ANALISIS DATA ESKPERIMENTAL FISIKA

Slides:



Advertisements
Presentasi serupa
Materi 1 Pengertian dan prosedur penduga beda dan penduga regresi
Advertisements

REGRESI LINIER SEDERHANA
Identitas Mahasiswa - NAMA : ANIK NUR HIDAYAH - NIM : PRODI : Matematika - JURUSAN : Matematika - FAKULTAS : Matematika dan Ilmu Pengetahuan.
Operations Management
Analisis Data: Memeriksa Perbedaan
Regresi linier sederhana
Regresi linier sederhana
PENDUGA REGRESI (REGRESSION ESTIMATOR)
ANALISIS REGRESI Pertemuan ke 12.
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
K O N S E P D A S A R A N A L I S I S R E G R E S I
Regresi Linear Dua Variabel
BAB 15 ANALISIS REGRESI DAN KORELASI LINIER
Inferensi tentang Variansi Populasi
ANALISIS REGRESI & KORELASI
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
REGRESI LINIER SEDERHANA
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
Regresi Linier Metode Numerik Oleh: Ir. Kutut Suryopratomo, MT., MSc.
III. PENCOCOKAN KURVA III. PENCOCOKAN KURVA 3.1 PENDAHULUAN
MODUL XIV REGRESI DAN KORELASI (2) 8. KORELASI LINEAR
Dosen pengasuh: Moraida hasanah, S.Si.,M.Si
REGRESI DAN KORELASI.
Analisis Korelasi dan Regresi linier
METODOLOGI PENELITIAN SESI 11 Korelasi dan REGRESI Analisis Faktor
Bab 4 Estimasi Permintaan
MENENTUKAN GARIS LURUS TERBAIK
REGRESI LINEAR SEDERHANA
Program Studi Statistika Semester Ganjil 2012
Hampiran Fungsi.
EKONOMETRIKA Pertemuan 4,5 Estimasi Parameter Model Regresi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
ANALISIS REGRESI MENGGUNAKAN SPSS
REGRESI LINEAR SEDERHANA
Regresi Linier (Linear Regression)
ANALISIS REGRESI & KORELASI
Regresi Linier Sederhana
Program Studi Statistika Semester Ganjil 2012
Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2, serta interpretasi slope dan intercept Tujuan Menjelaskan teknik pengukuran kualitas ‘the straight.
Regresi Sederhana : Estimasi
Operations Management
BAB 9 PENGUJIAN HIPOTESIS
ANALISIS REGRESI LINIER BERGANDA
Regresi Linier Sederhana dan Korelasi
STATISTIKA INDUSTRI I ANALISIS REGRESI DAN KORELASI LINIER (1)
LUKMAN HARUN IKIP PGRI SEMARANG
PERTEMUAN KE-14 STATISTIK DESKRIPTIF
STATISTIKA LINGKUNGAN
REGRESI DAN KORELASI What are regression & correlation analysis?
Regresi Linear Sederhana
MUHAMMAD HAJARUL ASWAD
Perbedaan Taksiran Nisbah dengan Rataan Per Unit
REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)
Laboratorium Fisika UNIKOM
REGRESI LINIER BERGANDA (MULTIPLE LINEAR REGRESSION)
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
Regresi Kuadrat Terkecil
Metode Penaksiran Nisbah dan Regresi
Disampaikan Pada Kuliah : Ekonometrika Terapan Jurusan Ekonomi Syariah
Agribusiness Study of Programme Wiraraja University
BAB 7 persamaan regresi dan koefisien korelasi
Pencocokan Kurva / Curve Fitting
REGRESI 1 1.OBSERVASI 2.PENGAMATAN 3.PENGUKURAN (Xi, Yi)
(1) Pengantar Masalah Metode Linear
ANALISIS REGRESI & KORELASI
Mengukur Kualitas ‘the straight line Fit’ dan Estimasi s2, serta interpretasi slope dan intercept Tujuan Menjelaskan teknik pengukuran kualitas ‘the straight.
Analisis Regresi Regresi Linear Sederhana
Regresi Nana Ramadijanti.
REGRESI LINIER SEDERHANA (SIMPLE LINEAR REGRESSION)
ANALISIS REGRESI DAN KORELASI
Transcript presentasi:

ANALISIS DATA ESKPERIMENTAL FISIKA Oleh Drs. Ishafit, M.Si. Program Studi Pendidikan Fisika UNIVERSITAS AHMAD DAHLAN

Topik Analisis Data Perhitungan Nilai Rata-rata Berbobot Penolakan Data dengan Kriteria Chauvenet Pencocokan Data Kriteria Baiknya Pencocokan Data

Perhitungan Nilai Rata-rata (a) Hasil Pengukuran (b) Hasil Pengukuran dg. ralat i xi 1 2 3 . n x1 x2 x3 xn i xisi 1 2 3 . n x1s1 x2s2 x3s3 xnsn Bagaimana perhitungan nilai rata-rata dan simpangan baku untuk kedua kasus ini ?

Persamaan Perhitungan Nilai Rata-rata dan Simpangan Baku Untuk kasus (a)

Persamaan Perhitungan Nilai Rata-rata dan Simpangan Baku Untuk kasus (b)

Nilai Rata-Rata : Nilai dengan Kebolehjadian Terbesar

Simpangan Baku dihitung dengan:

Perhitungan Nilai Rata-rata Berbobot dan Simpangan Baku (Ketidakpastian) i xi si xi/si2 1/si2 1 1.21 0.2 30.2500 25.0000 2 1.15 0.3 12.7778 11.1111 3 1.20 30.0000 4 1.16 12.8889 5 28.7500 6 1.25 13.8889 7 1.14 28.5000   Jumlah 157.0556 133.3333 x rata-rata = 1.18 Simp. Baku = 0.09

Contoh: Hasil pengukuran pada eksperimen pertama sebanyak 40 kali terhadap x mendapatkan nilai: Hasil pengukuran perbaikan pada eksperimen kedua terhadap x yang dilakukan 10 kali mendapatkan nilai:

Nilai rata-rata dan simpangan baku (ralat/ketidakpastian)

Pencocokan Data (Data Fitting) Pencocokan Data ke Garis Lurus Pencocokan Data ke Polinomial

Contoh Pencocokan Data ke Garis Lurus Data Eksperimental i xi yi si 1 1.0 1,5 0,3 2 2.0 1,7 0,2 3 3.0 3,6 0,2 4 4.0 4,3 0,1 5 5.0 5,8 0,2 6 6.0 6,1 0,3 7 7.0 6,4 0,1 8 8.0 7,4 0,1 9 9.0 9,8 0,3 akan dicari persamaan garis lurusyang cocok untuk pasangan data ini yang berarti mencari koefisian a, sa ,b dan sb berdasarkan pasangan data eksperimental

dan menggunakan asas kuadrat terkecil (least squares) Dengan asumsi bahwa pasangan data merupakan sampel dari populasi yang berditribusi Gauss, kebolehjadian total n pasangan data adalah: dan menggunakan asas kuadrat terkecil (least squares) minimum maka koefisien a, sa , b dan sb ditentukan dengan persamaan:

Persamaan Regresi Linear untuk ralat pengukuran tidak sama

Persamaan Regresi Linear untuk ralat pengukuran sama

Contoh Pencocokan Data ke Garis Lurus (ralat pengukuran sama) Data Eksperimental akan dicari persamaan garis lurusyang cocok untuk pasangan data ini i xi yi si 1 1.0 1,5 0,2 2 2.0 1,7 0,2 3 3.0 3,6 0,2 4 4.0 4,3 0,2 5 5.0 5,8 0,2 6 6.0 6,1 0,2 7 7.0 6,4 0,2 8 8.0 7,4 0,2 9 9.0 9,8 0,2 yang berarti mencari koefisian a, sa ,b dan sb berdasarkan pasangan data eksperimental

Goodness of Fit If the fitting function is a good approximation to the parent function, the value of the reduced chi-square should be approximately unity

Estimasi Ralat untuk Fungsi Termodifikasi Jika kita memodifikasi fungsi dalam pencocokan data, yaitu yi dengan koefisien a, b dimodifiksai menjadi yi’=f(yi) dengan koefisien a’, b’, maka : a’=fa(a) b’=fb(b)