STATISTIK DESKRIPTIF

19

description

STATISTIK DESKRIPTIF. Statistik Deskriptif. Tujuan : deskripsi setiap variabel yg diteliti . Meringkas data menjadi ukuran tengah dan variasi Data Kategori : distribusi frekuensi , persentase atau proporsi Data Kontinue : nilai Mean, Median, Mode, Sd , dll. Nilai Tengah. - PowerPoint PPT Presentation

Transcript of STATISTIK DESKRIPTIF

Page 1: STATISTIK DESKRIPTIF
Page 2: STATISTIK DESKRIPTIF

Tujuan: deskripsi setiap variabel yg diteliti. Tujuan: deskripsi setiap variabel yg diteliti. Meringkas data menjadi ukuran tengah dan Meringkas data menjadi ukuran tengah dan

variasivariasiData Kategori : distribusi frekuensi, Data Kategori : distribusi frekuensi, persentase atau proporsipersentase atau proporsi

Data Kontinue: nilai Mean, Median, Mode, Sd, Data Kontinue: nilai Mean, Median, Mode, Sd, dlldll

Page 3: STATISTIK DESKRIPTIF

- Mean- Mean - Median- Median - Modus (Mode)- Modus (Mode)

Page 4: STATISTIK DESKRIPTIF

X = x1+x2+x3+…xnX = x1+x2+x3+…xn nnContoh:Contoh: Ada data berat badan lima orang dewasa 56, Ada data berat badan lima orang dewasa 56,

62, 52, 48, 68 kg62, 52, 48, 68 kg Rata-rata berat badan lima orang ini adalah:Rata-rata berat badan lima orang ini adalah: 56+62+52+48+67 =57kg56+62+52+48+67 =57kg 55

Page 5: STATISTIK DESKRIPTIF

Sifat-sifat dari meanSifat-sifat dari mean1)1)Merupakan wakil dari keseluruhan Merupakan wakil dari keseluruhan

nilainilai2)2)Sangat dipengaruhi nilai ekstremSangat dipengaruhi nilai ekstrem3)3)Nilai mean berasal dari semua nilai Nilai mean berasal dari semua nilai

pengamatanpengamatan

Page 6: STATISTIK DESKRIPTIF

Nilai yang terletak pada observasi yang di Nilai yang terletak pada observasi yang di tengah, kalau data tsb telah disusun (tengah, kalau data tsb telah disusun (arrayarray))

Posisi median adalah: n+1Posisi median adalah: n+1 2 2 Kalau datanya genap posisi median terletak Kalau datanya genap posisi median terletak

antara 2 nilai.antara 2 nilai.

Page 7: STATISTIK DESKRIPTIF

Contoh: berat badan dari lima orang dewasa Contoh: berat badan dari lima orang dewasa disusun secara disusun secara array, array, maka didapat susunan maka didapat susunan sbb:48, 52, 56, 62, 67 kg.sbb:48, 52, 56, 62, 67 kg.

Posisi median pada nilai observasi ketiga yaitu: Posisi median pada nilai observasi ketiga yaitu: 5656

Page 8: STATISTIK DESKRIPTIF

Contoh: Berat badan dari enam orang dewasa: Contoh: Berat badan dari enam orang dewasa: 48,52,56,62,67,70 kg 48,52,56,62,67,70 kg

Posisi median pada nilai observasi ketiga yaitu: Posisi median pada nilai observasi ketiga yaitu: ke 3.4. maka nilai median ke 3.4. maka nilai median

56 kg + 62 kg = 59 kg56 kg + 62 kg = 59 kg 2 2

Page 9: STATISTIK DESKRIPTIF

Modus (Mode):Modus (Mode):Nilai paling banyak ditemui dalam suatu Nilai paling banyak ditemui dalam suatu

pengamatanpengamatanMaka ada beberapa kemungkinan:Maka ada beberapa kemungkinan:1.1. Tidak ada nilai yang lebih banyak Tidak ada nilai yang lebih banyak

diobservasidiobservasi2.2. Ditemui satu modus (unimodal)Ditemui satu modus (unimodal)3.3. Ada dua modus (bimodal)Ada dua modus (bimodal)4.4. Lebih dari tiga modus (multimodal)Lebih dari tiga modus (multimodal)

Page 10: STATISTIK DESKRIPTIF

Contoh: Berat badan dari 10 orang Contoh: Berat badan dari 10 orang dewasa: dewasa: 52,53,55,55,55,56,57,60,62, 62kg 52,53,55,55,55,56,57,60,62, 62kg

Dari hasil pengamatan didapatkan Dari hasil pengamatan didapatkan nilai 55 muncul sebanyak tiga kali, nilai 55 muncul sebanyak tiga kali, maka nilai modus adalah 55 kgmaka nilai modus adalah 55 kg

Page 11: STATISTIK DESKRIPTIF

Adalah nilai yang menunjukkan bagaimana Adalah nilai yang menunjukkan bagaimana bervariasinya data di dalam kelompok data bervariasinya data di dalam kelompok data itu terhadap nilai rata-ratanya.itu terhadap nilai rata-ratanya.

- Range- Range- Rata-rata Deviasi (- Rata-rata Deviasi (mean deviation)mean deviation)- Varian- Varian- Standar Deviasi- Standar Deviasi- Koefisien Varian- Koefisien Varian

Page 12: STATISTIK DESKRIPTIF

Nilai yg menunjukkan perbedaan nilai Nilai yg menunjukkan perbedaan nilai pengamatan yang paling besar dan paling pengamatan yang paling besar dan paling kecilkecil

Contoh berat badan dari lima orang dewasa: Contoh berat badan dari lima orang dewasa: 48,52,56,62,67 kg48,52,56,62,67 kg

Range adalah: 67 kg-48 kg = 17 kgRange adalah: 67 kg-48 kg = 17 kg

Page 13: STATISTIK DESKRIPTIF

Adalah rata-rata dari seluruh Adalah rata-rata dari seluruh perbedaan pangamatan dibagi perbedaan pangamatan dibagi banyaknya pengamatan, untuk itu banyaknya pengamatan, untuk itu diambil nilai mutlaknyadiambil nilai mutlaknya

Md= ∑|x – x|Md= ∑|x – x| nn

Page 14: STATISTIK DESKRIPTIF

Contoh:Contoh: X (kg) |x–x| (x-x)2

4852566267

951510

8125125

100

285

Mean = 48+52+56+62+67= 57 kgMean = 48+52+56+62+67= 57 kg 55

Mean deviasi = 9+5+1+5+10 =6Mean deviasi = 9+5+1+5+10 =6 kgkg 55

Page 15: STATISTIK DESKRIPTIF

Varian:Varian: Rata-rata perbedaan dengan nilai masing-masing Rata-rata perbedaan dengan nilai masing-masing

observasiobservasi

Rumus: V (SRumus: V (S22) = ∑(x-x)) = ∑(x-x)22 n-1n-1

Varian =81+25+1+25+100 =58Varian =81+25+1+25+100 =58 44

Page 16: STATISTIK DESKRIPTIF

Standar deviasi:Standar deviasi:

Adalah akar dari varian.Adalah akar dari varian. Nilai ini disebut juga “simpangan baku” Nilai ini disebut juga “simpangan baku”

Rumus: S = √v = √SRumus: S = √v = √S22

Contoh: Standar deviasi dari data diatas:Contoh: Standar deviasi dari data diatas: S = √58 = 7.6 kgS = √58 = 7.6 kg

Page 17: STATISTIK DESKRIPTIF

Koefisien Varian Koefisien Varian ((Coeficient Of Varian = Coeficient Of Varian = COV)COV)

Adalah: ratio dari standar deviasi terhadap nilai Adalah: ratio dari standar deviasi terhadap nilai mean dan dibuat dalam bentuk persentase.mean dan dibuat dalam bentuk persentase.

Rumus: S x 100%Rumus: S x 100% XX Contoh: dari data diatas koefien varian:Contoh: dari data diatas koefien varian: 7,6 = 13,33%7,6 = 13,33% 5757

Page 18: STATISTIK DESKRIPTIF

Kegunaan koefisien varian:Kegunaan koefisien varian: Untuk perbandingan variasi antara dua Untuk perbandingan variasi antara dua

pengamatan atau lebih. pengamatan atau lebih. Nilai yang lebih besar menunjukkan Nilai yang lebih besar menunjukkan

adanya variasi pengamatan yang lebih adanya variasi pengamatan yang lebih besar. besar.

Page 19: STATISTIK DESKRIPTIF