SEBARAN PENARIKAN CONTOH



dokumen-dokumen yang mirip
SEBARAN PENARIKAN CONTOH

Muhammad Arif Rahman

Distribusi Sampling Sebaran Penarikan Contoh. Bidang Inferensia Statistik membahas generalisasi/penarikan kesimpulan dan prediksi/peramalan.

STATISTIKA II Distribusi Sampling. (Nuryanto, ST., MT)

Pada prakteknya hanya sebuah sampel yang biasa diambil dan digunakan untuk hal tersebut. Sampel yang diambil ialah sampel acak dan dari sampel

1. PENGERTIAN. Manfaat Sampling :

Bab 5 Distribusi Sampling

Ledhyane Ika Harlyan Jurusan Pemanfaatan Sumberdaya Perikanan & Kelautan Universitas Brawijaya 2013

Ummu Kalsum UNIVERSITAS GUNADARMA

SEBARAN PENARIKAN CONTOH (SAMPLING DISTRIBUTION)

Distribusi Normal. Statistika (MAM 4137) Syarifah Hikmah JS

SEBARAN PENARIKAN SAMPEL LOGO

Dept. Fisheries and Marine Resource Management University of Brawijaya 2012

Ayundyah Kesumawati. April 27, 2015

BAB 6 PENAKSIRAN PARAMETER

Distribusi Sampling 6.2. Debrina Puspita Andriani /

Populasi dan Sampel. Materi 1 Distribusi Sampling

STATISTIKA II (BAGIAN

DISTRIBUSI PROBABILITAS NORMAL

Distribusi Sampling. Ayundyah K., M.Si. PROGRAM STUDI STATISTIKA UNIVERSITAS ISLAM INDONESIA 2015

OUT LINE. Distribusi Probabilitas Normal. Pengertian Distribusi Probabilitas Normal. Distribusi Probabilitas Normal Standar

Uji Hipotesis dengan ANOVA (Analysis of Variance)

KARAKTERISTIK DISTRIBUSI KURVA NORMAL

DISTRIBUSI PROBABILITAS NORMAL

PENARIKAN SAMPEL & PENDUGAAN PARAMETER

DISTRIBUSI SAMPLING. Berdistribusi normal dengan rataan. Dan variasi

BAB II TINJAUAN PUSTAKA

Ukuran Statistik bagi Data. Muhammad Arif Rahman

STK511 Analisis Statistika. Pertemuan 4 Sebaran Penarikan Contoh

Haryoso Wicaksono, S.Si., M.M., M.Kom. 26

DISTRIBUSI NORMAL. Fitri Yulianti

S T A T I S T I K A OLEH : WIJAYA

STATISTICS WEEK 7. By: Hanung N. Prasetyo POLTECH TELKOM/HANUNG NP

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

PENAKSIRAN PARAMETER TM_3

STATISTIKA BISNIS PENDUGAAN STATISTIKA. Deden Tarmidi, SE., M.Ak., BKP. Modul ke: Fakultas Ekonomi dan Bisnis. Program Studi Akuntansi

DISTRIBUSI TEORITIS. P(M) = p = probabilitas untuk mendapat bola merah (sukses) 30

DISTRIBUSI SAMPLING besar

Sebaran (Distribusi) Peluang teoritis Peubah Acak : Statistik Sample, misal Rata-rata dan proporsi sample Hasil semua kemungkinan Sample dg ukuran yg

PENGUJIAN HIPOTESIS. 100% - 5 % = 95% (Ho di terima) 2,5% (Ho ditolak) 2,5% ( Ho ditolak ) - Zα 0 Zα

ESTIMASI. Podojoyo, SKM, M.Kes. Podojoyo 1

DISTRIBUSI NORMAL. Pertemuan 3. Distribusi Normal_M. Jainuri, M.Pd 1

BIOSTATISTIK HIPOTESIS UNTUK PROPORSI MARIA ALMEIDA ( ) NURTASMIA ( ) SOBRI ( )

STK 211 Metode statistika. Materi 4 Peubah Acak dan Sebaran Peluang

Pengujian Hipotesis. 1. Pendahuluan. Topik Bahasan:

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

PENGUJIAN HIPOTESIS O L E H : R I A N D Y S Y A R I F

PENYAJIAN DATA. Etih Sudarnika Laboratorium Epidemiologi Fakultas Kedokteran Hewan IPB

15Ilmu. Uji t-student dan Uji Z (Distribusi Normal)

PENGUJIAN HIPOTESIS RATA- RATA. Oleh : Riandy Syarif

Haryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

PENGERTIAN PENGUJIAN HIPOTESIS

Distribusi Normal Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan dalam berbagai

Distribusi Probabilitas Kontinyu Teoritis

Probabilitas dan Statistika Distribusi Peluang Kontinyu 1. Adam Hendra Brata

Makalah Statistika Distribusi Normal

DISTRIBUSI NORMAL. Pertemuan 3. 1 Pertemuan 3_Statistik Inferensial

KONSEP DASAR PROBABILITAS DAN DISTRIBUSI PROBABILITAS LELY RIAWATI, ST, MT.

Hipotesis (Ho) Benar Salah. (salah jenis I)

Pertemuan Ke Pengujian hipotesis mengenai rata-rata Nilai Statistik Uji. Wilayah Kritik

Pengertian Pengujian Hipotesis

statistika untuk penelitian

STATISTIK. Materi Pertemuan V Ukuran Dispersi (Penyebaran)

Sampling, Estimasi dan Uji Hipotesis

MODUL TEORI ESTIMASI ATAU MENAKSIR TEORI ESTIMASI ATAU MENAKSIR

1. Pendugaan Parameter

MODUL PRAKTIKUM STATISTIKA

STATISTIKA. Statistika pengkuantifikasian (pengkuantitatifan) hasil-hasil pengamatan terhadap kejadian, keberadaan, sifat/karakterisitik, tempat, dll.

STK 511 Analisis statistika. Materi 6 Pengujian Hipotesis

TIN309 - Desain Eksperimen Materi #5 Genap 2016/2017 TIN309 DESAIN EKSPERIMEN

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

POKOK BAHASAN : TEORI KESALAHAN

STK511 Analisis Statistika. Pertemuan 5 Statistika Inferensia (1)

BAB III UJI STATISTIK DAN SIMULASI. Menggunakan karakteristik dari distribusi tersebut dan transformasi / = ( ) (3.1.1) / = ( ) (3.1.

S T A T I S T I K A OLEH : WIJAYA FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON

HASIL DAN PEMBAHASAN. Model Regresi Logistik Biner untuk data Hasil Pembangkitan

PENS. Probability and Random Process. Topik 8. Estimasi Parameter. Prima Kristalina Juni 2015

STMIK KAPUTAMA - BINJAI

STK 511 Analisis statistika. Materi 3 Sebaran Peubah Acak

BAB I PENDAHULUAN 1.1 LATAR BELAKANG

PERTEMUAN KE 2 HIPOTESIS

BAB 2 LANDASAN TEORI

BAB II TINJAUAN TEORITIS. Menurut Darnius, O (2006, Hal : 53) simulasi dapat diartikan sebagai suatu

ESTIMASI. Arna Fariza PENDAHULUAN

16-Aug-15. Haryoso Wicaksono, S.Si., M.M., M.Kom. Haryoso Wicaksono, S.Si., M.M., M.Kom. 1

PENGUJIAN HIPOTESIS 1

II. TINJAUAN PUSTAKA. Untuk menguji kesamaan dari beberapa nilai tengah secara sekaligus diperlukan

Sebaran Peluang kontinyu Sebagian besar kegiatan di alam ini mengikuti sebaran kontinyu Salah satu sebaran kontinyu adalah sebaran normal. Sebaran nor

Materi Kuliah: Statistik Inferensial

BAB 2 LANDASAN TEORI

UJI HIPOTESA PERBEDAAN. t-test

Hipotesis adalah suatu pernyataan tentang parameter suatu populasi.

DISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)

PENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016

MATRIKS SATUAN ACARA PERKULIAHAN MATA KULIAH PROBABILITA TERAPAN (SI) KODE / SKS: KD / 3 SKS

BAB 9 DISTRIBUSI PELUANG KONTINU

HARAPAN MATEMATIK. Nur Hayati, S.ST, MT Yogyakarta, Maret 2016

Pendugaan Parameter Populasi Secara Statistik

ANALISIS DATA SECARA RANDOM PADA APLIKASI MINITAB DENGAN MENGGUNAKAN DISTRIBUSI PELUANG

KURVA NORMAL. (Sumber: Buku Metode Statistika tulisan Sudjana)

Transkripsi:

STATISTIK (MAM 4137) SEBARAN PENARIKAN CONTOH Ledhyane Ika Harlyan

2 Outline Sebaran Penarikan Contoh Sebaran Penarikan Contoh Bagi Nilai Tengah Sebaran t Sebaran Penarikan contoh bagi beda dua mean

Parameter dan Statistik Untuk mengolah data sangat bergantung pada apakah data merupakan populasi atau suatu contoh yang diambil dari suatu populasi Nilai yang menjelaskan ciri dari populasi disebut parameter Nilai yang menjelaskan ciri dari suatu contoh disebut statistik. Pengambilan contoh harus dilakukan dengan hati-hati untuk meminimalisir terjadinya bias perbedaan antara hasil dengan kondisi sesungguhnya

POPULASI DAN CONTOH POPULASI Keseluruhan objek penelitian yang dapat berupa manusia, hewan, tumbuh-tumbuhan, gejala, nilai, peristiwa, sikap hidup, dan sebagainya yang menjadi pusat perhatian dan menjadi sumber data penelitian SAMPEL bagian dari populasi yang dipilih dengan menggunakan aturan-aturan tertentu, yang digunakan untuk mengumpulkan informasi/data yang menggambarkan sifat atau ciri populasi.

Contoh= Statistik Populasi = Parameter a. Mean = x b. Deviasi Standar = s c. Proporsi = x/n d. Jumlah data = n a. Mean = µ b. Deviasi Standard = σ c. Proporsi = P d. Jumlah data = N

Sebaran Penarikan Contoh Sebaran peluang suatu statistik disebut sebaran penarikan contoh Sebaran penarikan contoh suatu statistik akan bergantung pada ukuran populasi, ukuran contoh, dan metode pengambilan contohnya. Random Sampling Non Random Sampling

Sebaran Penarikan Contoh Bagi Nilai Tengah Misalnya sebuah populasi seragam diskret terdiri atas nilai 0, 1, 2, dan 3 Nilai tersebut menyusun populasi nilai-nilai sebuah peubah acak X yang memiliki sebaran peluang : f(x) =1/4, untuk x = 0,1,2,3 dengan nilai tengah : ragam :

Dari nilai 0,1,2,3 kita ambil 2 nilai secara acak dengan cara pemulihan (sampel yang sudah dipilih, berpeluang dipilih lagi) dan dihitung rata-ratanya. No. Sampel Rata-rata 1 0;0 0 2 0;1 0,5 3 0;2 1 4 0;3 1,5 5 1;0 0,5 6 1;1 1 7 1;2 1,5 8 1;3 2 No. Sampel Rata-rata 9 2;0 1 10 2;1 1,5 11 2;2 2 12 2;3 2,5 13 3;0 1,5 14 3;1 2 15 3;2 2,5 16 3;3 3

x f distribusi 0 1 1/16 0,5 2 2/16 1 3 3/16 1,5 4 4/16 2 3 3/16 2,5 2 2/16 3 1 1/16 16 Sebaran penarikan contoh bagi X dengan pemulihan maka nilai x berfluktuasi dari 0 sampai 3, dengan : nilai tengah (µ x ) = Σxf(x) = 3/2 = µ ragam (σ x ) = Σ (x 3/2) 2 f(x) = 5/8 Nilai tengah peubah X selalu sama dengan nilai tengah populasi contohnya Nilai tengah peubah acak X sama sekali tidak bergantung pada ukuran contohnya Ragam bagi X bergantung pada ukuran contoh dan nilainya sama dengan ragam populasi asalnya σ 2 dibagi n Semakin besar ukuran contoh, semakin kecil galat bakunya dan kemungkinannya x akan mendekati µ

Bila semua kemungkinan contoh acak berukuran n diambil DENGAN PEMULIHAN (Sampel yang sudah diambil, berpeluang diambil lagi) dari suatu populasi terhingga berukuran N yang mempunyai nilai tengah µ dan simpangan baku σ maka untuk n yang cukup besar sebaran penarikan contoh bagi nilai tengah X akan menghampiri sebaran normal

Contoh Soal Perusahaan perikanan dalam satu hari rata-rata mampu memproduksi 1.000.000 bungkus bakso ikan. Perusahaan ini menyatakan bahwa rata-rata berat sebungkus bakso ikan adalah 255 g dengan standart deviasi 10 g. Rata-rata populasi dianggap menyebar normal. Jika diambil sampel secara acak sebanyak 100 bungkus DENGAN PEMULIHAN, hitunglah peluang isi sebungkus bakso ikan kurang dari 258 g.

Jawab N = 1.000.000 σ = 10 µ x = µ = 255 n = 100 P( x < 258) = P(z <?) Simpangan baku σ x = = 10/10 = 1,0 z = = 258-255/1 = 3,0 P( x < 258) = P(z < 3,0) (lihat tabel z) = 0,9987 = 99,87%

Bila semua kemungkinan contoh acak berukuran n diambil TANPA PEMULIHAN (Sampel yang sudah diambil, berpeluang diambil lagi) dari suatu populasi terhingga berukuran N yang mempunyai nilai tengah µ dan simpangan baku σ maka untuk n yang cukup besar sebaran penarikan contoh bagi nilai tengah X akan menghampiri sebaran normal Faktor koreksi

Contoh Soal Diketahui rata-rata hasil tangkapan 500 nelayan adalah 165 kg dengan standart deviasi 12 kg. Kemudian diambil 40 nelayan secara acak sebagai sampel. Rata-rata populasi dianggap normal. Jika penarikan sampel dilakukan TANPA PEMULIHAN, hitunglah peluang hasil tangkapan nelayan lebih dari 167 kg.

Jawab

Bila contoh acak berukuran n ditarik dari suatu populasi yang besar atau takterhingga dengan nilai tengah µ dan ragam σ 2 maka nilai tengah contoh X akan menghampiri sebaran normal

Contoh Soal Sebuah perusahaan lampu memproduksi bohlam. Bila umur bohlam itu menyebar normal dengan nilai tengah 800 jam dan simpangan baku 40 jam hitunglah peluang bahwa suatu contoh acak 16 bohlam akan mempunyai umur rata-rata kurang dari 775 jam.

Jawab σ = 40 µ x = µ = 800 n = 16 P( x < 775) = P(z <?) Simpangan baku σ x = = 40/4 = 10 z = = 775-800/10 = -2,5 P( x < 775) = P(z < -2,5) (lihat tabel z) = 0,0062

Kerjakan Tinggi 1000 mahasiswa menghampiri sebaran normal dengan nilai tengah 175 cm dan simpangan baku 7 cm. Bila 100 contoh acak diambil sebagai sampel, hitunglah : Peluang tinggi badan lebih dari 177 cm dengan penarikan sampel TANPA PEMULIHAN Peluang tinggi badan kurang dari 160 cm dengan penarikan sampel DENGAN PEMULIHAN

Sebaran t Bila ukuran contohnya kecil (n < 30 ), nilai-nilai s 2 berfluktuasi cukup besar dari contoh satu ke contoh lainnya, dan sebaran nilai-nilai ( - µ )/(s/ n) tidak lagi normal baku. Bila demikian halnya, kita dihadapkan dengan sebaran suatu statistik yang disebut T, yang nilai-nilainya adalah Distribusi-t pada prinsipnya adalah pendekatan distribusi sampel kecil dengan distribusi normal.

Bila x dan s 2 masing-masing adalah nilai tengah ragam suatu contoh acak berukuran n yang diambil dari suatu populasi normal dengan nilai tengah µ dan ragam σ 2, maka : merupakan sebuah nilai peubah acak T yang mempunyai sebaran t dengan derajat bebas (db) atau degree of freedom (df) = v = n-1

Dua hal yang perlu diperhatikan dalam Tabel t adalah 1. derajat bebas (db) 2. nilai α Perbedaan Tabel z dan Tabel t Tabel z : nilai z menentukan nilai α Tabel t : nilai α dan db menentukan nilai t Nilai α adalah luas daerah kurva di kanan nilai t atau luas daerah kurva di kiri nilai t Nilai α : 0.1 (10%) ; 0.05 (5%) ; 0.025(2.5%) ; 0.01 (1%) ; 0.005(0.5%) Nilai α terbatas karena banyak kombinasi db yang harus disusun

PT Cigar menyatakan bahwa 95% rokok produksinya rata-rata mengandung nikotin 1.80 mg, data tersebar normal. Yayasan Konsumen melakukan pengujian nikotin terhadap 9 batang rokok dan didapatkan rata-rata kandungan nikotin = 1.95 mg dengan standar deviasi = 0.24 mg. Apakah hasil penelitian Yayasan Konsumen mendukung pernyataan yang dibuat perusahaan?

Jawab

Kerjakan

TERIMA KASIH