KETENTUAN QUIZ ALGORITMA & PEMROGRAMAN
(1) Nilai ketuntasan adalah 75 poin.FILE YG DIKUMPULKAN DALAM SATU FOLDER PROJECT LENGKAP (NAMA FOLDER: NAMA TIM) BERISIKAN:
*.CBP (main.cpp)
*.EXE
dll.
ASPEK
PENYAMPAIAN PADA SAAT PRESENTASI :
1. Pengenalan Tim
Presenter Project
2. Penyampaian Latar
Belakang singkat
3. Menjalankan project CBP atau EXE
+ Penyampaian Kelebihan dan Kelemahan
Project
4. Sesi Pengujian (dari
dosen)
Cara menentukan persamaan regresi di
Ms. Excel :
Korelasi
(correlation) adalah hubungan (relationship) antara dua variabel,
terutama untuk variabel kuantitatif. Dengan demikian, ukuran korelasi
menggambarkan tingkat hubungan (degree of
relationship) antara dua variabel. Korelasi dan asosiasi sama-sama berarti
hubungan atau kaitan antara dua atau lebih variabel, tetapi istilah korelasi
berbeda dengan asosiasi dalam penggunaannya. Korelasi adalah ukuran hubungan
antara dua variabel kuantitatif atau variabel numerik, sedangkan asosiasi
adalah ukuran hubungan antara dua variabel kualitatif atau variabel kategori.
Ukuran korelasi (atau asosiasi) yang lazim
digunakan adalah:
1. Untuk
dua variabel yang berskala minimal interval: koefisien korelasi Pearson (Pearson Product Moment Correlation)
2. Untuk
dua variabel yang berskala ordinal: korelasi peringkat Spearman (Spearman’s Rank Correlation), Goodman-Kruskal’s Gamma, Kendall’s tau-b & Kendall’s tau-c,
dan Somers’d.
Materi dan modul Statistika dapat diunduh dari link berikut.
File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.
SIMPLE LINEAR REGRESSION
(Regresi Sederhana Garis Lurus)
Regresi merupakan suatu bentuk atau model hubungan fungsi yang menggambarkan hubungan secara statistik (statistical relationship) antara dua atau lebih variabel, misalnya antara tingkat penjualan dan pengeluaran untuk iklan, dapat dibuat suatu model regresi yang memperlihatkan bentuk hubungan kedua variabel tersebut. Ada 2 macam model regresi sederhana, yakni regresi garis lurus dan regresi bukan garis lurus. Bab ini akan fokus kepada pembahasan dan penggunaan regresi sederhana garis lurus.
Analisis statistik bivariat merupakan analisis tentang suatu populasi, kelompok data, kejadian atau fenomena kehidupan berdasarkan dua variabel, terutama mempelajari bentuk keterkaitan (pattern of relationship/association) dan derajat keterkaitan (degree of relationship/association) antara dua variabel tersebut.
Sebab-akibat (cause-effect) adalah hubungan pengaruh saling mempengaruhi antara
dua atau lebih variabel. Adanya korelasi memberikan indikasi kemungkinan adanya
hubungan sebab akibat, tetapi tidak membuktikan adanya hubungan sebab-akibat
tersebut.
Dua contoh statistik bivariat adalah:
1. Regresi
garis lurus yang menggambarkan pola hubungan garis lurus (linear relationship)
antara variabel dependen (Y) dengan satu variabel independen (X) yang dapat
digunakan untuk memperkirakan besaran nilai Y jika besaran nilai X diketahui.
1. Variabel
bebas (independent variable, X)
disebut juga variabel regressor,
variabel penjelas (explanatory variable),
variabel input, atau variabel yang
dimanipulasi (manipulated variable).
Materi dan modul Statistika dapat diunduh dari link berikut.
File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.
Z SCORE (Z SKOR)
Z skor merupakan perbedaan antara raw score (skor asli) dan rata-rata dengan menggunakan unit-unit simpangan baku untuk mengukur perbedaan tersebut. Z skor mempunyai dua bagian, yaitu tanda (bisa positif atau negatif) dan nilai numerik. Kondisi di atas rata-rata diberi tanda positif dan kondisi di bawah rata-rata diberikan tanda negatif. Nilai numerik Z skor diperoleh dari perbedaan antara nilai asli dengan rata-ratanya dibagi dengan simpangan baku. (Irianto, 2009)
Untuk menentukan Z skor, dapat digunakan rumus berikut.
Materi dan modul Statistika dapat diunduh dari link berikut.
File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.
ANGKA INDEKS
Angka indeks (atau disebut indeks) merupakan suatu angka yang dibuat sedemikian rupa sehingga dapat dipergunakan untuk melakukan perbandingan antara kegiatan yang sama (misalnya produksi, ekspor, hasil penjualan, jumlah uang beredar) dalam dua waktu yang berbeda. Adapun tujuan pembuatan angka indeks adalah untuk mengukur secara kuantitatif terjadinya perubahan dalam dua waktu yang berlainan. Oleh karena itu, pemerintah dan perusahaan-perusahaan yang menganut modern management membuat berbagai macam indeks untuk keperluan pemantauan dan evaluasi. (Supranto, 2016:298)
Di dalam membuat angka indeks,
diperlukan dua macam waktu yaitu waktu dasar (base period) dan waktu yang sedang berjalan (current period).
Perubahan relatif dinyatakan dalam bentuk persentase. Angka indeks yang dinyatakan dalam persentase (biasanya persentase tidak dinyatakan atau tidak ditulis), akan tetapi setiap angka indeks selalu dibaca dalam persen.
Tabel 1 berikut menunjukkan macam-macam angka indeks.
Tabel 1. Jenis dan Metode Angka Indeks
|
Angka Indeks Sederhana |
Angka Indeks Gabungan |
|
1.
Indeks
Harga |
METODE TIDAK TERTIMBANG |
|
2.
Indeks
Jumlah |
Agregatif
Sederhana |
|
3.
Indeks
Nilai |
|
|
|
METODE TERTIMBANG |
|
1.
Metode
Laspeyres |
|
|
2.
Metode
Paasche |
|
|
3.
Metode
Drobish |
|
|
4.
Metode
Fisher |
|
|
5.
Metode
Marshall-Edge-Worth |
|
|
6.
Metode
Walsh |
|
|
7.
Metode
Rata-rata Relatif Tertimbang |
Materi dan modul Statistika dapat diunduh dari link berikut.
File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.
ANALISIS DATA BERKALA
Data Berkala (Data Deret waktu) adalah data yang dikumpulkan dari waktu ke waktu untuk menggambarkan perkembangan suatu kegiatan atau sekumpulan hasil observasi yang diatur dan didapat menurut urutan kronologis waktu, misalnya perkembangan produksi, harga barang, hasil penjualan, dan jumlah penduduk.
Analisis data berkala dapat dimanfaatkan untuk mengetahui perkembangan suatu/beberapa kejadian serta pengaruhnya/hubunganya terhadap kejadian lain. Dengan data berkala, juga dapat dibuat ramalan berdasarkan garis regresi atau garis trend.
Data berkala terdiri dari komponen-komponen, sehingga dengan analisis data berkala, dapat diketahui masing-masing komponen atau bahkan menghilangkan suatu/beberapa komponen. Karena ada pengaruh dari komponen, data berkala selalu mengalami perubahan-perubahan, sehingga apabila dibuat grafik akan menunjukkan adanya fluktuasi.
Ada empat komponen gerak/variasi data berkala, yaitu:
(1) Gerakan Jangka Panjang atau Trend = T (long term movement or secular trend)
(2) Gerakan atau Variasi Siklis (cyclical movement/variation) = C
(3) Gerakan atau Variasi Musiman (seasonal movement/variation) = S
(4) Gerakan/Variasi Tidak Teratur (irregular/random movement) = I
Apabila gerakan trend, siklis, musiman, dan acak diberikan simbol T, C, S, dan I, maka data berkala Y merupakan hasil kali dari 4 komponen berikut.
Y = T x C x S x I
Ada juga ahli statistik yang menganggap bahwa data berkala merupakan hasil penjumlahan dari 4 komponen tersebut, yaitu:
Y = T + C + S + I
Persamaan trend linear adalah: Y = a + b t
Terdapat beberapa metode yang umum digunakan untuk menggambarkan garis trend, yaitu:
1. Metode tangan bebas
2. Metode rata-rata semi
3. Metode rata-rata bergerak
4. Metode kuadrat terkecil
Materi dan modul Statistika dapat diunduh dari link berikut.
File Praktikum Statistika (beserta jawaban) dapat diunduh dari link berikut.
