William J. Stevenson Operations Management 8 th edition STATISTIKAINFERENSIAL Rosihan Asmara

Slides:



Advertisements
Presentasi serupa
Metode Statistika Pertemuan X-XI
Advertisements

PENGUJIAN HIPOTESIS SAMPEL BESAR
William J. Stevenson Operations Management 8 th edition DUMMYVARIABEL Rosihan Asmara
PENGUJIAN HIPOTESIS SAMPEL KECIL
ANALISIS DATA Dr. Adi Setiawan.
Modul 7 : Uji Hipotesis.
William J. Stevenson Operations Management 8 th edition STATISTIKA INFERENSIAL LANJUTAN Rosihan Asmara
William J. Stevenson Operations Management 8 th edition PENYIMPANGANREGRESI Rosihan Asmara
William J. Stevenson Operations Management 8 th edition METODEKUANTITATIF Rosihan Asmara
William J. Stevenson Operations Management 8 th edition REGRESIBERGANDA Rosihan Asmara
Statistik Non Parametrik
STATISTIK vs STATISTIKA
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Nuhfil Hanani 8. STATISTIKA INFERENSIAL LANJUTAN.
HIPOTESIS Fery Mendrofa.
Desain dan Analisis Eksperimen Abdul Kudus, Ph.D. blog: abdulkudus.staff.unisba.ac.id.
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
Ekonometrika Metode-metode statistik yang telah disesuaikan untuk masalah-maslah ekonomi. Kombinasi antara teori ekonomi dan statistik ekonomi.
STATISTIK vs STATISTIKA
PENGUJIAN HIPOTESIS Mugi Wahidin, M.Epid Prodi Kesehatan masyarakat
Operations Management
Operations Management
TEORI PENDUGAAN (TEORI ESTIMASI)
7. STATISTIKA INFERENSIAL
Statistika Inferensi : Estimasi Titik & Estimasi Interval
Statistika Multivariat
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
Statistika Nonparametrik
Universitas Negeri Malang Oleh : SENO ISBIYANTORO ( ) STATISTIK PARAMETRIK & NON-PARAMETRIK.
Uji t Ledhyane Ika Harlyan
Uji Hipotesis.
PENGERTIAN STATISTIK DAN STATISTIKA
PENGUJIAN HIPOTESIS.
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
PENGANTAR STATISTIKA LANJUTAN
MODUL VIII STATISTIKA NON PARAMETRIK
TEORI PENDUGAAN (TEORI ESTIMASI)
Pengujian Hipotesis Oleh : Enny Sinaga.
UJI HIPOTESIS (2).
PERTEMUAN 4 Hipotesis Statistik , Uji Normalitas, Uji Homogenitas dan Uji Hipotesis.
Statistik Non Parametrik
STATISTIKA DALAM KIMIA ANALITIK
ESTIMASI dan HIPOTESIS
Operations Management
Uji Hipotesis.
TINJAUAN UMUM STATISTIKA
STATISTIKA INFERENSIAL
STATISTIKA (untuk ILMU-ILMU SOSIAL)
Operations Management
Pengantar Statistika Bab 1
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
Operations Management
Operations Management
BAB 14 PENGUJIAN HIPOTESIS SAMPEL KECIL
Operations Management
Statistika Parametrik & Non Parametrik
Nurratri Kurnia Sari, S. Pd., M. Pd
Pengantar Statistika Bab 1
BAB 8 ANALISIS DATA.
PENDAHULUAN KELOMPOK I: Norjanah Ervi Febrianti Eka Wahyu Syahdawaty
Statistika Materi: Pengertian statistika, pembagian statistika, data, jenis data, peubah (variabel) populasi dan sampel, parameter vs statistik, bias.
UJI RATA-RATA.
PENGUJIAN HIPOTESIS Anik Yuliani, M.Pd.
Week 11-Statistika dan Probabilitas
Operations Management
PERTEMUAN Ke- 5 Statistika Ekonomi II
TEORI PENDUGAAN (TEORI ESTIMASI)
Statistika Matematika II Semester Genap 2011/2012
INFERENSI STATISTIK.
ESTIMASI DAN KEPUTUSAN STATISTIK (HIPOTESIS)
Transcript presentasi:

William J. Stevenson Operations Management 8 th edition STATISTIKAINFERENSIAL Rosihan Asmara

HIPOTESIS  Hipotesis nol (nihil): Ho, bersifat netral (tidak ada beda, tidak ada hubungan,..tidak …)  Hipotesis kerja (alternatif): Ha ada dua macam yaitu  Dua arah (ada beda x dengan y; ada hubungan, tanpa menentukan mana yang lebih baik )  Satu arah (menentukan kelompok yang lebih baik: x lebih baik y; lebih jelek, berhubungan positif)  Perumusan satu arah atau dua arah mempengaruhi pengambilan keputusan yang bersifat marjinal

TARAF SIGNIFIKANSI Ha: dua arah (signifikansi 5%; 1,96) 2,5% Ha: satu arah (signifikansi 5%; 1,65) 5% Peluang Normal x y

ASUMSI UMUM SAMPEL  Sampel yang diambil harus valid, representatif (ruang dan waktu) dan bersifat acak (wajib)  Jumlah memenuhi syarat minimal (≥ 30)  Memenuhi sebaran tertentu (umumnya sebaran normal: kontinu, simetrik)

PELANGGARAN ASUMSI  Keterwakilan, validitas dan keacakan data bersifat wajib  Jumlah dan sebaran menentukan jenis uji statistika yang dapat dipergunakan (misalnya parametrik vs non parametrik)  Jumlah sampel yang relatif besar (dan interval) memungkinkan lebih leluasa memilih metode analisis

STATISTIKA INFERENSIAL  Secara umum mempelajari hubungan beberapa variabel dengan berbagai skala pengukuran atau pencacahan  Dapat pula merupakan persoalan sederhana hanya menduga (menaksir) pemusatan populasi (parameter) berdasarkan pemusatan sampel (statistik)  Hubungan antara variabel nominal dapat ditafsirkan sebagai perbedaan kelompok. Misalnya mempelajari hubungan jenis kelamin (laki-perempuan) dengan prestasi belajar statistika ekuivalen dengan mempelajari perbedaan prestasi belajar statistika antara kelompok laki-laki dan perempuan.

STATISTIKA INFERENSIAL  Taksiran parameter dapat berupa taksiran titik dan interval (dengan tingkat keyakinan tertentu berdasarkan sebaran data)  Variabel (objek yang diamati) dibedakan menjadi variabel bebas (penjelas/explanatory) dan variabel respon (terikat/response)  Jenis kelamin (penjelas) vs prestasi belajar (respons)  Tingkat pendidikan (penjelas) vs jumlah anak (respons) atau penghasilan  Wilayah (penjelas) vs persentase buta huruf (respons)  Penghasilan (respon) vs tingkat pendidikan, jenis kelamin

SIFAT STATISTIK SAMPEL  Statistik sebagai informasi (numerik) dari sampel memiliki sifat: Stokastik (probabilistik) karena diambil dari sampel acak karena itu harus selalu ada ukuran pemusatan (rata-rata) dan ukuran penyebaran (deviasi baku), keduanya tidak bisa dipisahkan dan bergantung pada jenis sebaran data (normal dll).  Perbedaan dalam sampel yang diyakini juga terjadi pada populasi disebut signifikan bukan disebabkan karena faktor kebetulan.

KOMPONEN STATISTIK  Rata-rata sampel:  x =  x /N  Deviasi baku sampel: S=  [  (x -  x) 2 / (N-1)]  Deviasi baku rata-rata (kesalahan baku): S/  N  Taraf signifikansi (tingkat kecocokan), peluang bahwa kesimpulan yang kita ambil salah.  Interval keyakinan berdasarkan asumsi distribusi (n< 30 distribusi t, sebaliknya menggunakan distribusi normal)

MATEMATIK VS STOKASTIK  Secara matematik 81 ≠ 83  Dalam konteks kehidupan sehari-hari 81 tidak berbeda signifikan jika dikaitkan dengan perolehan skor ujian yang akhirnya sama-sama menjadi A  Dalam konteks statistik signifikan tidaknya suatu ukuran pemusatan sangat bergantung pada ukuran penyebarannya

STOKASTIK Ukuran Pemusatan Sampel (XT) Batas interval sesuai Ukuran dan jenis Sebaran (X0.X1) XT tidak beda signifikan dengan semua titik antara X0 dan X1 (Hipotesis bahwa titik hijau merupakan parameter populasi adalah benar Parameter

STOKASTIK Kedua kelompok tidak beda signifikan Kedua kelompok beda signifikan

UJI T  Untuk uji taksiran parameter populasi berdasarkan statistik sampel  Untuk uji beda rata-rata dengan banyak kelompok dua  Kedua kelompok mungkin saling bebas (beda subjek,misalnya laki, perempuan) mungkin tidak saling bebas (subjek sama beda objek, misalnya pre-post treatment)