kelompok5
TRANSCRIPT
-
5/28/2018 KELOMPOK5
1/64
KELOMPOK 5
METODE STATISTIK DAN ANALISIS GALAT
-
5/28/2018 KELOMPOK5
2/64
DAFTAR ISI
RALAT DISTRIBUSIFREKUENSI DISTRIBUSINORMAL
SAMPLING
METODEKUADRAT
TERKECIL DANPENCOCOKAN
KURVA
UJI SIGNIFIKANSI
-
5/28/2018 KELOMPOK5
3/64
Galat & Analisisnya
-
5/28/2018 KELOMPOK5
4/64
Penyelesaian secara numerik dari suatu persamaan matematishanya memberikan nilai perkiraan yang mendekati nilai eksak(yang benar) dari penyelesaian analitis.
Penyelesaian numerik akan memberikan kesalahan terhadapnilai eksak
Ada 3 macam kesalahan dasar;1. Galat bawaan
2. Galat pemotongan
3. Galat pembulatan
-
5/28/2018 KELOMPOK5
5/64
Galat Relatif dan Absolut
Galat absolut suatu bilangan adalah selisih antara nilai
sebenarnya (dengan anggapan telah diketahui) dgn suatu
pendekatan pada nilai sebenarnya.
Hubungan antara nilai eksak (nilai sebenarnya), nilai perkiraan
dan kesalahan diberikan dalam bentuk :
dimana :
x = nilai eksak
x = pendekatan pd nilai sebenarnya
e = kesalahan
exx
-
5/28/2018 KELOMPOK5
6/64
e kesalahan absolut
Kesalahan absolut tidak menunjukkan besarnya tingkat kesalahan.
Contoh :
Kesalahan 1 cm pd. Pengukuran pensil akan sangat terasa dibandingdengan kesalahan yg sama pd pengukuran panjang jembatan.
Kesalahan relatif kesalahan absolut dibagi nilai pendekatan
galat absolut dibagi nilai sebenarnya
Nilai eksak bila diselesaikan secara analitis
Metode numerik nilai eksak tidak diketahui
Kesalahan diberikan (berdasar pd nilai terbaik dari nilai eksak)
xxe
%100xxe
e
-
5/28/2018 KELOMPOK5
7/64
%100xx
a
nilai perkiraan terbaik
Dalam metode numerik pendekatan iteratif
Perkiraan sekarang dibuat berdasar perkiraan sebelumnya, sehingga :
dimana :
x n = nilai perkiraan pada iterasi ke n
xn+1
= nilai perkiraan pada iterasi ke n+1
%100xx
xx1n
n1n
a
-
5/28/2018 KELOMPOK5
8/64
Contoh-2 :Hasil pengukuran sebuah jembatan = 9.999 cm
Hasil pengukuran sebuah paku = 9 cm
Jika nilai sebenarnya berturut-turut adalah 10.000 cm dan 10 cm, Hitung
Kesalahan dan Kesalahan relatif persendari kedua hasil pengukuran diatas.
Kesalahan:
Jembatan : Et= 10.000 9.999= 1 cm
Paku : Et= 10 9 = 1 cm
Kesalahan relatif:
Jembatan : et = 1/10.000 * 100%= 0,01%
Paku : et= 1/10 * 100% = 10%
Kesimpulan :
Hasil Pengukuran Jembatan lebih baik dari hasil pengukuran paku
-
5/28/2018 KELOMPOK5
9/64
Kesalahan Relatif Persen Aproksimasi (ea)
ea = (Kesalahan Aproksimasi / Aproksimasi ) * 100 %
= (Aproksimasi sekarang - Aproksimasi sebelumnya) /
Aproksimasi sekarang * 100 %
Pada proses iterasi, iterasi dihentikan jika telah memenuhi kondisi
|ea|< es
Dimana es
= tingkat kesalahan yang masih dapat diterima
Hubunganesdengan angka signifikan
es= (0,5 * 102-n) %
-
5/28/2018 KELOMPOK5
10/64
Contoh : (Taksiran Kesalahan Metode Iterasi):
Dalam matematika fungsi-fungsi dapat dinyatakan dalam deret tak hingga. Jadi,
jika lebih banyak suku ditambahkan kedalam deret maka aproksimasi menjadi
taksiran yang jauh lebih baik. Misal ingin menaksir nilai ex, dengan x=0,5
mengunakan pendekatan deret, menggunakan 3 angka signifikan (e0,5= 1.648721271)
...!4!3!2
1432
xxx
xex
Taksiran ke-1
1x
e
15,0 e
%3,39%100*
648721271,1
1648721271,1
te
Taksiran ke-2
xex
1
5,15,015,0
e%02,9%100*
648721271,1
5,1648721271,1
te
-
5/28/2018 KELOMPOK5
11/64
Galat bawaan (Inheren)
Galat dalam nilai data
Terjadi akibat kekeliruan dalam menyalin data, salah membacaskala atau kesalahan karena kurangnya pengertian mengenaihukum-hukum fisik dari data yang diukur.
Contoh :
Pengukuran selang waktu 2,3 detik :
Terdapat beberapa galat karena hanya dg suatu kebetulanselang waktu akan diukur tepat 2,3 detik.
Beberapa batas yg mungkin pada galat inheren diketahui :2,30,1 detik
Berhub dg galat pd data yg dioperasikan oleh suatu komputerdg beberapa prosedur numerik.
-
5/28/2018 KELOMPOK5
12/64
Galat Pemotongan (Truncation Error)
Pengertian galat pemotongan biasanya merujuk pada galat yang disebabkan
oleh penggantian ekspresi matematika yang rumit dengan rumus yanglebih sederhana. Istilah ini berawal dari kebiasaan mengganti suatu fungsirumit dengan deret Taylor terpotong (hanya diambil berhingga suku).
CONTOH
Kita tahu bahwa deret konvergen ke nilai 1. Jika hanya diambil 10 suku pertama,
maka diperoleh hampiran
Dalam hal ini terdapat galat pemotongan sebesar
Dari kalkulus kita ketahui bahwa
Misalkan diketahui Cos1,5 = 0,070737 . Jika nilai ini dihampiri dengan mengambil
empat suku pertama deret tersebut, maka diperoleh hampiran yang senilai
Dibulatkan sampai enam angka desimal. Galat hampiran tersebut sebesar 0,000550
= 0,550x10-3
dan galat relatifnya senilai 0,007753 < 0,5x10-1
. Jadi nilai hampirantersebut benar sampai satu angka signifikan.
-
5/28/2018 KELOMPOK5
13/64
Galat Pembulatan
Akibat pembulatan angka
Terjadi pada komputer yg disediakan beberapa angka tertentu
misal; 5 angka :
Penjumlahan 9,2654 + 7,1625
hasilnya 16,4279
Ini terdiri 6 angka sehingga tidak dapat disimpan dalam
komputer kita dan akan dibulatkan menjadi 16,428
-
5/28/2018 KELOMPOK5
14/64
DISTRIBUSI FREKUENSI
-
5/28/2018 KELOMPOK5
15/64
DISTRIBUSI FREKUENSI
Distribusi Frekuensi yaitu salah satu cara untuk mengatur
atau menyusun data dengan cara mengelompokkan data-
data berdasarkan ciri-ciri penting dari sejumlah besar
data, ke dalam beberapa kelas dan kemudian dihitung
banyaknya pengamatan yang masuk ke dalam setiap kelas
dalam bentuk tabel.
-
5/28/2018 KELOMPOK5
16/64
DISTRIBUSI FREKUENSI
Contoh :
5, 4, 6, 7, 8, 8, 6, 4, 8, 6, 4, 6, 6, 7, 5, 5, 3, 4, 6, 6,
8, 7, 8, 7, 5, 4, 9, 10, 5, 6, 7, 6, 4, 5, 7, 7, 4, 8, 7, 6
-
5/28/2018 KELOMPOK5
17/64
DISTRIBUSI FREKUENSI
Berdasarkan Jenis datanya, distribusi
digolongkan menjadi dua, yaitu :
1. Distribusi Frekuensi Bilangan
2. Distribusi Frekuensi Kategoris
-
5/28/2018 KELOMPOK5
18/64
DISTRIBUSI FREKUENSI
BILANGAN
Distribusi frekuensi bilangan yaitu distribusi
frekuensi yang berisikan data berupa angka-angka,
dimana data itu dibagi atas golongan-golongan yang
dinamakan kelas-kelas, menurut besarnya bilangan.
-
5/28/2018 KELOMPOK5
19/64
DISTRIBUSI FREKUENSI
BILANGAN
-
5/28/2018 KELOMPOK5
20/64
DISTRIBUSI FREKUENSI
KATEGORIS
Distribusi frekuensi kategoris adalah distribusi
frekuensi yang berisikan data bukan angka, dimana
data itu dibagi atas golongan-golongan yang
dinamakan kelas-kelas, berdasarkan sifat lain.
-
5/28/2018 KELOMPOK5
21/64
DISTRIBUSI FREKUENSI
KATEGORIS
-
5/28/2018 KELOMPOK5
22/64
DISTRIBUSI FREKUENSI
RELATIF
Distribusi frekuensi dapat juga berbentuk
distribusi frekuensi relatif, yaitu dengan
membagi setiap frekuensi kelas dengan total
banyaknya data.
-
5/28/2018 KELOMPOK5
23/64
DISTRIBUSI FREKUENSI
RELATIF
-
5/28/2018 KELOMPOK5
24/64
DISTRIBUSI FREKUENSI
RELATIF
-
5/28/2018 KELOMPOK5
25/64
DISTRIBUSI FREKUENSI
RELATIF
-
5/28/2018 KELOMPOK5
26/64
DISTRIBUSI FREKUENSI
KUMULATIF
Dalam suatu keadaan yang menjadi titik perhatian
mungkin bukan pada banyaknya pengamatan pada
kelas tertentu, tetapi pada banyaknya pengamatan
yang jatuh di atas atau di bawah sebuah nilai
tertentu. Distribusi Frekuensi semacam ini dikenal
sebagai distribusi frekuensi kumulatif.
-
5/28/2018 KELOMPOK5
27/64
DISTRIBUSI FREKUENSIKUMULATIF
Distribusi frekuensi kumulatif terdiri dari dua
macam yaitu :
1. Distribusi kumulatif kurang dari
2. Distribusi kumulatif lebih dari
-
5/28/2018 KELOMPOK5
28/64
PENYAJIAN GRAFIK
Distribusi Frekuensi dapat disajikan dalam
Bentuk :
1. Diagram Balok
2. Histogram
3. Poligon frekuensi
4. Poligon frekuensi kumulatif atau ogif
-
5/28/2018 KELOMPOK5
29/64
DIAGRAM BALOK
-
5/28/2018 KELOMPOK5
30/64
HISTOGRAM
-
5/28/2018 KELOMPOK5
31/64
POLIGON FREKUENSI
-
5/28/2018 KELOMPOK5
32/64
POLIGON FREKUENSI
KUMULATIF
-
5/28/2018 KELOMPOK5
33/64
DISTRIBUSI NORMAL
-
5/28/2018 KELOMPOK5
34/64
Distribusi normal adalah distribusi yang paling
penting di antara distribusi yang lain. Kurva daridistribusi normal mempunyai bentuk setangkup
seperti lonceng:
Samakah....?????
-
5/28/2018 KELOMPOK5
35/64
Nama lainnya: distribusi Gauss (Gaussiandistribution)
Kurva distribusi normal disebut juga kurva normalatau kurva topi orang Meksiko (mexican hat)
Samakah...????
-
5/28/2018 KELOMPOK5
36/64
Distribusi normal adalah distribusi yang terpenting dalam bidang
statistika, penemunya adalah DeMoivre (1733) dan Gauss. Distribusiini bergantung pada 2 parameter yaitu (rataan populasi) dan
(simpangan baku populasi).
Fungsi padat peubah acak normal X yaitu n(x; ,):
Distribusi normal dengan =0 dan =1 disebut distribusi normal baku
-
5/28/2018 KELOMPOK5
37/64
Sifat-sifat kurva normal :
1. Modus,terdapat pada x = 2. Kurva setangkup terhadap rataan 3. Kurva mempunyai titik belok pada : x
= ,cekung ke bawahjika -
-
5/28/2018 KELOMPOK5
38/64
Contoh Soal !
Diketahui X berdistribusi normal dengan=50 dan =10.Tentukan peluang bahwaX mendapat harga antara 45 dan 62!
Penyelesaian :
P(45x62) = P(45-60/10 Z62-50/10)= P (-0,5Z1,2)
= P ( Z1,2) P(Z0,5)
= 0,8849-0,3085
= 0,5764Nilai peluang : 0,8849 dan 0,3085tersebut diperoleh dari tabel A.
-
5/28/2018 KELOMPOK5
39/64
Aplikasi
Distribusi normal memodelkan fenomenakuantitatif pada ilmu alam maupun ilmu sosial.Beragam skor pengujian psikologi danfenomena fisika seperti jumlah foton dapatdihitung melalui pendekatan dengan mengikuti
distribusi normal. Distribusi normal banyakdigunakan dalam berbagai bidang statistika,misalnya distribusi sampling rata-rata akanmendekati normal, meski distribusi populasi yangdiambil tidak berdistribusi normal. Distribusinormal juga banyak digunakan dalam berbagaidistribusi dalam statistika, dankebanyakan pengujian hipotesis mengasumsikannormalitas suatu data.
-
5/28/2018 KELOMPOK5
40/64
SAMPLING
-
5/28/2018 KELOMPOK5
41/64
KONSEP DASAR SAMPLING
Salah satu hal yang menakjubkan dalam penelitian
ialah kenyataan bahwa kita dapat menduga sifat-sifat
suatu kumpulan objek penelitian hanya dengan
mempelajari dan mengamati sebagian dari kumpulan
itu. Bagian yang diamati itu disebut sampel,sedangkan kumpulan objek penelitian disebut
populasi.
-
5/28/2018 KELOMPOK5
42/64
Penyimpangan dari karakteristik populasi disebut galatsampling (sampl ing error).
Sampel tak bias adalah sampel yang ditarik berdasarkan
probabilitas (probabi l i ty sampling).
Bila kita mengambil sampel tertentu berdasarkanpertimbangan-pertimbangan tertentu, kita memperoleh
sampel pertimbangan (judgemental sampling ),
d isebut juga sampel non-probabilitas.
-
5/28/2018 KELOMPOK5
43/64
RANCANGAN SAMPLING
Ada empat rancangan sampling dalam probabilitas
sederhana :
1. Sampling random sederhana
2. Sampling sistematis
3. Sampling berstrata
4. Sampling klaster
-
5/28/2018 KELOMPOK5
44/64
SAMPLING RANDOM SEDERHANA
Apapun metode yang digunakan, harus memiliki
kerangka sampling (sampling frame).Semua data yang dikehendaki ditarik secara acak
(random)
Sampling sistematis
memiliki kerangka sampling, namun hanya data pertamayang diambil secara acak. Data lainnya diambil dengan
jarak tertentu.
-
5/28/2018 KELOMPOK5
45/64
Sampling berstrata
melibatkan pembagian populasi dalam kelas.
Ada dua jenis :1. Proporsional,
dari setiap strata diambil sampel yang sebanding dengan
besar setiap strata. Angka yang menunjukkan berapa
persen dari setiap strata diambil disebutpecahansampling (sampling fraction)
2. Disproporsional
diambil jumlah sampel yang sama. Nanti dalam analisis
data, dan data untuk setiap strata dikalikan dengan bobotstrata tersebut
-
5/28/2018 KELOMPOK5
46/64
Sampling klaster (cluster sampling)
dilakukan bila kita tidak memiliki kerangka
sampling.
-
5/28/2018 KELOMPOK5
47/64
UKURAN SAMPEL
n=(Z.S)2d2
Dengan : Z = koefisienrealitibilitas
S = standardeviasi
d = nilaipresisi
-
5/28/2018 KELOMPOK5
48/64
METODE KUADRAT TERKECIL
DAN PENCOCOKAN KURVA
-
5/28/2018 KELOMPOK5
49/64
PengertianMetode kuadrat terkecil atau dikenal dengan Least-Squares
Method
adalah salah satu metode pendekatan yang paling penting dalam
dunia keteknikan untuk: (a). regresi ataupun pembentukanpersamaan dari titik titik data diskretnya (dalam pemodelan), dan
(b). analisis sesatan pengukuran (dalam validasi model).
Metode kuadrat terkecil termasuk dalam keluarga metode metode
pendekatan sesatan terdistribusi (distributed error
approximation methods), berdasarkan karakterisik kerjanya yang
melakukan pengurangan sesatan menyeluruh (global error) yang
terukur berdasarkan interval pendekatan keseluruhan (whole
approximation interval) sesuai dengan order pendekatan yang
meningkat.
-
5/28/2018 KELOMPOK5
50/64
Metode Least Square (kuadrat terkecil)sering
digunakan untuk meramalkan y, karena
perhitungannya lebih teliti.Metode menentukan rumus dari data yang ada dalamanalisa numerik disebut sebagai curve fitting(pencocokankurva).
Secara umum persamaan garis linier dari analisistime series adalah Y = a + b X.
Di mana nilai a dan b dapat dicari dengan rumus
a = ()/n b =(x)/ x
2
n adalah jumlah data
Untuk melakukan perhitungan yang mana jumlah nilai
variable adalah nol atau x=0.
-
5/28/2018 KELOMPOK5
51/64
Persyaratan yang harus dipenuhi untuk dapat menghitung adan b adalah minimisasi turunan persamaan di atas terhadaptetapan a dan b (dalam hal ini, a dan b dianggap sebagai
variabel-variabel semu), sehingga membentuk persamaan-persamaanberikut:a.
b.
Di mana S = (y - a x - b)2Sehingga a dan b dapat dicari dengan rumus berikut :
a =
b =
-
5/28/2018 KELOMPOK5
52/64
Contoh pada persamaan differensial laju reaksi pada orde nol yaitu :lnk = lnA (E/R)Di mana grafik dibuat dengan memplotkan C vs t
Datalnk
2,42 0,0020
2,18 0,0022
2,05 0,0024
1,82 0,0026
1,57 0,0028
1,43 0,0030
Dengan memasukan data pada rumus didapatkan :Y= lnk lnA = a = b
xy =0,027974x = 0,015y = 11,47
x2
=0,0000382
(x)2=0,000225
-
5/28/2018 KELOMPOK5
53/64
a = = -1001,4
b = = 4,415
Sehingga garis regresi terbaik yang merupakan hubungan linier dari ln k pada
(1/T) adalah
lnk = -1001,4(1/T) +4,415
-
5/28/2018 KELOMPOK5
54/64
y = -1001,x + 4,415R = 0,993
0
0.5
1
1.5
2
2.5
3
0 0.0005 0.001 0.0015 0.002 0.0025 0.003 0.0035
-
5/28/2018 KELOMPOK5
55/64
Persamaan garis dalam bentuk (x,)
y - = m (x x)
di manam=
-
-
-- 2
-
5/28/2018 KELOMPOK5
56/64
UJI SIGNIFIKANSI
Uji i ifik
-
5/28/2018 KELOMPOK5
57/64
Uji signifikanSignifikan : Nyata / benar-benar berbeda
Setiap uji signifikan dimulai dengan hipotesis 0 : H0
H0 : Merupakan teori yang telah diajukan.
Untuk membuktikan kebenaran teori H0 di buathipotesis alternatif Ha
Ha : hipotesis yang didapat berdasarkanpercobaan yang dilakukan
-
5/28/2018 KELOMPOK5
58/64
Tabel indikasi signifikan
Probabilitas Kesimpulan
p > 0,1 Tidak signifikan
0,1 > P 0,05 Mungkin signifikan tetapi ragu-ragu
0,05 > p 0,01 Signifikan
0,01 > p 0,001 Sangat signifikan
0,001 > P Sangat-sangat signifikan
-
5/28/2018 KELOMPOK5
59/64
Derajad kebebasan
adalah ketidak teraturan data yaitu setiap jumlahobservasi memiliki jumlah drajad kebebasan makasetiap menambah satu kali jumlah pengamatanpercobaan maka menambah satu drajad
kebebasan ()
= n 1
n = banyaknya percobaan
= drajad kebebasan
-
5/28/2018 KELOMPOK5
60/64
Penentuan probabilitas : Uji U dan Uji T
> uji U : Uji ini digunakan untuk menentukanapakah populasi yang dihasilkan dari sampel yangbaru kita peroleh dari n-observasi yang memiliki
rata-rata Xi sama dengan populasi normal aslidengan rata-rata X0 dan varian
u = (Xi-X0)/SE(Xi)
= Xi X0/( /n)
u : probabilitas
SE(Xi) : galat standar rata-rata Xi
-
5/28/2018 KELOMPOK5
61/64
Uji t pada dasarnya menunjukkan seberapa jauh
pengaruh satu variabel bebas secara individualdalam menerangkan variasi variabel terikat.
Tujuan dari uji t adalah untuk menguji koefisienregresi secara individual
Langkah-langkah/ urutan menguji hipotesadengan distribusi t
1. Merumuskan rumus hipotesa
2. Menentukan taraf nyata/level of significance =
3. Menentukan daerah keputusan, yaitu daerahdimana hipotesa nol diterima atau tidak
4. Menentukan uji statisfic nilai F
5. Mengambil keputusan
-
5/28/2018 KELOMPOK5
62/64
Keputusan bisa menolak Ho atau menolak Ho
menerima Ha. Nilai F tabel yang diperoleh dibanding dengan nilai
F hitung apabila F hitung lebih besar dari F tabel,maka ditolak sehingga dapat disimpulkan bahwa
ada pengaruh yang signifikan antara variabelindependen dengan variabel dependen.
-
5/28/2018 KELOMPOK5
63/64
HERE WE GO!! ARE YOU
READY??
Dalam bentuk apa saja distribusi frekuensi dapat disajikan?
Apa yang sebenarnya ditunjukan oleh uji t?
Sebutkan empat rancangan sampling dalam probabilitas sederhana!
-
5/28/2018 KELOMPOK5
64/64
~THE END~
THANK YOU FOR YOURATTENTION