Penelitian Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Kebanyakan penelitian.

Slides:



Advertisements
Presentasi serupa
DISTRIBUSI SAMPLING.
Advertisements

Distribusi Normal.
METODE STATISTIKA Pertemuan III DISTRIBUSI SAMPLING.
STATISTIKA DISTRIBUSI PROBABILITAS
DISTRIBUSI DISKRIT DAN KONTINYU
Distribusi Chi Kuadrat, t dan F
7 Sebaran Penarikan Contoh/Sampel dan Penduga Titik Bagi Parameter.
Analisa Data Statistik Chap 9a: Estimasi Statistik (Interval Dua Sampel) Agoes Soehianie, Ph.D.
Analisa Data Statistik Chap 9a: Estimasi Statistik (Interval Kepercayaan Sampel Tunggal) Agoes Soehianie, Ph.D.
E  X   danVar   x    2 / n kecil disebabkan karena Var    x    lebih kecil daripada Var (X). Kesimpulan didapat MODUL KULIAH STATISTIKA.
UJI HIPOTESIS Luknis Sabri.
BAB 10 DISTRIBUSI TEORITIS
Pendugaan Parameter.
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPLE TUNGGAL)
PENARIKAN SAMPEL Mugi Wahidin, M.Epid Prodi Kesehatan Masyarakat
ESTIMASI MATERI KE.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
PENGERTIAN DASAR Prof.Dr. Kusriningrum
DISTRIBUSI NORMAL.
SAMPLING DAN DISTRIBUSI SAMPLING
SAMPLING DAN DISTRIBUSI SAMPLING
ESTIMASI (MENAKSIR) Pertemuan ke 11.
ESTIMASI (PENDUGAAN) Mugi Wahidin, M.Epid Prodi Kesehatan masyarakat
Distribusi Sampling Tujuan Pembelajaran :
DISTRIBUSI DARI FUNGSI VARIABEL RANDOM
DISTRIBUSI SAMPLING Pertemuan ke 10.
Statistika Inferensi : Estimasi Titik & Estimasi Interval
PERTEMUAN 11 PENARIKAN SAMPEL DAN PENDUGAAN
© 2002 Prentice-Hall, Inc.Chap 6-1 Metode Statistika I Interval Konfidensi.
Estimasi (Pendugaan) TOPIK Pengertian Estimasi Estimasi titik Nilai rata-rata populasi Nilai proporsi populasi Estimasi Interval Estimasi interval.
PERTEMUAN Ke- 4 Dosen pengasuh: Moraida Hasanah, S.Si., M.Si
ESTIMASI Pendugaan Prakiraan
Kuliah ke 9 ESTIMASI PARAMETER SATU POPULASI
VI. ESTIMASI PARAMETER Estimasi Parameter : Metode statistika yang berfungsi untuk mengestimasi/menduga/memperkirakan nilai karakteristik dari populasi.
Estimasi Topik Pembahasan: Konsep estimasi (pendugaan statistik)
Statistika Inferensi : Estimasi Titik & Estimasi Interval
ESTIMASI Pendugaan Prakiraan.
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
Distribusi Normal.
DISTRIBUSI KONTINU DISTRIBUSI NORMAL.
Distribusi Sampling Juweti Charisma.
SAMPLING DAN DISTRIBUSI SAMPLING
Statistika Inferensi : Estimasi Titik & Estimasi Interval
DISTRIBUSI SAMPLING STATISTIK
Statistika Industri Week 2
STATISTIKA INFERENSI : UJI HIPOTESIS (SAMPEL TUNGGAL)
STATISTIK II Pertemuan 3: Metode Sampling dan Distribusi Sampling
Populasi : seluruh kelompok yang akan diteliti
STATISTIK II Pertemuan 4: Distribusi Sampling Dosen Pengampu MK:
STATISTIK Pertemuan 6: Interval Konfidensi Dosen Pengampu MK:
BAB 3 PENARIKAN SAMPEL DAN PENDUGAAN
ESTIMASI.
PERTEMUAN I 6/11/2018
DISTRIBUSI NORMAL.
Distribusi dan Teknik Sampling
DISTRIBUSI PELUANG Nugroho.
STATISTIK BISNIS Pertemuan 12: Interval Konfidensi Selisih Dua Rata-rata Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si.
Kelompok 5 Nama Kelompok : Ari Eka Saputri Rani Haryani Syafira Ulfah
BAB 8 DISTRIBUSI NORMAL.
Sebaran Penarikan Contoh
STATISTIK II Pertemuan 3-4: Metode dan Distribusi Sampling
Statistika Inferensi : Estimasi Titik & Estimasi Interval
STATISTIKA 2 2. Distribusi Sampling OLEH: RISKAYANTO
PERTEMUAN Ke- 5 Statistika Ekonomi II
Hasil analisis dari pengukuran kadar glukosa darah sewaktu-waktu sejumlah 100 orang didapat rata-rata 152 mg% dan S = 55 mg%. Dapatkanlah probabilitas.
Ukuran Distribusi.
STATISTIK II Pertemuan 4: Interval Konfidensi Dosen Pengampu MK:
Distribusi Sampling Menik Dwi Kurniatie, S.Si., M.Biotech.
Transcript presentasi:

Penelitian Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Suatu penelitian sering dihadapkan kepada Populasi dan Sampel Kebanyakan penelitian yang diteliti hanya sampel, yang lebih kecil dari populasi Kebanyakan penelitian yang diteliti hanya sampel, yang lebih kecil dari populasi Dari suatu populasi, banyak sekali sampel bisa ditarik……kalau penarikan sampel secara probability sampling maka semua sampel yang bisa diambil akan mempunyai karakteristik yang disebut Central Limit Theorm Dari suatu populasi, banyak sekali sampel bisa ditarik……kalau penarikan sampel secara probability sampling maka semua sampel yang bisa diambil akan mempunyai karakteristik yang disebut Central Limit Theorm

Penarikan sampel Populasi Sampel 1Sampel 2Sampel 3Sampel K X1X1 X2X2 X3X3 XkXk Karakteristik populasi µ, σ, , N X 1 X 2 X 3 X k

populasi µ=3 σ=V2,5 n=2 sampel Rata-rata 1 1,5 2 2,5 3 1,5 2 2,5 3 3,5 2 2,5 3 3,5 4 2,5 3 3,5 4 4,5 3 3,5 4 4,5 5 Xx=3 σ x =1,02

1 1,5 2 2,5 3 3,5 4 4, Histogram dari distribusi sampling nilai mean = simetris (N)

Dari semua hasil x akan dibentuk suatu distribusi lagi = Distribusi sampling harga mean X 1, X 2, X 3 …………………….X k X 1, X 2, X 3 …………………….X k CLT (Central Limit Theorem)

CLT Mean dari distribusi sampling mean (DSM) sama dengan μ Mean dari distribusi sampling mean (DSM) sama dengan μ Standard deviation DSM= Standar Error (SE) = σ/ √n Standard deviation DSM= Standar Error (SE) = σ/ √n Kalau populasi berdistribusi normal maka DSM juga akan normal, kalau populasi tidak normal, kalau n cukup besar maka DSM juga akan normal. Makin besar n, makin mendekati normal Kalau populasi berdistribusi normal maka DSM juga akan normal, kalau populasi tidak normal, kalau n cukup besar maka DSM juga akan normal. Makin besar n, makin mendekati normal

DSM Dari sifat CLT  suatu penelitian tidak perlu menarik sampel berulang kali Dari sifat CLT  suatu penelitian tidak perlu menarik sampel berulang kali Cukup satu kali saja karena kalau sampel yang ditarik sudah representatif maka hasilnya akan dapat diambil untuk meng- estimasi harga populasi Cukup satu kali saja karena kalau sampel yang ditarik sudah representatif maka hasilnya akan dapat diambil untuk meng- estimasi harga populasi

Pemakaian sifat CLT Dari suatu populasi orang sehat yang cukup besar diketahui kadar kolesterol μ=200mg/dl dengan simpangan baku σ=40mg/dl Dari suatu populasi orang sehat yang cukup besar diketahui kadar kolesterol μ=200mg/dl dengan simpangan baku σ=40mg/dl Dari populasi tersebut diambil sampel yang besarnya n=100 orang. Berapakah probabilitasnya kita mendapatkan rata- rata sampel tersebut Dari populasi tersebut diambil sampel yang besarnya n=100 orang. Berapakah probabilitasnya kita mendapatkan rata- rata sampel tersebut 1. > 205 mg/dl? 2.Antara 195 s/d 205mg/dl 3.< 190 mg/dl

Penyelesaian 1) P( x >205 mg/dl ) P( x >205 mg/dl ) Z=1,25….tabel 0,3944 Z=1,25….tabel 0,3944 Jadi p ( x >205mg/dl) = 0,5- 0,3944=0,1056 = 0,106 Jadi p ( x >205mg/dl) = 0,5- 0,3944=0,1056 = 0,106 μ x 0,3944 0,106

Penyelesaian 2) P ( 195< x< 205) P ( 195< x< 205) Z 1 =( )/40/√100=1,25 tab =0,3944 Z 1 =( )/40/√100=1,25 tab =0,3944 Z 2 =( )/40/√100= -1,25… =0,3944 Z 2 =( )/40/√100= -1,25… =0,3944 Jadi p(195<x<205)= 0,7888 Jadi p(195<x<205)= 0, mg/dl 195 mg/dl

Penyelesaian 3) P ( x<190 mg/dl) P ( x<190 mg/dl) Z 1 =( )/40/√100=2.5...tab 0,006 Z 1 =( )/40/√100=2.5...tab 0,006 0,006

Tahap analisis Analisis Univariable (Stat Deskriptif) Analisis Univariable (Stat Deskriptif) Analisis Bivariable Analisis Bivariable –Estimasi –Uji hipotesis Analisis Multivariable Analisis Multivariable Probabilitas Dist Probabilitas Dist Sampling

Contoh/latihan: Jika tekanan darah sistolik penduduk dewasa di PLK terdistribusi secara normal dengan mean 110 mmHg dan std.dev 12 mmHg. Jika tekanan darah sistolik penduduk dewasa di PLK terdistribusi secara normal dengan mean 110 mmHg dan std.dev 12 mmHg.  Apabila diambil sampel secara acak sebanyak 49 orang, Berapa probabilitas dari mereka akan mempunyai rata-rata sistolik sbb: o Besar atau sama dengan 112 mmHg o Besar atau sama dengan 112 mmHg o Antara 112 sampai 115 mmHg o Antara 112 sampai 115 mmHg o Kurang dari 106 mmHg o Kurang dari 106 mmHg  