Statistika dan Aplikasi Komputer Sesi 2: Ukuran Sentral dan Persebaran
description
Transcript of Statistika dan Aplikasi Komputer Sesi 2: Ukuran Sentral dan Persebaran
Statistika dan Aplikasi KomputerSesi 2: Ukuran Sentral dan Persebaran
Program Pasca Sarjana Universitas Indonesia Magister Kajian Kependudukan & Ketenagakerjaan
Semester Gasal 2012/2013
E. L. Pardede 2
Garis Besar
• Meninjau tugas pertemuan ke-1• Ukuran sentral/pemusatan: Rerata/rata-rata,
median, modus• Ukuran persebaran: range (jangkauan),
deviasi/simpangan rata-rata, varians, standar deviasi (simpangan baku);
• Ukuran kecondongan (skewness); dan• Distribusi frekuensi dan latihan
12/09/2012
E. L. Pardede 3
Tugas 1: Populasi & Sampel
di mana: = proporsi populasi P = proporsi sampeln = besarnya sampel Untuk tingkat keyakinan 95%
4
Hasil Pilkada Gubernur DKI Jakarta
12/09/2012
Sumber:(3) Diolah dari http://www.republika.co.id/berita/menuju-jakarta-1/news/12/07/19/m7ev7i-ini-hasil-resmi-jumlah-suara-pilkada-dki-putaran-satu
E. L. Pardede 5
Ukuran Pemusatan/Sentral
Ukuran pemusatan: nilai tunggal yang mewakili suatu kumpulan data yang menunjukkan (lokasi) pusat dari nilai data1. Rata-rata hitung (arithmetic mean): rata-rata
hitung populasi dan sampel, rata-rata hitung tertimbang (weighted mean)
2. Median (nilai tengah)3. Modus: nilai yang paling sering muncul
12/09/2012
6
Untuk data tidak berkelompok, rata-rata hitung populasi adalah jumlah seluruh nilai dalam populasi dibagi dengan jumlah observasi dalam populasi:
di mana m (myu) rata-rata hitung populasiN = jumlah observasi dalam populasiX = nilai tertentu dalam populasi = penjumlahan dari....
Rata-rata Hitung Populasi
E. L. Pardede
E. L. Pardede7
Rata-rata Hitung SampelUntuk data tidak berkelompok, rata-rata hitung sampel adalah jumlah seluruh nilai dalam sampel dibagi dengan jumlah observasi dalam sampel:
di mana X bar, rata-rata sampel
n = jumlah observasi dalam sampel
E. L. Pardede8
Rata-rata Hitung Tertimbang
Rata-rata hitung tertimbang dari sekelompok angka X1, X2, ..., Xn, dengan bobot w1, w2, ...,wn, dapat dihitung dengan rumus berikut:
E. L. Pardede9
Latihan 1
E. L. Pardede 10
Ciri-ciri/Sifat dari Rata-rata HitungRata-rata hitung paling sering digunakan; membutuhkan data dengan skala pengukuran interval dan rasio. Sifat/ciri utamanya:– Semua nilai observasi digunakan dalam penghitungan– Setiap data memiliki nilai rata-rata hitung yang unik– Dihitung dengan menjumlahkan semua nilai dibagi
dengan jumlah observasi– Jumlah simpangan (deviasi) dari nilai rata-rata adalah
nol.– Nilainya dipengaruhi oleh nilai data yang ekstrim
(besar atau kecil)
12/09/2012
E. L. Pardede 11
MedianMedian atau nilai tengah adalah titik tengah dari nilai-nilai observasi setelah observasi diurutkan dari nilai terkecil ke nilai terbesar (membagi observasi menjadi dua atau masing-masing 50%).– Nilai di atas dan di bawah median jumlahnya sama
dalam data yang terurut.– Untuk observasi yang jumlahnya genap, median
adalah rata-rata hitung dari dua nilai di tengah data terurut.
12/09/2012
E. L. Pardede 12
Ciri-ciri/Sifat Median• Nilai median unik untuk setiap data.• Tidak terpengaruh oleh nilai yang ekstrim
(sangat besar atau sangat kecil) tepat untuk menggambarkan kecenderungan sentral ketika ada nilai-nilai ekstrim
• Bisa dicari/dihitung untuk data yang berskala ukuran rasio, interval, dan ordinal.
• Dapat dihitung untuk distribusi frekuensi dengan kelas interval yang terbuka jika mediannya tidak di kelas yang terbuka tersebut.
12/09/2012
E. L. Pardede13
Modus
Modus adalah nilai obervasi yang paling sering muncul.
E. L. Pardede14
Latihan 2
E. L. Pardede 15
Kapan menggunakan ukuran sentral tertentu?
• Modus: paling mudah, tetapi paling tidak cukup untuk menggambarkan ukuran sentral
• Median: lebih berguna dan lebih mudah dipakai, terutama jika ada nilai ekstrim
• Tetapi Rata-rata hitunglah yang memperhitungkan semua nilai dalam observasi dan yang paling sering digunakan
12/09/2012
E. L. Pardede16
Posisi Relatif dari Rata-rata, Median dan Modus
17
Ukuran persebaran
Untuk apa mempelajari ukuran persebaran?– Pengukuran seperti rata-rata atau median penting
untuk menggambarkan pusat/sentral dari data, tetapi ukuran ini tidak menggambarkan apa pun tentang persebaran data.
– Contoh: kedalaman sungai yang akan diseberangi;– Persebaran data dapat dibandingkan dengan
melihatnya dalam distribusi tertentu.
12/09/2012 E. L. Pardede
18
Ukuran-ukuran persebaran• Range
(jangkauan)• Simpangan/Deviasi
Rata-rata
• Varians Populasi
• Standar Deviasi Populasi
Range = Nilai Terbesar – Nilai Terkecil
E. L. Pardede19
Varians & Standar Deviasi Sampel
• Varians sampel
• Standar Deviasi Sampel
Faktor
Koreksi
E. L. Pardede20
Latihan 3
21
Rata-rata Hitung untuk Data Berkelompok
di mana: rata-rata sampel
M = nilai tengah dari setiap kelas/kelompokf = frekuensi dari tiap kelasn = jumlah observasi dalam sampel
12/09/2012E. L. Pardede
22
Standar Deviasi/Simpangan Baku dari Data Berkelompok
di mana: s standar deviasi sampelM = nilai tengah dari setiap kelas/kelompokf = frekuensi dari tiap kelasn = jumlah observasi dalam sampel
= rata-rata sampel
12/09/2012E. L. Pardede
23
Median dari Data Berkelompok
di mana: Md median sampelL = batas bawah/tepi kelas lokasi mediann = jumlah observasi dalam sampelCf = frekuensi kumulatif sebelum kelas lokasi medianf = frekuensi dari tiap kelasi = besarnya interval kelas
12/09/2012E. L. Pardede
24
Modus dari Data Berkelompok
di mana: Mo modus sampelL = batas bawah/tepi kelas lokasi modusd1 = selisih frekuensi kelas lokasi modus dengan
frekuensi kelas sebelumnyad2 = selisih frekuensi kelas lokasi modus dengan
frekuensi kelas sesudahnyai = besarnya interval kelas
12/09/2012E. L. Pardede
25
Teorema Chebyshev• Teorema Chebyshev:
Untuk suatu kelompok data (sampel/populasi), proporsi nilai-nilai yang berada dalam standar deviasi dari rata-rata hitung k sekurang-kurangnya 1-1/k2, di mana k merupakan konstanta bernilai > 1.
• Implikasinya: 75% atau ¾ data berada pada kisaran ± 2s, 89,9% data berada pada kisaran ± 3s, dan 96% data berada pada kisaran ± 5s.
12/09/2012 E. L. Pardede
E. L. Pardede 26
Teorema Chebyshev: ContohNilai rata-rata hitung harga saham ( ) Rp. 490,7 dengan standar deviasi (s) Rp. 144,7. Berapa jumlah perusahaan dengan harga saham berkisar Rp. 201,3 –Rp. 780,1?
(210,3; 780,1) = 490,7 ± 2 x 144,7(210,3; 780,1) = ± 2s, berarti k = 2Dengan rumus 1-1/k2 = 1-1/22 = 1-1/4=3/4
(75%)
12/09/2012
27
Hukum Empirik Distribusi Simetrik
12/09/2012 E. L. Pardede
E. L. Pardede 28
Ukuran Kecondongan (Skewness)• Selain ukuran sentral (rata-rata, median, dan modus)
dan ukuran persebaran (range, varians, standar deviasi), karakteristik lain dari data adalah bentuknya.
• Berdasarkan pengamatan, ditemukan ada empat bentuk kecondongan data yang umum: – Simetris (symmetric)– Condong positif (positively skewed) – Condong negatif (negatively skewed) – Bimodal.
12/09/2012
E. L. Pardede 29
Bentuk-bentuk Kecondongan Data
12/09/2012
30
Rumus Ukuran Kecondongan• Nilai koefisien kecondongan
(skewness atau sk): -3 sk 3.– Nilai sk yang mendekati -3,
misalnya -2,57: kecondongan negatif yang besar
– Nilai sk 1,63: kecondongan positif yang sedang
– Nilai sk 0, yang muncul jika rata-rata dan median sama: distribusi simetris dan tidak terdapat kecondongan.
12/09/2012E. L. Pardede
Pearson’s coefficient of skewness
E. L. Pardede 31
Tugas: Ukuran Sentral & Persebaran
1. Berdasarkan data 50 Lansia dari IFLS 2007: a) Hitung rata-rata, median, dan modus usia untuk
seluruh sampel dan masing-masing untuk lansia laki-laki dan lansia perempuan!
b) Hitung jangkauan, varians, dan standar deviasi usia lansia laki-laki dan lansia perempuan! Apa yang dapat Anda simpulkand dari hasilnya?
c) Sampel mana yang persebaran usianya paling mendekati simetris? (Hitung kecondongannya!)
12/09/2012
E. L. Pardede 32
Tugas: Ukuran Sentral & Persebaran
2. Pilih sampel acak 3 kali (=3 sampel) dari populasi tinggi badan mahasiswa S2KK BKKBN/Reguler (5 orang dari 16 orang).
a) Hitung standar deviasi ketiga sampel tersebut! b) Apakah terbukti perlunya faktor koreksi (n-1)
untuk standar deviasi sampel (s) agar lebih mendekati standar deviasi populasi ()?
12/09/2012
E. L. Pardede 33
Tugas: Ukuran Sentral & Persebaran
3. Kelompokkanlah data Lansia dalam 5 tahunan (60-64, 65-69, dst.).
a) Hitung rata-rata, median, modus, varians, dan standar deviasi data tersebut dengan metode untuk data berkelompok!
b) Bandingkan hasilnya dengan hasil dalam tugas no. 1. Apakah rumus data terkelompok tersebut merupakan aproksimasi yang baik untuk ukuran sentral dan persebaran?
12/09/2012