3 Departemen Statistika FMIPA IPB

dokumen-dokumen yang mirip
BAB II TINJAUAN PUSTAKA

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

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

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

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

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

BAB II LANDASAN TEORI

BAB III PERSAMAAN PANAS DIMENSI SATU

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

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

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 5. ANALISIS REGRESI DAN KORELASI

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

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

9 Departemen Statistika FMIPA IPB

ANALISIS DATA KATEGORIK (STK351)

Regresi Linier Sederhana Definisi Pengaruh

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

BAB III UKURAN PEMUSATAN DATA

BAB 2. Tinjauan Teoritis

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

UKURAN GEJALA PUSAT (UGP)

BAB III METODE PENELITIAN

8. MENGANALISIS HASIL EVALUASI

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

Analisis Korelasi dan Regresi

BAB 2 LANDASAN TEORI

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

Bab II Teori Pendukung

BAB II TINJAUAN PUSTAKA

SOLUSI TUGAS I HIMPUNAN

S2 MP Oleh ; N. Setyaningsih

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

BAB 1 STATISTIKA RINGKASAN MATERI

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

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

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

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

X a, TINJAUAN PUSTAKA

BAB 2 LANDASAN TEORI

Pendahuluan. Pendahuluan. Pendahuluan PERANCANGAN PERCOBAAN (PERBANDINGAN BERGANDA) Dari analisis ragam

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

BAB II TINJAUAN PUSTAKA. dua sampel berpasangan akan menggunakan statistik uji T 2 -Hotelling. Untuk itu,

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

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

Metode Statistika Pertemuan XII. Analisis Korelasi dan Regresi

b) Untuk data berfrekuensi fixi Data (Xi)

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

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

ANALISIS REGRESI LINIER BERGANDA : PERSOALAN ESTIMASI DAN PENGUJIAN HIPOTESIS

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

NORM VEKTOR DAN NORM MATRIKS

BAB III 1 METODE PENELITAN. Penelitian dilakukan di SMP Negeri 2 Batudaa Kab. Gorontalo dengan

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

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

Mata Kuliah: Statistik Inferensial

Analisis Regresi dan Korelasi

STATISTIKA DASAR. Oleh

Ruang Banach. Sumanang Muhtar Gozali UNIVERSITAS PENDIDIKAN INDONESIA

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

2.2.3 Ukuran Dispersi

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

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

BAB II LANDASAN TEORI

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

Beberapa Metode Alternatif untuk Analisis Data Sampel Berpasangan

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

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

BAB IV HASIL PENELITIAN. Hasil penelitian ini berdasarkan data yang diperoleh dari kegiatan penelitian

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

PRINSIP INKLUSI- EKSKLUSI INCLUSION- EXCLUSION PRINCIPLE

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

TINJAUAN PUSTAKA Evaluasi Pengajaran

UKURAN PEMUSATAN & PENYEBARAN

METODOLOGI PENELITIAN. pengaruh atau akibat dari suatu perlakuan atau treatment, dalam hal ini yaitu

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

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

III. METODOLOGI PENELITIAN. Metode penelitian merupakan strategi umum yang di anut dalam

STUDI KELAYAKAN: ASPEK FINANSIAL. F.Hafiz Saragih SP, MSc

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

PELABELAN GRACEFUL PADA DIGRAF LINTASAN DAN DIGRAF BIPARTIT LENGKAP

47 Soal dengan Pembahasan, 46 Soal Latihan

Tabel Distribusi Frekuensi

III BAHAN/OBJEK DAN METODE PENELITIAN. Objek yang digunakan dalam penelitian ini adalah 50 ekor sapi Pasundan

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

Transkripsi:

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 pergkat) Perbadga bergada hasl u Kruskal-Walls Kelegkapa: Tabel Normal, Tabel Kh-Kuadrat, Tabel Kruskal-Walls Appled Noparametrc Statstc Dael (1990) Jumat 05 Okt 01 15.0 17.0 U Kruskal-Walls U Kruskal-Walls (Kruskal-Walls oe-way aalyss of varace by raks) adalah tekk statstka oparametrk yag dguaka utuk megu hpotess awal bahwa beberapa cotoh berasal dar populas yag sama/detk. Jka haya melbatka dua cotoh, u Kruskal-Walls ekuvale dega u Ma-Whtey. U Kruskal-Walls dguaka utuk racaga acak legkap. Tabel : Racaga utuk u Kruskal-Walls Cotoh/Perlakua 1 k X 1.1 X.1 X k.1 X 1. X. X k. X 1.1 X. X k.k R 1 R R k Asums a. Data terdr dar cotoh acak X 1, X,, X yag berasal dar populas 1 dega meda M x, da cotoh acak Y 1, Y,, Y dar populas dega meda M y. Nla M x da M y tdak dketahu. b. Kedua cotoh salg bebas c. Peubah acak bersfat kotu d. Skala pegukura mmal ordal e. Fugs sebara dar kedua populas haya dpsahka oleh lokas parameter potess 0 1 : M 1 = M = = M k atau k populas mempuya fugs sebara yag detk : Ada mmal satu M M dmaa da, = 1,,, k 1 / 5

Statstk U Statstk u Kruskal-Walls dapat dtetuka melalu prosedur berkut : 1. Sepert halya u Ma-Whtey, gabugka seluruh data cotoh, sehgga aka ada sebayak 1 k N pegamata.. Pergkatka setap pegamata dar yag terkecl hgga terbesar. Jka terdapat tes (la yag sama), ber pergkat tegah (md-rak).. tug umlah pergkat utuk setap cotoh, yataka masg-masg sebaga R. 4. Statstk u Kruskal-Walls dapat dperoleh melalu rumus : 1 1 N N N 1 k 1 R 1 atau k 1 R N 1 N N 1 Dalam hal R adalah umlah pergkat utuk cotoh ke-, adalah umlah pegamata pada cotoh ke-, da N adalah total pegamata. Jka ada tes, statstk u perlu dkoreks dega faktor : T 1 N N dalam hal Kruskal-Walls terkoreks mead : T t t da t adalah bayakya tes. Sehgga statstk u 1 C 1 T N N Kadah Keputusa a. Jka haya melbatka tga cotoh/perlakua (k=) da setap cotoh terdr dar lma atau kurag pegamata, guaka tabel Kruskal-Walls (A.1). Tolak 0 ka atau C. b. Jka tabel A.1 tdak dapat dguaka, guaka tabel Kh-Kuadrat (A.11). Tolak 0 ka atau C, k 1. Cotoh : Torre et al. mecatat adaya perubaha seroto (5-T) (platelet) serebral da ekstraserebral tkus sesudah pembera -5 da 1-methyl-dlysergc acd butaclamde (UML) secara trapertoeal. Pegukura yag sama mereka lakuka pada 11. asl percobaa dsaka pada Tabel d bawah. Apakah data cukup memberka bukt utuk meuuka adaya perbedaa d atara ketga perlakua tersebut (α=5%)? tug pula la p-value (Dael 1990). Tabel seroto otak (5-T), aogram per gram, pada tga kelompok aak tkus Kotrol 40 40 56 86 86 40 40 417 4 495 557 0.5 mg/kg 94 5 5 40 56 71 85 40 UML 0.5 mg/kg 6 09 40 56 71 71 40 417 Sumber : Mchele Torre, Flppo Bogetto, ad Eugeo Torre, Effect of -5 ad 1-Methyl-d-lysergc Acd Butaolamde o Rat Bra ad Platelet Sercto Levels, Psychopha macologa, 6 (1974), 117-1 / 5

potess : 0 : Ketga perlakua memberka pegaruh yag sama terhadap seroto otak (5-T) aak tkus 1 : Mmal ada satu perlakua memberka pegaruh yag berbeda terhadap seroto otak (5-T) aak tkus Statstk U : Kotrol 0.5 mg/kg UML 0,5 mg/kg Nla 40 40 56 86 86 40 40 417 4 495 557 R = Pergkat 7.5 7.5 11 17.5 17.5 0.5 0.5.5 5 6 7 0.5 Nla 94 5 5 40 56 71 85 40 Pergkat 4.5 4.5 7.5 11 14 16 0.5 R =80 Nla 6 09 40 56 71 71 40 417 Pergkat 1 7.5 11 14 14 0.5.5 R UML=94.5 Dega megguaka rumus k 1 R N 1 dperoleh : N N 1 1 1 0.5 80 94.5 (7 1) 6.18 7(7 1) 11 8 8 Karea terdapat tes, maka dkoreks dega rumus dperoleh : C sehgga 1 T N N C 6.18 1 186 7 7 6.4 Catata : tes T = ( -)+(4-4)+( -)+( -)+( -)+(4-4)+( -)=186 Ukura cotoh lebh dar 5 pegamata sehgga harus dguaka tabel Kh-Kuadrat. Nla krts kh-kuadrat utuk deraat bebas k 1 1 pada taraf yata 5% adalah 5.991. Sehgga dega c = 6. kta dapat meolak 0 pada taraf yata 5%, da smpulka bahwa ada mmal satu perlakua yag memberka pegaruh yag berbeda terhadap seroto otak (5-T) aak tkus. Pada kasus, 0.05 < p-value < 0.05. Output MINITAB : Kruskal-Walls Test: seroto_otak (5-T) versus kelompok Kruskal-Walls Test o seroto_otak(5-t) kelompok N Meda Ave Rak Kotrol 11 40,0 18,5,44 8 48,0 10,0-1,70 UML 8 6,5 11,8-0,9 Overall 7 14,0 = 6,18 DF = P = 0,046 = 6, DF = P = 0,044 (adusted for tes) / 5

Prosedur Perbadga Bergada utuk U Kruskal-Walls Ketka u Kruskal-Walls memberka peolaka terhadap 0, yag artya ada sepasag perlakua yag mempuya pegaruh berbeda terhadap respo atau ada data cotoh yag memlk meda yag berbeda, basaya kta tertark utuk meyeldk lebh laut megea d maa perbedaa tersebut berada. Utuk tu dperlukalah suatu prosedur perbadga bergada yag kosste utuk dapat dguaka bersama dega u Kruskal- Walls. potess yag du adalah : 0 : M = M 1 : M M dmaa Ketka kta membadgka semua kemugka pasaga perlakua pada taraf yata α, kta dapat meyataka R da R berbeda yata apabla : N N 1 1 1 R R k k 1 1 Atau, apabla ukura cotoh sama besar ( = ), tolak 0 apabla : Jka terdapat tes : Tolak 0 apabla R R k k 1 k 6 N 1 N N 1 t t 1 1 R R k k 1 1 N 1 Atau apabla =, tolak 0 apabla: R R k k 1 k N N 1 T 6 N N 1 Dalam hal T t t R da R adalah rata-rata pergkat utuk cotoh/perlakua ke- da ke-;, da t adalah bayakya tes. Prosedur perbadga bergada dsebut u Du. 4 / 5

Catata : adalah ttk krts pada kurva Nla / k ( k 1) sebara ormal baku yag luas area sebelah kaaya sebesar / k( k 1). Pada cotoh d atas, 0 dtolak yag berart pembera perlakua memberka pegaruh yag berbeda terhadap seroto otak (5-T). Utuk megetahu lebh laut perlakua maa yag memberka pegaruh berbeda tersebut dlakukalah prosedur u Du. Msalya, utuk pegua kta megguaka taraf yata 10%, sehgga / k( k 1) =0.10/()=0.0167. Dar tabel A. dperoleh la 0.0167 =.1 (la terdekat). Sehgga : 1) Pembadg utuk perlakua dega da dega UML : 1 k k 1 N N t 1 N 1 ) Pembadg utuk perlakua dega UML : 1 k k 1 77 1 186 t 1 1.1 1 1 7.8 17 1 11 8 0.5 / k( k 1) N N t t 1 1 7 7 1.1 186 1 1 1 N 1 8.41 17 1 8 8 0.00 0.00 0.5 0.0167 0.48 / k ( k 1) 0 0.0167 k( k 1) 0.0167 Rata-rata pergkat adalah R 18.5, R 10, da R UML 11.81 Dega demka : R R = 18.5 10 = 8.5 > 7.8 R R = 18.5 11.81 = 6.69 < 7.8 UML R R = 10 11.81 = 1.81 < 8.41 UML Dapat kta smpulka bahwaa da memberka pegaruh berbeda terhadap seroto otak (5-T) aak tkus, sedagka pasaga perlakua laya tdak. Tugas : Buku Dael (1990) hal. latha 6.6 da hal. 4 latha 6..9 Catata : Bag yag g tambaha la, slaka baca ural berkut : http://physther.org/cotet/77/1/1755.full.pdf (ragkum/catat formas petg dalam ural tersebut!) CUIWW (Correct Us If We re Wrog) Prepared by : Nur Ad Setabud, S. Stat Edted by : Dd Saepud 5 / 5