Kelompok 11 Agis Rahmat Fauzi Farhan Zulfikar

Slides:



Advertisements
Presentasi serupa
ANALISIS REGRESI.
Advertisements

Statistika 2 Pendugaan Topik Bahasan: Universitas Gunadarma
HIPOTESIS Jawaban sementara terhadap suatu permasalahah yang paling dianggap benar H 0 : Pernyataan yang menyatakan tidak berpengaruh, tidak ada perbedaan,
Korelasi Fungsi : Mempelajari Hubungan 2 (dua) variabel Var. X Var. Y.
Teori Relativitas.
1 SAMPLING ACAK STRATIFIKASI. 2 Populasi berukuran N dikelompokkan menjadi L strata : Sampel berukuran n dan setiap strata akan terpilih subsample berukuran.
OLEH : KIBOGOWONTO. R 1 R 2 R 3 R 4 R 1 R 2 R 3 Hitung yang pararel terlebih dulu sehingga didapat R TP R TP R 3 R TOTAL RANGKAIAN (RT) = R TP + R 3.
1 Pertemuan 20 Pengujian hipotesis parameter Matakuliah: I0204/Model Linier Tahun: Tahun 2005 Versi: revisi.
Menghitung tarip biaya overhead pabrik
MODUL 9. PENGANTAR TEKNIK INDUSTRI
PENGUJIAN PARAMETER DENGAN DATA SAMPEL
TAKSIRAN NILAI PARAMETER
PENAKSIRAN INTERVAL - Inne Novita Sari, M.Si.
Misal sampel I : x1, x2, …. Xn1 ukuran sampel n1
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL GANDA)
UJI HIPOTESIS Tujuan : menentukan apakah dugaan tentang karakteristik suatu populasi didukung kuat oleh informasi yang diperoleh dari data observasi atau.
TEKNIK ANALISA BIAYA/MANFAAT
Interpolasi Polinom Newton dan Interpolasi Newton.
Regresi Linier Berganda
Pendugaan Parameter Pendugaan rata-rata (nilai tengah)
Interpolasi Interpolasi Newton.
UJI F/UJI RAGAM (ANOVA)
Statistika Responsi IV
Regresi Linier Berganda
Arif hidayat Gerak Pada Garis Lurus Arif hidayat
Interpolasi Interpolasi Newton.
MUHAMMAD HAJARUL ASWAD
Regresi Linier Sederhana
Disusun oleh : Fulki Fauzan M.Jorgy Lazuardi Rais Sintia Arum
Uji rata-rata dua sampel
STATISTIK 1 Pertemuan 4: Ukuran Pemusatan dan Penyebaran Data Kelompok
PENGUJIAN RATAAN PERLAKUAN
ESTIMASI.
Regresi Linier Sederhana dan Korelasi
Korelasi Linier Diah Indriani Bagian Biostatistika dan Kependudukan
PERBANDINGAN BERBAGAI METODE SAMPLING (ditinjau dari design effect)
A = banyak unit yang masuk karakte-ristik tertentu C dari populasi
SAMPLING ACAK SEDERHANA
BAB 2 INTEGRAL LIPAT.
PENGUJIAN RATAAN PERLAKUAN
PEMBANDINGAN GANDA PADA RANCANG KELOMPOK
Estimasi.
PENAKSIRAN INTERVAL - Inne Novita Sari, M.Si.
Perbedaan Taksiran Nisbah dengan Rataan Per Unit
ANALISIS REGRESI DAN KORELASI
Metode Penaksiran Nisbah dan Regresi
Taksiran Ukuran Sampel (Untuk Proporsi)
Regresi Linier Berganda
Regresi Linier Berganda
UKURAN PENYEBARAN DATA
STATISTIKA INFERENSI STATISTIK
PENAKSIRAN INTERVAL - Inne Novita Sari, M.Si.
TIM ASISTEN PENGOLAHAN DATA PERIKANAN 2017
Analisis Korelasi.
Produksi dan Biaya dalam Jangka Pendek
c) Selang kepercayaan 80% bagi total Y
Pengujian Pembandingan Rata-Rata Dua Populasi
UJI BEDA RATAAN.
Gerak Lurus Kelompok : 3 Kelas : X-Mipa-10
INFERENSI.
Distribusi t Untuk sampel ukuran , taksiran yang baik dapat diperoleh dengan menggunakan . Bila memberikan taksiran.
UTS Dosen Satriya Candra Bondan SE., MM. Universitas Brawijaya.
Penaksiran Parameter Bambang S. Soedibjo.
HIPOTESIS 2 MEAN.
ANOVA SATU ARAH (Oneway Anova).
Interval Konfidensi Selisih Mean, Variansi dan Rasio Variansi
Dualitas Antara Uji Hipotesis dan Selang Kepercayaan
Analisis Multivariat Program S2 Matematika Semester Genap 2011/2012
STATISTIKA : RESPONSI V
UKURAN VARIASI (DISPERSI )
Transcript presentasi:

Kelompok 11 Agis Rahmat Fauzi 165009114 Farhan Zulfikar 165009110 Fitri Muslimah 165009025 Irfan Hilmi 165009

9. Pabrik Jenis A Jenis B xi xi2 1 45 48 3 9 2 34 32 -2 4 58 60 57 5 5 65 25 6 38 44 36 7 47 49 8 51 52 42 46 16 10 41 Total   ∑xi = 24 ∑xi2 = 108 Rata-rata = 2,4

H0 : A = B H1 : B > A Perhitungan : S = ∑xi 2 − ∑xi 2 𝑛 𝑛−1 = 108 − 24 2 10 10−1 = 5,6 S = 2,37 t(hit) = −µ0 𝑆 𝑛 = 2,4 − 0 2,37 10 = 3,2 t(tab) = 2,262 Ternyata t(tab) < t(hit) H0 ditolak Kesimpulan : partikel B lebih baik dari partikel A

Sebelum Penyuluhan (A) Sebelum Penyuluhan (B) No. Sebelum Penyuluhan (A) Sebelum Penyuluhan (B) xi xi2 1 25 35 10 100 2 23 29 6 36 3 4 24 30 5 15 225 7 26 16 8 42 49 9 40 33 39 11 12 144 13 45 256 14 28 32 17 18 121 19 34 20 Total   ∑xi = 172 ∑xi2 = 1.888 Rata-rata = 8,6 10.

H0 : µ1 = µ2 H1 : µ1 ≠ µ2 S = ∑xi 2 − ∑xi 2 𝑛 𝑛−1 = 1 H0 : µ1 = µ2 H1 : µ1 ≠ µ2 S = ∑xi 2 − ∑xi 2 𝑛 𝑛−1 = 1.888 − 172 2 20 20−1 = 21,52 S = 4,64 t(hit) = − µ0 𝑆 𝑛 = 8,6 − 0 4,64 20 = 8,34 db = 20 - 1 db = 19 t(tab) = 2,093 Ternyata t(tab) < t(hit) H0 ditolak

Selang Kepercayaan α = 100% - 95% = 5% = 0,05 - tp Selang Kepercayaan α = 100% - 95% = 5% = 0,05 - tp . S 𝑛 < µ < + tp . S 𝑛 8,6−2,093 . 4,64 20 <µ<8,6+2,093 . 4,64 20 8,6 – 2,093 . 1,04 < µ < 8,6 + 2,093 . 1,04 8,6 – 2,18 < µ < 8,6 + 2,18 6,42 < µ < 10,78 Jadi selisih rata-rata kedua perlakuan tersebut diantara 6,42 sampai 10,78

Nilai Sebelum Kampanye Nilai Sesudah Kampanye Daerah A No Nilai Sebelum Kampanye Nilai Sesudah Kampanye xi xi2 1 5 6 2 6.5 7 0.5 0.25 3 8 4 -1 9 10 -2 Total ∑xi = 3,5 ∑xi2 = 11,25 Rata - rata = 0,35

𝑆₁= ∑𝑥і 2 − (∑xі)²/n n−1 = 11,25− 3,5 2 /10 9 = 11,25−12,25/10 9 = 1,114 =1,06 Thіt = − 𝜇𝜊 𝑆/ 𝑁 Ttab = 2,262 (db = 9 ) = 0,35− 0 1,06 / 10 = 0,35 0,335 = 1,04

Nilai Sebelum Kampanye Nilai Sesudah Kampanye Daerah B No Nilai Sebelum Kampanye Nilai Sesudah Kampanye xi Xi2 1 7 6 -1 2 5 3 4 8 -2 9 10 Total ∑xi = -11 ∑xi2 = 13 Rata-rata = -1,1

S₂ = ∑𝑥і 2 − (∑xі)²/n n−1 = 13− −11 2 /10 9 = 13−12,1 9 =0,32 Thіt = − 𝜇𝜊 𝑆/ 𝑛 = −1,1− 0 0,32 / 10 = −1,1 0,32 / 3,16 = −1,1 0,10 = -11 Ttab = 2,262 (db = 9 )

b. S²p = db₁ . S₁² + db₂ . S₂² db₁ + db₂ db = 10 + 10 -2 = 9 . (1,06)² + 9 . (0,32)² 18 = 18 = 10,1124 + 0,9216 18 = 0,613 Ttab = 2,101

Selisih ( ₁ - ₂ ) – t 0,25 𝑆²𝑝 ( 1 𝑁₁ + 1 𝑁₂ ) < 𝜇₁ - 𝜇₂ < (X₁ - X₂) + t 0,25 𝑆²𝑝 ( 1 𝑁₁ + 1 𝑁₂ ) = (0,35 - (-1,1)) – 2,101 0,613 1 10 + 1 10 < 𝜇₁ - 𝜇₂ < (-0,35 - (1,1)) + 2,101 𝑆²𝑝 ( 1 𝑁₁ + 1 𝑁₂ ) = 1,45 – 2,101 0,613 . 1 5 < 𝜇₁ - 𝜇₂ < 1,45 + 2,101 0,613 . 1 5 = 1,45 – 2,101 0,1226 < 𝜇₁ - 𝜇₂ < 1,45 + 2,101 0,1226 = 1,45 – 2,101 . 0,35 < 𝜇₁ - 𝜇₂ < 1,45 + 2,101 . 0,35 = 0,71 < 𝜇₁ - 𝜇₂ < 2,19 Jadi taksiran perbedaan nilai rata-rata sebelum dan sesudah kempanye didua daerah tersebut 0,71 < 𝜇₁ - 𝜇₂ < 2,19