Add

Kampus Universitas Teknokrat Indonesia

Kampus Universitas Teknokrat Indonesia .

Acara Hari Pahlawan

Semangat Belajar danmelaksanakan kegiatan dengan baik dan bertanggung jawab.

SURATNO JIMBO

GENTOF Generasi yang siap ngetof.

SURATNO JIMBO

Go to Blogger edit html and find these sentences.Now replace these sentences with your own descriptions.

Karya Menuju Tak Terbatas Dan Melampaunya

Semangat membara harus Selalu ditanamkan dalam diri seseorang meskipun harus mengorbankan waktu dan tempat.

Kamis, 07 Oktober 2021

MEMPELAJARI PERMASALAHAN DALAM ALGORITMA

Numerical Problems Numerical Problems adalah teknik pengoperasian masalah matematika yang beragam, kemudian dapat terpecahkan dengan menggunakan operasi hitung(arithmetic). metode numeric ialah sebuah teknik yang dapat menyelesaikan rumus masalah matematika seperti operasi tambah, kurang, kali dan bagi. terbagi banyak jenis metode numeric, namun ada perbedaan dari masing-masing metode yang memiliki karakteristik beragam, dengan kemampuan untuk mengoperasikan hitung matematika hingga terpecahkan dengan metode hitung arithmetic(tambah, kurang, kali dan bagi). Permasalahan Numerical Problems : Pada umumnya masalah dalam sains dan teknologi memiliki gambaran dalam persamaan matematika. Persamaan ini sulit dipecahkan dengan bentuk analitik hingga memerlukan penyelesaian pendekatan numeric. kemudian dengan metode numeric, dapat memungkinkan kita terbebas dari perhitungan manual yang memusingkan. sehingga kita bisa lebih focus pada penekanan formulasi problem dan tidak terjebak dalam rutinitas hitung menghitung. para pengguna metode numeric ini diharapkan bisa mengatasi berbagai kelemahan-kelemahan dari metode yang ada sebelumnya. Metode numeric digunakan untuk memecahkan persoalan pada saat perhitungan secara analitik tidak dapat digunakan. metode numeric juga dibentuk menggunakan algoritma-algoritma yang dapat dihitung secara cepat dan mudah. Solusi Numeric Problems : Solusi Persamaan Non-Linier. Solusi Persamaan Linier Simultan. Interpolasi. Integrasi Numerik. Kelebihan Numeric Problems : Metode numeric merupakan sebuah teknik yang dapat memecahkan masalah matematika yang efektif dan efisien. dengan bantuan komputer dapat menangani masalah yang rumit dan melibatkan perhitungan yang luas. Apabila masalah yang dihadapi sulit dipecahkan dengan bantuan program paket komputer, maka pemecah masalah dapat menggunakan program komputer(misalnya basic, pascal, atau program komputer lainnya). saat ini terdapat berbagai paket program komputer(misalnya exel, maple, matlab, atau program paket lainya) yang tersedia atau diperdagangkan sehingga mudah didapat dalam pengoperasian yang mencakup metode numeric. metode numeric juga merupakan sarana yang efisien untuk mengenal karakteristik komputer. Kekurangan Numeric Problems : Metode Analitik, solusi ini sangat berguna namun terbatas pada masalah sederhana. sedangkan masalah real yang komplek dan non linier tidak dapat diselesaikan. Metode grafik, metode ini digunakan sebagai pendekatan penuyelesaian yang kompleks. kendalanya bahwa metode ini tidak akurat, sangat lama, dan banyak membutuhkan waktu. Kalkulator dan slide rules, penyelesaian numeric secara manual. cara ini cukup lama dan mungkin bisa terjadi kesalahan pemasukan data.

Sabtu, 14 Agustus 2021

NORMAL DISTRIBUTIONS & STANDARD NORMAL DISTRIBUTIONS

 

  • Geometric Distribution

    Geometric Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut: ● Percobaan (trial) akan dilakukan berulang kali sampai mendapatkan outcome success. 

    ● Setiap percobaan (trial) adalah independent terhadap trials lainnya. 

    ● Memiliki nilai probability success (p) yang sama untuk tiap trial.

     ● Random variable x merepresentasikan banyaknya trials yang dilakukan sampai mendapati kondisi success.


    Poisson Distribution

     Poisson Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut:

     ● Random variable x merepresentasikan banyaknya kemunculan suatu event dalam interval waktu tertentu. 

    ● Nilai probability untuk kemunculan event adalah sama untuk setiap interval.

     ● Jumlah kemunculan event pada suatu interval adalah independent terhadap jumlah kemunculan event pada interval lainnya.


    NORMAL DISTRIBUTIONS & STANDARD NORMAL DISTRIBUTIONS


DISTRIBUSI GEOMETRIK & DISTRIBUSI POISSON

 

  • DISTRIBUSI GEOMETRIK & DISTRIBUSI POISSON

    Geometric Distribution

     Geometric Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut: ● Percobaan (trial) akan dilakukan berulang kali sampai mendapatkan outcome success. 

    ● Setiap percobaan (trial) adalah independent terhadap trials lainnya. 

    ● Memiliki nilai probability success (p) yang sama untuk tiap trial.

     ● Random variable x merepresentasikan banyaknya trials yang dilakukan sampai mendapati kondisi success.


    Poisson Distribution

     Poisson Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut:

     ● Random variable x merepresentasikan banyaknya kemunculan suatu event dalam interval waktu tertentu. 

    ● Nilai probability untuk kemunculan event adalah sama untuk setiap interval.

     ● Jumlah kemunculan event pada suatu interval adalah independent terhadap jumlah kemunculan event pada interval lainnya.


DISTRIBUSI BINOMIAL

 

  • DISTRIBUSI BINOMIAL

    Binomial Experiments 

    Binomial experiment merupakan suatu probability experiment yang memenuhi kriteria berikut: 

    ● Memiliki jumlah percobaan (trials) yang tetap dan setiap trial independent terhadap trials lainnya.

     ● Setiap trial hanya memiliki dua kemungkinan outcomes; biasa dikategorikan sebagai success (S) atau        failure (F).

     ● Memiliki nilai probability success yang sama untuk tiap trial. 

    ● Random variabel x merepresentasikan jumlah kemunculan success dalam suatu experiment.


    Binomial Probability Formula 

    Terdapat beberapa cara untuk menghitung probability dari x success dari sejumlah n trials pada suatu binominal experiment: Tree Diagram, Multiplication Rule, Binomial Probability Formula.

    Binomial Probability

     - Mean

    - Variance  

    - Standard Deviation


Sabtu, 07 Agustus 2021

DISTRIBUSI PROBABILITAS DISTRIBUSI PROBABILITAS

 

  •  Random Variables

    Random variable x merepresentasikan suatu nilai numerik yang berasosiasi dengan setiap outcome dari suatu probability experiment.

    Kata “Random” mengindikasikan bahwa nilai x ditentukan secara kebetulan (by chance).


    Dua Jenis Random Variables: Discrete dan Continuous

    ● Discrete: Semua kemungkinan outcomes dapat dihitung (countable) atau memiliki batasan (ļ¬nite)

     ● Continuous: Semua kemungkinan outcomes tidak dapat dihitung (uncountable), umumnya direpresentasikan dengan nilai interval.


    Discrete Probability Distributions

    Suatu Discrete Probability Distribution mendata setiap kemungkinan nilai random variable beserta probabilitasnya.


    Membangun Discrete Probability Distributions
    1. Bangun frequency distribution untuk seluruh outcome
    2. Hitung total jumlah kemunculan (sum of the frequencies)
    3. Hitung probability untuk setiap outcome 
    4. Pastikan kedua syarat untuk suatu frequency distribution terpenuhi.

    Mean 
    untuk Discrete Random Variable
    Nilai mean untuk suatu discrete random variable dapat diformulasikan.

    Standard Deviation
     untuk Discrete Random Variable
    Nilai variance dan standard deviation untuk suatu discrete random variable dapat diformulasikan .

    Expected Value
    Nilai mean dari suatu random variable merepresentasikan apa yang bisa kita harapkan untuk diperoleh dari ribuan kali percobaan (trials). Ini juga dikenal dengan istilah expected value.
    ● Nilai probability tidak mungkin negatif, tetapi nilai expected value memungkinkan untuk negatif
    ● Di banyak kasus, nilai expected value 0 dapat memiliki makna tersendiri;
     ○ Untuk kasus permainan: fair game 
     ○ Untuk kasus loss & profit analysis: break-even point 

PERMUTASI DAN KOMBINASI DENGAN PYTHON

 

  • - Permutasi (Permutations)

    Permutasi adalah pengaturan urutan penyusunan sekumpulan objek unik (tidak mengandung duplikasi); Permutasi dari sekumpulan n objek dapat diformulasikan sebagai faktorial dari n.

    n!= n x ( n -1 ) x (n - 2 ) x (n - 3 ) x ... x 3 x 2 x1 

    kasus khusus 0! = 1

    - Permutasi: formula
    Permutasi pada pengaturan urutan penyusunan sejumlah r objek yang diambil dari sekumpulan n objek unik dapat diformulasikan 

    nPr = n! / (n - r )!

    - Permutasi: dengan duplikasi
    Permutasi yang melibatkan kemunculan beberapa kali objek sejenis dapat diformulasikan 

    n1 + n2 + n3 + .... + nk = n

    - Kombinasi (Combinations)
    Kombinasi adalah pemilihan sejumlah r objek dari sekumpulan n objek tanpa memperhatikan urutan.

    nCr = n! / (n - r ) ! xr!

PERMUTASI DAN KOMBINASI PERMUTASI DAN KOMBINASI


  • - Permutasi (Permutations)

    Permutasi adalah pengaturan urutan penyusunan sekumpulan objek unik (tidak mengandung duplikasi); Permutasi dari sekumpulan n objek dapat diformulasikan sebagai faktorial dari n.

    - Permutasi: formula
    Permutasi pada pengaturan urutan penyusunan sejumlah r objek yang diambil dari sekumpulan n objek unik dapat diformulasikan 

    - Permutasi: dengan duplikasi
    Permutasi yang melibatkan kemunculan beberapa kali objek sejenis dapat diformulasikan 

    - Kombinasi (Combinations)
    Kombinasi adalah pemilihan sejumlah r objek dari sekumpulan n objek tanpa memperhatikan urutan.

ATURAN PENJUMLAHAN ATURAN PENJUMLAHAN

  • Mutually Exclusive Events

    Dua buah events A dan B adalah mutually exclusive events bila A dan B tidak dapat muncul pada waktu yang bersamaan.


    Mutually Exclusive Events

    Ketika event A dan B mutually exclusive, maka: p ( A dan B ) = 0


    The Addition Rule 
     Aturan Penjumlahan Probabilitas untuk kemunculan event A atau B dapat diformulasikan sebagai berikut:

    - Not mutually exclusive events.
    P = ( A  or B ) = P (A) + P (B) - P ( A dan B).

    - Mutually exclusive events
    P ( A or B ) = P (A) + P ( B )

Jumat, 30 Juli 2021

CONDITIONAL PROBABILITY DAN ATURAN PERKALIAN


 

CONDITIONAL PROBABILITY DAN ATURAN PERKALIAN

- Conditional Probability adalah probabilitas kemunculan suatu event, dengan mengetahui bahwa event lain sudah muncul atau terjadi.

P ( B/A) probability of B given A.

- Independent Events

Dua events adalah independent bila kemunculan dari event yang satu tidak mempengaruhi probability kemunculan event kedua.

P(B/A) = P (B)

P(A/B) = P(A)

- Dependent Events

Events yang tidak independent dikenal sebagai dependent events.

P(B/A) /= P (B)

- The Multiplication Rule

Untuk mencari probability dari dua events yang muncul secara berurutan, kita bisa memanfaatkan Multiplication Rule.

1.Probability untuk dua buah events (A dan B) untuk muncul secara berurutan
2 Bilamana kedua events (A dan B) tersebut independent, maka bisa disederhanakan 

PROBABILITAS DASAR

 



  • Probability adalah pengukuran terhadap suatu kemungkinan atau peluang. Pemahaman terkait probability merupakan dasar untuk melangkah ke Statistika Inferensi ( Inferential Statistics ).

    - Terminologi

    ● Hasil dari suatu percobaan ( trial ) dikenal sebagai outcome. 

    ● Himpunan dari seluruh kemungkinan outcome pada suatu probability experiment dikenal sebagai sample space.

    ● Bagian dari sample space dikenal sebagai event. 

    ● Event bisa terdiri dari satu atau lebih outcomes.


    - Probability Experiments adalah aksi atau percobaan ( trial ) yang menghasilkan suatu perhitungan, pengukuran, atau respon ( counts, measurements, or responses ).

    - Tree Diagram

    Tree Diagram digunakan untuk memberikan gambaran secara visual terkait setiap outcome dari suatu probability experiment.

    - Event

    ● Event umumnya direpresentasikan dengan huruf kapital (uppercase letters), seperti A, B, dan C. 

    ● Suatu event yang terdiri dari sebuah outcome dikenal sebagai simple event.

    - Fundamental Counting Principle

    ● Pemanfaatan Tree Diagram untuk menghitung banyaknya outcome dari sejumlah event tidaklah praktis. 

    ● Sebagai alternatif, kita bisa memanfaatkan Fundamental Counting Principle untuk mengetahui jumlah kemungkinan outcomes dari dua atau lebih event yang muncul secara berurutan. 


    - Empirical (statistical) Probability: contoh

    Suatu perusahaan melakukan survey online dengan memilih sejumlah responden secara acak untuk dimintai keterangan seberapa sering mereka melakukan recycle. Sejauh ini mereka mendapatkan data dari 2,451 responden.

PENGUKURAN POSISI DATA


Measure of Position dapat dideļ¬nisikan sebagai suatu pengukuran nilai yang digunakan untuk menentukan posisi relatif dari suatu entri data (data point) pada dataset.
Terdiri dari; 

- Quartile (Kuartil)
Quartile adalah nilai yang membagi suatu dataset terurut menjadi empat bagian yang sama. Terdapat tiga nilai quartile, yaitu: Q1, Q2, dan Q3

- Interquartile Range (IQR)
Interquartile Range (IQR) adalah measure of Variation (pengukuran keberagaman/sebaran data) dengan menselisihkan nilai quartile ketiga dan quartile pertama.
IQR = Q3 - Q1.
Deteksi Outlier dengan IQR
Entri data (data point) pada suatu dataset bisa dikategorikan sebagai outlier bila: 
● Lebih kecil dari Q1-1.5(IQR)
● Lebih besar dari Q3+1.5(IQR) 

- Percentile (Persentil)
Percentile adalah nilai yang membagi suatu dataset terurut menjadi 100 bagian yang sama. Terdapat 99 nilai percentaile, yaitu: P1, P2, …, P99
● P25 menunjuk posisi yang sama dengan Q1 
● P50 menunjuk posisi yang sama dengan Q2 
● P75 menunjuk posisi yang sama dengan Q3 

Deteksi Outlier dengan Percentile
Entri data (data point) pada suatu dataset bisa dikategorikan sebagai outlier bila: ● Lebih kecil dari P5 ● Lebih besar dari P95 .

- Standard Score (z-score)
Standard Score (z-score) merepresentasikan nilai simpangan suatu entri data terhadap mean dari dataset yang diukur berdasarkan standard deviation. Nilai z-score bisa negatif, positif, atau nol.

PENGUKURAN SEBARAN DATA

 

  • Measure of Variation/ pengukuran sebaran data  dapat dideļ¬nisikan sebagai suatu pengukuran nilai yang dapat digunakan untuk merepresentasikan keberagaman atau sebaran data.

    Yang terdiri dari ; Range, Variance, Standard Deviation.

    - Range (Jangkauan) Range dari suatu dataset merupakan hasil perhitungan selisih antara nilai tertinggi dengan nilai terrendah pada dataset tersebut. 

    Pengukuran nilai keberagaman dengan menggunakan range memiliki kelemahan di mana hanya menyertakan dua nilai saja dalam proses pengukuran.


    - Variance (Variansi)

    Variance dari suatu dataset merupakan hasil perhitungan rerata simpangan tiap entri data pada dataset terhadap nilai mean dari dataset tersebut. 


    - Standard Deviation (Simpangan Baku) Kelemahan utama dari Variance adalah nilai yang dihasilkan tidak lagi memiliki satuan yang sama dengan entri data. Kelemahan ini dapat diatasi dengan Standard Deviation.


    Coefficient of Variation
    ● Standard Deviation dapat digunakan untuk membandingkan keberagaman/sebaran data antar dataset yang memiliki satuan pengukuran yang sama dengan nilai mean yang mirip. 
    ● Sedangkan untuk dataset yang memiliki satuan pengukuran yang berbeda atau nilai mean yang jauh berbeda, maka kita mesti menggunakan Coeļ¬ƒcient of Variation.

Sabtu, 24 Juli 2021

PENGUKURAN TENDENSI SENTRAL

 

Measure of Central Tendency dapat dideļ¬nisikan sebagai suatu pengukuran nilai yang dapat digunakan untuk merepresentasikan nilai tipikal atau sentral dari suatu dataset. 

Didalamnya terdapat ; mean, median, mode 

- Mean

Mean dari suatu dataset merupakan penjumlahan dari keseluruhan entri pada dataset dibagi dengan banyaknya entri pada dataset tersebut. 


- Median

Median dari suatu dataset merupakan nilai yang berada di tengah dengan mengacu pada nilai dataset yang sudah terurut. 

● Untuk dataset dengan jumlah entri ganjil, nilai median dapat diperoleh dari nilai yang tepat berada di tengah. 

● Untuk dataset dengan jumlah entri genap, nilai median diperoleh dari rerata dua nilai yang berada di tengah.

- Mode

Mode dari suatu dataset merupakan nilai dari dataset yang memiliki frekuensi kemunculan paling tinggi. 

● Suatu dataset dapat memiliki lebih dari satu mode (multi-modal).

 ● Suatu dataset juga bisa saja tidak memiliki mode, ketika frekuensi kemunculan dari tiap datanya sama.

Kelebihan dan Kekurangan Mean

● Mean cukup bisa diandalkan karena mean memperhitungkan setiap entri dari dataset yang kita miliki.

 ● Mean sangat rentan terhadap outlier.

 ● Median bisa dijadikan alternatif bilamana terdapat outlier pada dataset.


* Weighted Mean

Weighted Mean adalah nilai rerata dari suatu dataset di mana setiap entrinya memiliki bobot tertentu.

* Mean of Grouped Data (Frequency Distribution)

 estimasi nilai rerata dari suatu dataset yang sudah dikelompokkan ke dalam format distribusi frekuensi.

VISUALISASI DATA DALAM STATISTIKA

 

Beberapa teknik visualisasi data yang akan dipelajari:

 ● Stem and Leaf Plot

 ● Dot Plot 

● Pie Chart

 ● Bar Plot

 ● Scatter Plot

 ● Time Series Chart

 ● Visualisasi Data dengan Python

DISTRIBUSI FREKUENSI

 

 Beberapa karakteristik yang umum digunakan untuk mendeskripsikan data yang kita miliki adalah dengan mencari tahu titik tengah data (center), variasi/sebaran data (variability/spread), dan bentuk data (shape). 

● Ini bisa dicapai bila data yang kita miliki dikelola dengan baik; salah satu cara yang paling mudah untuk mengelola data adalah dengan memanfaat distribusi frekuensi (frequency distribution)


Distribusi Frekuensi (Frequency Distribution)

● Distribusi frekuensi adalah bentuk pengelolaan data di mana data dikelompokkan ke dalam beberapa kelas (classes) berdasarkan interval tertentu. 

● Jumlah kemunculan data untuk tiap kelas akan dihitung dan dikenal sebagai frekuensi dari kelas.

Contoh : 

● Terdapat 6 classes

 ● Antar classes tidak ada overlap

 ● Setiap class memiliki: ○ Lower Class Limit: 1, 6, 11, 16, 21, 26 ○ Upper Class Limit: 5, 10, 15, 20, 25, 30 ○ Class Width: 5


PENGUMPULAN DATA

 


Pengumpulan Data 

Census

Pengumpulan data dilakukan pada tingkat populasi. Alhasil, akan diperoleh informasi yang sifatnya lengkap. Hanya saja ketika ukuran populasinya sangat besar, maka seringkali census menjadi pilihan yang mahal dan sulit untuk dilakukan

Sampling

Pengumpulan data dilakukan pada sub bagian dari populasi. Alhasil, informasi yang diperoleh sifatnya tidak lengkap. Pendekatan semacam ini cukup umum ditemui dalam studi statistik. Di sini sample yang baik adalah sample yang dapat merepresentasikan populasinya. Dibutuhkan teknik sampling yang tepat untuk mendapatkan sample yang representatif terhadap populasinya.

Sampling Error

Karena sample merupakan sub bagian dari populasi, maka selisih atau perbedaan nilai antara data sample dan data populasi akan selalu ada. Bahkan dengan teknik sampling sebaik apapun, sampling error ini tidak dapat dihindarkan.

Sampling: with/without Replacement

Sampling with replacement: Memungkinkan satu anggota populasi untuk terpilih lebih dari satu kali sebagai anggota sample. 

Teknik Sampling (Sampling Techniques)

● Simple Ramdom Sampling 

● Stratiļ¬ed Sampling

 ● Cluster Sampling 

● Systematic Sampling

 ● Convenience Sampling

Sampling Technique: Simple Random Sampling

Simple random sampling merupakan teknik pengumpulan data yang dilakukan secara acak di mana setiap anggota populasi memiliki peluang yang sama untuk dapat terpilih sebagai anggota sample.

Sampling Technique: Systematic Sampling

Systematic sampling merupakan teknik pengumpulan data berdasarkan interval tertentu. Teknik sampling ini terbilang cukup mudah untuk diterapkan. Hanya saja teknik ini tidak dapat diterapkan bila ditemui adanya pola yang sifatnya konsisten dan sistematis pada data kita.

Sampling Technique: Convenience Sampling

Convenience sampling merupakan teknik pengumpulan data yang bisa dibilang asal atau sembrono dan hanya berorientasi pada kemudahan. Ini merupakan teknik pengumpulan data yang buruk dan sangat rentan terhadap bias.

Sabtu, 17 Juli 2021

DESAIN EKSPERIMEN


DESAIN EKSPERIMEN dalam STATISTIKA


STUDI STATISTIK (statistical Study)

> Studi Observasi(Observation Study)

Seorang peneliti hanya melakukan pengamatan terhadap subjek (e.g., pengukuran karakteristik) tanpa melakukan tindakan apapun yang dapat mempengaruhi hasil pengamatan.

> Studi Eksperimen (Experimental Study)

Seorang peneliti menerapkan satu treatment tertentu terhadap subjek sebelum melakukan pengamatan memahami efek dari treatment yang diberikan.


Observation Study : contoh

Sebuah penelitian dilakukan untuk mengamati laju kecepatan kendaraan yang melintas Merdeka pada pukul 10 sampai dengan 12 malam

Pengukuran kecepatan kendaraan dilakukan dengan bantuan speed gun selama 90 hari

 

Experimental Study : contoh

Sebuah penelitian dilakukan untuk mengamati efek dari pemberian suplemen vitamin D3 140 pasien dengan tingkat antibodi rendah.

Sebanyak 7-0 pasien menerima 4000 IU vitamin D3 per hari selama 1 tahun dan 70 pasien sisanya menerima placebo.

Hasil pengamatan terhadap dua kelompok pasien ini dibandingkan


Desain Eksperimen (Experimental Design)

  1.  Kendali (Control)

  2. Pengacakan (Randomisation)

  3. Replikasi (Replication)


Experimental Design : Control (Kendali)

Gambar


Experimental Design: Control(Kendali)

  1. Kendali (control) dapat dilakukan dengan menerapkan

> Bilinding

> Double Blinding

  1. Bilinding

>Subjek eksperimen tidak mengetahui apakah seorang subjek menerima treatment atau placebo

  1. Double Blinding

> Baik peneliti maupun subjek eksperimen tidak mengetahui apakah seorang subjek menerima treatment atau placebo

> Dibutuhkan pihak ketiga untuk mendistribusikan treatment dan plasebo kepada subjek eksperimen


Experimental DesignL Randomisation (Pengacakan)

Random Blocked Design

> Keseluruhan subjek eksperimen akan dikelompokkan berdasarkan kesamaan karakteristik tertentu (e.g., rentang usia, jenis kelamin)

.

> Subjek di tiap kelompok dipilih secara acak untuk dimasukkan dalam treatment group dan control group.


Experimental Design : Replication (replikasi)

Untuk meningkatkan validitas dari hasil eksperimen, dibutuhkan replikasi atau pengulangan eksperimen dengan kondisi serupa atau mirip.

Replika melibatkan subjek eksperimen yang berbeda, dengan demikian replika juga akan memperbesar ukuran dari subjek eksperimen (sample size) yang juga dapat menunjang validitas dari eksperimen.


Dengan Eksperimen (contoh)

Sebuah perusahaan mendesain suatu eksperimen untuk menguji efektivitas dari suatu produk permanen karet yang dikembangkan membantu seorang yang ingin berhenti merokok.

Sepuluh orang perokok berat dilibatkan sebagai subjek eksperimen. Lima orang di antaranya diberikan permen karit dan lima sisanya diberikan plasebo. Setelah dua bulan berjalan, kesepuluh subjek eksperimen ini dievaluasi dan didapati kelima subjek penerima permen karet telah berhenti merokok.

Apakah kita bisa menyimpulkan bahwa produk permen karet ini efektif? Permasalahan apa yang terdappat pada desaion exsperimen ini?



Tentang dalam Experimental Study

  1. Confounding/Lurking variable

> Faktor eksternal (dan tidak perhitungkan sebelumnya) yang berpotensi memberikan pengaruh terhadap eksperimen.

  1. Placebo effect

> Subjek eksperimen memberikan reaksi positif walau subjek tersebut menerima placebo (treatment palsu)

  1. Hawtgire effect

> Perubahan perilaku dari subjek eksperimen setelah mengetahui bahwa terlibat eksperimen.