Practical Statistical Data Analysis 1

Expert Club Indonesia
Practical Statistical Analysis

For Supervisory Skill
January 2021
BIAYA TRAINING SUPERVISORY SKILLS ON STATISTICAL ANALYSIS

Sabtu, 16 Jan 2021 jam 08:00 – 12:00Wib
Alumni peserta training ECI Rp. 100k
Non Alumni ECI/ tidak pernah menjadi peserta training Rp. 400K
Rekening Bank Mandiri 900 0002250448/ Rek BCA 2670333674
Atas nama Bambang Eko Cahyono
Bukti transfer dikirim ke Admin ECI Ibu Umi 081370294942
Outline
✓ Memahami Type data (Continuous, Discrete)

✓ Jenis distribusi data (Normal, Binomial, Poisson) & basic stools
statistics yang umum dipakai
✓ Memahami menginterpretasi distribusi data dan central tendency
✓ Mengetahui teknik sampling dan data collection
✓ Mengaplikasikan tools basic statistic untuk menganalisa data,
✓ menerjemahkan dan dapat mengambil keputusan dari sebuah
trend data analysis.
✓ Memahami Tools Software Statistics MINITAB dalam membantu
analysis
Practical Statistical Analysis for Supervisory Skill
Solving Practical Issue

- Metode untuk memecahkan masalah praktis adalah sains. Tidak cukup hanya dengan akal dan
pengalaman.
Based on Best Guessing Based on Methodology

Sains menjawab pertanyaan
apa dan mengapa dan
Action 2 Action 1 Practical Problem Question Know bagaimana
Pendekatan dengan data-

Statistical Problem Data See Facta
Action 3
Data memberikan informasi
Action 4 ? Data diolah dengan metode

yang tetapt (benar)
Trial Error
Know-How
Action 5 Data diukur dengan alat
Quick Action
ukur dan metode yang
benar.
Action 6
Alat ukur dibaca dengan
benar
Go
Back
Action 7 Statistical Solution
Practical Solution

Practical Statistical Analysis for Supervisory Skill -asrizal.zoomeci
Slide 4 PSA4SpvSk.00 Issue14jan2021
Last Experience
o PT. LG – electronic (LGE – LPDI – LP Displays) - 15 Years
o Neville Clarke Consultant (NCI) - 2 Years
o PT. Mutugading Textile – 1 Years
o PT. SSCX International – 4 years
o APP SinarMas – 3 Years
Six Sigma Black Belt
ASRIZAL
Lean Six Sigma Experience – Practitioner :
| Electronic Manufacturing |Production and
Quality Improvement Consultant I Textile
industries |Mining and Exploration| Service
industries | Power plant | Governance service |
and other

DATA
Memahami type data
6
DATA
Data Information Knowledge
Cara mengukur
Object 23, 25, 21, 23, 22,

(part) 21, 20, 19, 25, 23,
21, 22, 20, 20
x x
x xx
Alat ukur x x x
x
Mengumpulkan
Analysis Interpretasi
data
Type data
Usia, status, Merek,

Nomimal Klasifikasi
lokasi
Rangking
Ordinal Urutan data Kalsemen
Kelas
Type data
Suhu
Perbedaan antar
Interval Ukuran baju
Nilai
Tingkat skala Ukuran sepatu
pengukuran
Jarak
Rasio Rasio antar nilai Berat
Lead time

Type - DATA
Tipe data Qualitative

Penilaian (Dipengaruhi oleg budaya
dan latar belakang)
Quantitative Discrete Suatu hitungan, bagian, atau

persentase dari sebuah
Berdasarkan
pengukuran/perhitungan karakteristik atau kategori. Data
Objective proses jasa seringkali bersifat
discrete.
Continuous Variabel yang terukur pada suatu

produk atau proses, yang dapat
dibagi sampai tidak terhingga.
Contoh: waktu, ukuran, berat,
temperatur, kecepatan.
Type - DATA
Continuous
•Lead time : 2 mnt, 20 mnt
•Biaya atau harga : $200
•Lamanya telepon : 45 mnt
•Suhu ruangan : 15 C
Discrete/Attribute
•Pengiriman terlambat : terlabat / tepat waktu
•Jenis Kelamin : laki / perempuna
•Lokasi : jakarta/ Medan/surabaya
•Tipe ruangan : Standard, VIP, Business dll
Interests
Y With
variation
Central
DATA Mean Median Mode Tendency
Y1 , Y2 , …, Yn
Standard
Range Variance Dispersion
Deviation
• (Range)
: Perbedaan antara nilai max. dan nilai min.
Quartile
• (Variance) n
 (Y i −Y ) 2
S2 = i =1
n −1
• (Standard Deviation; StDev) : akar dari variance .
Summarize the data dengan n
1. central tendency and

 (Y i −Y ) 2
S = i =1
n −1
2. Sebaran
Practical Statisticaldataa
Analysis for Supervisory Skill
Statistics
MINITAB
File : Diameter.mtw

2
Jenis distribusi data
(Normal, Binomial, Poisson)
Distribusi Normal
❑ Disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak digunakan
dalam berbagai analisis statistika.
❑ Distribusi normal baku adalah distribusi normal yang memiliki rata-rata nol dan simpangan
baku satu.
❑ Distribusi ini juga dijuluki kurva lonceng (bell curve) karena grafik fungsi kepekatan
probabilitasnya mirip dengan bentuk lonceng (yang mengambarkan gejala yang mulcul.)
Kemungkinan Kondisi yang bisa terjadi
Ada 2 parameter dalam pengambaran matematika

 untuk distribusi Normal :
1. Ratan (mean) → 
2. Simpangan Baku (Standard Deviation) → 
x
 Fungsi x dinyatakan dengan n(x ; , )
F(x) = n)x ; , )

Practical Statistical Analysis for Supervisory Skill -asrizal.zoomeci 15
Kemungkinan Kondisi yang bisa terjadi
2
Konsisi #1 1 1 < 2
1 = 2
1 2
Konsisi Ideal
Konsisi #2
1 = 2
1 > 2
Konsisi #3
1 < 2
1 > 2
Disribusi Normal mempunyai rataan  dan StdDeviasi  serta mempunyai Variasi 2 adalah :
1 x2 (x - ) 2
e
1
F(x) = n(x; , ) =

- 2 
dx
2 x1 - <x<
Lima Sifat Kurva :
1. Modus berada pada sumbu x yang

memberikan NIlai tertinggi pada kurva.
* 2. Kurva simteris melalui sumbu tengak .
1 3. Kurva mempunyai titik belok pada
2 x=.
3 4. Kendua ujungkurva mendekati asimtot
sumbu datar bila nilai x bergerak ke kiri
3 21 0 1 3 atau kekanan.
5. Seluruh Luas Kurva = 1
Standard Distribution Normal
Luas kurva dapat di tentukan dari tutunan 1st dari persamaan Kurva.
x2
1
e - (x - ) 2
1
F(x) = n(x; , ) =
2 x1
2 
dx
x1 x2 x2
=
1
 e - ½. Z2
dz
2 x1
X- = p (z1 < Z < z2 )
Z= 
X-
Z =

Distribusi normal dengan  = 0, dan
 = 1 ini di sebut Standasd Distribusi
Normal Dengan z merupakan distribusi normal
Practical Statistical Analysis for Supervisory Skill dengan  = 0, dan  = 1
Untuk mengatasi kesulitan dalam perhitungan intergral maka telah dibuat

tabel luas kurva normal sehingga memudahkan dalam pengunaannya. Tapi
hal ini tidak akan mungkin dillakuakn untuk nilai ,  yang berbeda-beda.
Untunglah, seluruh nilai distribusi normal dapat di tranformasi ke dalam nilai

Distribusi Z dengan rataan = 0, dan Standard deviasi = 1.
=1
x1 x2 z1 z2

=0
Contoh
Soal #1: Soal #2:
a. Ditentukan Standart distribusi Suatu pengukuran dilakukan untuk
Normal, carilah luas kurva yang memfilter suatu part yang ukuranya
terletak di sebelah kanan z = 1.84 tidak memenuhi 1.5 mm. Tentukankan
Jawaban : nilai toleransi serta batas atas dan
bawah yang diizinkan untuk memenuhi
cakupan 95% dari seluruh pengukuran,
dengan  = 0.2.
Jawaban :
b. Luas antara z = -1.97 dan z =
0.86.

Contoh
Soal #1: Soal #2:
a. Ditentukan Standart distribusi Normal, carilah Suatu pengukuran dilakukan untuk memfilter suatu
luas kurva yang terletak di sebelah kanan z = part yang ukuranya tidak memenuhi 1.5 mm.
1.84 Tentukankan nilai toleransi serta batas atas dan
bawah yang diizinkan untuk memenuhi cakupan
Jawaban : 95% dari seluruh pengukuran, dengan  = 0.2.
Luas = 1- ztable(1.84)
= 1 – 0.9671
Jawaban :
= 0.03926
Z = 1.84 0.025
0.025
1.5
b. Luas antara z = -1.97 dan z = 0.86. x1 x2
95% x2 = 1.5 + d
X1 = 1.5 - d
P (0.025 <x<0.025)
P (-1.96<z<1.96)
[1- 0.1950 ] X-

x2 = (1.96 *0.2) + 1.5
Z = -1.97 0 Z = 0.86
Z=
1.5+ d = 1.892
 d = 1.82 – 1.5
Luas = ztable(0.86) - ztable(-1.970) = 0.392
X2 – 1.5
= 0.8051 – 0.0244 1.96 =
= for
Practical Statistical Analysis 0.7807
Supervisory Skill 0.2
Practical Statistical Analysis for Supervisory Skill X1 = 1.5-0.392
Soal #3: Soal #4:

Suatu mesin pembuat part tahanan listrik dengan Nilai rata2 dalam suatu Ujian adalah 74 dan simpangan
rata-rata 40 Ohm dan deviasi standard 2 Ohm. bakunya adalah 7. Bila 12% dari pengikut ujian mendapat
Hitungalah berapa % part yang mempunyai nilai nilai A , dan nilai ujian di buat mengikutiu distribusi
Tahanan diatas 43 Ohm normal, berapakah kemungkinan nilai A yang terkecil dan
Nilai B tertingi.
Jawaban :
Jawaban :

Dasar StatisticsPractical Statistical Analysis for Supervisory Skill Distribusi Normal
Soal #3: Soal #4:

Suatu mesin pembuat part tahanan listrik dengan Nilai rata2 dalam suatu Ujian adalah 74 dan simpangan
rata2 40 Ohm dan deviasi standard 2 Ohm. bakunya adalah 7. Bila 12% dari pengikut ujian mendapat
Hitungalah berapa % part yang mempunyai nilai nilai A , dan nilai ujian di buat mengikutiu distribusi
Tahanan diatas 43 Ohm normal, berapakah kemungkinan nilai A yang terkecil dan
Nilai B tertingi.
Jawaban :
Jawaban :
=2
=7
40 12%
74
43 x
43 – 40
Z= = 1.5 X > 0.12 X = z + 
2 X < 0.88 → Z = 1.175 = (1.175 * 7) + 74
= 82.225
P (x>43) = P (Z table >1.5)
= 1 – (Z table < 1.5)
= 1 – 0.9332 Maka nilai A terkecil adalah 83 dan Niali B terbesar
= 0.0668 (6.68%) adalah 82
6.68% part melebihi 43 Ohm

Dasar StatisticsPractical Statistical Analysis for Supervisory Skill Distribusi Normal
Soal #5: Soal #6:
Sebuah perusahaan listrik menghasilkan bola lampu yang Diameter dalam suatu pipa berdistribusi normal dengan rataan 10
umurnya berdistribusi normal dengan rataan = 800jam dan  mm dengan  = 0.03 mm.
= 40jam. HItunglah peluang lampu dapat menyala antara 1. Berapakah proporsi pipa yang ber melebihi 10.075?
778 dan 834 jam 2. Berapa peluang pipa ber  dalam antara 9.97 dan 10.03?
3. Dibawah nilai  dalam berapakah terdapat 15% dari seluruh
pipa.
Jawaban :
Jawaban :

Dasar Statistics Practical Statistical Analysis for Supervisory Skill Distribusi Normal
Soal #5: Soal #6:

Sebuah perusahaan listrik menghasilkan bola lampu Diameter dalam suatu pipa berdistribusi normal dengan
yang umurnya berdistribusi normal dengan rataan = rataan 10 mm dengan  = 0.03 mm.
800jam dan  = 40jam. HItunglah peluang lampu 1. Berapakah proporsi pipa yang ber melebihi 10.075?
dapat menyala antara 778 dan 834 jam 2. Berapa peluang pipa ber  dalam antara 9.97 dan
10.03?
3. Dibawah nilai  dalam berapakah terdapat 15% dari
seluruh pipa.
Jawaban : X-
Z=
Jawaban : 
 = 40
X- 10.075 - 10
Z= = 2.5
 1. Z=
800 0.03
778 834 P(X>10.75) = 1 - p (Z<2.5)

= 1- 0.99379 = 0.0621
788 – 800 834 – 800 9.97 - 10 10.3 - 10
z1 = = -0.55 z2 = = 0.85 = -1 = 10
40 40
2. Z=
0.03
Z=
0.03
P(9.97<X<10.03) = P (-1 <Z<10)

= P (Z<1) – P (Z < -1)
P(788<x<834) = p(-0.55, z<0.85) = 0.841- 0.158 = 0.683
= p(Z,0.85) – p (Z<-0.55)
= 0.8023 – 0.2912 3. 0.15 = P(Z <1.3)
= 0.511
X = -1.4* 0.03 + 10 = 9.98

Using Sample Statistics To Estimate Population Parameters
samples size n
Sample x1, x2, xn
Population
, 
(usually difficult to Sample Mean:
determine) _ 1
x= x
n i
Estimate
Sample Standard Deviation:

−
s=  (xi - x)2
n-1
Which of the three sample means is the best estimate of population mean?
Sample A
Population
x1, x2, x3 xn xA= 1.32
Sample B
, x1, x2, x3 xn xB= 1.27
Sample C
x1, x2, x3 xn xC= 1.40

Point Estimate and Interval Estimate
Point estimasi :
Nilai (Mean, StDev , Median dari sample diangap sebagai titik
estimasi populasi
Interval estimasi :
Interval (terdiri dari batas atas dan batas bawah) di mana (point estimasi)
populasi dianggap ada dengan tingkat keyakinan tertentu.

Sampling Distribution
Sampling Distribusi adalah distribusi dari rata2(Xs) yang diperoleh dari sampel
berukuran tetap (n) yang diambil dari distribusi populasi tertentu.
Population (all data)

, 
Sample A
Sample C
n samples
−
n samples
xA, sA −
xC, sC
Sample B
n samples
−
xB, sB

(Distribution of Sample Means)
Sample A
x1, x2, x3 xn xA= 1.32
, Sample B
x1, x2, x3 xn xB= 1.27
Sample C
x1, x2, x3 xn xC= 1.40


x
 x
Population Distribution
Practical Statistical Analysis for Supervisory Skill Sampling Distribution
Population Distribution:
Sampling Distribution:
_
x
Recall : Mean is the balance point of the data set.

The Relationship Between Measures of Population

Distribution and Sampling Distribution
Center *distribusi sampling* (sebaran x-bar) sama dengan center *sebaran populasi*
(sebaran x).
 = X  X
Stdev dari the sampling distribution lebih kecil dari StDev population distribution
(distribution of x).


X =
X
n

Teory Central Limit

Untuk hampir semua populasi, distribusi sampling dapat dilakukan denga
pendekatan distribusi normal, asalkan ukuran sampel cukup besar.
Sample distribution with the Sample distribution with the Sample distribution with the
Population
Practical Statistical Analysis for Supervisory Skill sample
size n = 2 sample size n = 5 sample size n = 30
Confidence Interval for Population Mean

(Continuous Data)

Upper Confident Limit = x + Z
n

Lower Confident Limit = x - Z
n
Dimana: x = sample average

 = standard deviation
n = sample size
Z = 1.96 (if 95% confidence)
2.58 (if 99% confidence)

Contoh : Point Estimate
Dalam pengujian rokok untuk memeriksa kandungan nikotin, sampel acak dari 36
batang rokok menghasilkan kandungan nikotin rata-rata 15,6 mg dan deviasi
standar 2,1 mg. Berapa perkiraan rata-rata populasi? Seberapa dekat perkiraan ini
dengan rata-rata kandungan nikotin sebenarnya dari populasi?
(Dapatkan perkiraan interval kepercayaan 99% untuk kandungan nikotin rata-rata
dari populasi.)

2.1
Upper Confident Limit = 15.6 + 2.58
 36
= 15.6 + 0.9
= 16.5
2.1
Lower Confident Limit = 15.6 - 2.58
 36
= 15.6 - 0.9
= 14.7
Kami yakin 99% bahwa rata-rata populasi yang tidak diketahui dari kandungan nikotin
terletak di suatu tempat dalam interval yang dibatasi oleh 16.5mg dan 14.7mg.

Population Distribution
2.1
x

2.1
 36
99%
x
2.1 15.6 2.1

- 2.58 +2.58
 36  36
14.7 16.5
Jika sampel kedua diambil dan rata-rata sampel adalah 14,5 mg, berapakah batas atas dan bawah
dari estimasi
Practical interval
Statistical Analysis kedua?SkillSeberapa yakin kita bahwa rata-rata populasi berada dalam interval ini?
for Supervisory
Sample Size dan Confident Interval


Upper Confident Limit = x + Z
n

Lower Confident Limit = x - Z
n

Half Interval Width, h = Z
n
2
Z
Sample Size, n=
h

Sample Size - Example

Dari catatan, standar deviasi diameter spindel adalah 3 mm. Berapa ukuran
sampel yang seharusnya untuk menentukan interval kepercayaan 95% dari
diameter rata-rata spindel ini, jika kisaran kesalahan perkiraan yang diperlukan
adalah +/- 1 mm?
2
Z
Sample Size, n=
h
h=1 =3 Z = 1.96
2
1.96 x 3
Sample size, n=
1

Sample Size - Exercise

Dalam contoh pengujian rokok ( = 2.1), berapa ukuran sampel jika rentang
kesalahan perkiraan adalah  1.0 mg? 0,5mg? Gunakan 99% tingkat Keyakinan.
Jika setengah interval yang diperlukan adalah 0,5 mg, berapa ukuran sampel yang
seharusnya untuk menentukan interval kepercayaan 95% dari rata-rata kandungan
nikotin dalam populasi?
2.58 * 2.1 2 2.58 * 2.1 2 1.96 * 2.1 2

n= n= n=
1.0 0.5 0.5
n = 29 unit n = 117 unit n = 68 unit
1 mg 0.5 mg CI : 99%
Practical Statistical Analysis for Supervisory Skill H = 0.5mg
Statistical Decision Making

- The bigger sample is, the more possibility that sample statistic calculated from sample is
similar with actual parameter.
Large
Sample Size
Decision making within sample

error in appropriate sample size
Samplin
g Error
Small
Sampling
Population Statistics
Error :
Statistics
Impossib
Sample
le to
Sampling
Assumpti
Error : Interval Confidence
Estimating
Sample on
Possible Level
Distribution
to Hypothesis
Error rate
Confidence Level
Assumpti Test
Power of Test
Practical Statistical Analysis for Supervisory Skill on 42
3
Basic Statistical Tools
Implenetasion
And MINITAB

1. Statistik Deskriptif
Adalah statistik yang
bertujuan untuk
memperoleh gambaran
(informasi) tentang
keadaan berdasarkan hasil
pengamatan yang nyata.
2. Statistik Inferensial
ditujukan untuk menarik
kesimpulan ciri-ciri populasi
❑Pemusatan data
yang dinyatakan dengan •Mean
parameter populasi melalui •Modus
perhitungan-perhitungan •Median
statistik sampel.
•Quatil
❑Penyebaran data
3. Graphical Tools
•Range
•StDev
•Variance

Uji Statistik (Hipotesis Test)
bertujuan untuk
memperoleh gambaran
(informasi) tentang ❑ t – Test
keadaan berdasarkan hasil
pengamatan yang nyata. ✓ 1 sample t
✓ 2 sample t
✓ pair t test
2. Statistik Inferensial ❑ F - Test
ditujukan untuk menarik ❑ Anova
kesimpulan ciri-ciri populasi ❑ P-Test
yang dinyatakan dengan
parameter populasi melalui
✓ 1 sample p
perhitungan-perhitungan ✓ 2 sample p
statistik sampel. ❑ Chi-sqrt
❑ Correlation and Regression
3. Graphical Tools

bertujuan untuk
memperoleh gambaran
(informasi) tentang
keadaan berdasarkan hasil Fungsi grafik yaitu
pengamatan yang nyata. untuk menggambarkan
data-data dalam
sehingga dapat
memberikan informasi
2. Statistik Inferensial secara singkat dan jelas
ditujukan untuk menarik

kesimpulan ciri-ciri populasi
yang dinyatakan dengan
parameter populasi melalui
perhitungan-perhitungan
statistik sampel.
3. Graphical Tools
Implementasi Tools Statistik



Attribute Data
Set hypothesis
Count
Normality Test
Comparison Decide the limit of
Discrete Data
Judgment error
Continuous Data
(Significant Level)
Mean & Variance Proportion
Assume the H0 and

1 Population 1-sample t 1-proportion Calculate the
Independent Sample Testing Statistics
2 Populations Equality of Variances 2-sample t 2-proportions
(2)
Pair-wise sample
Calculate the P-value
* Paired t * Using
Testing Statistics
> 2 Populations Equality of Variances ANOVA Chi-square Test
(> 2)
Decide Reject or
Correspondence Not for H0
Multiple Comparisons Analysis



3. Graphical Tools
Set hypothesis
Decide the limit of

Judgment error
(Significant Level)
Characteristics Y : Continuous Data Y : Attribute Data
Assume the H0 and

Calculate the
Testing Statistics
X : Cont . Data X : Att . Data X : Cont . Data X : Att . Data
Comparison Relationship
Calculate the P-value Scatter Plot

Using Not
Matrix Plot Available No Bar
Testing Statistics
Marginal Plot
Graphical Chart
Decide Reject or Tools With

Box Plot
Not for H0 Not Grouping
Individual Plot In MTB
Available
(Interval Plot)
Terima Kasih

Practical Statistical Data Analysis 1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Practical Statistical Data Analysis 1

Uploaded by

Copyright:

Available Formats

Expert Club Indonesia

Practical Statistical Analysis

BIAYA TRAINING SUPERVISORY SKILLS ON STATISTICAL ANALYSIS

✓ Memahami Type data (Continuous, Discrete)

Solving Practical Issue

Based on Best Guessing Based on Methodology

Pendekatan dengan data-

Action 4 ? Data diolah dengan metode

Practical Statistical Analysis for Supervisory Skill

Six Sigma Black Belt

Practical Statistical Analysis for Supervisory Skill

Data Information Knowledge

Object 23, 25, 21, 23, 22,

Usia, status, Merek,

Practical Statistical Analysis for Supervisory Skill

Tipe data Qualitative

Quantitative Discrete Suatu hitungan, bagian, atau

Continuous Variabel yang terukur pada suatu

Summarize the data dengan n

1. central tendency and

Practical Statistical Analysis for Supervisory Skill

Kemungkinan Kondisi yang bisa terjadi

Ada 2 parameter dalam pengambaran matematika

Practical Statistical Analysis for Supervisory Skill

Kemungkinan Kondisi yang bisa terjadi

Lima Sifat Kurva :

1. Modus berada pada sumbu x yang

Standard Distribution Normal

Untuk mengatasi kesulitan dalam perhitungan intergral maka telah dibuat

Untunglah, seluruh nilai distribusi normal dapat di tranformasi ke dalam nilai

Practical Statistical Analysis for Supervisory Skill

[1- 0.1950 ] X-

Soal #3: Soal #4:

Practical Statistical Analysis for Supervisory Skill

Soal #3: Soal #4:

6.68% part melebihi 43 Ohm

Soal #5: Soal #6:

Practical Statistical Analysis for Supervisory Skill

Soal #5: Soal #6:

778 834 P(X>10.75) = 1 - p (Z<2.5)

P(9.97<X<10.03) = P (-1 <Z<10)

Practical Statistical Analysis for Supervisory Skill

Using Sample Statistics To Estimate Population Parameters

, x1, x2, x3 xn xB= 1.27

x1, x2, x3 xn xC= 1.40

Practical Statistical Analysis for Supervisory Skill

Point Estimate and Interval Estimate

Practical Statistical Analysis for Supervisory Skill

Population (all data)

Practical Statistical Analysis for Supervisory Skill

Recall : Mean is the balance point of the data set.

The Relationship Between Measures of Population

Practical Statistical Analysis for Supervisory Skill

Teory Central Limit

Confidence Interval for Population Mean

Dimana: x = sample average

Practical Statistical Analysis for Supervisory Skill

Contoh : Point Estimate

Practical Statistical Analysis for Supervisory Skill

Practical Statistical Analysis for Supervisory Skill

2.1 15.6 2.1

Sample Size dan Confident Interval

Practical Statistical Analysis for Supervisory Skill

Sample Size - Example