Analisis Distribusi Sampling Rata-Rata untuk Mengevaluasi Performa Peserta Ujian
Article Sidebar
Main Article Content
Abstract
Penelitian ini dilakukan untuk menguji penerapan dari distribusi sampling rata-rata untuk mengevaluasi sebaran nilai rata-rata dari sampel-sampel yang diambil dari suatu populasi. Dalam penelitian ini distribusi sampling rata rata diterapkan ke data hasil ujian pada populasi sebesar 100 peserta ujian. Hasil analisis ini bermanfaat untuk mengevaluasi performa peserta ujian, memahami variasi antar sampel, dan membuat keputusan berdasarkan data yang lebih akurat. Distribusi sampling rata-rata membantu dalam pengambilan keputusan yang berbasis statistik.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
Etikan, I. (2017). Sampling and Sampling Methods. Biometrics & Biostatistics International Journal, 5(6), 215–217. https://doi.org/10.15406/bbij.2017.05.00149
Firmansyah, D., & Dede. (2022). Teknik Pengambilan Sampel Umum dalam Metodologi. Jurnal Ilmiah Pendidikan Holistik (JIPH), 1(2), 85–114.
Habibi, A. (2023). Kajian Simulasi Distribusi Sampling, Teorema Limit Pusat dan Estimasi Parameter. Jurnal Bayesian : Jurnal Ilmiah Statistika Dan Ekonometrika, 3(1), 1–27.
Indrawan, F. Y., Edi Irawan, T. S., & Muna, I. A. (2021). Efektivitas Metode Pembelajaran Jigsaw Daring Dalam Meningkatkan Keterampilan Kolaborasi Siswa SMP [The Effectiveness of the Online Jigsaw Learning Method in Improving Collaboration Skills of Middle School Students]. Jurnal Tadris IPA Indonesia, 1(1), 68–72.
Kim, T. K. (2015). T test as a parametric statistic. Korean J Anesthesiol, 68(6), 540–546. https://doi.org/10.4097/kjae.2015.68.6.540
Kwak, S. G., & Kim, J. H. (2017). Central limit theorem: the cornerstone of modern statistics. Kja, 70(2), 144–156. https://doi.org/10.4097/kjae.2017.70.2.144
Ramadhani, H. S. (2017). efektivitas metode pembelajaran SCL dan TCL pada motivasi. Persona: Jurnal Psikologi Indonesia, 6(2), 66–74.
Salvatier, J., Wiecki, T. V., & Fonnesbeck, C. (2016). Probabilistic programming in Python using PyMC3. PeerJ Computer Science, 2016(4), 1–24. https://doi.org/10.7717/peerj-cs.55
Singh, A., & Masuku, M. (2014). Sampling Techniques and Determination of Sample Size in Applied Statistics Research: An Overview. International Journal of Commerce and Management, 2, 1–22.
Sufa, A. F. (2014). Efekti fi tas Metode Pembelajaran Kitab Kuning Azuma Fela Sufa. Literasi, 5(2), 169–186.
Taherdoost, H., Business, H., Sdn, S., Group, C., & Lumpur, K. (2016). Sampling Methods in Research Methodology ; How to Choose a Sampling Technique for. International Journal of Academic Research in Management (IJARM), 5(2), 18–27.
Tran, D., Brevdo, E., Hoffman, M. D., Murphy, K., Saurous, R. A., & Blei, D. M. (2017). Deep probabilistic programming. 5th International Conference on Learning Representations, ICLR 2017 - Conference Track Proceedings, 1–18.
Wood, F., Van De Meent, J. W., & Mansinghka, V. (2014). A new approach to probabilistic programming inference. Journal of Machine Learning Research, 33, 1024–1032.
Wu, C., Austin, U. T., Amazon, A., Smola, A. J., & Austin, U. T. (2017). Supplementary Material : Sampling Matters in Deep Embedding Learning. Iccv, 2–3. https://arxiv.org/pdf/1706.07567.pdf
Yulita, H. (2017). Faktor-Faktor Yang Mempengaruhi Efektifitas Dan Motivasi Mahasiswa Dalam Menggunakan Metode Pembelajaran E-Learning. Business Management Journal, 10(1), 106–119. https://doi.org/10.30813/bmj.v10i1.641