BOCAH WEB: MATERI TI

Download Free Android Apps

Ads 728x90

Showing posts with label MATERI TI. Show all posts
Showing posts with label MATERI TI. Show all posts
Algoritma Multilevel Queue

Algoritma Multilevel Queue

October 24, 2017
Baca Selengapnya
Multilevel QueueIde dasar dari algoritma ini berdasarkan pada sistem prioritas proses. Prinsipnya, jika setiap proses dapat dikelompokkan berdasarkan prioritasnya, maka akan didapati queue seperti yang dijelaskan pada gambar berikut:

Multilevel Queue | Stimik Eresha
Multilevel Queue

Dari gambar diatas tersebut terlihat bahwa akan terjadi pengelompokan proses-proses berdasarkan prioritasnya. Kemudian muncul ide untuk menganggap kelompok-kelompok tersebut sebagai sebuah antrian-antrian kecil yang merupakan bagian dari antrian keseluruhan proses, inilah yang sering disebut dengan algoritma multilevel queue.

Dalam hal ini, dapat dilihat bahwa seolah-olah algoritma dengan prioritas yang dasar adalah algoritma multilevel queue dimana setiap queue akan berjalan dengan algoritma FCFS yang memiliki banyak kelemahan. Oleh karena itu, dalam prakteknya, algoritma multilevel queue memungkinkan adanya penerapan algoritma internal dalam masing-masing sub-antriannya yang bisa memiliki algoritma internal yang berbeda untuk meningkatkan kinerjanya. 

Berawal dari priority scheduling yang bisa dipelajari diartikel sebelumnya " Pembahasan Algoritma Priority Scheduling " , algoritma ini pun memiliki kelemahan yang sama dengan priority scheduling, yaitu sangat mungkin bahwa suatu proses pada queue dengan prioritas rendah bisa saja tidak mendapat jatah CPU.

Selengkapnya tentang kelemahan Algoritma Shcheduling bisa dibaca dimasing-masing algoritma:
  • FCFS (First Come First Served) 
  • SJF (Shortes Job First) 
  • Round Robin.
Untuk mengatasi hal tersebut, salah satu caranya adalah dengan memodifikasi algoritma ini dengan adanya jatah waktu maksimal untuk tiap antrian, sehingga jika suatu antrian memakan terlalu banyak waktu, maka prosesnya akan dihentikan dan digantikan oleh antrian dibawahnya, dan tentu saja batas waktu untuk tiap antrian bisa saja sangat berbeda tergantung pada prioritas masing-masing antrian.

Published by :   
Pengertian Lengkap Algoritma Round Robin

Pengertian Lengkap Algoritma Round Robin

October 23, 2017
Baca Selengapnya
Round Robin → Algoritma ini menggilir proses yang ada di antrian. Proses akan mendapat jatah sebesar time quantum. Jika time quantum-nya habis atau proses sudah selesai, CPU akan dialokasikan ke proses berikutnya. Tentu proses ini cukup adil karena tak ada proses yang diprioritaskan, semua proses mendapat jatah waktu yang sama dari CPU yaitu (1/n), dan tak akan menunggu lebih lama dari (n-1)q dengan q adalah lama 1 quantum.

Algoritma ini sepenuhnya bergantung besarnya time quantum. Jika terlalu besar, algoritma ini akan sama saja dengan algoritma first come first served. Jika terlalu kecil, akan semakin banyak peralihan proses sehingga banyak waktu terbuang.

Setelah mengamati beberapa proses algoritma termasuk Model Algoritma Round Robin bisa diamati pula bebera kekurangan dan keunggulan dari masing masing Algoritma
  1. FCFS (First Come First Served) 
  2. SJF (Shortes Job First)
  3. Priority Scheduling 


Permasalahan utama pada Round Robin adalah menentukan besarnya time quantum. Jika time quantum yang ditentukan terlalu kecil, maka sebagian besar proses tidak akan selesai dalam 1 quantum. Hal ini tidak baik karena akan terjadi banyak switch, padahal CPU memerlukan waktu untuk beralih dari suatu proses ke proses lain (disebut dengan context switches time). Sebaliknya, jika time quantum terlalu besar, algoritma Round Robin akan berjalan seperti algoritma first come first served. Time quantum yang ideal adalah jika 80% dari total proses memiliki CPU burst time yang lebih kecil dari 1 time quantum.

Urutan Kejadian Algoritma Round Robin
Penggunaan Waktu Quantum
Published by :   
Pengertian Lengkap Algoritma Priority Scheduling

Pengertian Lengkap Algoritma Priority Scheduling

October 23, 2017
Baca Selengapnya
Priority Scheduling merupakan algoritma penjadwalan yang mendahulukan proses yang memiliki prioritas tertinggi. Setiap proses memiliki prioritasnya masing-masing.

Prioritas suatu proses dapat ditentukan melalui beberapa karakteristik antara lain:
  1. Time limit.
  2. Memory requirement.
  3. Akses file.
  4. Perbandingan antara burst M/K dengan CPU burst.
  5. Tingkat kepentingan proses.
Priority scheduling juga dapat dijalankan secara preemptive maupun non-preemptive.
Pada preemptive, jika ada suatu proses yang baru datang memiliki prioritas yang lebih tinggi daripada proses yang sedang dijalankan, maka proses yang sedang berjalan tersebut dihentikan, lalu CPU dialihkan untuk proses yang baru datang tersebut. Sementara itu, pada non-preemptive, proses yang baru datang tidak dapat menganggu proses yang sedang berjalan, tetapi hanya diletakkan di depan queue.

Kelemahan pada priority scheduling adalah dapat terjadinya indefinite blocking( starvation). Suatu proses dengan prioritas yang rendah memiliki kemungkinan untuk tidak dieksekusi jika terdapat proses lain yang memiliki prioritas lebih tinggi darinya.

Solusi dari permasalahan ini adalah aging, yaitu meningkatkan prioritas dari setiap proses yang menunggu dalam queue secara bertahap.

Contoh: Setiap 10 menit, prioritas dari masing-masing proses yang menunggu dalam queue dinaikkan satu tingkat. Maka, suatu proses yang memiliki prioritas 127, setidaknya dalam 21 jam 20 menit, proses tersebut akan memiliki prioritas 0, yaitu prioritas yang tertinggi (semakin kecil angka menunjukkan bahwa prioritasnya semakin tinggi).
Published by :   
Pengertian Lengkap Algoritma SJF (Shortes Job First)

Pengertian Lengkap Algoritma SJF (Shortes Job First)

October 23, 2017
Baca Selengapnya
SJF (Shortes Job First)

Pada algoritma ini setiap proses yang ada di ready queue akan dieksekusi berdasarkan burst time terkecil. Hal ini mengakibatkan waiting time yang pendek untuk setiap proses dan karena hal tersebut maka waiting time rata-ratanya juga menjadi pendek, sehingga dapat dikatakan bahwa algoritma ini adalah algoritma yang optimal. lalu apa perbedaan dengan algorima FCFS (First Come First Served) 
Contoh Shortest Job First

Contoh

Ada 4 buah proses yang datang berurutan yaitu P1 dengan arrival time pada 0.0 ms dan burst time 7 ms, P2 dengan arrival time pada 2.0 ms dan burst time 4 ms, P3 dengan arrival time pada 4.0 ms dan burst time 1 ms, P4 dengan arrival time pada 5.0 ms dan burst time 4 ms. Hitunglah waiting time rata-rata dan turnaround time dari keempat proses tersebut dengan mengunakan algoritma SJF (Shortes Job First). Setelah memperoleh gambaran cara kerja algoritma SJF lalu apa keuntungan  dan kekurangan menggunakan algoritma type ini 
Average waiting time rata-rata untuk ketiga proses tersebut adalah sebesar (0 +6+3+7)/4=4 ms.


Shortest Job First (Non-Preemptive)

Average waiting time rata-rata untuk ketiga prses tersebut adalah sebesar (9+1+0+2)/4=3 ms.
Ada beberapa kekurangan dari algoritma ini yaitu:
  1. Susahnya untuk memprediksi burst time proses yang akan dieksekusi selanjutnya.
  2. Proses yang mempunyai burst time yang besar akan memiliki waiting time yang besar pula karena yang dieksekusi terlebih dahulu adalah proses dengan burst time yang lebih kecil.
Algoritma ini dapat dibagi menjadi dua bagian yaitu :
  1. Preemptive → Jika ada proses yang sedang dieksekusi oleh CPU dan terdapat proses di ready queue dengan burst time yang lebih kecil daripada proses yang sedang dieksekusi tersebut, maka proses yang sedang dieksekusi oleh CPU akan digantikan oleh proses yang berada di ready queue tersebut. Preemptive SJF sering disebut juga Shortest-Remaining- Time-First scheduling.
  2. Non-preemptive → CPU tidak memperbolehkan proses yang ada di ready queue untuk menggeser proses yang sedang dieksekusi oleh CPU meskipun proses yang baru tersebut mempunyai burst time yang lebih kecil.
Keuntungan dan keukurangan tiga metode penjadwalan CPU / Memory
  1. FCFS (First Come First Served)
  2. SJF (Shortes Job First)
  3. Round Robin
Published by :   
Konsep Statistik Data | Matematika Statistika Dasar

Konsep Statistik Data | Matematika Statistika Dasar

September 29, 2017
Baca Selengapnya
Tujuan Belajar Matematika "Statistik Data"
    • Memahami pengertian statistik dan statistika beserta penggunaannya.
    • Memahami pengertian populasi dan sampel beserta kegunaannya
    • Menyebutkan macam-macam data.
    • Menyajikan data dalam bentuk tabel.
Uraian Materi tentang pengertian Statistika Dasar dan Statistika Data
Statistika dasar | Stimik Eresha Pamulang
Statistika dasar | Stimik Eresha Pamulang

Statistik dan Statistika
Statistik adalah Catatan atau susunan data secara teratur kemudian disajikan dalam bentuk
  • Angka-angka
  • Diagram
  • Gambar-gambar
Misal : statistik penduduk, statistik kelahiran dan sebagainya.
Pengertian Statistika
Statistika adalah ilmu pengetahuan yang berhubungan dengan caracara pengumpulan data dan penyusunan data, pengolahan dan penganalisaan data sebagai dasar penarikan kesimpulan dan pengambilan kesimpulan.
Populasi dan Sampel
Populasi adalah keseluruhan objek yang akan diteliti ( diamati ), Populasi merupakan totalitas semua nilai yang mungkin, hasil menghitung atau mengukur, kuantitatif maupun kualitatif mengenai karakteristik tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin dipelajari sifatsifatnya.

Sampel ( contoh ) adalah sebagian data yang diambil dari populasi.
Pengambilan sampel harus dapat mewakili ( representatif ) bagi populasi itu sendiri.

Contoh : Akan diadakan penelitian tentang pengaruh pemakaian pupuk urea pada tanaman padi di wilayah kecamatan yang terdiri atas 15 buah desa dan sebagai lahan penelitian tadi Pak Camat menunjuk 4 desa.
Maka populasinya adalah seluruh desa (15 desa) di kecamatan itu. Dan sebagai sampelnya adalah 4 desa.
Kegunaan Statistika
Hampir semua ilmu pengetahuan menggunakan statistika. Misalnya :
  • Di bidang kedokteran, untuk mengetahui perkembangan pasien.
  • Di bidang pendidikan, untuk mengetahui tingkat keberhasilan siswa.
  • Di bidang marketing, erat hubungannya dengan penjualan dan pemasaran.
Pada umumnya statistika digunakan oleh para peneliti antara lain untuk :
  • Menentukan sampel dan mencatatnya secara sistematis.
  • Membaca data yang telah dikumpulkan.
  • Melihat ada atau tidaknya hubungan (korelasi) antar variabel.
  • Melakukan prediksi (peramalan) untuk masa lalu maupun masa depan.
  • Mengadakan interpretasi data, dan sebagainya.
Macam Macam Data
Data adalah himpunan keterangan atau bilangan dari objek yang diamati.
Menurut jenisnya, data dibedakan menjadi :

Data Kuantitatif adalah data yang dapat dinyatakan dengan bilangan.
Data kuantitatif dibagi 2 yaitu : 
Data Diskrit atau Data Cacahan : data yang diperolah dari hasil membilang.
Contoh :
  • Banyaknya mahasiswa Stimik Eresha 7000 orang
  • Satu kilogram mangga berisi 4 biji
Data Kontinu : data yang diperoleh dari hasil mengukur atau menimbang dengan alat ukur yang valid.
Contoh :
  • Berat badan 2 orang siswa adalah 47 kg, 50 kg
  • Diameter tabung = 72,5 mm
Data Kualitatif adalah data yang tidak dapat dinyatakan dengan bilangan (menyatakan mutu atau kualitas).
Contoh :
  • Data jenis kelamin
  • Data kegemaran siswa
Data yang baru dikumpulkan dan belum diolah disebut Data mentah.
Dua Metode pengumpulan data

  1. Metode Sampling adalah pengumpulan data dengan meneliti sebagian anggota populasi.
  2. Metode Sensus adalah pengumpulan data dengan meneliti semua anggota populasi.

Adapun cara untuk mengumpulkan data adalah :

  1. Wawancara ( Interview)
  2. Angket ( Kuesioner)
  3. Pengamatan ( Observasi)
  4. Koleksi ( data dari media cetak atau elektronik )

Published by :   
Pengertian Statistika Deskriptif dan Statistika Inferensial

Pengertian Statistika Deskriptif dan Statistika Inferensial

September 29, 2017
Baca Selengapnya
Matematika | Statistika Dasar 
Materi kuliah semester III Teknik Informatika pembahasan tentang "Pengertian Statistika Deskriptif dan Statistika Inferensial "
Statistik Data | Materi Kuliah Fakultas Teknik InformatikaStimik Eresha Unpam Pamulang
Statistik Data | Materi Kuliah Fakultas Teknik Informatika

Metode statistika adalah metode-metode/prosedur-prosedur untuk
  • Pengumpulan data
  • Penyajian data
  • Analisis data
  • Kesimpulan data
Metode statistika terbagi menjadi dua yaitu :
  1. Pengertian Statistika Deskriptif 
  2. Statistika Inferensial 
Pengertian Statistika Deskriptif dan Statistika Inferensial
  1. Statistika deskriptif yaitu berkaitan dengan kegiatan pencatatan dan peringkasan hasil-hasil pengamatan terhadap kejadian-kejadian atau karakteristik-karakteristik manusia, tempat dan sebagainya, secara kuantitatif
  2. Statistika inferensial yaitu metode-metode untuk menganalisis sampel dari populasi sehingga dapat ditarik kesimpulan tentang populasi dari sampel tersebut.
Populasi dan Sampel

Populasi adalah keseluruhan objek psikologis yang menjadi perhatian, Populasi terdiri dari dua katagori pertama 

  1. Populasi yang terhingga (contohnya : Jumlah mahasiswa Stimik Eresha Pamulang)
  2. Populasi tak terhingga (contohnya : jumlah mahasiswa Stimik Eresha Pamulang dari dulu hingga sekarang dan nantinya).

Sampel adalah himpunan bagian dari populasi.
Kita sangat akrab dengan kata “statistik” dalam kehidupan sehari-hari, bahkan di negara kita terdapat lembaga negara yang bernama Badan Pusat Statistik (BPS). Kita juga sering mendengar istilah “observasi”, “data”, “sensus”, “sample”, “populasi” dan lain-lain. Mirip dengan kata statistik, terdapat kata “statistika"

Berikut definisi beberapa istilah tersebut:
STATISTIKA adalah kumpulan metoda yang digunakan untuk merencanakan eksperimen, mengambil data, dan kemudian menyusun, meringkas, menyajikan, menganalisa, menginterpretasikan dan mengambil kesimpulan yang didasarkan pada data tersebut.
DATA adalah hasil observasi atau pengamatan yang telah dikumpulan. Data dapat berupa hasil pengukuran; misalnya data tinggi dan berat badan, hasil pengelompokan; misalnya jenis kelamin, hasil jawaban responden terhadap suatu quesioner; misalnya tingkat kepuasan.
POPULASI adalah koleksi lengkap semua elemen yang akan diselidiki. Suatu koleksi dikatakan lengkap jika ia memuat semua subjek yang akan diselidiki.
SENSUS adalah koleksi data dari semua anggota dalam populasi.
SAMPEL adalah sebagian koleksi anggota yang dipilih dari populasi.
STATISTIKA DESKRIPTIF adalah statistika yang berkaitan dengan analisis dan deskripsi suatu grup sebagai populasinya, tanpa melakukan penarikan kesimpulan apapun untuk komunitas yang lebih luas dari grup tersebut.
STATISTIKA INFERENSI adalah statistika yang mencoba untuk membuat suatu deduksi atau kesimpulan pada populasi dengan menggunakan sampel dari populasi tersebut.
Published by :   
Statistik Data | Teknik Informatika

Statistik Data | Teknik Informatika

September 29, 2017
Baca Selengapnya

Matematika | Statistika Dasar  Materi kuliah semester III Teknik Informatika pembahasan tentang "Statistik dasar"

Data statistik - jenis dan contohnya
Statistik merupakan ilmu yang mempelajari dengan cara:
Statistik Data | Materi Kuliah Fakultas Teknik Informatika | Stimik Eresha Unpam
Statistik Data | Materi Kuliah Fakultas Teknik Informatika
  • Mengumpulkan data
  • Meringkas data
  • Mengolah data
  • Menyajikan data
  • Menarik kesimpulan dan interpretasi
  • Menganalisis data

Pengertian Statistik Data

Statistik data bisa disimpulkan sebagai Probabilitas atau kemungkinan yang diperoleh dari sebuah galian kumpulan Data mentah yang kemudian dijadikan bahan Informasi kumpulan data yang selanjutnya diolah dan memiliki makna atau arti tertentu.

Pengertian Data | suatu kumpulan informasi atau keterangan yang disampaikan dan diperoleh oleh orang dari suatu Pengamatan/Observasi dan Experiment dalam bentuk
  • Angka
  • Lambang 
  • Sifat
Syarat utama Analisa data atau pengamatan data secara statistic adalah dengan mengolah data secara baik untuk mendapatkan hasil informasi maupun kesimpulan yang baik dan akurat
Data harus memiliki sifat representative atau mewakili, objektif atau sesuai dengan apa yang terjadi, relevan atau berhubungan dengan persoalan yang sedang dialami dan yang akan dipecahkan, dan akurat dengan nilai ketelitian yang tinggi dan kesalahan atau standart eror yang kecil. 

Kita juga harus mendapatkan data internal dan data eksternal untuk mendapatkan hasil akhir data statistic. Data internal (Data Primer) merupakan data yang didapat dari dalam perusahaan itu sendiri, sedangkan Data eksternal  (Data Skunder) didapat dari luar perusahaan atau organisasi tersebut.
Jenis Data Statistik
Beberapa jenis data dalam statistika terdapat 4 tipe data dari tingkat terendah sampai tertinggi. berikut beberapa jenisnya.


Katagotik
  1. Nominal (Data tanpa urutan) digunakan untuk mengklasifikasi informasi ataupun data, contohnya data jenis kelamin. Pada data dilambangkan dengan angka atau numeric jumlah dari orang berjenis kelamin laki-laki dan perempuan.
  2. Ordinal (Data dengan urutan) untuk mengklasifikasikan tingkatan. Tipe ini lebih tinggi dari nominal karena membentuk suatu tingkatan.
Numerik
  1. Interval ciri dari data ini adalah memiliki kemampuan mengklasifikasi dan membentuk tingkatan juga ada titik nol mutlak.
  2. Rasio dimana tipe ini memiliki kemampuan dari ketiga tipe diatas dan angka nol dianggap mutlak.
Contoh Data Statistik
Contoh dari data statistic adalah adanya suatu data dari suatu wilayah kabupaten A dimana ada data jumlah siswa pada setiap jenjang sekolah dari SD, SMP, SMA, SMK. Maka dari data tersebut disimpulkan bahwa pada kabupaten A terdapat jumlah siswa masing-masing jenjang SD, SMP, SMA, SMK dan dapat diketahui total dari keseluruhan siswa sekolah yang ada dalam 1 kabupaten tersebut.

Pembagian dari statistika sendiri dibagi menjadi dua bagian yaitu statistika deskripsi dan statistika induktif (inferens). Statistika deskripsi adalah statistika yang mempelajari cara mengumpulkan data, mengolah, menganalisis, dan menyajikan data. Sedangkan untuk statistika induktif adalah statistika yang mempelajari cara mengumpulkan data, mengolah, menyajikan, menganalisis dan membuat kesimpulan serta keputusan yang akan diambil.

Kegunaan dari data statistika sendiri adalah untuk membantu dalam pengambilan suatu keputusan yang didasarkan pada kesimpulan dari analisis suatu data yang sudah dikumpulkan dari beberapa sampel. Dari statistika kita juga bisa meramalkan keadaan yang akan datang dengan berdasarkan dari masa yang sudah lalu.
Penggolongan data statistic
Terdiri dari 2 pengelompokan data statistik yaitu data kuantitatif dan data kualitatif.
  1. Data kuantitatif adalah data yang berbentuk angka atau bilangan misalnya luas tanah, jumlah penduduk, dan lainnya. jenis data ini perlu dilakukan perhitungan atau operasi matematika dan data kuantitatif ini nilainya bisa berubah sesuai dengan variabelnya.
      Data Numerik langsung diperoleh dan disimpulkan dengan data perVolume secara lebih terperinci ( Jenis data Interval dan Rasio ) 
  2. Data kualitatif adalah data yang tidak berbentuk angka maupun bilangan. Data ini misalnya data kepuasan para pelanggan dalam suatu restoran, puas, tidak puas, atau sangat puas. Kita juga tidak perlu melakukan perhitungan secara matematika dan jenis data ini disebut dengan data atribut. Data kualitatif bisa dibagi menjadi data nominal dan data ordinal.
      Data Katagorik : data yang diperoleh dengan parameter seperti Voite, Skala dan Liker (Jenis data Nominal dan Ordinal ) 
    • Recent search terms:
    • data statistik
    • pengertian data statistik
    • contoh statistik
    • contoh data statistik
    • Data statistik adalah
    • pengertian data dalam statistika
    • contoh statistik dan statistika
    • jenis data statistik
    • pengertian data statistik dan contohnya
    • jenis jenis data statistik
Published by :   
Ukuran Pemusatan Data | Kelompok

Ukuran Pemusatan Data | Kelompok

September 21, 2017
Baca Selengapnya

Materi E-learning semeter ganjil semester III Teknik Informatika Pembahasan tentang Matematika Stastistika Dasar " Ukuran Pemusatan Data " Kelompok

Ukuran pemusatan data menggambarkan tempat dimana data cenderung berkumpul. Ada 3 ukuran pemusatan data yang biasa digunakan yaitu

  • Rata-rata hitung (mean)
  • Median
  • Modus.



Rata-rata Hitung (Mean) Jika kita hanya mempunyai data berkelompok tanpa mengetahui detail setiap data dalam kelompok tersebut, maka mean ditentukan dari nilai titik tengah kelompok-kelompok tersebut.

Data kelompok (dalam distribusi frekuensi)

Cara mencari mean data kelompok ada dua cara yang pertama menggunakan cara panjang yang sedikit rumit dan cara kedua menggunakan cara pendek (sandi)
  • Cara panjang

Rumus mencari mean dengan cara panjang | Stimik Eresha Unpam
Rumus mencari mean dengan cara panjang

Dengan Xi merupakan tanda kelas dari interval ke-i, dan F merupakan frekuensi interval ke-i


  • Cara pendek / sandi

Ada beberapa langkah- langkanya dalam penyelesaian Mean cara pendek sebagai berikut :


  1. Ambil sembarang tanda kelas ( biasanya yang letaknya ditengah) , misalnya x0
  2. Hitung ci dengan rumus MMMMMMMM merupakan panjang dari interval
  3. Rumusan mean dengan cara pendek
Contoh
Dalam sebuah penelitian diperoleh rata-rata sebagai berikut :

Cara panjang

Berdasarkan persamaan pada cara panjang diperoleh rata-rata hitung dari data tersebut adalah


Cara pendek / sandi
Diambil x0 = 63,5 (tanda kelas ke-4) dan diketahui p = 8, maka diperoleh

Berdasarkan persamaan pada cara pendek/sandi diperoleh rata- rata hitung


  • Rata-rata Tertimbang

Rata-rata tertimbang adalah rata-rata yang memperhitungkan frekuensi dari tiap-tiap nilai variabel. Rumus untuk rata-rata ini adalah :

Contoh :
Jika 5 mahasiswa mendapat nilai 70 : 6 mahasiswa mendapat 69 : 3 mahasiswa mendapat nilai 45 : 1 seorang mahasiswa mendapat nilai 80 : 1 dan seorang lagi mendapat nilai 56 untuk data tersebut sebaliknya ditulis sebagai berikut :

Pada nilai rata-rata ujian tersebut untuk ke-16 mahasiswa itu ialah :
2. Median (Me)
Data kelompok ( dalam distribusi frekuensi)

Untuk data yang disusun dalam daftar distribusi frekuensi, median dihitung dengan rumus :
dengan
b = batas bawah kelas median
p = panjang kelas median
n = jumlah data
F = jumlah frekuensi kumulatif sebelum kelas median
f = frekuensi kelas median


Contoh :
Dari tabel sebelumnya diperoleh kelas median terletak pada interval ke-4, sehingga diperoleh b = 59,5 ; p = 8; n = 50 ; F = 15 dan f = 15 akibatnya

3. MODUS (Mo)
Modus adalah nilai yang mempunyai frekuensi paling banyak. Modus tidak harus tunggal, artinya nilainya bisa lebih dari satu. Adapun cara mencari modus untuk data tunggal tinggal dilihat frekuensinya. Untuk data dalam daftar distribusi frekuensi, modus ditentukan dengan rumus :
dengan

b = batas bawah kelas modus yaitu kelas interval dengan frekuensi terbanyak
p = panjang interval kelas modus
b1 = frekuensi kelas modus dikurangi frekuensi kelas sebelum kelas modus
b2 = frekuensi kelas modus dikurangi frekuensi kelas sesudah kelas modus

Jika rumus di atas digunakan untuk mencari modus dari tabel di bawah ini

Maka diperoleh :

  • a. kelas modus = kelas ke-4
  • b. b = 59,5
  • c. b1 = 15 – 6 = 9
  • d. b2 = 15 – 13 = 2
  • e. p = 8



C. Latihan

Carilah nilai mean, median dan modus dari data berikut :

Nilai
Frekuensi

31 – 35
2
36 – 40
4
41 – 45
7
46 – 50
11
51 – 55
8
56 – 60
4
61 – 65
3
66 – 70
1
Jumlah 40
Published by :   
Pengukuran Gejala Pusat | Tunggal

Pengukuran Gejala Pusat | Tunggal

September 21, 2017
Baca Selengapnya

Materi E-learning semeter ganjil semester III Teknik Informatika Pembahasan tentang Matematika Stastistika Dasar " Pengukuran Gejala Pusat"tunggal.

Materi Statistika Dasar Pengukuran Gejala Pusat Tunggal, Pengertian Ukuran Gejala Pusat
Apa yang dimaksud dengan Pengukuran Gejala Pusat ?

"Ukuran gejala pusat adalah suatu ukuran yang digunakan untuk mengetahui kumpulan data mengenai sampel atau populasi yang disajikan dalam bentuk tabel atau diagram"
Materi Statistika Dasar | Pengukuran Gejala Pusat | Tunggal | Stimik Eresha-Unpam
Materi Statistika Dasar | Pengukuran Gejala Pusat | Tunggal

Pangertian Pengukuran Gejala Pusat | Tunggal

  • Ukuran gejala pusat adalah suatu ukuran yang digunakan untuk mengetahui kumpulan data mengenai sampel atau populasi yang disajikan dalam tabel dan diagram, yang dapat mewakili sampel atau populasi. Ada beberapa macam ukuran tendensi sentral, yaitu rata-rata (mean), median, modus, kuartil, desil dan persentil.
  • Gejala pusat sebagai nilai rata-rata yang mempunyai kecenderungan memusat, sehingga sering disebut ukuran kecenderungan memusat (measures of central tendency). Beberapa jenis rata-rata yang sering digunakan adalah rata-rata hitung (arithmetic mean atau sering disingkat mean saja), lalu rata-rata ukur (geometric mean), kemudian rata-rata harmonis (harmonic mean). Dan umumnya terdapat istilah mean ,median, dan modus
  • Gejala pusat pada hakekatnya menganggap rata-rata (average) dapat merupakan nilai yang cukup representatif bagi penggambaran nilai-nilai yang terdapat dalam data yang bersangkutan. Rata-rata sedemikian itu dapat dianggap sebagai nilai sentral dan dapat digunakan sebagai pengukuran lokasi sebuah distribusi frekuensi. Statistik mengenal bermacam-macam rata-rata dengan nama-nama yang khas, yaitu rata-rata hitung (mean), median, modus, rata-rata ukur dan rata-rata harmonis itu semua merupakan jenis rata-rata yang lazim digunakan sebagai pengukuran lokasi atau pengukuran tendensi sentral (central tendency) dari sebuah distribusi.

Macam-macam Ukuran Gejala Pusat

  • Rata-rata hitung / Mean

Dalam kegiatan penelitian, rata-rata (mean) mempunyai kedudukan yang penting dibandingkan ukuran gejala pusat lainnya. Hampir setiap kegiatan penelitian ilmiah selalu menggunakan rata-rata (mean).
Adapun cara untuk mencari mean dibedakan berdasarkan jenis penyajian data
(i). Data tunggal dengan seluruh skornya berfrekuensi satu


dimana xi = data ke-i dan n = jumlah data
Contoh :
Nilai Statistik dari 10 mahasiswa STMIK adalah sebagai berikut :
8 6 6 7 8 7 7 8 6 6 jadi meannya adalah

(ii). Data tunggal sebagian atau seluruh skornya berfrekuensi lebih dari satu



Maka

dengan xi merupakan nilai data

  • Median  (Me)

Median adalah suatu nilai yang membagi distribusi data menjadi dua bagian yang sama besar atau suatu nilai yang menbagi 50% frekuensi bagian atas dan 50% frekuensi bagian bawah, sehingga frekuensi yang terdapat di atas sama dengan frekuensi yang trdapat di bawah. Oleh karena itu median dari sejumlah data tergantung pada frekuensinya bukan variasi nilai- nilainya.
Adapun cara mencari median adalah :
Data tunggal sebagian atau seluluh skornya berfrekuensi lebih dari satu. Sebelum dihitung mediannya, data diurutkan lebih dulu dari data yang terkecil ke yang terbesar.
Rumus median untuk data tunggal dibedakan jadi dua, yaitu :
Contoh
1. Untuk contoh tabel sebelumnya dengan data 8 6 6 7 8 7 7 8 6 6. Setelah data diurutkan diperoleh 6 6 6 6 7 7 7 8 8 8. Jumlah data genap sehingga untuk mencari median digunakan rumus di atas dan diperoleh


2. Diketahui data sebagai berikut.

Tentukan median dari data di atas!
Untuk data di atas diketahui n ganjil, sehingga untuk mencari median digunakan rumus pertama dan diperoleh :

  • Modus (Mo)
Pada sebuah kelompok  data, modus (Mo) adalah nilai yang paling sering muncul yaitu nilai-nilai  yang  memiliki  frekuensi  paling  tinggi.  Dalam  satu  kelompok  data, modus tidak mungkin tunggal, pada kasus lain ada juga kelompok data yang tidak memiliki modus karena tiap datum memiliki frekuensi yang sama.
Contoh :
Carilah Modus dari data  7, 8, 3, 5, 7, 4, 6, 7, 3, 6, 3, 7, 8.
Penyelesaian
·    Datum 3 sebanyak 3 kali
·    Datum 4 sebanyak 1 kali
·    Datum 5 sebanyak 1 kali
·    Datum 6 sebanyak 2 kali
·    Datum 7 sebanyak 4 kali
·    Datum 8 sebanyak 2 kali
Sehingga modus data di atas adalah 7
C.  Latihan
Hitunglah rata-rata hitung (X) , rata-rata geometris (G), rata-rata harmonis, median dan modus dari data berikut :  5, 7, 4, 7, 9, 3, 2

D.  Daftar Pustaka
1.     Hasan, I. (2005). Pokok-pokok materi statistik 1. Edisi kedua. Jakarta: PT. Bumi Aksara.
2.    Shavelson, R. J. (1996). Statistical Reasoning for the Behavioral Sciences.   Boston: Allyn and Bacon.
3.     Sutrisno Hadi. (1987). Statistik. Jilid I. Yogyakarta: Fakultas Psikologi UGM.
4.     Budi Setiawan, SE., MSi, Menganalisa Statistik Bisnis dan Ekonomi Dengan SPSS 21.
Published by :   
Kelemahan dan Kekurangan Mean, Median dan Modus

Kelemahan dan Kekurangan Mean, Median dan Modus

September 21, 2017
Baca Selengapnya

Materi E-learning semeter ganjil semester III Teknik Informatika Pembahasan tentang Matematika Stastistika Dasar " Pengukuran gejala pusat (Data Tunggal) "

Apa yang dimaksud dengn Pengukuran gejala pusat (Data Tunggal) ?
Macam-macam gejala pusat diantaranta meliputi 
  • rata-rata (mean)
  • median
  • modus
Lebih lengkapnya bisa dipelajari di " Matetatika Stastistika Dasar dan Penjelasan lengkap tentang pengertian Mean , Median dan Modus" dilengkapi dengan contoh soal , Masing-masing dari istilah diatas menjadi salah satu tolak ukur penyelesaian penentuan data "Ukuran Gejala Pusat Untuk Data Tunggal " berikut masing-masing keunggulan dan kelemahan dari Mean, median dan modus berikut penjelesannya :

Stastistika Dasar Ukuran Gejala Pusat Untuk Data Tunggal | Stimik Eresha-Unpam
Stastistika Dasar Ukuran Gejala Pusat Untuk Data Tunggal | Stimik Eresha-Unpam

Rata-rata

Kelebihan
  • Rata-rata lebih populer dan lebih mudah digunakan.
  • Dalam satu set data, rata-rata selalu ada dan hanya ada satu rata-rata.
  • Dalam penghitungannya selalu mempertimbangkan semua nilai data.
  • Tidak peka terhadap penambahan jumlah data.
  • Variasinya paling stabil.
  • Cocok digunakan untuk data yang homogen.
Kelemahan
  • Sangat peka terhadap data ekstrim. Jika data ekstrimnya banyak, rata-rata menjadi kurang mewakili (representatif).
  • Tidak dapat digunakan untuk data kualitatif.
  • Tidak cocok untuk data heterogen.

Median

Kelebihan

  • Tidak dipengaruhi oleh data ekstrim.
  • Dapat digunakan untuk data kualitatif maupun kuantitatif.
  • Cocok untuk data heterogen.
Kelemahan
  • Tidak mempertimbangkan semua nilai data.
  • Kurang menggambarkan rata-rata populasi.
  • Peka terhadap penambahan jumlah data.

Modus

Kelebihan
  • Tidak dipengaruhi oleh data ekstrim.
  • Cocok digunakan untuk data kuantitatif maupun kualitatif.
Kelemahan
  • Modus tidak selalu ada dalam satu set data.
  • Kadang dalam satu set data terdapat dua atau lebih modus. Jika hal itu terjadi modus menjadi sulit digunakan.
  • Kurang mempertimbangkan semua nilai.
  • Peka terhadap penambahan jumlah data.
Published by :   
Sistem Permasaan Linier

Sistem Permasaan Linier

September 20, 2017
Baca Selengapnya

Pengertian Persamaan Linier

Materi E-learning semeter ganjil semester III Teknik Informatika Pembahasan tentang pengertian dari Sistem Persamaan Linier

Apa yang dimaksud dengan Sistem Permasaan Linier ?



Sistem persamaan linier adalah gabungan dua atau lebih persamaan linier yang saling berkaitan satu dengan lainnya. Didalam sistem persamaan linier terdapat proses yang disebut dengan penyelesaian dan selesaian keduanya ini disimpulkan sebagai nilai pengganti peubah yang menyebabkan persamaan menjadi pernyataan yang bernilai besar. Dan proses dari selesaian itu biasanya disebut penyelesaian.



Materi lengkap tentang Sistem Persamaan Linier Bisa langsung dipelajari dan didownload, didalam file terdapat pembahasan lengkap tentang materi persamaan liner , contoh soal dan cara penyelesaian,
Download juga materi lengkap rekomendasi lainnya " Pembahasan lengkap materi Determinan " didalam file terdapat pembahasan lengkap tentang materi determinan , contoh soal dan cara penyelesaian,

4 Metode Utama Penyelesaian Persamaan Linier

  1. Metode Subtitusi
  2. Eleminasi
  3. Campuran
  4. Grafik
Metode Utama Penyelesaian Persamaan Linier | STIMIK ERESHA - UNPAM

Metode Utama Penyelesaian Persamaan Linier | STIMIK ERESHA - UNPAM



1. Metode Subtitusi

Metode subsitusi yaitu metode atau cara menyelesaikan persamaan linier dengan mengganti salah satu peubah dari suatu persamaan dengan peubah yang diperoleh dari persamaan linier yang lainnya .
Untuk lebih jelasnya lagi , perhatikan contoh berikut ini :

Contoh soal Metode Subtitusi Persamaan Linier dan cara penyelesaiannya
  • Diketahui persamaan x + 3y = 7 dan 2x + 2y = 6 , tentukan Himpunana Penyelesaiannya :

Penyelesaiannya :

Diket : x + 3y = 7
< = > x = -3y + 7 . . . .( 1 )

Kemudian , masukkan persamaan ( 1 ) ke dalam persamaan ( 2 ) untuk mencari nilai dari y
Diket : 2x + 2y = 6
< = > 2 ( -3y + 7 ) + 2y = 6
< = > -6y + 14 + 2y = 6
< = > -6y + 2y = 6 – 14
< = > -4y = – 8
< = > y = 2

Gunakan persamaan antara persamaan ( 1 ) atau ( 2 ) untuk mencari nilai x
Maukan nilai "y" kedalam  x + 3y = 7

< = > x + 3 ( 2 ) = 7
< = > x + 6 = 7
< = > x = 1

Jadi , HP = { 1 , 2 }

2. Meode Eliminasi

Metode Eliminasi , yaitu metode penyelesaian sistem persamaan linier dengan mengeliminasi atau menghilangkan salah satu peubah dengan menambahkan atau mengurangkan dengan menyamakan koefisien yang akan dihilangkan tanpa memperhatikan nilai positif atau negatif .

Apabila peubah yang akan dihilangkan bertanda sama , maka untuk mengeliminasi menggunakan sistem operasi pengurangan . Dan sebaliknya apabila peubah yang akan dihilangkan bertanda berbeda, maka untuk mengaliminasi menggunakan operasi penjumlahan .
Utuk lebih jelasnya , perhatikan contoh berikut ini :
Contoh soal Metode Eleminasi Persamaan Linier dan cara penyelesaiannya

Penyelesaian:

Diketahui dua persamaan x + 3y = 7 dan 2x + 2y = 6 , tentukan HP dari persamaan tersebut !

Pertama lakukan eliminasi dengan mengurangkan untuk menghilangkan peubah atau koefisien x untuk mengetahui nilai y

2x + 2y = 6 : 2
< = > x + y = 3

Selanjutnya lakukan
x + 3y = 7
x + y = 3 _
2y = 4
y = 2

Langkah selanjutnya adalah lakukan eliminasi dengan mengurangkan untuk menghilangkan peubah atau koefisien y untuk mengetahui nilai x

2x + 2y = 6 | x3 | < = > 6x + 6y = 18
x + 3y = 7 | x 2 | < = > 2x + 6 y = 14 _
4x + 0 = 4
x = 1

Maka dieroleh  Himpunan penyelesaian yang dihasilkan sama yaitu HP = { 1 , 2 }

3. Metode Campuran ( antara eliminasi dan substitusi )

Yang dimaksud dari metode ini , yaitu kita dalam mencari himpunan penyelesaian menggunakan dua metode boleh gunakan eliminasi terlebih dahulu setelah diketahui salah satu nilai peubah baik itu x atau y maka selanjutnya masukkan ke dalam metode substitusi atau sebaliknya .

Untuk lebih jelasnya , perhatikan contoh berikut :
Diketahui dua persamaan x + 3y = 7 dan 2x + 2y = 6 , tentukan HP dari persamaan tersebut !

Langkah pertama lakukan metode eliminasi , untuk mecari nilai x
2x + 2y = 6 | x3 | < = > 6x + 6y = 18
x + 3y = 7 | x 2 | < = > 2x + 6 y = 14 _
4x + 0 = 4
x = 1

Selanjutnya substitusikan nilai x ke dalam salah satu persamaan :
x + 3y = 7
< = > 1 + 3y = 7
< = > 3y = 7 – 1
< = > 3y = 6
< = > y = 2

Maka hasilnyapun sama yaitu HP = { 1 , 2 }
4. Metode Grafik

Metode grafik , yaitu dengan menggambarkan dua persamaan pada grafik kartesius , dan himpunan penyelesaiannya dihasilkan dari titik potong dari kedua garis tersebut . Yang perlu diperhatikan yaitu ketika menggambar titik sumbu kartesiusnya harus sama dan konsisten .

Untuk lebih jelasnya perhatikan gambar grafik berikut :
Gambarlah grafik persamaan x + 3y = 7 dan 2x + 2y = 6 , dan tentukan titik potongnya



Dari gambar di atas , maka kita dapat melihat bahwa titik potongnya berada pada titik { 1 , 2 } dan dengan kata lain HP = { 1 , 2 }
Published by :   
PENGERTIAN DETERMINAN

PENGERTIAN DETERMINAN

September 20, 2017
Baca Selengapnya

Pengertian Determinan

Materi E-learning semeter ganjil semester  III Teknik Informatika Pembahasan tentang pengertian dari Determinan

Tiga pengertian dasar dari uraian Determinan secara umum

  • Determinan adalah suatu bilangan real yang diperoleh dari suatu proses penyelesaian dengan aturan tertentu terhadap matriks bujur sangkar.
  • Determinan dinyatakan sebagai jumlah semua hasil kali dasar bertanda dari matriks bujur sangkar A.
  • Determinan dari sebuah matriks bujur sangkar A, kemudian dinotasikan dengan det(A), atau |A|


Pengertian Determinan| STIMIK ERESHA - UNPAM
Pengertian Determinan| STIMIK ERESHA - UNPAM

Download juga materi lengkap rekomendasi lainnya " Pembahasan lengkap materi Determinan " didalam file terdapat pembahasan lengkap tentang materi determinan , contoh soal dan cara penyelesaian,

Materi lengkap tentang Sistem Persamaan Linier Bisa langsung dipelajari dan didownload, didalam file terdapat pembahasan lengkap tentang materi persamaan liner , contoh soal dan cara penyelesaian,

Sifat-Sifat Determinan dan Contoh Soal Determinan dan cara penyelesaian
  1. Jika setiap elemen suatu baris atau kolom dari suatu matriks bujur sangkar A bernilai nol, maka det (A) = 0. 
      Pengertian, dan Contoh Soal Determinan
  2. Jika A adalah suatu matriks bujur sangkar, maka det (A) = det (AT).
      Pengertian, dan Contoh Soal Determinan
  3. Jika setiap elemen dari suatu baris atau kolom pada determinan dari matriks A dikalikan dengan suatu skalar k, maka k bisa dikeluarkan dari tanda determinan, atau : det(kA) = k.det(A).
      Pengertian, dan Contoh Soal Determinan
  4. Jika matriks B diperoleh dari matriks A dengan cara mempertukarkan dua baris atau dua kolom, maka det(B) = - det(A).
      Pengertian, dan Contoh Soal Determinan
  5. Jika dua baris atau kolom matriks A identik, maka det(A) = 0 Dua matriks dikatakan identik , jika suatu baris merupakan hasil kali dengan skalar k (di mana k anggota bilangan real) dari baris yang lain, atau suatu kolom merupakan hasil kali dengan skalar k ( di mana k anggota bilangan real) dari kolom yang lain.
      Pengertian, dan Contoh Soal Determinan
  6. Jika A dan B dua matriks bujur sangkar yang mempunyai ukuran sama, maka det(AB) = det(A) det(B).
      Pengertian, dan Contoh Soal Determinan



    7. Reverensi Soal Bisa dilihat di http://www.bocahweb.blogspot.com
    Sumber : Google & http://www.bocahweb.blogspot.com

Published by :   
Subscribe to: Posts (Atom)

Ads 728x90