Penilaian
No
Deskripsi Penilaian
Bobot (%)
Tugas
10 %
40 %
50 %
81 100 = A
61 80,9 = B
45 60,9 = C
21 44,9 = D
0 20,9 = E
Keterangan:
Untuk penilaian nomor 1 sampai dengan nomor 3, semua jenis penilaian
harus mempunyai
point/bobot. Jika salah satu penilaian kosong , maka mahasiswa yang
bersangkutan
dinyatakan gugur pada mata kuliah ini.
BAB II
KARAKTERISTIK POPULASI DATA
2.1. Karakteristik Populasi Penduduk berhubungan dengan kegiatan
PERTAMBANGAN
Dampak
Kegiatan
Dampak
PERTAMBANGAN
Dampak sosial
Ekonomi budaya
Dampak
Bio-fisik
Dampak
Bio-fisik
Dampak Sosial
ekonomi budaya
Dampak
Primer
Dampak
Sekunder
Kenaikan
Kesejahteraan
Tujuan
Gb.1.Pembangunan mempunyai tujuan untuk menaikan tingkat kesejahteraan rakyat
Contoh perhitungan prakiraan dampak.
Dengan menggunakan metode bagan alir dalam identifikasi dampak, bagan alir itu kita
gunakan sebagai tuntunan dalam prakiraan dampak selangkah demi selangkah. Hasil yang
didapatkan dari langkah yang satu digunakan sebagai masukan untuk perhitungan dalam langkah
berikutnya.
Sebagai contoh bagan alir pada rencana indentifikasi dampak pada pembangunan
PERTAMBANGAN sbb:
Pembangunan Wilayah Pertambangan
Persiapan
Operasional (ekplorasi)
Pembebasan lahan
Kenaikan
kepadatan
penduduk
Pencemaran air
Penurunan
Penggusuran
produksi
penduduk
hasil pertanian
Konstruksi
prasarana &
kompleks pertambangan
Kenaikan
Kenaikan
tekanan penduduk air larian
Kerusakan hutan
Erosi gen
Urbanisasi
Kenaikan produksi
limbah pertambangan
POPULASI PENDUDUK
Dengan merunut dampak dalam bagan alir kita dapatkan:
Kenaikan kepadatan penduduk desa dihitung dengan jumlah penduduk perluas daerah
(orang/km2). Angka jumlah penduduk dan luas daerah dapat didapatkan dari catatan di kantor
desa atau kecamatan. Garis dasar untuk kepadatan penduduk dihitung dengan rumus
Dtp = Po(1+ rtp)t
(rumus 1)
L tot
Dimana :
Dtp = kepadatan penduduktanpa proyek pada waktu ti
Po = jumlah penduduk pada waktu acuan (to)
rtp = laju tahunan pertmbuhan penduduk tanpa proyek
t
adanya lapangan kerja baru. Oleh karena itu laju pertumbuhan penduduk dengan proyek rdp akan
menjadi lebih besar dari pada rtp. Dengan penelitian kasus-kasus industry pertambangan yang
sejenis dengan skala yang serupa dan lokasi yang serupa pula diperkirakan besarnya r dp dapat di
tentukan dengan analogi (dengan jalan yang sama)
Dampak pembangunan wilayah terhadap kepadatan penduduk ialah
D = Ddp - Dtp
Contoh perhitungan
i) Besar dampak
Luas kota tempat pengembangan wilayah akan dibangun ialah 1.000 ha. Luas pengembagan
wilayah pertambangan dan sarananya direncanakan 150 ha. Catatan desa menunjukkan jumlah
penduduk
2000 : 6.000 orang
2010 : 7.680 orang
Berapa dampak pembangunan wilayah pada tahun 2015 waktu pembanguan selesai dan siap
digunakan ?
Laju pertumbuhan penduduk pertahun antara tahun 2000 dan 2010 dihitung dari rumus
pertumbuhan penduduk, yaitu
Pt = Po (1 + r )t
Log (1+r) = log Pt log Po
t
Log(1+r) = log 7680-log 6000
10
Kalau dihitung r = 2,5 %
Dengan demikian kepadatan penduduk desa tersebut tanpa proyek pada tahun 1975 ialah :
Dtp = Po (1 + rtp)t
orang/km2
L tot
Dtp = Po (1 + rtp)t orang/km2
Ltot
= 983 orang/km2
Data historis proyek-proyek sejenis di daerah lain menunjukkan laju pertumbuhan penduduk
yang meningkat mula-mula perlahan-lahan kemudian naik pesat. Laju pertumbuhan penduduk
bervareasi antara 3,5 % pertahun sampai 6,0 % pertahun dengan nilai rata-rata 4,5 % per tahun.
Angka rata-rata ini digunakan sebagai prakiraan laju pertumbuhan penduduk dengan proyek,
sehingga kepadatan penduduk dengan proyek ialah
Ddp = Po (1 + rdp)t orang/km2
Ltot Li
= 11927 orang/km2
8,5
= 1403 orang/km2
dampak proyek terhadap kepadatan penduduk ialah menaikkan kepadatan penduduk sebesar
Ddp Dtp = (1403 983) orang /km2
= 420 orang/km2
Unit sampel
Bagian dari universe dimana pengukuran dilakukan
disebut unit sampel atau titik sampel. Dengan unit
sampel tersebut, karakter suatu universe nantinya
diharapkan dapat dianalisa dan dijelaskan. Pemilihan unit
sampel dapat ditentukan berdasarkan pada tiga hal
pokok yaitu :
1. Ketersediaan data
2. Metode statistik yang digunakan
3. Hasil target yang diharapkan
Ketiga hal tersebut saling tergantung misalnya hasil
target yang diharapkan sangat tergantung pada
ketersediaan data dan metode yang dipunyai. Demikian
juga metode yang dipilih tersebut dapat tergantung pada
data dan target yang dicapai.
Ukuran unit sampel sangat penting karena populasi
sampel jarak 10 feet dapat berbeda dengan populasi
sampel jarak 50 ft. karena itu ukuran unit sampel perlu
ditentukan agar karakterisasi daerah penelitian nantinya
dapat mememenuhi tujuan dengan efektif. Pada kasus
lapangan ukuran unit sampel ini tergantung pada ukuran
Series 2
Series 3
2
1
0
Category 1
Category 2
Category 3
Category 4
1 bagian
1.000 .000 bagian
1 miligram
1.000 .000 miligram
1 mgram
1 kg
Prop
{ x xo }
f ( x ) dx
(x0)
(1)
Untuk probabilitas x yang berada antara a dan b adalah :
b
{a x b}
Prop
f ( x ) dx
(2)
Sebagai syarat adalah bahwa total
probabilitas sama
dengan
satu
f ( x ) dx
sehingga,
(3)
Istilah probabilitas adalah probabilitas
sampai batas ditentukan , misalnyabatas tersebut adalah
F()
=
0
dan
F
(+ )
=1
(4)
Pada grafik distribusi frekuensi karakter populasi
mempunyai beberapa ciri dalam statistik yaitu : harga
rata-rata, median, dan modus.
Nilai x rata-rata
Harga x rata-rata dari semua data didefinisikan sebagai
berikut :
Rata-rata
X =
xi
n
(5)
Harga rata-rata merupakan harga prediksi x dalam
populasi atau ditulis ekspektasi E (x) = x
Median
Median adalah nilai yang terletak ditengah pada ruang
distribusi dimana kumpulan harga tersebut diurut dari
yang kecil menuju ke yang besar. Jadi untuk jumlah data
yang ganjil dan genap masing-masing median M-nya
adalah :
M=
X n+1
2
M = [ Xn/2 +
genap
n = ganjil
X n+1
2
2 ;
n =
(6)
Modus
d1
d 1+d 2
)c
a. Quartile (kwartil)
Jajaran datadibagi menjadi 4 kelompok yang sama
banyaknya dengan demikian disebut kwartil dengan
harga batas terletak pada jumlah komulatif relative
q1 = 0,25; q2 = 0,5 dan q3 = 0,75
b. Deciles (desil)
Jajaran data dibagi sepuluh dengan harga batas
terletak pada jumlah komulatif relative d1, d2,
. D9 = 0,1,0,2 , 0,9
c. Persentil
Jajaran data dibagi seratus bagian yang sama
jumlahnya sehingga batasnya terletak pada haerga
p1,p1 .p99 = (0,01,0,02, . 0,99)
2.2 Besaran Dispersi
Untuk penyebaran, variabilitas atau disperse suatu
distribusi kemungkinan digunakan antara lain :
a. Jangkauan yang berarti beda antara nilai maximum
dengan minimum
b. Simpangan rata-rata yaitu ekspektasi harga mutlak
selisih x dengan meannya yaitu E( X1 X )
c. Variansi 2
d. Standar deviasi
Untuk mengetahui penyebaran harga sekitar mean
digunakan deviasi standar s yang dihitung dari
sampel
S
( xix)2
n
i
(8)
Pada keadaan populasi bersifat acak maka rata-rata dari
(xi x) sama dengan 0. Kalau sifat penyebarannya data
diperlihatkan dengan menggunakan nilai mutlak I x i xrt I
maka analisa akan mengalami kesulitan diantaranya
adalah karena turunannya tidak kontiniu di x = x rt.
( x m) ( x ) dx
(9)
Dimana m adalah harga rata-rata populasi. Satuan
standar deviasi s dan sama dengan satuan dari
variabel x. sebagai contoh bila asli dinyatakan dalam
satuan (%) maka satuan vareansi adalah (%)2.
Bila harga x hampir sama atau tidak mempunyai
variansi harga yang besar maka harga s akan kecil.
Pada keadaan jumlah data terbatas maka s
digunakan sebagai estimator untuk dan harga x rt
sebagai estimator untuk m.
Karakterisasi distribusi
Distribusi frekuensi n sampel seperti pada gambar 1,
dapat ditransformasi menjadi distribusi probabilitas
dengan membagi frekuensi kemunculan dengan n.
Beberapa
contoh
histogram
sampel
dengan
beberapa bentuk (pola) diperlihatkan pada gambar 2
berikut :
X
Parameter kecenderungan sentral dapat dilihat dari harga
rata-rata x pada persamaan 5.
n
xi
Xrt = 1/n
i=1
xf ( x ) dx
(10)
Harga m merupakan harga ekspektasi dari x dan ditulis
m = E(x)
(11)
seperti yang telah dinyatakan diatas bahwa harga ratarata x adalah estimator dari m kecuali untuk kasus
dimana terjadi harga sangat (ekstrem) besar (kasus
emas) maka perlu menggunakan t-estimator.
Bila expected value X, E(x) = m maka estimator
tersebut disebut unbiased tidak ada kesalahan
sistematik.
Persamaan 9 dapat ditulis menjadi variansi
2 = (x-m)(x-m)f(x)dx
(12)
untuk
mendapatkan
estimator
persamaan 8 dibagi dengan (n-1)
yang
unbiased
( xix rt ) ( xixrt )
n1
(13)
Dan persamaan 12 dapat ditulis dengan notasi
2 = E(x-m)(x-m)
(14)
Variansi dapat ditulis
n
S2 = i
( xix rt ) ( xixrt )
n1
xi
2
n xi - ( 2 /n ( n-1 )
(15)
Tabel 2 Data Kandungan Cromium (Cr) dalam ppm
No
Cr( ppm) xi
xi2
1
205
42025
2
255
65025
3
195
38025
4
220
48400
5
235
55225
xi = 1110
xi 2 =248700
X=
xi
n
= 222
( xi )2 =1232100
S2 =
S=
xi
2
2
xi
n
= 5 x 248700-1232100 : 20
= 570 - S = 23.88
80
66
75
50
40
70
85
102
60
50
80
95
45
75
35
Cov = i ( xix ) ( yi y)
n-1
n
cov
xi yi
= n i xiyi
i
i
n(n-1)
Selanjutnya koefisien korelasi r adalah
rXY = cov
xy
, syarat -1 r 1
SxSy
Besarnya korelasi antara variable x dan y dinyatakan
dengan koefisien korelasi r yang mempunyai harga dari
-1 sampai dengan 1
Contoh :
Ni (ppm)
Tabel 2.3
Hubungan Ni dengan Co
Xi2
Co (ppm)
Yi2
Xi
205
255
195
220
235
Yi
130
165
100
135
145
xi
xi
yi
yi
XiYi
(xy)
==n
xiyi xi yi
= 537.5
n(n-1)
Hubungan X dan Y dapat dinyatakan dengan koefisien korelasi (r)
r =
Latihan
cov (xy)
SxSy
- -1 r 1 = 0.95
xiyi
Hitunglah koefisien korelasi r antara panjang dan lebar dari brachiopoda, dari
tabel berikut
Tabel 2.4
Panjang dan lebar dari 6 sampel Brachiopoda
Panjang (mm)
18,4
16,9
13,6
11,4
7,8
6,3
Sebagai petunjuk buatlah tabel Xi
X i2
Yi
Yi2
Lebar (mm)
15,4
15,1
10,9
9,7
7,4
5,3
XiYi, kemudian hitung
koefisien korelasi
Panjang
(xi)
18,4
16,9
13,6
11,4
7,8
6,3
Xi2
xi
xi
(xy)
Yi2
xiyi
15,4
15,1
10,9
9,7
7,4
5,3
Cov
Lebar (yi)
yi
yi
xiyi
xiyi xi yi
=n
i
i
i
n(n-1)
cov = 19.47
r=
19.47
4.84 . x 4.08
= 0.99
xix mean
s
3, o14,2
4,7
Z)
Dari tabel probabilitas kumulatif untuk distribusi normal
diperoleh
F(-2,4) = 0,0082
Dengan demikian probabilitas ditemukannya Ni dengan
kandungan 3 % adalah cukup kecil yaitu mendekati nol.
Di coba cari probabilitas ditemukan kandungan Ni 20 %
Z2 =
20,014,2
4,7
F(1,2) = 0,8849
Dengan demikian probabilitas diketemukan Ni 20%
adalah 1,0 0,8849 = 0,1151. Dengan demikian
kemungkinan diketemukan Ni 20 % adalah 1 diantara
10. 0,1151 x 100 % = 11,51% diketemukan Ni 20%.
Jadi setiap 100 data yang di prakirakan memiliki
kemungkinan dari harga Ni tersebut 100 x 11,51/100 =
11 sampel data
Sama dengan 1 muncul diantara 10.
SOAL .
DARI DATA BORING DITEMUKAN KANDUNGAN NIKEL DARI
SUATU BLOK KAJIAN SBB
SAMPEL
1
2
3
4
5
6
7
8
9
10
Ni dalam % berat
10
30
25
40
14
28
35
5
15
50
Hitung :
xi x
S
1025.2
14.2
= - 1.07;Z2 =
2025.2
14.2
-0.36
Probabilitas dari data yg diinginkan antara 10 -20 %
terletak pada harga 1.07 (-0.36) = 0.1587 (0.3821)
= 0.2234. 10 sampel =22.34 x10/100 = 2 - 3 sampel
Tentukan probabilitas kandungan Nikel 30 sampai 40 %
dengan ketelitian 95 %
Didapat distribusi frekuensi dengan unit standar s dan
mean pada z sama dengan nol.
3,014,2
4,7
= -2,4
20,014,2
4,7
= 1.2. Dengan
3
4
5
6
7
8
9
10
11
12
13
14
15
5
2
15
14
20
22
50
40
35
28
35
2
0
Pertanyaan :
1. Tentukan
probabilitas
kemunculan
dengan
menggunakan analisa statistik range harga x (kecil &
besar)
a. X S
= 20.2 15.2 range harga x antara 5
35.4 Probabilitas dg range harga x kecil = 66,6 %
b. X 2S = 20.2 2(15.2) range harga x antara
-10.2 50.6. Probabilitas dengan range harga x
besar =100 % level of confident adalah 66,6 %
2. Sampel dalam tabel tersebut mewakili daerah 100 ha
dan hanya 75 % yang mengandung deposit Au,
kedalaman pengeboran 15 m dan berat jenis batuan
yang mengandung Au rata-rata 7. Hitung cadangan
emas daerah tersebut dalam ton.
100 ha x 75/100 = 75 ha = 75 x 10.000m 2x 15m =
11.250.000 m3
Berat keseluruhan = 7 x 11.250.000 = 78.750.000
ton = 78.750.000 x 1000 kg = 20.2 x 10 -6kg/kg x
78.750.000.000 kg =20.2 x 78.750 kg emas = 20.2 x
78.750 kg = 1.590.750 kg/1000 = 1.590,750 ton
Z =
= -0.01
5020.2
15.2
29.8
15.2
1014,2
4,7
= -0,89
P(1.2) = 0,89
P(-0,89) = 0,19 0,70
Dengan demikian kemungkinan kandungan Ni antara 10
% - 20 %, dari 10 sampel kemungkinan muncul 7.
Teorema Limit Sentral Xx =
Bila distribusi rata-rata cenderung normal variansinya
adalah :
S2x
Se=
2
n
1
n
X
Se
1
n
Tabel 2.
Kesalahan tipe I dan kesalahan tipe
Hipotesa benar
Hipotesa diterima Keputusan benar
Hipotesa ditolak
Type I error
II
Hipotesa salah
Type II error
Keputusan benar
2 = 22,1
= 4,7
Hipotesa H0 : 1 = 0
H 1 : 1 0
Dengan level of significance = 0,05
Tes Z
3014,2
1
4,7
6
X 0
Se
X 0
1
S
n
X = mean sampel
0 = Mean populasi
n = jumlah populasi
S = standar deviasi observasi
Se = standar error observasi
Contoh : tabel 6
No
(%) Cu
1
13
2
17
3
15
4
23
5
27
6
29
derajat
7
8
9
10
Sehingga diperoleh :
18
27
20
24
Xi=213
X = 21,3
S2 = 30,46
S = 5,52
Se = 1,74
Test ini mempunyai satu ekor maka disebut one line test
= 5 % dilihat dalam tabel, nilai kritis harga t untuk derajad
kebebasan n-1 = 10 -1 =9 & = 0,05. Harga t = 1,833
H0 : 1 18%
H1 : 1 > 18%
21.318.0
1
5.52
10
= 1.89.
H0 : 1 27%
H1 : 1 > 27 %
Dengan derajat kebebasan = 9 dan = 0,05 maka
didapat pada tabel, t = 1.833, dengan demikian data t
jatuh dalam daerah kritis sehingga H 0 ditolak. Dengan
demikian kandungan prosentasi Cu lebih besar dari 18 %
t hit > t tabel Kesimpulannya : H 0 ditolak dan menerima
H1
t hit < t tabel. Kesimpulannya : H0 diterima dan menolak H1
2.6. Tes F
Untuk membandingkan distribusi dua populasi yang berbeda
dapat dilihat dari kesamaan atau perbedaan variansi kedua
populasi
tersebut.
Perbandingan
tersebut
akan
dilihat
berdasarkan tingkat kesamaan variansi distribusi populasi dengan
tes F adalah sebagai berikut.
F = S12/S22
Dengan dua macam derajat kebebasan dari masing-masing
populasi yaitu
1 = n1-1
2 = n2 -1
tes statistik dilakukan dengan menguji hipotesa
S = 4.82
xi=189
X = 18.9
S2 = 23.21
S = 4.82
F = S12/S22 = 30.46/23.21 = 1.3
Dengan demikian harga F data (hitung) lebih kecil dari harga F
yang diperoleh dari tabel yaitu F hitung < F tabel : 1.3 < 3.18
sehingga hipotesa H0 diterima dan menolak H1
F hit > F tabel. Kesimpulan menolak H 0 dan menerima H1
ANALISIS REGRESI DAN KORELASI LINIER
Persamaan regresi linier sederhana memiliki dua variabel,
misalnya x dan y
Y=a + bX
a=
yb x
n
x
b=
( xy )
n
dengan :
b = koefisien arah garis regresi
a = intersep
n = banyaknya pasangan data
2.34
semua jumlahan dihitung nilai b dan a untuk data populasi dan produk
Contoh Tabel 2.9
Blok
Jumlah
Jumlah
pekerja
produk
Batu bara
X
1
2
3
4
5
6
7
8
9
10
10
20
30
40
50
60
70
80
90
100
X
= 550
(ton)
Y
50
100
150
200
250
300
350
400
450
500
Y =
X2
XY
500
2000
4500
8000
12500
18000
24500
32000
45000
50000
XY =192500
2750
100
400
900
1600
2500
3600
4900
6400
8100
10000
X 2 =
38500
a=0
b=5
Jadi persamaan garis regresi adalah : Y = 5x
Jik produksi 5000 ton/hari berapa tenaga kerjanya ?
SELAMAT PAGI
CARA PENGAMBILAN SAMPEL BATUAN DALAM EKSPLORASI
NIKEL
NOTASI LOBANG
PengambilanBORSampel
batuan
dengan
cara
pengeboran
KEDALAM
DALAM
ASAM,
LABU
UKUR
KEDALAM
DITAMBANHKAN
REAGEN
LABU
UKUR
50
KEMUDIAN
250
CC
KEMUDIAN
CC
LALU
WARNA(DIAZOAMIN)
DAN
Absorbansi spectrofotometer
100
150
200
250
300
350
400
450
500
550
1kg
sampel
setelah
batuan
yang
dipreparasi
dan
mengandung
dianalisa
nikel
hasilnya
untuk memperoleh
y n y 2b xy
n2
2.35
Contoh Soal.
Untuk menghitung cadangan Nikkel disuatu lapangan ditentukan
dengan persamaan matematik yang di buat dengan berdasarkan data
yang diperoleh dari Lab .Geokimia sbb :
No
panjang
gelombang
1
2
3
4
5
6
7
8
9
10
11
0
1
2
3
4
5
6
7
8
9
10
100
125
140
160
175
190
210
228
245
260
265
Pertanyaan :
1. Buat persamaan matematiknya : Y = 106.58 + 16,83 X
2. Jika sampel yang berasal dari lapangan rata-rata setelah dianalisa
menunjukkan kisaran panjang gelombang (absorbansi) 227. Hitung
berapa kandungan nikelnya. X = 7,16 ppm
3. Jika hasil analisa tersebut mewakili daerah 1 hektar kedalaman ratarata dari bor 10 meter
cadangan nikelnya.
Ppm = part Permillion =
1 ppm =
1 mgr
1.000 .000 mgr
1 bagian
1.000 .000 bagian
=
1 mgr
1 kg
SOAL.
Dalam penelitian mengenai banyaknya curah hujan dan jumlah kotoran
udara yang terbawa hujan, terkumpul data berikut :
Curah hujan, x
Zarah terbawa, y
(0,01 cm)
4,3
4,5
121
5,9
116
5,6
118
6,1
114
5,2
118
3,8
132
2,1
141
7,5
108
y n y 2b xy
n2
B. REGRESI GANDA
Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunya) variabel dependen
(kriterium), bila dua atau lebih variabel independen sebagai factor predictor
dimanipulasi (dinaik turunkan nilainya). Analisis regresi ganda akan
dilakukan bila jumlah variabel independennya minimal 2.
Persamaan regresi untuk dua predictor adalah ;
Y = a + b1X1 + b2X2
Regresi ganda dua predictor
No
X1
X2
Y
X1Y
X2Y
X1X2
X12
X22
1
10
7
23
230
161
70
100
49
2
14
21
15
60
30
16
17
102
68
24
36
16
23
184
138
48
64
36
22
154
110
35
49
25
10
40
30
12
16
14
84
42
18
36
20
140
80
28
49
16
10
19
114
57
18
36
X 1=60
X 2 Y =170 X 1 Y =1122
X 2 Y =737
X1X2
jumla
h
=40
=267
Y = produktivitas;
X 12=
406
n = jumlah sampel
X2 = Kemampuan managerial
= an + b1
X1
+ b2
X 1Y
=a
X1
X 2Y
=a
X 1+b 1 X 1
+ b1
X1
X2
+
+ b2
.Pers I
b 2 X 1 X 2
X 22
. Pers II
. Pers III
NILAI
WA
STATISTIK
1
2
3
4
5
6
7
8
9
10
11
12
NILAI INTELEGENSIA
Y
85
74
76
90
85
87
94
98
81
91
76
74
X1
65
50
55
65
55
70
70
65
70
55
50
55
BANYAKNYA
MANGKIR
KULIAH
X2
1
7
5
2
6
3
2
6
3
4
1
4
X 2 =182
b1 X 1 Y +b 2 X 2Y
Y2
= 1,08
F =
R 2(N m1)
F = 1,08 (10-2-1) : 2(1-1,08) = - 47,25 ; F tabel = 1,812
m(1R2 )
BAB III.
ANALISA SEQUENCE
Pada bab ini dibahas data dari fenomena alam yg berdimensi
satu. Oleh karena itu metode untuk membahasnya disebut
analisa sekuensi (sequence Analysis).
Datanya berupa deret atau seri dalam waktu, jarak atau berupa
satu variabel tertentu. Variabel
tertentu
misalnya
untuk
filter,
korelasi,
konvulsi
X
420
424
430
Y 2Y 1
Y
5
? (Y) = 7
10
Y =
105
(424420)=
Y = (5)(4) /10 + 5 = 2 + 5 = 7
1.2.
Runs Test
Runs test adalah metoda yang digunakan untuk data
dikotomi yaitu mempunyai dua pilihan misalnya muncul
tidak muncul. Urutan kemunculan data tersebut dapat
diselidiki apakah pergantian kemunculan kedua bentuk
tersebut bersifat acak atau tidak. Untuk melihat acak
atau tidak digunakan Runs Test dimana satu run adalah
urutan yang datanya sama. Sebagai contoh deret data
berikut
13
runs
(selang
tanpa
terjadi
pergantian
2n1n2
+1
n1+ n2
2
u
2n 1 n 2(2 n 1n 2n1n 2)
( n1+n 2 ) ( n 1+n 2 ) (n 1+n 21)
Z test Z =
u
u
HIPOTESA
H0 : u
H1 : > u
Banyak runs
H0 di tolak
Tes seperti ini disebut
atau H1 : < u
sedikit runs
H0 di tolak
one-tailed karena daerah
Jumlah kuadrat
(SS)
Tk 2
SSA=
k=1 nk
K
T
N
(d.f)
Kuadrat
K-1
rata-rata
MSA =
SSA
K 1
kelompokkelompok A
Diantara
dalam
SSE= SST-SSA
N-K
MSE =
F test
MSA
F= MSE
SSE
N K
samples
Total
SST=
variation
x2
i=1 k=1
T2
N
N-1
CONTOH 2.8
Ada tiga sampel random dari 3 group tenaga kerja berhubungan dengan
penurunan produktivitas sbb ;
Kelompok A
Kelompok B
Kelompok C
7
11
4
8
12
11
Total Besar
T1= 40
T2=60
6
T3 = 42
sampel
n1 = 5
n2 =6
n3 = 7
N = 18
Jawaban ada 10 step (10 langkah)
Banyak kelompok sampel k =3
Jumlah data ketiga kelompok sampel N = n1 + n2 + n3 = 5 + 6 +7 = 18
Perhitungan
1. Jumlah nilai masing-masing sampel : T1 = 40; T2 = 60; T3 = 42
2. T = 40 + 60 + 42 = 142
3. (
)2 = 20164
40
5
5.
60
6
42
7
= 1172
SSB =
= 1172 20164/18 = 51,778
N
7. Jumlah kuadrat di dalam kelompok-kelompok :
x
Ti 2
SSW =
-
= 1202 1172 = 30
Contoh :
Kandungan Karbonat dalam Batuan (%)
Replikat
1
2
3
4
5
6
1
19,2
18,7
21,3
16,5
17,3
22,4
Tt1 =115,4
2
18,7
14,3
20,2
17,6
19,3
16,1
Tt2 =106,2
SAMPEL
3
12,5
14,3
8,7
11,4
9,5
16,5
Tt3 =72,9
n1 = 6
n2 = 6
n3 = 6
4
20,3
22,5
17,6
18,4
15,9
19,0
Tt4 =113,7
5
19,9
24,3
17,6
20,2
18,4
19,1
Tt5 =119,5
n4 = 6
n5 = 6
Jawab :
Banyak Kelompok sampel K = 5
Jumlah data ke lima kelompok sampel : N = n1 + n2 + n3 + n4 + n5 = 30
Perhitungan :
1. Jumlah nilai masing-masing sampel Tt 1 = 115,4 , Tt2 = 106,2 , Tt3 =
72,9, Tt4 = 113,7 Tt5 = 119,5
2. ST = 527,7
3. (ST)2 = 278467,29
4. Jumlah kuadrat rata-rata masing-masing kelompok :
Ti 2
= 5,85
Xi2
xi2
Pertanyaan :
1. Tentukan Z Hitung dan Z tabel dengan significansi 0,05
dengan menggunakan teorima limit sental untuk rata-rata
populasi pada daerah 60
%.
2. Tentukan dengan t test.