BAB 2 LANDASAN TEORI

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

PERTEMUAN III PERSAMAAN REGRESI TUJUAN PRAKTIKUM

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

UKURAN GEJALA PUSAT DAN UKURAN LETAK

BAB 2. Tinjauan Teoritis

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

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

2.2.3 Ukuran Dispersi

BAB 5. ANALISIS REGRESI DAN KORELASI

* MEMBUAT DAFTAR DISTRIBUSI FREKUENSI MENGGUNAKAN ATURAN STURGES

BAB II LANDASAN TEORI

11/10/2010 REGRESI LINEAR SEDERHANA DAN KORELASI TUJUAN

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

BAB 6 PRINSIP INKLUSI DAN EKSKLUSI

S2 MP Oleh ; N. Setyaningsih

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

; θ ) dengan parameter θ,

Bab II Teori Pendukung

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

BAB IX PENGGUNAAN STATISTIK DALAM SIMULASI

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

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

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

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

MINGGU KE-10 HUBUNGAN ANTAR KONVERGENSI

BAB II TINJAUAN PUSTAKA

BAB III ISI. x 2. 2πσ

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

NORM VEKTOR DAN NORM MATRIKS

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

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

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

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

UKURAN GEJALA PUSAT (UGP)

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

Penarikan Contoh Acak Sederhana (Simple Random Sampling)

STATISTIKA: UKURAN PEMUSATAN. Tujuan Pembelajaran

TINJAUAN PUSTAKA Evaluasi Pengajaran

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

REGRESI LINIER SEDERHANA

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

BAB III UKURAN PEMUSATAN 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

Notasi Sigma. Fadjar Shadiq, M.App.Sc &

BAB 1 STATISTIKA RINGKASAN MATERI

REGRESI SEDERHANA Regresi

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

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

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

BAB II LANDASAN TEORI

8. MENGANALISIS HASIL EVALUASI

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

Uji Statistika yangb digunakan dikaitan dengan jenis data

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

Regresi Linier Sederhana Definisi Pengaruh

BAB III PERSAMAAN PANAS DIMENSI SATU

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

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

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

BAB 2 LANDASAN TEORITIS. yang akan terjadi pada masa yang akan datang dengan waktu yang relatif lama.

XI. ANALISIS REGRESI KORELASI

BAB 2 LANDASAN TEORI

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

FMDAM (2) TOPSIS TOPSIS TOPSIS. Charitas Fibriani

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

ANALISIS ALGORITMA REKURSIF DAN NONREKURSIF

Penarikan Contoh Gerombol (Cluster Sampling) Departemen Statistika FMIPA IPB

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

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

BAB III PEMBENTUKAN SKEMA PEMBAGIAN RAHASIA

SOLUSI TUGAS I HIMPUNAN

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

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

3.1 Biaya Investasi Pipa

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

3 Departemen Statistika FMIPA IPB

STATISTIKA A. Definisi Umum B. Tabel Distribusi Frekuensi

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

Tabel Distribusi Frekuensi

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

WAKTU PERGANTIAN ALAT BERAT JENIS WHEEL LOADER DENGAN METODE LEAST COST

Sampel dan Distribusi Sampling

BAB II LANDASAN TEORI. teori dan definisi mengenai variabel random, regresi linier, metode kuadrat

POLIGON TERBUKA TERIKAT SEMPURNA

TUGAS MATA KULIAH TEORI RING LANJUT MODUL NOETHER

PENDAHULUAN. Di dalam modul ini Anda akan mempelajari teori gangguan bebas waktu yang mencakup:

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

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

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

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

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

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

STATISTIKA DASAR. Oleh

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

SIFAT-SIFAT LANJUT FUNGSI TERBATAS

Regresi & Korelasi Linier Sederhana

BAB 2 LANDASAN TEORI

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

Transkripsi:

BAB LANDASAN TEORI. Teor Statstka.. Korelas Korelas berkata erat dega regres da amat serg dguaka dalam peelta. Korelas serg dguaka sebga alat batu dalam regres, karea tu perlu dbahas d s. Dalam korelas kta tdak megguaka model kedat hubuga yag kta ukur adalah lear. Msalka ( y ), (, y ),...,(, ), y pasaga data yag dperoleh dar dua peubah acak X da Y. Pertayaa yag kta g jawab adalah megea eratya hubuga (lear) atara X da Y. Kta tdak mempersoalka hubuga kausal (sebab-akbat) dalam korelas kedat hal tu merupaka masalah yag perlu djawab akhrya. Jad d s tdak dpersoalka apakah X da Y yag mejad respos atau peubah bebas, keduaya daggap setara, da masg-masg daggap peubah acak. Pertama-tama kta bahas kovaras atara X da Y, lambag s y Kov ( X, Y ), sebaga berkut s y ( )( y y) Kovaras ddefska koefse korelas atara peubah acak X da Y sebaga σ y ρ y σ σ Jka σ meyataka smpaga baku dar X. Kovaras megukur besar da arah hubuga lear atara dua peubah. Bla kovaras postf maka kedua peubah berubah arah, artya, bla X membesar maka Y juga membesar da sebalkya. Kovaras yag egatf berart kedua peubah berubah berlawaa, bla yag satu membesar maka yag laya megecl. Sayagya kosep yag sagat bergua sult meafsrkaya karea kedua peubah mugk mempuya satua yag berlaa da la kovaras yag tdak y atau

6 terbatas. Karea tu dperluka ukura yag lebh mudah meafsrkaya. Ukura tu dperoleh dega membakuka kovaras, yatu membagya dega smpaga baku masg-masg peubah. Bla s da s y smpaga baku dar X da Y maka koefse korelas atara X da Y, lambag ry adalah sy r y s s y ( )( y y) [ ( ) ( y y) ] / Dega pembakua, maka r sehgga mudah meafsrkaya. Bla y hubuga lear atara X da Y sempura maka r ±; + bla hubuga tersebut searah da - bla berlawaa arah. Tadaya hubuga lear atara X da Y dtada dega r 0. y Jka peafsra r yag terletak atara - da +, maka dalam hal aka dbetuk suatu ukura yag dkeal dega ama koefse determas yag besarya adalah r sedagka peafsraya dyataka dalam perse. Demkalah msalya, utuk cotoh kta dega r 0, 8794 maka koefse determasya 0,7674. Dkataka bahwa, sebesar 76,74% varas yag terjad dalam kecederuga berprestas (Y) terjelaska oleh motvas (X) melalu regres lear. Hedakya jelas, bahwa perhtuga koefse korelas atara X da Y sebaga ukura hubuga dapat dlhat dar dua seg. Pertama, koefse korelas dhtug utuk meetuka apakah ada korelas atara X da Y da jka ada apakah berart atau tdak; kedua, utuk meetuka derajat hubuga atara X da Y jka hubuga tu memag sudah ada atau dasumska ada. y.. Dstrbus t Sebara dperkealka oleh W.S. Gosset pada tahu 908. dega megguaka ama samara Studet, sehgga sebara dkeal dega ama t- studet

7 Jka Z ~ N(0,) da V satu varabel acak ch-square dega derajat kebebasa k. Jka Z da V adalah bebas, maka varabel acakya : mempuya fugs destas probabltas f Γ[( k + ) / ] πkγ( k / ) [( t T / k) + ] Z V / k ( t). ( k + ) / < t < da dsebut megkut dstrbus t dega derajat kebebasa k dsgkat t k. Bukt Karea Z da V bebas, fugs destas gabugaya adalah f ( z, v) ( v) π ( k / ) k /. e k Γ ( z + v) / Kta medefska sebuah varabel radom baru da adalah t z v / k u v < z <, 0 < v < U V. Maka peyelesaya da Jacobaya adalah z t v u u k u t J k uk 0 u k Jad, da J u k

8 g( t, u) u. u k / k πk Γ ( k / ) e [( u / k ) t + u] / Sekarag, karea V > 0 kta harus memerluka bahwa U > 0, da karea < Z <, maka < t <. Dega meyusu kembal persamaa (-4) kta mempuya g( t, u) πk k /. u k Γ e ( k ) / ( u / )[( t / k ) + ] 0 < μ <, < t < da karea f ( t) 0 g( t, u) du, kta peroleh + ) ( k / ( u / )[( t / k ) ] f ( t) u e du 0 k / k πk Γ Γ[( k + ) / ]. k [( t πkγ / k) + ] ( k + ) / < t Terutama karea kebasaa sejarah, bayak pegarag-pegarag tdak membedaka atara varabel acak T da t. Rata-rata dar vara dstrbus t adalah μ 0 da σ k /( k ) utuk k >. Beberapa dstrbus t dtujukka dalam gambar.. < Gambar. Beberapa Dstrbus t Pemucula umum dstrbus t adalah sama dega dstrbus ormal stadar bahwa kedua dstrbus smetrs da umodal. Tetap dstrbus t mempuya ekor yag

9 lebh pajag dar pada dstrbus ormal, yatu meujukka varabltas yag lebh besar. Jka jumlah derajat kebebasa k, betuk terbatas dstrbus t, adalah dstrbus ormal stadar. Ttk persetase dstrbus t dberka. Msalka la varabel acak t dega derajat kebebasa k sepert P tα, k { t tα, k } f ( t) dt t α, k adalah ttk persetase atau Ttk persetase dlukska dalam Gambar.3. Perhatka bahwa dstrbus t smetr α dsektar ol, kta bsa mejumpa t α tα, k. Utuk melukska pegguaa tabel, perhatka bahwa P { t t } 0 P{ t,83} 0,05 0,05; Maka ttk datas 5 perse dstrbus t dega derajat kebebasa 0 adalah t,83. Sama halya ttk ekor teredah t t, 83. 0,05;0 0,95;0 0,05;0 Sebaga sebuah cotoh varabel acak yag megkut dstrbus t, msalka bahwa Gambar. Ttk Persetase Dstrbus t X, X,..., X adalah sebuah sampel acak dar satu populas ormal dega rata-rata μ da vara σ. Da msalka X da sampel da vara. Perhatka statstk X μ S / S meujukka rata-rata Pemblag da peyebut pada persamaa (-34) dbag dega σ, kta dapatka

0 X μ σ S σ X μ σ / /( ) S / σ Karea ( X μ) ( σ / ) ~ N(0,) da S σ χ /( ), juga karea X da bebas, kta lhat bahwa ~ X μ t S / megkut dstrbus t dega derajat kebebasa v. S..3 Dstrbus Bomal Varabel radom X yag meyataka bayakya sukses pada kal percobaa Beroull mempuya sebuah dstrbus bomal yag dberka dega p (), d maa p p ( ) ( ) 0,,,..., p 0 laya Secara jelas meggambarka sebuah dstrbus bomal dega 3. Parameter dar dstrbus bomal adalah da p, dmaa adalah suatu blaga postf da 0 p. Secara sgkat dstrbus bomal duraka dbawah. Msalka p ( ) P{" bayakya sukses pada percobaa } Peluag hasl tertetu dalam Y dega Ss utuk percobaa pertama da Gl utuk percobaa terakhr adalah 64748 64748 P SSS SS GG GG) p q ( (dmaa q p) ddapat dar kebebasa percobaa-percobaa tersebut. Ada tu p! hasl yag dmlk secara tepat Ss da!( )! p q ( ) 0,,,..., Gl oleh sebab

0 laya Rata-rata dapat dtetuka secara lagsug sebaga! E( X ). p )! da msalka y 0!( q ( )! p p ( )!( )! q sehgga! E( X ) p. p y 0 y!( y)! E ( X ) p y q y Dega megguaka pedekata yag sama kta dapat meghtug varaya sebaga berkut! V ( X ). p q ( p)!( )! 0 y y ( ) p p q + p ( p y 0 ( )! y!( y)! Sehgga V ( X ) pq Suatu cara yag lebh mudah dapat dpertmbagka dega memsahka X sebaga jumlah dar varabel radom yag bebas, masg-masg dega rata-rata p da vara pq, sehgga X + E ( X ) p + p + + p p X + X + X, maka ) da V ( X ) pq + pq + + pq pq Fugs pembagkt mome utuk dstrbus bomal adalah M ( t) ( pe + q) Dstrbus kumulatf bomal atau fugs dstrbus G adalah G( ) k 0 p p k ( p) k

Varabel acak yag la, pertama dcatat pada hukum blaga yag besar adalah serg kal meark. Propors sukses dyataka dega p ˆ X / dmaa X mempuya dstrbus bomal dega parameter da p. Rata-rata, vara da fugs pembagkt mome dberka d bawah : E ( p ) ) E( X ) p V ( p ) ) V ( X ) pq t ) D dalam meghtug, msalka P p p ), datara 0 da, kta perlhatka bahwa t M ( t) M ( pe + q) ( 0 p pq ) X P( p p0 ) P p0 P( X p0 ) Karea p0 mugk buka sebuah blaga bulat, d maa p 0 adalah beberapa agka dmaa [[ dalam. P ( p ) p 0 ) P [[ p o ]] ( X p0 ) 0 p q ]] meyataka fugs jumlah blaga bulat terbesar yag terkadug..3. Pedekata Normal Karea dstrbus ormal adalah sebuah dstrbus probabltas dskrt, kelhata bertetaga dega tutf, tetap sebuah proses batasa yag dcakup, dterma dar p dstrbus bomal tetap da dmsalka pedekata tersebut adalah dkeal sebaga DeMovre Laplace. Errorya adalah Pedekata Strlg utuk! adalah! (π ) / e + (/ ),

3 jka.! (π ) / e! + (/ ) 0 Pegguaa rumus strlg utuk pedekata susua yag mecakup! dalam model bomal, kta tetuka bahwa utuk yag besar, sehgga P( X ) ( p( p)) e π (/ )[( p) / p( p) ] P( X p ) Φ pq ( p( p)) π e π ( p) / pq z / dz Maka, kuattas pedekata ( X p) / pq mempuya sebuah dstrbus N (0,). Jka p medekat da > 0, pedekata tersebut agak bak walaupu utuk la-la la p, la harus lebh besar. Pada umumya, pegalama meujukka pedekata bak sepajag p > 5 utuk p atau apabla q > 5 bla p >...3. Pedekata Posso Dalam hal, kta tujukka pertama kal bahwa utuk besar da p kecl merupaka pedekata yag memuaska. Dalam pegguaa pedekata kta msalka α p, maka p α da α p α da jka kta meempatka baga yag mecakup p dega baga yag bersesuaa yag mecakupα, kta peroleh : α p( ) ( )( )...( + ) () α α α α!....

4 Msalka susua da p 0 dalam setap cara bahwa α p daggap tetap,,,..., semua medekat, sepert halya α. Sekarag kta megetahu bahwa α α e jka ; α maka betuk terbatas dar persamaa (-8) adalah p( ) α /! e, yag maa adalah dstrbus Poso...4 Selag Kepercayaa Rata-rata Pada umumya utuk membuat suatu estmator terval parameter tdak dketahu θ, kta harus tetuka dua statstk L da U sebaga berkut Iterval yag dhaslka adalah P ( L θ U ) α L θ U dsebut sebuah terval keyaka 00( α) perse utuk parameter θ tdak dketahu. L da U dsebut batas keyaka atas da bawah, da α dsebut koefse keyaka. Iterprestas sebuah terval keyaka yatu jka beberapa sampel radom dkumpulka da sebuah terval keyaka 00( α) perse pada θ dhtug dar setap sampel, maka 00( α) perse terval aka bers la θ yag sebearya. Sekarag dalam praktekya, kta haya memperoleh sebuah sampel radom da meghtug sebuah terval keyaka. Karea terval aka atau tdak aka berska la θ sebearya, tdaklah beralasa utuk megabugka sebuah tgkat probablta pada kejada khusus. Peryataa yag sesua adalah bahwa θ terletak dalam observas terval [ L, U ] dega keyaka 00( α). Peryataa mempuya sebuah terprestas yatu kta tdak megetahu jka peryataa tu bear utuk sampel tertetu, tetap metoda tersebut dguaka utuk memperoleh terval [ L, U ] yag meghaslka peryataa telt 00( α) perse pada suatu waktu.

5 Iterval keyaka dalam persamaa datas lebh sesua dsebut terval keyaka dua arah, sebaga batas atas da bawah pada θ. Kadag-kadag terval keyaka satu arah mugk lebh sesua. Sebuah terval keyaka dega batas bawah 00( α) perse padaθ dberka dega terval L θ d maa batas keyaka teredah L dplh sehgga P {L θ} α Demka juga terval keyaka satu arah dega batas atas 00( α) perse pada θ dberka dega terval θ U d maa batas keyaka teratas U dplh sehgga P { θ U} α Pajag terval keyaka yag dobservas adalah sebuah ukura petg kualtas formas yag dperoleh sampel. Luas setegah terval θ L da U θ dsebut ketepata estmator. Msalka X varabel acak dega rata-rata μ tdak dketahu, da varas σ dketahu, serta msalka sebuah sampel acak yag besarya X,...,, X X dambl. Sebuah terval keyaka 00( α) perse pada μ dapat dperoleh dega mempertmbagka dstrbus samplg rata-rata sampel X. Dstrbus samplg X adalah ormal jka X adalah ormal da perkraa ormal jka kods tersebut memeuh dall batas memusat. Rata-rata X adalah μ da varaya adalah σ /. Oleh sebab tu dstrbus dar statstkya X μ z σ / yag dguaka sebaga dstrbus ormal stadar. Dstrbus Z ( X μ) /( σ / ) dtujukka pada gambar.4. Dega memperhatka gambar tersebut dapat dlhat bahwa P { Z Z } α α / Zα /

6 atau X μ P Zα / Zα / α σ / I dapat dsusu kembal sepert P { X Z σ μ X + Z σ / } α α / / α / Dega memperhatka betuk umum dar terval yag dhaslka adalah L θ U. Maka terval keyaka dua arah 00( α) perse pada μ adalah X Z σ / μ X + Z α α / σ Gambar.3 Dstrbus Z Msalka X varabel acak yag berdstrbus ormal dega rata-rata μ da varas σ tdak dketahu. kta g medapatka terval keyaka 00( α) perse pada μ. Sebuah sampel acak yag besarya X,...,, X X dambl, juga X da S masg-masg meujukka rata-rata sampel da vara sampel. Kta ketahu bahwa dstrbus dar statstk X μ t S / adalah dstrbus t dega derajat kebebasa v. Asums utuk keormala utuk X adalah samgat petg utuk sampel yag kecl.

7 Dstrbus t ( X μ) /( S / ) dtujukka dalam gambar.4. Msalka t α adalah ttk tertgg α / perse dar dstrbus t dega derajat kebebasa /,. Dega memperhatka gambar tersebut dapat dlhat bahwa atau P { t t t } α α /, α /, X μ P t t S / Kemuda dapat dsusu kembal meghaslka P α /, α /, α { X t S μ X + t S / } α α /, / α /, Dega memperhatka betuk umum dar terval yag dhaslka adalah L θ U. Maka terval keyaka dua arah 00( α) perse pada μ adalah X t S X + t α /, μ α /, S..5 Sampel Normal Dalam model regres lear yag palg sederhaa yatu gars lurus terdapat peympaga yag damaka e jad dtaksr dega Sehgga e y y y a b y a + b + e,,,... Dalam e terkadug galat yag sfatya acak da juga peympaga model dar keadaa sesugguhya. Pelaggara terhadap keormala dapat terjad karea data tdak berasal dar populas atau adaaya beberapa data, basaya d pggr, yag merupaka pecla (peyebabya tdak jelas atau berasal dar populas la yag tdak sama dega baga terbesar data laya). Bayak cara telah dcptaka utuk memerksa keormala, setap cara memlk keuggula da kelemaha. N berlaku Suatu dstrbus ormal memeuh ( μ,σ ) ( μ σ ) Y ( μ + σ ) 0, 68 P sektar 68%

8 ( μ σ ) Y ( μ + σ ) 0, 95 ( μ 3 σ ) Y ( μ + 3σ ) 0, 997 P sektar 95% P sektar 99,7% Jad cara yag sederhaa memerksa ssa keormala adalah melhat persetase ssa memeuh: Atara Atara Atara s da s sektar 68% s da s sektar 95% 3s da 3 s sektar 99,7%. Teor Komputer.. Multmeda Multmeda dapat ddefska sebaga pegguaa komputer utuk meyampaka formas dega megguaka eleme-eleme multmeda sepert teks, grafk, gambar, suara, vdeo, da amas. Tujua dguaka multmeda d berbaga bdag adalah. Megkatka efektvtas dalam peyampaa formas. Medorog partspas da eksploras pemaka 3. Meragsag paca dera 4. Memberka kemudaha pemakaa terutama bag peggua awam... Amas Berasal dar kata to amate yag artya utuk meghdupka atau membuat mejad lebh hdup. Amas sebearya ddasar oleh prsp pegamata mausa. Apabla seseorag mehat sekumpula gambar yag berkata secra berurutadalam waktu yag relatf cepat, maka a melhatya sebaga suatu gambar yag bergerak secara kotu. Masg-masg gambar yag membetuk amas d sebut sebaga frame. Meskpu bayak orag berpkr bahwa amas sama artya dega pergeraka, tetap teryata amas mecakup semua perubaha yag bersagkuta dega efek vsual, sepert perubaha poss berdasarka waktu yag basa dsebut sebaga moto damk betuk, wara, ketrasparaa, struktur, da teksturdarsebuah objek yag basa dsebut update dyamcs,

9 perubaha pecahayaa, poss kamera, oretas, fokus, da bahka perubaha dar tehk mereder. Amas dguaka luas dalam dustr hbura, da juga dapat daplkaska ke dua peddka da bdag-bdag laya sepert peelta lmah. Sergkal, amas dalam bdag vsualsas lmah dcptaka dar smulassmulas dar feomea lmah yag berasal dar data yag kemuda dkoverska mejad gambar-gambar da kemuda dsusu mejad amas...3 Iteraks Mausa Da Komputer Dalam medesa suatu amas harus memperhatka faktor-faktor yag datag dar objek tu sedr. Terdapat lma faktor yag sagat petg utuk dperhatka:. Tme to lear Waktu yag dperluka oleh user utuk mempelajar bagamaa megguaka amas utuk keperlua tertetu.. Speed of performaces Berapa lama waktu yag dperluka utuk meghaslka apa yag dbutuhka. 3. Rus of error by users Berapa bayak da apa saja jes uag dbuat user kesalaha dalam mejalaka sstem. 4. Reteto over tme Bagamaa kemampua user utuk mempertahaka pegetahua mereka terhadap sstem setelah beberapa waktu. 5. Subjectve satsfacto Berapa bayak user yag meyuka sstem. Delapa atura emas yag duguaka utuk meracag suatu terface:. Berusaha utuk kosste. Memugkka frequet komputer megguaka shortcut 3. Memberka umpa balk yag formatf

0 4. Meracag dalog utuk meghaslka keadaa akhr 5. Memberka peagaa kesaaha yag sederhaa. 6. Megjka pembalka aks yag mudah..3 Bahasa Pemrograma R-laguage R-laguage adalah sstem ope-source. R-Laguage pertama kal d kembagka pada tahu 980-a oleh Rck Becker, Joh Chambers da Alla Wlks d labotorum AT&T Bell. R-laguage adalah suatu sstem utuk komputas secara statstk da grafk. Sepert halya pada bahasa programmg laya, R-Laguage dapat dguaka pada grafk tgkat tgg, terface dega bahasa laya da fasltas utuk mecar kesalaha (debug). Stak utuk R-Laguage megguaka stak bahasa C. Dalam R-Laguage djka computg o the laguage, yag artya dapat meuls fugs-fugs secara maual da dapat dekspreska sebaga put, yag sagat bergua utuk model-model statstka da grafk. Sehgga pemaka bsa megkodeka sedr fugs-fugs yag dbuat, meggat beberapa peggua lebh suka meuls sedr fugs yag aka dpaka. R-Laguage merupaka gabuga dar fasltas software yag memapulas data, meghtug data da utuk meamplka grafk-grafk. Beberapa kelebha R- Laguage atara la: a. R-Laguage sagat efektf dalam pegatura data da fasltas peympaa; b. Kumpula dar operator-operator utuk megkalkulas pada array da partkular matrks; c. Tools Collecto yag bas dguaka utuk aalss data; d. Peyedaa fasltas secara grafk utuk megaalss data da meamplkaya d layer ataupu secara hardcopy; e. Mudah dkembagka, sederhaa da merupaka bahasa programmg yag efektf yag melput: codtoals loops, user-defed recursve fuctos da meyedka fasltas put da output.