STATISTIK DAN PROBABILITAS

Minggu ke-1FAKULTAS TEKNIKPRODI TEKNIK INFORMATIKAUNIVERSITAS ISLAM LAMONGAN

Dosen Pengampu:EKO SULISTIONO, S.Pd., M.Pd.+6281216826639eko.sulistiono86@gmail.com

• Metode pembelajaran: Student Centered Learning (SCL)• Rancangan Pembelajaran (Outline perkuliahan)• Peraturan perkuliahan dan penilaian• Peran mata kuliah Statistik dan Probabilitas pada

UNIVERSITAS ISLAM LAMONGAN

Student Centered Learning (SCL)

Student-Centered-Learning (SCL) menempatkan mahasiswa sebagai pemeran aktif dalam proses pembelajaran. Berbagai aktivitas telah dirancang untuk membantu mahasiswa dalam memahami materi pembelajaran, antara lain melalui :

– Discovery Learning – pembelajaran melalui pencarian, pemahaman informasi, serta menjawab pertanyaan – pertanyaan dalam Study Guide atau Question List.

– Small Group Discussion – pembelajaran melalui diskusi kelompok kecil.– Project Based Learning – pembelajaran melalui pengerjaan suatu

proyek secara terstruktur.– Presentasi & Diskusi – pembelajaran melalui penyampaian gagasan

dan argumen secara efektif dan efisien, mendengar, memahami, dan menerima gagasan yang berbeda, serta penarikan kesimpulan akhir yang mengakomodasikan berbagai gagasan.

Rancangan Pembelajaran

Minggu Pokok Pembahasan

1 Pengantar mata kuliah, mekanisme dan pendekatan perkuliahan, Ukuran tendensi sentral dan sebaran (varian)

2 Distribusi probabilitas continu, Distribusi normal (Z) dan distribusi student (t).

3 Distribusi probabilitas continu, Distribusi Khi kuadrat (x2) dan distribusi anova (F).

4Pengujian Hipotesis, Rumusan Ho dan H1, penentuan klaim, kesalahan dalam penujian hipotesis, tingkat signifikansi (daerah kritis), prosedur umum dalam pengujian hipotesis.

5 Pengujian mean satu populasi, Pengujian mean satu populasi VARIAN diketahui

6 Pengujian mean satu populasi, Pengujian mean satu populasi VARIAN tidak diketahui

7 Uji kesamaan mean dua populasi, Uji kesamaan mean dua populasi pada sampel-sampel yang saling bebas

8 UTS

9 Uji kesamaan mean dua populasi pada sampel yang berkorelasi (data yang berpasangan).

10 Korelasi, Koefisien korelasi product momen pearson

11 Korelasi, inferensial korelasi

12 Regresi linier sederhana

13 Inferensial regresi linier sederhana

14 Regresi linier ganda

15 Inferensial regresi linier ganda

16 UAS

Mahasiswa yang tidak diperkenankan absen:Datang lebih dari 15 menitMenggunakan kaos oblong,

berjaket/berjasMengunakan sandal/sepatu

sandal/sejenisnya

Penilaian Harian1. Absensi2. Partisipasi3. Responsi/kuis

Tugas kelompok & individu UTS UAS

HARIAN + TUGAS + UTS + UAS4

• Tugas kelompok: Pembuatan makalah sesuai dengan topik yang akan dibahas dan dipresentasikan pada saat pertemuan itu.

• Tugas individu :1) Tugas latihan soal pada tiap petemuan2) Tugas akhir semester

Pembuatan paper (maksimal 5 halaman) berdasarkan data dari skripi yang ada di

perpustakaan UNISLA Prodi Teknik Informatika. Data yang diperoleh di

analisis menggunakan analisis regresi ataukorelasi.

Refesrensi:1.David S. Moore, George P. McCabe, Bruce A. Craig.

“Introduction to the Practice of Statistics”, 6th Ed. W. H. Freeman and Company. 2009.

2.Douglas A. Lind,William G. Marchal, Samuel A. Wathen. “ Statistical Techniques in Business Economics”, 12th Ed. McGraw-Hill. 2005.

3.Ketut Budayasa. “Catatan Statistik”. Pascasarjana UNESA. 2011.

4.Ronald E. Walpole. “Pengantar Statistika”, Edisi ke 3. Gramedia Pustaka Utama, Jakarta. 2010.

Chapter

One

McGraw-Hill/Irwin

© 2005 The McGraw-Hill Companies, Inc., All Rights Reserved.

Chapter OneWhat is Statistics?What is Statistics?

GOALSWhen you have completed this chapter, you will be able to: ONE Understand why we study statistics. TWO Explain what is meant by descriptive statistics and inferential statistics.THREE

Distinguish between a qualitative variable and a quantitative variable.FOUR Distinguish between a discrete variable and a continuous variable.FIVEDistinguish among the nominal, ordinal, interval, and ratio levels of measurement.

SIX Define the terms mutually exclusive and exhaustive. Goals

What is Meant by Statistics?

Statistics is the science of collecting, organizing, presenting, analyzing, and interpreting numerical data to assist in making more effective decisions.

Who Uses Statistics?

Statistical techniques are used extensively by marketing, accounting, quality control, consumers, professional sports people, hospital administrators, educators, politicians, physicians, and many others.

Types of Statistics

EXAMPLE 2: According to Consumer Reports, General Electric washing machine owners reported 9 problems per 100 machines during 2001. The statistic 9 describes the number of problems out of every 100 machines.

Descriptive StatisticsDescriptive Statistics: Methods of organizing, summarizing, and presenting data in an informative way.EXAMPLE 1: A Gallup

poll found that 49% of the people in a survey knew the name of the first book of the Bible. The statistic 49 describes the number out of every 100 persons who knew the answer.

Types of Statistics

A PopulationPopulation is a CollectionCollection of all possible individuals, objects, or measurements of interest.

A SampleSample is a portion, or part, of the population of interest

Inferential StatisticsInferential Statistics:: A decision, estimate, prediction, or generalization about a population, based on a sample.

Types of Statistics

(examples of inferential statistics)

Example 2: Wine tasters sip a few drops of wine to make a decision with respect to all the wine waiting to be released for sale.

Example 1: TV networks constantly monitor the popularity of their programs by hiring Nielsen and other organizations to sample the preferences of TV viewers.

Example 3: The accounting department of a large firm will select a sample of the invoices to check for accuracy for all the invoices of the company.#1

Types of Variables

G ender E yeC olor

For a Qualitative Qualitative or Attribute VariableAttribute Variable the characteristic being studied is nonnumeric.

T ype of carState of

B irth

Types of Variables

Number of children in a family

In a Quantitative VariableQuantitative Variable information is reported numerically.

Balance in your checking account

Minutes remaining in class

Types of Variables

Discrete VariablesDiscrete Variables:: can only assume certain values and there are usually “gaps” between values.

Example: the number of bedrooms in a house, or the number of hammers sold at the local Home Depot (1,2,3,…,etc).

Quantitative variables can be classified as either DiscreteDiscrete or ContinuousContinuous.

Types of Variables

The height of students in a class. The height of students in a class.

A Continuous VariableContinuous Variable can assume any value within a specified range.

The pressure in a tireThe pressure in a tire

The weight of a pork chopThe weight of a pork chop

Summary of Types of Variables

Q u a lita t ive o r a ttrib u te(typ e o f ca r ow n ed )

d isc re te(n u m b er o f ch ild ren )

con tin u ou s(t im e taken fo r an exam )

Q u an tita tive o r n u m erica l

D A TA

UKURAN TENDENSI SENTRAL DAN

UKURAN SEBARAN

Minggu ke-1FAKULTAS TEKNIKPRODI TEKNIK INFORMATIKAUNIVERSITAS ISLAM LAMONGAN

Dosen Pengampu:EKO SULISTIONO, S.Pd., M.Pd.+6281216826639eko.sulistiono86@gmail.com

Parameter PopulasiAngka yang mendeskripsikan karakteristik dari populasiContoh:

Statistik SampelAngka yang mendeskripsikan karakteristik dari sampelContoh:

MeanebaranSimpangansVarian /2

dardeviasiS tan

MeanX VarianSX 2

dardeviasiSSX tan

Mean dari sampleMenunjukan sentral data dalam kelompok dataSentral data digunakan untuk merepresentasikan data dalam kelompok dataSatuan sampel adalah cm

Jika diberi data:X : X1, X2, X3, ….. Xn

Maka Mean dari X adalah:

n

XX

n

ii

1

Varian dari sampelMenunjukan variasi data dalam kelompokNilai lebih besar 0 data heterogen (variasi besar)Nilai mendekati 0 data homogen (variasi kecil)

Jika diberi data:X : X1, X2, X3, ….. Xn X

Maka varian X:

)1()2(

1)1(

2

11

2

2

1

2

2

nn

XXn

S

n

XXS

n

ii

n

ii

n

ii

Standar deviasiMenunjukan simpangan data dari data sentralNilai kecil mendekati sentralNilai besar menjahui sentral

Standar dataTidak memiliki satuanDiberi data

n

Xin

1i

1n

X)(Xn

1i

21

X = X1, X2, …, Xn Xn : X =

Sx =

Standar data :

x

1

S

XX

x

2

S

XX

x

i

S

XX

x

n

S

XX

Z 1S2z

Z = Z1 = , Z2 =

Zi = , Zn =

= 0 ,

Z n

Zin

1i

=

nSx

)X-(Xin

1i

n

)X(XiS

1 n

1Ix

n

XXiS

1 n

1i

n

1ix

n

xn.XiS

1 n

1ix

n.Sn

Xin.Xi

x

n

1i

n

1i

n.S

0

x

=

=

=

=

=

=

= 0

Karakteristik standar data:1)Mean dari standar data = 0 ( = 0)2)Varian standar data = 1 ( = 1)3)Standar deviasi standar data = 1 ( = 1)

Oleh karena itu standar data dapat digunakan untuk membandingkan atau untuk membuat korelasi antara dua kelompok data yang memiliki perbedaan satuan

Z2zS

zS

Soal

Rudi mendapatkan nilai mata kuliah struktur data 60, dimana rata-rata nilai matakuliah struktur data di kelasnya sebesar 55 dengan standar deviasi 3. Pada mata kuliah sistem digital Rudi mendapat nilai 85, dimana rata-rata nilai mata kuliah sistem digital di kelasnya sebesar 81 dengan standar deviasi 4. Rudi lebih menguasai pada mata kuliah apa?