PENENTUAN MODEL KURVA PERTUMBUHAN PADA TULANG RAMUS

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

BAB 2. Tinjauan Teoritis

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

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

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

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

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

BAB II LANDASAN TEORI

Uji Statistika yangb digunakan dikaitan dengan jenis data

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

BAB 2 LANDASAN TEORI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

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

BAB III PERSAMAAN PANAS DIMENSI SATU

Regresi Linier Sederhana Definisi Pengaruh

BAB 5. ANALISIS REGRESI DAN KORELASI

Mean untuk Data Tunggal. Definisi. Jika suatu sampel berukuran n dengan anggota x1, x2, x3,, xn, maka mean sampel didefinisiskan : n Xi.

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

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

Bab II Teori Pendukung

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

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

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

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

S2 MP Oleh ; N. Setyaningsih

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

PEMULUSAN SEBARAN DATA MENGGUNAKAN PENAKSIR KERNEL NADARAYA-WATSON DAN LINIER LOKAL UNTUK KERNEL NORMAL. Sudarno 1.

BAB II LANDASAN TEORI. digunakan dengan mengabaikan asumsi-asumsi yang melandasi penggunaan metode

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

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

ANALISIS INDEKS DISTURBANCES STORM TIME DENGAN KOMPONEN H GEOMAGNET

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

X a, TINJAUAN PUSTAKA

ALGORITMA MENENTUKAN HIMPUNAN TERBESAR DARI SUATU MATRIKS INTERVAL DALAM ALJABAR MAX-PLUS

3 Departemen Statistika FMIPA IPB

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

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

BAB II TINJAUAN PUSTAKA

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

BAB III UKURAN PEMUSATAN DATA

POLIGON TERBUKA TERIKAT SEMPURNA

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB III ISI. x 2. 2πσ

Analisis Regresi. Oleh : Dewi Rachmatin

2.2.3 Ukuran Dispersi

; θ ) dengan parameter θ,

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

REGRESI LINIER SEDERHANA

SOLUSI TUGAS I HIMPUNAN

( ) ( ) ( ) ( ) ( ) III MODEL. , θ Ω. 1 Pendugaan parameter dengan metode maximum lkelihood estimation dapat diperoleh dari:

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

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

PENENTUAN FAKTOR UTAMA PENYEBAB GANGGUAN LISTRIK DENGAN METODE VALIDASI-SILANG (STUDI KASUS DI KOTA SEMARANG)

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

Proses inferensi pada model logit Agus Rusgiyono. Abstracts

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

PRAKTIKUM 7 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

ANALISIS PEUBAH PREDIKTOR YANG MEMUAT KESALAHAN PENGUKURAN DENGAN REGRESI ORTOGONAL

PENAKSIR PARAMETER DISTRIBUSI EKSPONENSIAL PARETO DENGAN METODE MOMEN DAN METODE MAKSIMUM LIKELIHOOD

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

Penerapan Teori Limit Pusat Multivariat pada Pengendalian Proses Pelayanan di Poliklinik Rawat Jalan Rumah Sakit Umum Kardinah Tegal

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. melakukan smash sebelum dan sesudah latihan power otot lengan adalah sebagai

BAB 2 LANDASAN TEORI. Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

NORM VEKTOR DAN NORM MATRIKS

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

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

PEMBENTUKAN MODEL PROBIT BIVARIAT

PRAKTIKUM 5 Penyelesaian Persamaan Non Linier Metode Secant Dengan Modifikasi Tabel

b) Untuk data berfrekuensi fixi Data (Xi)

BAB 1 STATISTIKA RINGKASAN MATERI

BAB II LANDASAN TEORI. penulisan skripsi yaitu mengenai data panel, beberapa bentuk dan sifat

KONSISTENSI KOEFISIEN DETERMINASI SEBAGAI UKURAN KESESUAIAN MODEL PADA REGRESI ROBUST

BAB II LANDASAN TEORI

BAB 2 LANDASAN TEORI

UKURAN GEJALA PUSAT (UGP)

BAB 2 LANDASAN TEORI. yang akan terjadi pada masa yang akan datang dengan waktu yang relative lama.

PROSEDUR ESTIMASI PARAMETER MODEL REGRESI MENGGUNAKAN RESAMPLING BOOTSTRAP DAN JACKKNIFE

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

TAKSIRAN PARAMETER PADA MODEL REGRESI ROBUST DENGAN MENGGUNAKAN FUNGSI HUBER STEVANI WIJAYA Y

INTERPOLASI. FTI-Universitas Yarsi

STATISTIKA. A. Tabel Langkah untuk mengelompokkan data ke dalam tabel distribusi frekuensi data berkelompok/berinterval: a. Rentang/Jangkauan (J)

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

Analisis Regresi dan Korelasi

MATEMATIKA INTEGRAL RIEMANN

REGRESI LINEAR SEDERHANA

Jurnal Matematika Murni dan Terapan Vol. 4 No.2 Desember 2010: ANALISIS REGRESI LINEAR BERGANDA DENGAN SATU VARIABEL BONEKA (DUMMY VARIABLE)

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

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

REGRESI SEDERHANA Regresi

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Transkripsi:

Prosdg SPMIPA. pp. 6-69. 6 ISBN : 979.74.47. PENENUAN MODEL KURVA PERUMBUHAN PADA ULANG RAMUS Sudaro Jurusa Matematka FMIPA UNDIP Jl. Prof. Soedarto, Kampus UNDIP embalag, Semarag Abstrak: Model kurva pertumbuha merupaka geeralsas dar model regres multvarate. Dbcaraka peetua model pertumbuha tulag ramus pada satu sampel. Masalah yag dbahas melput uj ormal multvarate, uj kecocoka model, taksra da terval kepercayaa parameter serta uj sgfkas ler. Komputas statstk pada rumus yag dperluka, megguaka peragkat luak statstk SAS. Dega megetahu taksra model yag bear, maka dapat dperguaka utuk alat predks utuk waktu yag la. Kata Kuc: Uj ormal multvarate, Uj kecocoka model, Model kurva pertumbuha. PENDAHULUAN Sesuatu yag megalam pertumbuha, perkembagaya dpegaruh oleh waktu. Sehgga dapat dbuat hubuga atara pertumbuhaya dega waktu. Utuk membuat hubuga, dapat megguaka hubuga ler atara keduaya, yatu memaka model regres ler uvarat atau bergada. Perluasa dar model regres da utuk varabel respoya jamak, megguaka model regres multvarate, yag basa dsebut model kurva pertumbuha. Sela tu model kadag dsebut pula model kurva pertumbuha satu sampel, yag telah dperkealka oleh Rao (959. Agar memeuh asums sepert yag dpersyaratka dalam teor, perlu uj ormal multvatat, yatu utuk megetahu bahwa sebara data berdstrbus ormal multvarate dega vector rataa da matrks kovara, meurut [] da [], da [5]. Sedagka meurut [7] atau [4], utuk medapatka taksra model yag dapat dpercaya kebearaya perlu uj kecocoka model. ulsa aka mecar model pertumbuha tulag ramus dega megambl empat macam umur sebayak dvdu. Uj ormal multvarate megguaka uj statstk skewess da kurtoss. Sedagka uj kecocoka model megguaka, uj raso lkelhood. Sela tu meaksr parameter da terval kepercayaaya, serta dbahas pula uj pecla yag megguaka pertdaksamaa Boferro. Sstem komputas statstk yag mucul pada rumus yag ada, megguaka olaha peragkat luak SAS. Dega medapatka taksra model kurva pertumbuha, maka aka dapat dperguaka sebaga alat predks utuk umur yag la. Sedagka dega megetahu adaya pecla pada kumpula dvdu, secara lagsug dapat dketahu pertumbuha dvdu yag berbeda dar yag laya. Sehgga dapat mejad baha kaja utuk masalah yag la. UJI NORMAL MULIVARIA DAN MODEL KURVA PERUMBUHAN Uj Normal Multvarat berdasarka Statstk Skewess da Kurtoss Msal matrks kovara sampel S ( ( x x ( x x' HD u H' yag maa H ( h,, hp merupaka matrks orthogoal da D u dag (u,, u p. Statstk skewess da kurtoss sampel, masg-masg dberka dega da p p p u ( yj y / j b b p 4 p p u ( yj y j (, 6

dmaa j y y b ~ E p, E(b p ~, j. D bawah ormal multvarate ddapat bahwa E(b p ~ Var(b p 6 p 4 ~ p p b p ~ p 6 p ( b p N(, 4 Utuk statstk skewess da kurtoss berlaku hpotesa H : Data berdstrbus ormal multvarate H : Data tdak berdstrbus ormal multvarate Sehgga, jka p b p p, ( 6 maka H dterma, artya data tdak berdstrbus ormal multvarate. Hal serupa, utuk statstk kurtoss, jka p 4 ( b p z / dega z / merupaka ttk atas % dar dstrbus ormal baku. Maka H dterma, artya data tdak berdstrbus ormal multvarate. x ( Model Kurva Pertumbuha Satu Sampel Msal y,, y adalah d N p (,,. Statstk cukupya adalah vector rataa da matrks kovara sampel, masg-masg da y y S ( y y( y y'/( ( Padag kasus blamaa kompoe y megukur respo subjek ke- atas p perode waktu sesudah dlakuka perlakua. Dharapka respo dar perlakua bergatug pada waktu, sehgga betuk umumya adalah B' E( y E( y j,, (4 dega B adalah matrks berukura p x m, j m t t m t t B ' da, m p m m t p t p Selajutya memlh derajat polyomal yag sesua dega model. Uj Kecocoka Model Utuk megetahu kecocoka model dalam (4, perlu duj hpotesa H : B' vs. A : B' (5 dega B merupaka matrks yag dketahu da berukura p x m serta mempuya rak m. Dega demka perlu dcar matrks C yag berukura (p m x p da mempuya rak peuh sedemka hgga 64

CB' (6 Meurut Srvastava da Khatr (979 atau Rao (959, uj raso lkelhood utuk H terhadap A ddapat keputusa bahwa, tolak H jka f p m y ' C'( CSC' Cy F p m, f pm, (7 f ( p m dega f S ( y y( y y', y y, f da F pm, f pm adalah ttk atas % dar dstrbus-f yag mempuya derajat bebas p m, f p m. aksra da Iterval Kepercayaa Parameter Jka hpotesa H dar persamaa (5 dterma, selajutya aka dbahas taksra da terval kepercayaa dar parameter. aksra lkelhood maksmum dar dberka dega ˆ ( BS B' BS y (8 Iterval kepercayaa ( - % utuk a ' adalah ˆ a' ( f [ a'( BS B' a] (9 dega da p m f m F m, f p, ( f p p m yc'( CSC' Cy, f ( Uj Hpotesa Ler secara Umum Setelah megetahu bahwa model (4 layak mewakl data, selajutya memutuska derajat polyomal persamaaya, yatu, sebaga peggat dar derajat polyomal m, dapat haya megambl derajat polyomal k, dega k m, agar ddapat persamaa yag sederhaa tetap represetatf. Matrks B dapat berupa ' ' sembarag matrks berukura p x m, utuk m p. Dega meuls B' (, da,, dmaa B adalah matrks berukura p x r, da ' da adalah vector- (m r. Sehgga dapat dtuls bahwa B ' ' ' ' ( B, B B B ( B B B berupa matrks berukura p x ( m r, adalah vector-r, ' Jka tertark dalam uj hpotesa bahwa =, maka hpotesaya dapat dtuls dalam betuk (, I m-r = dega adalah matrks berukura (m r x r da I m r adalah matrks dettas berukura m r. Secara umum, dapat dtuls utuk sembarag hpotesaya sebaga berkut H : U vs. A : ( U dega dtetuka da U: k x m, k m. Hpotesa H dtolak jka f k p m ( d '( UEU ' ( d F f k f dega da d U, E ( BS ˆ p m B' pm yc'( CSC' Cy, k, f k pm, f ( (4 (5 65

Batas kepercayaa ( - % utuk parameter berbetuk dbagu oleh vector U (u = a U utuk suatu vector-k a, yatu dega u ˆ ' ( f ( u' Eu p m u' (6 f k F k, f pmk, (7 f p m k dega u adalah aggota subruag yag Uj utuk Pecla pada Model Kurva Pertumbuha Model kurva pertumbuha dberka dega E Y A B xp xq qxm mxp dega kolom ke- dar Y merupaka vector pegamata ke-. Dega meuls A' ( a,, a da Y' ( y,, y (8 ddapat rataa vector pegamata ke- yag dtuls dega E( y B' a,,, (9 Jka rataa pegamata ke- megalam peambaha utuk suatu vector tdak dketahu, maka Dapat dtuls E( y B'( a ( Jka vector pegamata yag la tdak megalam peambaha dalam rataaya (kecual vector pegamata ke, maka model atau hpotesa H dberka dega H E( y j B' aj, j, j,, : E( y B'( a D bawah hpotesa ull H: =, aka berakbat tdak terdapat pecla dalam data. Utuk meguj hpotesa H terhadap sebarag H, lagkah-lagkahya sebaga berkut. Defska A( A' A H A' ( hj h a'( AA a W Y' [ I H] Y e ˆ y Y' A'( AA' P B' ( BW B' B a,,, f m eˆ ' W PW eˆ F m ( h eˆ ' W eˆ f q m p Selajutya, meetuka la Qˆ maks F ( yag maa d bawah hpotesa ull F mempuya dstrbus-f dega derajat bebas m da f m +. Berdasarka pertdaksamaa Boferro, yatu tolak hpotesa H jka Q ~ ( yag maa f m. F m, f -m, Fm, f -m,, merupaka ttk atas ( % ( dar dstrbus-f, dega derajat bebas m da PEMBAHASAN Dketahu data tetag pertumbuha tulag ramus pada aak lak-lak dega umur masg-masg 8; 8,5; 9; da 9,5 tahu. Dataya dsajka dalam abel. berkut. 66

Idvdu 4 5 6 7 Idvdu 8 9 4 5 6 7 8 9 abel. Data Pertumbuha ulag Ramus. Umur (tahu 8 8,5 9 9,5 47,8 46,4 46, 45, 47,6 5,5 5, 48,8 47, 46,8 45, 48,5 5, 5, 49, 47,7 47,8 46, 48,9 5, 54, 49,7 48,4 48,5 47, 49, 5,7 54,5 Umur (tahu 8 8,5 9 9,5 49,8 48, 45, 5, 48,5 5, 48, 49,6 5,7 47, 5, 46, 46, 5, 5,8 47, 5,4 49, 5,8 48,9 5,4 5,7 47,7 54,6 47,5 47,6 Lagkah awal dalam pembahasa adalah meguj dstrbus data, apakah berdstrbus ormal multvarate sepert yag dpersyaratka dalam asums. Uj dstrbus ormal multvaratya megguaka statstk skewess da kurtoss. Berdasarka komputas megguaka program peragkat luak SAS dar data d atas ddapat hasl bahwa: Vector rataa y ' (48,66; 49,6; 5,57; 5,45 da matrks kovaras sampel 6, 6,9 5,78 5,55 6,9 6,45 6,5 5,9 S 5,78 6,5 6,9 6,95 5,55 5,9 6,95 7,47 D dag (5,9;,74;,;, u, dega,47,49 H,5,5 5, 5, 47, 5,6 5, 5,7 49, 5, 5,7 48,4 55, 48, 5, -,59 -,4 -,,6 5,7 54,4 48, 5,9 55,5 55, 49,8 5,8 5, 49,5 55, 48,4 5,8 -,55,48,5 -,46,5 -,6,6 -,6, sedagka. Statstk skewess b 4 =,79, statstk htug da statstk tabel dar Persamaa ( masg-masg adalah 9,454 da 9,488. Berdasarka perbadga laya dapat dtark kesmpula bahwa H dterma, dega kata la bahwa data berdstrbus ormal multvarate. Selajutya aka duj berdasarka statstk kurtoss, yatu statstk kurtoss b 4 =,, statstk htug da statstk tabel dar Persamaa ( masg-masg adalah,99 da,96. Berdasarka perbadga laya dapat dtark kesmpula bahwa H dterma, dega kata la bahwa data berdstrbus ormal multvarate. Sehgga berdasarka uj statstk skewess da kurtoss dapat dkataka bahwa data berdsrtbus secara ormal multvarate. Msal model ler yag cocok berbetuk, dega t + 8,75 meyataka umur E(y t (tahu. Sehgga la t masg-masg dapat berla,75; -,5;,5; da,75, utuk medapatka,75,,5,,5, da 4, 75. Selajutya utuk megetahu kecocoka model, hpotesaya adalah H : B' vs A : B' dega (,,,,,, da ' B,75,5 ( 4,5,75 67

Utuk medapatka matrks C sedemka hgga CB = da C mempuya rak peuh 4 =, dega megguaka polyomal orthogoal, dperoleh bahwa C,5,75,75,5 Hpotesa d atas adalah ekuvale dega hpotesa berkut yag lebh sederhaa, H : C '. Berdasarka Persamaa (7 ddapat la statstk htug da statstk tabel, masg-masg adalah F,8 =, da F ;8;,5 =,6. erlhat bahwa la statstk htug lebh kecl dar pada la statstk tabel, maka hpotesa H dterma, dega art bahwa model ler cocok atau layak dpaka. 68 Berkutya meaksr parameter, da berdasarka Persamaa (8, ddapat hasl bahwa ˆ 5,5,86 Sehgga taksra model kurva pertumbuha tulag ramus dberka dega yˆ 5,5, 86 t Jka persamaa dubah dalam betuk umur, ddapat y ˆ 5,5,86 ( t 8,75 8,75,76,86 (umur Sedagka utuk meetuka batas kepercayaa pada a ' sesua dega Persamaa (9 dberka dega a' ˆ f a '( BS B',5 p m a Jka dplh a ' (, t, maka batas kepercayaa utuk gars yag dberka dega betuk t dapat dcar. Pada masalah ddapat =, f = 9, m =, p = 4, Juga, ( BS B ' 6,89,75,75,87 Oleh karea tu, batas kepercayaa utuk, da pm t dberka dega 8,6.,5 (5,5,86t,66.(6,89,55t,87t Jka dplh a ' (,, maka batas kepercayaaya adalah (5,6; 55,94. Dega megaggap modelya adalah ler dalam waktu, aka duj apakah kecederugaya adalah ler. Utuk uj hpotesaya meurut Persamaa ( adalah H : U vs A U Dega megambl U = (,, maka hpotesaya mejad : vs A H Berdasarka Persamaa (, ddapat bahwa k =, m =, p = 4,,, f = 9, =, d =,86 da UEU =,87. Meurut Persamaa ( ddapat bahwa la statstk htug da statstk tabel, masg-masg adalah F,7 = 7,9 da F ;7;,5 = 4,45. Berdasarka la dar statstk htug da statstk tabel, terlhat bahwa hpotesa H dtolak da kesmpulaya bahwa kecederuga lerya adalah sgfka. Utuk terval kepercayaa 95% pada, berdasarka persamaa (6 dega U = (, da 9.(4,45,5 4,974, dperoleh terval (,9;,. 7 Akhrya, aka duj ada tdakya pecla pada data d atas. Dar olaha ddapat hasl: K Q FA 9.6878 8.764 Q > FA: tolak Sehgga dapat dkataka bahwa berdasarka Persamaa (, la statstk htugya adalah,69 sedagka meurut Persamaa, la statstk tabelya adalah 8,7 da la Q lebh besar dar pada la FA. Maka hpotesa H dtolak atau terdapat pecla dalam kumpula data yag dperoleh, yatu pada dvdu ke-9. Berdasar adaya pecla dapat dpelajar sfat-sfat dar dvdu tersebut, apakah memag terjad secara umum ataukah karea khusus.

KESIMPULAN Berdasarka pembahasa d atas bahwa rataa tulag ramus pada umur 8; 8,5; 9; 9,5 masg-masg adalah 48,66; 49,6; 5,57; 5,45. aksra model kurva pertumbuha tulag ramus dberka dega y ˆ 5,5,86 ( t 8,75 8,75,76,86 (umur. Dega dketahuya taksra dar modelya, maka dapat dperguaka sebaga alat predks utuk umur yag la. Jka dplh a ' (, t, maka batas kepercayaa utuk gars yag dberka dalam betuk t adalah (5,5,86 t,66 x (6,89,55 t,87 t. Dalam masalah terdapat pecla dalam kumpula data yag dperoleh, yatu pada dvdu ke-9. Berdasar adaya pecla dapat dpelajar sfat-sfat dar dvdu tersebut, apakah pecla terjad secara umum atau secara khusus. DAFAR PUSAKA []. Marda, K.V., Measures of Multvarate Skewess ad Kurtoss wth Applcato, Bometrka, Vol. 57, pp. 59 5, 97. []. Marda, K.V., Assessmet of Multormalty ad the Robustess of Hotellg s est, Applcato Statstcs, Vol. 4, pp. 6 7, 975. []. Potthof, R.F., ad Roy, S.N., A Geeralzed Multvarate Aalsys of Varace Model useful especally for Growth Curve Problems, Bometrka, Vol. 5, pp. 6, 964. [4]. Rao, C.R., Some Problems volvg Lear Hypothess Multvarate Aalsys, Bometrka, Vol. 46, pp. 49 58, 959. [5]. Srvastava, M.S., A Measures of Skewess ad Kurtoss ad a Graphcal Method for Assessg Multvarate Normalty, Statstcs ad Probablty, Vol., pp. 6 67, 984a. [6]. Srvastava, M.S., Methods of Multvarate Statstcs, Joh Wley & Sos, Ic., New York,. [7]. Srvastava, M.S. ad Khatr, C.G., A Itroducto to Multvarate Statstcs, North-Hollad, New York, 979. [8]. Srvastava, M.S. ad Vo Rose, D., Outlers Multvarate Regresso Models, Joural Multvarate Aalsys, Vol. 65, pp. 95 8, 998. 69