40 xf x 3. Koefsen Ragam Koefsen Ragam = Koefsen Varans Semakn besar nla Koefsen Ragam maka data semakn bervaras, keragaman data makn tngg. Untuk Populas Koefsen Ragam = 100% Untuk Sampel Koefsen Ragam = s x 100% Contoh : x = 33,58 s = Koefsen Ragam = x 100% =.. x 100% = %

41 xf x 4. Angka Baku Angka baku adalah ukuran penympangan data dar rata-rata populas z dapat bernla nol (0), postf (+) atau negatf (-) z nol data bernla sama dengan rata-rata populas z postf data bernla d atas rata-rata populas z negatf data bernla d bawah rata-rata populas z = Angka Baku = Rata rata populas x = nla data = smpangan baku

42 xf x Contoh : Rata rata kecepatan lar atlet nasonal = 0 km/jam dengan smpangan baku =.5 km Htung angka baku kecepatan lar a. Al = 5 km/jam b. Dd = 18 km/jam Jawab : a. z x = = b. z x 18 0 = = -0.8

43 Penyajan Grafk Dstrbus frekuens dapat juga dsajkan dalam bentuk grafk. Sajan grafk yang sangat luas dgunakan bag data numerk adalah dagram balok 16 Selang Kelas Batas Kelas Ttk Tengah Frekuens 1,5-1,9 1,45-1,95 1,7,0-,4 1,95-,45, 1,5-,9,45-,95,7 4 3,0-3,4,95-3,45 3, 15 3,5-3,9 3,45-3,95 3,7 10 4,0-4,4 3,95-4,45 4, 5 4,5-4,9 4,45-4,95 4, ,5 1,9,0,4,5,9 3,0 3,4 3,5 3,9 4,0 4,4 4,5 4,9

44 Penyajan data lannya adalah bentuk hstogram. Hstogram berbeda dar dagram balok dalam hal sebaga lebar baloknya dgunakan batas kelas bukan lmt kelas. Untuk beberapa masalah tertentu akan lebh bak bla sumbu tegaknya menyatakan frekuens relatf atau presentase. Grafknya dsebut hstogram frekuens relatf atau hstogram presentase, bentuknya perss dengan hstogram frekuens, hanya skala tegaknya berbeda. 1,5 1,9,0,4,5,9 3,0 3,4 3,5 3,9 4,0 4,4 4,5 4,9

45 Cara lannya lag adalah dalam bentuk polgon frekuens. Polgon frekuens dbentuk dengan memplotkan frekuens kelas terhadap ttk tengah kelas dan kemudan menghubungkan ttk ttk yang berurutan dengan gars lurus. Dengan kata lan polgon merupakan bangun berss banyak yang tertutup. Jka frekuens yang ada dalam bentuk frekuens relatf, maka dsebut polgon frekuens relatf atau polgon presentase. 1,5 1,9,0,4,5,9 3,0 3,4 3,5 3,9 4,0 4,4 4,5 4,9 POLIGON FREKUENSI

46 Grafk gars lannya, dsebut polgon frekuens komulatf atau ogf, ddapat dengan memplotkan frekuens komulatf yang lebh kecl darpada batas atas kelas terhadap batas atas kelasnya. 1,5 1,9,0,4,5,9 3,0 3,4 3,5 3,9 4,0 4,4 4,5 4,9 OGIF atau POLIGON FREKUENSI KOMULATIF

47 SELAMAT BELAJAR!

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. CONTOH : HASIL ULANGAN MATEMATIKA 5 SISWA SBB: PENGERTIAN STATISTIKA DAN STATISTIK: BAB IX. STATISTIKA Contoh : hasl ulangan Matematka 5 sswa sbb: 6 8 7 6 9 Pengertan Statstka dan

Lebih terperinci

UKURAN GEJALA PUSAT &

UKURAN GEJALA PUSAT & UKURAN GEJALA PUSAT & UKURAN LETAK UKURAN GEJALA PUSAT & LETAK Untuk mendapatkan gambaran yang jelas mengena suatu populas atau sampel Ukuran yang merupakan wakl kumpulan data mengena populas atau sampel

Lebih terperinci

STATISTIKA. A. Menyajikan Data dalam Bentuk Diagram

STATISTIKA. A. Menyajikan Data dalam Bentuk Diagram STATISTIKA A. Menyajkan Data dalam Bentuk Dagram. DIAGRAM GARIS Contoh soal Fluktuas nla tukar rupah terhadap dolar AS dar tanggal 8 Aprl 008 sampa dengan tanggal Aprl 008 dtunjukkan oleh tabel sebaga

Lebih terperinci

UKURAN-UKURAN DESKRIPTIF DATA

UKURAN-UKURAN DESKRIPTIF DATA UKURAN-UKURAN DESKRIPTIF DATA Hazmra Yozza Izzat Rahm HG Jurusan Matenatka FMIPA Unand LOGO Kompetens Khusus Menghtung ukuran pemusatan data Menghtung ukuran keragaman data 3 4 Menghtung ukuran poss data

Lebih terperinci

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI

IV. UKURAN SIMPANGAN, DISPERSI & VARIASI IV. UKURAN SIMPANGAN, DISPERSI & VARIASI Pendahuluan o Ukuran dspers atau ukuran varas, yang menggambarkan derajat bagamana berpencarnya data kuanttatf, dntaranya: rentang, rentang antar kuartl, smpangan

Lebih terperinci

Statistik. Ukuran lokasi. Ukuran kemiringan Ukuran keruncingan

Statistik. Ukuran lokasi. Ukuran kemiringan Ukuran keruncingan Statstk Ukuran lokas Ukuran sebaran Ukuran kemrngan Ukuran keruncngan Ukuran-ukuranukuran lokas Rata rata htung (arthmetc mean) Rata rata htung sederhana (smple arthmetc mean) Rata rata htung tertmbang

Lebih terperinci

UKURAN LOKASI, VARIASI & BENTUK KURVA

UKURAN LOKASI, VARIASI & BENTUK KURVA UKURAN LOKASI, VARIASI & BENTUK KURVA MARULAM MT SIMARMATA, MS STATISTIK TERAPAN FAK HUKUM USI @4 ARTI UKURAN LOKASI DAN VARIASI Suatu Kelompok DATA berupa kumpulan nla VARIABEL [ vaabel ] Ms banyaknya

Lebih terperinci

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM

PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM PERTEMUAN I PENGENALAN STATISTIKA TUJUAN PRAKTIKUM 1) Membuat dstrbus frekuens. 2) Mengetahu apa yang dmaksud dengan Medan, Modus dan Mean. 3) Mengetahu cara mencar Nla rata-rata (Mean). TEORI PENUNJANG

Lebih terperinci

DISTRIBUSI FREKUENSI

DISTRIBUSI FREKUENSI BAB DISTRIBUSI FREKUENSI Kompetens Mampu membuat penyajan data dalam dstrbus frekuens Indkator 1. Menjelaskan dstrbus frekuens. Membuat dstrbus frekuens 3. Menjelaskan macam-macam dstrbus frekuens 4. Membuat

Lebih terperinci

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta BAB I STATISTIKA

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta BAB I STATISTIKA BAB I STATISTIKA 1. PENGENALAN STATISTIKA A. PENGERTIAN DASAR STATISTIKA 1. Statstka dan Statstk Statstka adalah lmu tentang pengolahan dan analss suatu data hngga penarkan kesmpulan dar data tu. Statstk

Lebih terperinci

KWARTIL, DESIL DAN PERSENTIL

KWARTIL, DESIL DAN PERSENTIL KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag tap-tap 25% frekuens

Lebih terperinci

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran:

STATISTIKA. Rumus : 1. Menentukan banyaknya data/responden dari diagram lingkaran: STATISTIKA Jens-jens soal statstka yang serng dujkan adalah soal-soal tentang : 1. Membaca sajan data dalam bentuk dagram. Ukuran pemusatan data 3. Ukuran Letak Data 4. Ukuran Penyebaran Data SOAL DAN

Lebih terperinci

KWARTIL, DESIL DAN PERSENTIL

KWARTIL, DESIL DAN PERSENTIL KWARTIL, DESIL DAN PERSENTIL 1. KWARTIL Kwartl merupakan nla yang membag frekuens dstrbus data menjad empat kelompok yang sama besar. Dengan kata lan kwartl merupakan nla yang membag taptap 25% frekuens

Lebih terperinci

BAB V STATISTIKA DESKRIPTIF

BAB V STATISTIKA DESKRIPTIF BAB V Sulsetjono Bolog FMIPA Unverstas eger Malang (State Unversty of Malang) Emal: sulsetjono.fmpa@um.ac.d copyrght August 016 STATISTIKA DESKRIPTIF A. Capaan Pembelajaran Mahasswa mampu mengetahu dan

Lebih terperinci

MINGGU KE- V: UKURAN PENYEBARAN

MINGGU KE- V: UKURAN PENYEBARAN MINGGU KE- V: UKURAN PENYEBARAN Tujuan Instruksonal Umum :. Mahasswa mampu memaham apa yang dmaksud dengan ukuran penyebaran. Mahasswa mampu memaham berbaga pengukuran untuk mencar nla ukuran penyebaran

Lebih terperinci

STATISTIK menyatakan kumpulan data, bilangan maupun non bilangan, yg disusun ke dlm tabeldiagram-grafik yang menggambarkan suatu persoalan.

STATISTIK menyatakan kumpulan data, bilangan maupun non bilangan, yg disusun ke dlm tabeldiagram-grafik yang menggambarkan suatu persoalan. PERTEMUAN 1 STATISTIK menyatakan kumpulan data, blangan maupun non blangan, yg dsusun ke dlm tabeldagram-grafk yang menggambarkan suatu persoalan. STATISTIKA lmu yang berhubungan dengan cara-cara pengumpulan

Lebih terperinci

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta NAMA : KELAS :

Ringkasan Statistika Kelas XI SMA Tarakanita 1 Jakarta NAMA : KELAS : NAMA : KELAS : 1 BAB I STATISTIKA 1. PENGENALAN STATISTIKA A. PENGERTIAN DASAR STATISTIKA 1. Statstka dan Statstk Statstka adalah lmu tentang pengolahan dan analss suatu data hngga penarkan kesmpulan dar

Lebih terperinci

I. PENGANTAR STATISTIKA

I. PENGANTAR STATISTIKA 1 I. PENGANTAR STATISTIKA 1.1 Jens-jens Statstk Secara umum, lmu statstka dapat terbag menjad dua jens, yatu: 1. Statstka Deskrptf. Statstka Inferensal Dalam sub bab n akan djelaskan mengena pengertan

Lebih terperinci

BAB STATISTIKA. Tujuan Pembelajaran

BAB STATISTIKA. Tujuan Pembelajaran BAB I STATISTIKA Tujuan Pembelajaran Setelah mempelajar mater bab n, Anda dharapkan mampu:. membaca dan menyajkan data dalam bentuk tabel dan dagram (dagram batang, dagram gars, dagram lngkaran, dagram

Lebih terperinci

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD

SUMBER BELAJAR PENUNJANG PLPG 2016 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD SUMBER BELAJAR PENUNJANG PLPG 0 MATA PELAJARAN/PAKET KEAHLIAN GURU KELAS SD BAB V STATISTIKA Dra.Hj.Rosdah Salam, M.Pd. Dra. Nurfazah, M.Hum. Drs. Latr S, S.Pd., M.Pd. Prof.Dr.H. Pattabundu, M.Ed. Wdya

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Satelah melakukan peneltan, penelt melakukan stud lapangan untuk memperoleh data nla post test dar hasl tes setelah dkena perlakuan.

Lebih terperinci

Modul ini adalah modul ke-8 dalam mata kuliah Matematika. Isi modul ini

Modul ini adalah modul ke-8 dalam mata kuliah Matematika. Isi modul ini STATISTIKA ; MODUL ; ; 8; ; ; PENDAHULUAN Modul n adalah modul ke-8 dalam mata kulah Matematka. Is modul n membahas tentang statstka. Modul n terdr dar kegatan belajar. Pada kegatan belajar akan dbahas

Lebih terperinci

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara

BAB 2 LANDASAN TEORI. Universitas Sumatera Utara BAB 2 LANDASAN TEORI 2.1 Pengertan Analsa Regres Dalam kehdupan sehar-har, serng kta jumpa hubungan antara satu varabel terhadap satu atau lebh varabel yang lan. Sebaga contoh, besarnya pendapatan seseorang

Lebih terperinci

MODUL STATISTIKA BAHAN AJAR MATEMATIKA DASAR 2 SMA NEGERI 10 MELATI SAMARINDA DI SUSUN OLEH : KHAIRUL BASARI, S.Pd

MODUL STATISTIKA BAHAN AJAR MATEMATIKA DASAR 2 SMA NEGERI 10 MELATI SAMARINDA DI SUSUN OLEH : KHAIRUL BASARI, S.Pd MODUL STATISTIKA BAHAN AJAR MATEMATIKA DASAR SMA NEGERI 0 MELATI SAMARINDA DI SUSUN OLEH : KHAIRUL BASARI, S.Pd kharulfaq.wordpress.com e-mal : muh_abas@yahoo.com Page of 64 Kegatan Pembelajaran A. STANDAR

Lebih terperinci

ANALISIS DATA KATEGORIK (STK351)

ANALISIS DATA KATEGORIK (STK351) Suplemen Respons Pertemuan ANALISIS DATA KATEGORIK (STK351) 7 Departemen Statstka FMIPA IPB Pokok Bahasan Sub Pokok Bahasan Referens Waktu Korelas Perngkat (Rank Correlaton) Bag. 1 Koefsen Korelas Perngkat

Lebih terperinci

Created by Simpo PDF Creator Pro (unregistered version)

Created by Simpo PDF Creator Pro (unregistered version) Created by Smpo PDF Creator Pro (unregstered verson) http://www.smpopd.com Statst Bsns : BAB IV. UKURA PEMUSATA DATA. Pendahuluan Untu mendapatan gambaran yang lebh jelas tentang seumpulan data mengena

Lebih terperinci

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear

REGRESI DAN KORELASI LINEAR SEDERHANA. Regresi Linear REGRESI DAN KORELASI LINEAR SEDERHANA Regres Lnear Tujuan Pembelajaran Menjelaskan regres dan korelas Menghtung dar persamaan regres dan standard error dar estmas-estmas untuk analss regres lner sederhana

Lebih terperinci

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD

UJI NORMALITAS X 2. Z p i O i E i (p i x N) Interval SD UJI F DAN UJI T Uj F dkenal dengan Uj serentak atau uj Model/Uj Anova, yatu uj untuk melhat bagamanakah pengaruh semua varabel bebasnya secara bersama-sama terhadap varabel terkatnya. Atau untuk menguj

Lebih terperinci

STATISTIK DESKRIPTIF UKURAN LETAK DATA

STATISTIK DESKRIPTIF UKURAN LETAK DATA UKURAN LETAK DATA OLEH HERDIAN S.Pd., M.Pd. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STIMIK) PRINGSEWU UKURAN LETAK DATA Selan ukuran pemusatan data, ada juga yang dsebut ukuran letak data. Adapun

Lebih terperinci

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi.

BAB 2 LANDASAN TEORI. estimasi, uji keberartian regresi, analisa korelasi dan uji koefisien regresi. BAB LANDASAN TEORI Pada bab n akan durakan beberapa metode yang dgunakan dalam penyelesaan tugas akhr n. Selan tu penuls juga mengurakan tentang pengertan regres, analss regres berganda, membentuk persamaan

Lebih terperinci

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

BAB IV HASIL PENELITIAN DAN PEMBAHASAN BAB IV HASIL PENELITIAN DAN PEMBAHASAN A. Deskrps Data Hasl Peneltan Peneltan n menggunakan peneltan ekspermen; subyek peneltannya dbedakan menjad kelas ekspermen dan kelas kontrol. Kelas ekspermen dber

Lebih terperinci

ANALISIS BENTUK HUBUNGAN

ANALISIS BENTUK HUBUNGAN ANALISIS BENTUK HUBUNGAN Analss Regres dan Korelas Analss regres dgunakan untuk mempelajar dan mengukur hubungan statstk yang terjad antara dua varbel atau lebh varabel. Varabel tersebut adalah varabel

Lebih terperinci

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani /

KORELASI DAN REGRESI LINIER. Debrina Puspita Andriani    / KORELASI DAN REGRESI LINIER 9 Debrna Puspta Andran www. E-mal : debrna.ub@gmal.com / debrna@ub.ac.d 2 Outlne 3 Perbedaan mendasar antara korelas dan regres? KORELASI Korelas hanya menunjukkan sekedar hubungan.

Lebih terperinci

FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS TEKNOLOGI YOGYAKARTA UJIAN TENGAH SEMESTER GANJIL TAHUN AKADEMIK 2017/2018 PROGRAM STUDI: TEKNIK SIPIL

FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS TEKNOLOGI YOGYAKARTA UJIAN TENGAH SEMESTER GANJIL TAHUN AKADEMIK 2017/2018 PROGRAM STUDI: TEKNIK SIPIL FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS TEKNOLOGI YOGYAKARTA UJIAN TENGAH SEMESTER GANJIL TAHUN AKADEMIK 7/8 PROGRAM STUDI: TEKNIK SIPIL Mata Ujan : Statstka (Kelas Har, Tanggal : Rabu, 8 November 7 Dosen

Lebih terperinci

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan :

Analisis Regresi 1. Diagnosa Model Melalui Pemeriksaan Sisaan dan Identifikasi Pengamatan Berpengaruh. Pokok Bahasan : Analss Regres Pokok Bahasan : Dagnosa Model Melalu Pemerksaan Ssaan dan Identfkas Pengamatan Berpengaruh Itasa & Y Angran Dep. Statstka FMIPA-IPB Ssaan Ssaan adalah menympangnya nla amatan y terhadap dugaan

Lebih terperinci

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi

ε adalah error random yang diasumsikan independen, m X ) adalah fungsi BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Analss regres merupakan suatu metode yang dgunakan untuk menganalss hubungan antara dua atau lebh varabel. Pada analss regres terdapat dua jens varabel yatu

Lebih terperinci

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011.

BAB IV HASIL DAN PEMBAHASAN PENELITIAN. penerapan Customer Relationship Management pada tanggal 30 Juni 2011. 44 BAB IV HASIL DAN PEMBAHASAN PENELITIAN 4.1 Penyajan Data Peneltan Untuk memperoleh data dar responden yang ada, maka dgunakan kuesoner yang telah dsebar pada para pelanggan (orang tua sswa) d Kumon

Lebih terperinci

BAB V ANALISA PEMECAHAN MASALAH

BAB V ANALISA PEMECAHAN MASALAH BAB V ANALISA PEMECAHAN MASALAH 5.1 Analsa Pemlhan Model Tme Seres Forecastng Pemlhan model forecastng terbak dlakukan secara statstk, dmana alat statstk yang dgunakan adalah MAD, MAPE dan TS. Perbandngan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Al-Azhar 3 Bandar Lampung yang terletak di III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Al-Azhar 3 Bandar Lampung yang terletak d Jl. Gn. Tanggamus Raya Way Halm, kota Bandar Lampung. Populas dalam peneltan n adalah

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Pengertan Regres Regres pertama kal dpergunakan sebaga konsep statstka oleh Sr Francs Galton (1822 1911). Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang

Lebih terperinci

ANALISIS REGRESI. Catatan Freddy

ANALISIS REGRESI. Catatan Freddy ANALISIS REGRESI Regres Lner Sederhana : Contoh Perhtungan Regres Lner Sederhana Menghtung harga a dan b Menyusun Persamaan Regres Korelas Pearson (Product Moment) Koefsen Determnas (KD) Regres Ganda :

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

Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y.

Apabila dua variabel X dan Y mempunyai hubungan, maka nilai variabel X yang sudah diketahui dapat dipergunakan untuk mempekirakan / menaksir Y. ANALISIS KORELASI (ANALISIS HUBUNGAN) Korelas Hubungan antar kejadan (varabel) yang satu dengan kejadan (varabel) lannya (dua varabel atau lebh), yang dtemukan oleh Karl Pearson pada awal 1900 Apabla dua

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN Data terdr dar dua data utama, yatu data denyut jantung pada saat kalbras dan denyut jantung pada saat bekerja. Semuanya akan dbahas pada sub bab-sub bab berkut. A. Denyut Jantung

Lebih terperinci

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel

BAB 2 LANDASAN TEORI. persamaan penduga dibentuk untuk menerangkan pola hubungan variabel-variabel BAB LANDASAN TEORI. Analss Regres Regres merupakan suatu alat ukur yang dgunakan untuk mengukur ada atau tdaknya hubungan antar varabel. Dalam analss regres, suatu persamaan regres atau persamaan penduga

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap

BAB III METODOLOGI PENELITIAN. Penelitian ini dilaksanakan di SMA Negeri I Tibawa pada semester genap 5 BAB III METODOLOGI PENELITIAN 3. Lokas Dan Waktu Peneltan Peneltan n dlaksanakan d SMA Neger I Tbawa pada semester genap tahun ajaran 0/03. Peneltan n berlangsung selama ± bulan (Me,Jun) mula dar tahap

Lebih terperinci

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas

BAB.3 METODOLOGI PENELITIN 3.1 Lokasi dan Waktu Penelitian Penelitian ini di laksanakan di Sekolah Menengah Pertama (SMP) N. 1 Gorontalo pada kelas 9 BAB.3 METODOLOGI PENELITIN 3. Lokas dan Waktu Peneltan Peneltan n d laksanakan d Sekolah Menengah Pertama (SMP) N. Gorontalo pada kelas VIII. Waktu peneltan dlaksanakan pada semester ganjl, tahun ajaran

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB LANDASAN TEORI.1 Pengertan Regres Regres pertama kal dgunakan sebaga konsep statstka oleh Sr Francs Galton (18 1911).Belau memperkenalkan model peramalan, penaksran, atau pendugaan, yang selanjutnya

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat

BAB III METODOLOGI PENELITIAN. Untuk menjawab permasalahan yaitu tentang peranan pelatihan yang dapat BAB III METODOLOGI PENELITIAN 3.1 Metode Peneltan Untuk menjawab permasalahan yatu tentang peranan pelathan yang dapat menngkatkan knerja karyawan, dgunakan metode analss eksplanatf kuanttatf. Pengertan

Lebih terperinci

Bab 2 AKAR-AKAR PERSAMAAN

Bab 2 AKAR-AKAR PERSAMAAN Analsa Numerk Bahan Matrkulas Bab AKAR-AKAR PERSAMAAN Pada kulah n akan dpelajar beberapa metode untuk mencar akar-akar dar suatu persamaan yang kontnu. Untuk persamaan polnomal derajat, persamaannya dapat

Lebih terperinci

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi

Kecocokan Distribusi Normal Menggunakan Plot Persentil-Persentil yang Distandarisasi Statstka, Vol. 9 No., 4 47 Me 009 Kecocokan Dstrbus Normal Menggunakan Plot Persentl-Persentl yang Dstandarsas Lsnur Wachdah Program Stud Statstka Fakultas MIPA Unsba e-mal : Lsnur_w@yahoo.co.d ABSTRAK

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA

III. METODE PENELITIAN. Penelitian ini merupakan studi eksperimen yang telah dilaksanakan di SMA III. METODE PENELITIAN A. Waktu dan Tempat Peneltan Peneltan n merupakan stud ekspermen yang telah dlaksanakan d SMA Neger 3 Bandar Lampung. Peneltan n dlaksanakan pada semester genap tahun ajaran 2012/2013.

Lebih terperinci

PANDUAN PRAKTIKUM DASAR-DASAR STATISTIKA

PANDUAN PRAKTIKUM DASAR-DASAR STATISTIKA PANDUAN PRAKTIKUM DASAR-DASAR STATISTIKA Oleh : TIM PROGRAM STUDI AGROTEKNOLOGI FAKULTAS PERTANIAN UNIVERSITAS PEMBANGUNAN NASIONAL VETERAN JAWA TIMUR SURABAYA 2012 1 DAFTAR ISI MODUL 1.IDENTIFIKASI JENIS

Lebih terperinci

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB

BAB III METODE PENELITIAN. yang digunakan meliputi: (1) PDRB Kota Dumai (tahun ) dan PDRB BAB III METODE PENELITIAN 3.1 Jens dan Sumber Data Jens data yang dgunakan dalam peneltan n adalah data sekunder. Data yang dgunakan melput: (1) PDRB Kota Duma (tahun 2000-2010) dan PDRB kabupaten/kota

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN. Latar Belakang Manova atau Multvarate of Varance merupakan pengujan dalam multvarate yang bertujuan untuk mengetahu pengaruh varabel respon dengan terhadap beberapa varabel predktor

Lebih terperinci

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen.

BAB II METODOLOGI PENELITIAN. Jenis penelitian yang digunakan dalam penelitian ini adalah penelitian. variable independen dengan variabel dependen. BAB II METODOLOGI PENELITIAN A. Bentuk Peneltan Jens peneltan yang dgunakan dalam peneltan n adalah peneltan deskrptf dengan analsa kuanttatf, dengan maksud untuk mencar pengaruh antara varable ndependen

Lebih terperinci

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah

BAB III METODE PENELITIAN. sebuah fenomena atau suatu kejadian yang diteliti. Ciri-ciri metode deskriptif menurut Surakhmad W (1998:140) adalah BAB III METODE PENELITIAN 3.1 Metode Peneltan Metode yang dgunakan dalam peneltan n adalah metode deskrptf. Peneltan deskrptf merupakan peneltan yang dlakukan untuk menggambarkan sebuah fenomena atau suatu

Lebih terperinci

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat

BAB 2 LANDASAN TEORI. Teori Galton berkembang menjadi analisis regresi yang dapat digunakan sebagai alat BAB LANDASAN TEORI. 1 Analsa Regres Regres pertama kal dpergunakan sebaga konsep statstk pada tahun 1877 oleh Sr Francs Galton. Galton melakukan stud tentang kecenderungan tngg badan anak. Teor Galton

Lebih terperinci

BAB 4 PERHITUNGAN NUMERIK

BAB 4 PERHITUNGAN NUMERIK Mata kulah KOMPUTASI ELEKTRO BAB PERHITUNGAN NUMERIK. Kesalahan error Pada Penelesaan Numerk Penelesaan secara numers dar suatu persamaan matemats kadang-kadang hana memberkan nla perkraan ang mendekat

Lebih terperinci

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a

UKURAN S A S MPE P L P of o. D r D. r H. H Al A ma m s a d s i d Sy S a y h a z h a, SE S. E, M P E ai a l i : l as a y s a y h a UKURAN SAMPEL Prof. Dr. H. Almasd Syahza, SE., MP Emal: asyahza@yahoo.co.d Webste: http://almasd. almasd.staff. staff.unr.ac.d Penelt Senor Unverstas Rau Penentuan Sampel Peneltan lmah hampr selalu hanya

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB PENDAHULUAN. Latar Belakang Dalam kehdupan sehar-har, serngkal dumpa hubungan antara suatu varabel dengan satu atau lebh varabel lan. D dalam bdang pertanan sebaga contoh, doss dan ens pupuk yang dberkan

Lebih terperinci

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam

BAB III METODE PENELITIAN. pretest postes control group design dengan satu macam perlakuan. Di dalam BAB III METODE PEELITIA A. Bentuk Peneltan Peneltan n merupakan peneltan ekspermen dengan model pretest postes control group desgn dengan satu macam perlakuan. D dalam model n sebelum dmula perlakuan kedua

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SD Al-Azhar 1 Wayhalim Bandar Lampung. Populasi 3 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SD Al-Azhar Wayhalm Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas V yang terdr dar 5 kelas yatu V A, V B, V

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI 2.1 Fuzzy Set Pada tahun 1965, Zadeh memodfkas teor hmpunan dmana setap anggotanya memlk derajat keanggotaan yang bernla kontnu antara 0 sampa 1. Hmpunan n dsebut dengan hmpunaan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa

III. METODE PENELITIAN. Penelitian ini dilakukan di MTs Negeri 2 Bandar Lampung dengan populasi siswa III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlakukan d MTs Neger Bandar Lampung dengan populas sswa kelas VII yang terdr dar 0 kelas yatu kelas unggulan, unggulan, dan kelas A sampa dengan

Lebih terperinci

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran

BAB 1 PENDAHULUAN. Pertumbuhan dan kestabilan ekonomi, adalah dua syarat penting bagi kemakmuran BAB 1 PENDAHULUAN 1.1. Latar Belakang Pertumbuhan dan kestablan ekonom, adalah dua syarat pentng bag kemakmuran dan kesejahteraan suatu bangsa. Dengan pertumbuhan yang cukup, negara dapat melanjutkan pembangunan

Lebih terperinci

BAB IV PEMBAHASAN HASIL PENELITIAN

BAB IV PEMBAHASAN HASIL PENELITIAN BAB IV PEMBAHASAN HASIL PENELITIAN A. Hasl Peneltan Pada peneltan yang telah dlakukan penelt selama 3 mnggu, maka hasl belajar matematka pada mater pokok pecahan d kelas V MI I anatussbyan Mangkang Kulon

Lebih terperinci

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data.

BAB III PROSEDUR PENELITIAN. penelitian, hal ini dilakukan untuk kepentingan perolehan dan analisis data. BAB III PROSEDUR PENELITIAN A. Metode Peneltan Metode peneltan harus dsesuakan dengan masalah dan tujuan peneltan, hal n dlakukan untuk kepentngan perolehan dan analss data. Mengena pengertan metode peneltan,

Lebih terperinci

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya

Analisis Regresi 2. Mendeteksi pencilan dan penanganannya Analss Regres Pokok Bahasan : Mendeteks penclan dan penanganannya TUJUAN INSTRUKSIONAL KHUSUS : Mahasswa dapat mendeteks adanya penclan pada regres lner berganda Penclan Penclan adalah pengamatan yang

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 7 BAB LANDASAN TEORI.1 Analsa Regres Analsa regres dnterpretaskan sebaga suatu analsa yang berkatan dengan stud ketergantungan (hubungan kausal) dar suatu varabel tak bebas (dependent varable) atu dsebut

Lebih terperinci

STATISTICAL STUDENT OF IST AKPRIND

STATISTICAL STUDENT OF IST AKPRIND E-mal : statstkasta@yahoo.com Blog : Analss Regres SederhanaMenggunakan MS Excel 2007 Lsens Dokumen: Copyrght 2010 sssta.wordpress.com Seluruh dokumen d sssta.wordpress.com dapat dgunakan dan dsebarkan

Lebih terperinci

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN

BAB III HIPOTESIS DAN METODOLOGI PENELITIAN BAB III HIPOTESIS DAN METODOLOGI PENELITIAN III.1 Hpotess Berdasarkan kerangka pemkran sebelumnya, maka dapat drumuskan hpotess sebaga berkut : H1 : ada beda sgnfkan antara sebelum dan setelah penerbtan

Lebih terperinci

BUKU AJAR STATISTIKA DASAR

BUKU AJAR STATISTIKA DASAR BUKU AJAR STATISTIKA DASAR WIWIK SULISTIYOWATI, ST., M.T. CINDY CAHYANING ASTUTI, S.S., M.S. UNIVERSITAS MUHAMMADIYAH SIDOARJO 016 BUKU AJAR STATISTIKA DASAR Wwk Sulstyowat, S.T., M.T. Cndy Cahyanng Astut.,

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Hpotess Peneltan Berkatan dengan manusa masalah d atas maka penuls menyusun hpotess sebaga acuan dalam penulsan hpotess penuls yatu Terdapat hubungan postf antara penddkan

Lebih terperinci

BAB 2 TINJAUAN KEPUSTAKAAN

BAB 2 TINJAUAN KEPUSTAKAAN BAB TIJAUA KEPUSTAKAA.1. Gambaran Umum Obyek Peneltan Gambar.1 Lokas Daerah Stud Gambar. Detal Lokas Daerah Stud (Sumber : Peta Dgtal Jabotabek ver.0) 7 8 Kawasan perumahan yang dplh sebaga daerah stud

Lebih terperinci

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK

SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES 1 ABSTRAK SELANG KEPERCAYAAN UNTUK KOEFISIEN GARIS REGRESI LINEAR DENGAN METODE LEAST MEDIAN SQUARES Harm Sugart Jurusan Statstka FMIPA Unverstas Terbuka emal: harm@ut.ac.d ABSTRAK Adanya penympangan terhadap asums

Lebih terperinci

BAB X RUANG HASIL KALI DALAM

BAB X RUANG HASIL KALI DALAM BAB X RUANG HASIL KALI DALAM 0. Hasl Kal Dalam Defns. Hasl kal dalam adalah fungs yang mengatkan setap pasangan vektor d ruang vektor V (msalkan pasangan u dan v, dnotaskan dengan u, v ) dengan blangan

Lebih terperinci

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan

Pendahuluan. 0 Dengan kata lain jika fungsi tersebut diplotkan, grafik yang dihasilkan akan mendekati pasanganpasangan Pendahuluan 0 Data-data ang bersfat dskrt dapat dbuat contnuum melalu proses curve-fttng. 0 Curve-fttng merupakan proses data-smoothng, akn proses pendekatan terhadap kecenderungan data-data dalam bentuk

Lebih terperinci

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus

BAB III METODE PENELITIAN. Metode penelitian merupakan cara atau langkah-langkah yang harus BAB III METODE PENELITIAN Metode peneltan merupakan cara atau langkah-langkah yang harus dtempuh dalam kegatan peneltan, sehngga peneltan yang dlakukan dapat mencapa sasaran yang dngnkan. Metodolog peneltan

Lebih terperinci

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya

BAB III METODE PENELITIAN. Pada penelitian ini, penulis memilih lokasi di SMA Negeri 1 Boliyohuto khususnya BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Pada peneltan n, penuls memlh lokas d SMA Neger 1 Bolyohuto khususnya pada sswa kelas X, karena penuls menganggap bahwa lokas

Lebih terperinci

Bab III Analisis Rantai Markov

Bab III Analisis Rantai Markov Bab III Analss Ranta Markov Sstem Markov (atau proses Markov atau ranta Markov) merupakan suatu sstem dengan satu atau beberapa state atau keadaan, dan dapat berpndah dar satu state ke state yang lan pada

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI 2 LNDSN TEORI 2. Teor engamblan Keputusan Menurut Supranto 99 keputusan adalah hasl pemecahan masalah yang dhadapnya dengan tegas. Suatu keputusan merupakan jawaban yang past terhadap suatu pertanyaan.

Lebih terperinci

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel

BAB III OBYEK DAN METODE PENELITIAN. Obyek dalam penelitian ini adalah kebijakan dividen sebagai variabel 4 BAB III OBYEK DAN METODE PENELITIAN 3.1 Obyek Peneltan Obyek dalam peneltan n adalah kebjakan dvden sebaga varabel ndependen (X) dan harga saham sebaga varabel dependen (Y). Peneltan n dlakukan untuk

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMPN 8 Bandar Lampung. Populasi dalam 1 III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMPN 8 Bandar Lampung. Populas dalam peneltan n adalah seluruh sswa kelas VII SMPN 8 Bandar Lampung Tahun Pelajaran 01/013 yang terdr

Lebih terperinci

Nama : Crishadi Juliantoro NPM :

Nama : Crishadi Juliantoro NPM : ANALISIS INVESTASI PADA PERUSAHAAN YANG MASUK DALAM PERHITUNGAN INDEX LQ-45 MENGGUNAKAN PORTOFOLIO DENGAN METODE SINGLE INDEX MODEL. Nama : Crshad Julantoro NPM : 110630 Latar Belakang Pemlhan saham yang

Lebih terperinci

SOLUSI TUGAS MATA KULIAH STATISTIKA II

SOLUSI TUGAS MATA KULIAH STATISTIKA II SOLUSI TUGAS MATA KULIAH STATISTIKA II SOAL : Suatu Peneltan dlakukan untuk menelaah empat metode pengajaran, yatu Metode A (ceramah d kelas), Metode B (mengajak dskus langsung dengan sswa), Metode C (ceramah

Lebih terperinci

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline.

METODE NUMERIK. INTERPOLASI Interpolasi Beda Terbagi Newton Interpolasi Lagrange Interpolasi Spline. METODE NUMERIK INTERPOLASI Interpolas Beda Terbag Newton Interpolas Lagrange Interpolas Splne http://maulana.lecture.ub.ac.d Interpolas n-derajat polnom Tujuan Interpolas berguna untuk menaksr hargaharga

Lebih terperinci

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel

PRAKTIKUM 6 Penyelesaian Persamaan Non Linier Metode Newton Raphson Dengan Modifikasi Tabel PRAKTIKUM 6 Penyelesaan Persamaan Non Lner Metode Newton Raphson Dengan Modfkas Tabel Tujuan : Mempelajar metode Newton Raphson dengan modfkas tabel untuk penyelesaan persamaan non lner Dasar Teor : Permasalahan

Lebih terperinci

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen

BAB III METODOLOGI PENELITIAN. Metode yang digunakan dalam penelitian ini adalah metode eksperimen 3 BAB III METODOLOGI PENELITIAN A. Metode dan Desan Peneltan Metode yang dgunakan dalam peneltan n adalah metode ekspermen karena sesua dengan tujuan peneltan yatu melhat hubungan antara varabelvarabel

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN A. Jens Peneltan Peneltan n merupakan peneltan lapangan kuanttatf yang bersfat korelasonal. Peneltan lapangan merupakan suatu peneltan untuk memperoleh data-data yang sebenarnya

Lebih terperinci

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo.

BAB III METODE PENELITIAN. Adapun yang menjadi objek penelitian adalah siswa MAN Model Gorontalo. BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Peneltan 3.1.1 Tempat Peneltan Adapun yang menjad objek peneltan adalah sswa MAN Model Gorontalo. Penetapan lokas n ddasarkan pada beberapa pertmbangan yakn,

Lebih terperinci

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi,

BAB 2 LANDASAN TEORI. diteliti. Banyaknya pengamatan atau anggota suatu populasi disebut ukuran populasi, BAB LANDASAN TEORI.1 Populas dan Sampel Populas adalah keseluruhan unt atau ndvdu dalam ruang lngkup yang ngn dtelt. Banyaknya pengamatan atau anggota suatu populas dsebut ukuran populas, sedangkan suatu

Lebih terperinci

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah

KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC. memiliki derajat maksimum dan tidak ada titik yang terisolasi. Jika n i adalah BAB III KAJIAN DAN ALGORITMA PELABELAN PSEUDO EDGE-MAGIC III. Batas Bawah Magc Number pada Pelabelan Total Pseudo Edge-Magc Teorema 3.. Anggap G = (,E) adalah sebuah graf dengan n-ttk dan m-ss dan memlk

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi

BAB I PENDAHULUAN. 1.1 Latar Belakang. Di dalam matematika mulai dari SD, SMP, SMA, dan Perguruan Tinggi Daftar Is Daftar Is... Kata pengantar... BAB I...1 PENDAHULUAN...1 1.1 Latar Belakang...1 1.2 Rumusan Masalah...2 1.3 Tujuan...2 BAB II...3 TINJAUAN TEORITIS...3 2.1 Landasan Teor...4 BAB III...5 PEMBAHASAN...5

Lebih terperinci

UKURAN PEMUSATAN DATA

UKURAN PEMUSATAN DATA UKURAN PEMUSATAN DATA MODUL 3 Oleh : Firmansyah, S.Kom A. TEMA DAN TUJUAN KEGIATAN PEMBELAJARAN 1. Tema : Ukuran Pemusatan Data 2. Fokus : Pembahasan Materi Pokok 1. Arti dan manfaat ukuran pemusatan data

Lebih terperinci

PowerPoint Slides by Yana Rohmana Education University of Indonesian

PowerPoint Slides by Yana Rohmana Education University of Indonesian SIFAT-SIFAT ANALISIS REGRESI PowerPont Sldes by Yana Rohmana Educaton Unversty of Indonesan 2007 Laboratorum Ekonom & Koperas Publshng Jl. Dr. Setabud 229 Bandung, Telp. 022 2013163-2523 Hal-hal yang akan

Lebih terperinci

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam

III. METODE PENELITIAN. Penelitian ini dilaksanakan di SMP Negeri 13 Bandar Lampung. Populasi dalam III. METODE PENELITIAN A. Populas dan Sampel Peneltan n dlaksanakan d SMP Neger 3 Bandar Lampung. Populas dalam peneltan n yatu seluruh sswa kelas VIII SMP Neger 3 Bandar Lampung Tahun Pelajaran 0/03 yang

Lebih terperinci

RANGKAIAN SERI. 1. Pendahuluan

RANGKAIAN SERI. 1. Pendahuluan . Pendahuluan ANGKAIAN SEI Dua elemen dkatakan terhubung ser jka : a. Kedua elemen hanya mempunya satu termnal bersama. b. Ttk bersama antara elemen tdak terhubung ke elemen yang lan. Pada Gambar resstor

Lebih terperinci

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA

BAB 2 ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA BAB ANALISIS ARUS FASA PADA KONEKSI BEBAN BINTANG DAN POLIGON UNTUK SISTEM MULTIFASA.1 Pendahuluan Pada sstem tga fasa, rak arus keluaran nverter pada beban dengan koneks delta dan wye memlk hubungan yang

Lebih terperinci

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan.

III. METODE PENELITIAN. bersifat statistik dengan tujuan menguji hipotesis yang telah ditetapkan. 3 III. METDE PENELITIAN A. Metode Peneltan Metode peneltan merupakan langkah atau aturan yang dgunakan dalam melaksanakan peneltan. Metode pada peneltan n bersfat kuanttatf yatu metode peneltan yang dgunakan

Lebih terperinci