Statistika Deskriptif
description
Transcript of Statistika Deskriptif
Bab 2B
Statistika DeskriptifStatistika Deskriptif:Parameter Populasi 1Bab 3ASTATISTIKA DESKRIPTIF:PARAMETER POPULASI 1
A. Parameter Rerata
1. Batasan dan Jenis
Skala data paling rendah adalah pada level interval (interval dan rasio)
Ada tiga jenis rerata mencakup
Rerata hitung (sering disebut rerata saja)Rerata ukurRerata harmonik2. Parameter Rerata Hitung
(a) Rumus rerata hitung
Dengan N sebagai banyaknya data, rerata untuk data X dan Y adalah
------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------Contoh 1
Data X : 7 7 6 5 4 4 4 3 Y : 10 9 9 6 5 4 3 2 1 1
Cara lain menghitung rerata
X Y 7 10 7 9 6 9 X = 40 / 8 = 5 5 6 4 5 4 4 4 3 Y = 50 / 10 = 5 3 2 1 1 40 50
Cara ini lebih praktis daripada cara pertama sehingga digunakan secara umum
(b) Rumus dengan Frekuensi
Rumus rerata dengan melibatkan frekuensi
Rumus ini lebih praktis untuk data dengan berbagai frekuensi
------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------Contoh 2
X Y X f fX 7 10 7 2 14 7 9 6 1 6 X = 40 / 8 = 5 6 9 5 1 5 5 6 4 3 12 4 5 3 1 3 4 4 8 40 4 3 3 2 1 Y f fY 1 10 1 10 9 2 18 6 1 6 Y = 50 / 10 = 5 5 1 5 4 1 4 3 1 3 2 1 2 1 2 2 10 50------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------Contoh 3
Data X Frek f fX 4 3 12 5 5 25 6 10 60 7 15 105 8 11 88 9 6 54
jumlah 50 344
Rerata X = 6.88
Contoh 4
Data Y Frek f fY 0 0 0 1 1 1 2 0 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6
Rerata Y = Contoh 5
Kelompok Nilai kel X Frek f fX 31 40 35,5 2 71 41 50 45,5 3 91 51 60 55,5 5 61 70 65,5 14 71 80 75,5 25 81 90 85,5 18 91 100 95,5 13
Rerata X = (c) Perhitungan dengan Kalkulator Elektronik
Cara pakai kalkulator elektronik tercantum di dalam manual kalkulator itu
Sebagai contoh di sini digunakan Casio fx 350 TL
Contoh 6
X : 7 7 6 5 4 4 4 3
Mode 2 (ke statistika rerata) Shift AC = AC (membersihkan isi memori) 7 shift ; 2 DT (frekuensi 2) 6 DT 5 DT 4 shift ; 3 DT (frekuensi 3) 3 DT Shift X = (tampilkan rerata 5) Mode 1 (kembali ke kalkulator biasa)
Contoh 7
Dengan kalkulator elektronik, hitung kembali rerata pada
Contoh 2, 3, 4, dan 5
Contoh 8
Dengan Excel/kalkulator elektronik, hitung rerata dari
79 49 48 74 81 98 87 8080 84 90 70 91 93 82 7870 71 92 38 56 91 74 7368 72 85 53 65 93 83 8690 32 83 73 74 43 86 6892 93 76 71 90 72 67 7580 91 61 72 97 91 88 8170 74 99 95 80 59 71 7763 60 83 82 60 67 89 6376 63 88 70 66 80 79 75
=
(d) Rerata sebagai Titik Tumpu Keseimbangan
Rerata adalah titik tumpu keseimbangan sehingga jumlah di bawah rerata sama dengan jumlah di atas rerata
Data X : 7 7 6 5 4 4 4 3 Y : 10 9 9 6 5 4 3 2 1 1
Pada X dan Y, rerata 5 adalah titik tumpu keseimbangan
34675X12345678910Y3. Parameter Rerata Hitung pada Data Dikotomi
Khusus pada data dikotomi, rerata sama dengan proporsi
X =
sehingga pada umumnya, digunakan proporsi
Contoh 9
Data X 1 0 X = 7 / 10 = 0,7 1 1 0 1 X = 7 dari 10 = 0,7 0 1 1 X = X = 0,7 1 74. Parameter Rerata Ukur
Rerata ukur adalah perkalian data yang ditarik akarnya sebesar banyaknya data
Rumus rerata ukur
Contoh 10
Data : 3 4 5Rerata ukur
Data : 2 2 4 5 7 8 8 Rarata ukur
U =
5. Parameter Rerata Harmonik
Rumus
Contoh 11
Data: 3 5 6 6 7 12 12
Data: 2 2 4 5 7 8 8
H =
6. Kecondongan (skewness)
Kecondongan distribusi
Distribusi frekuensi atau distribusi proporsi dapat saja
SimetriCondong ke kiri atau positif Condong ke kanan atau negatif
Distribusi simetri
modus = median = rerata (hitung)
Distribusi condong positif (positively skewed)
modus < median < rerata
Distribusi condong negatif (negatively skewed)
modus > median > rerataMoMMMo7. Kurtosis (kepuncakan)
Kurtosis distribusi
Distribusi frekuensi atau distribusi proporsi dapat saja memiliki puncak
Mesokurtik (puncak biasa)Leptokurtik (puncak tinggi)Platikurtik (puncak rendah)
Mesokurtik
Leptokurtik (puncak tinggi)
Platikurtik (puncak rencah)
B. Parameter Variansi dan Simpangan Baku
1. Penyebaran Data
Penyebaran data ini diacu kepada rerata hitung yakni berapa lebar data itu menyebar di sekitar rerata hitung
Penyebaran data ini mencakup beberapa parameter
SimpanganJumlah Kuadrat SimpanganVariansiSimpangan Baku
Selain rerata hitung, parameter variansi dan simpangan baku merupakan parameter yang banyak digunakan di dalam statistika
2. Simpangan
(a) Nilai simpangan
Nilai simpangan = nilai data rerata hitung
x = X X y = Y Y
Nilai di atas rerata memperoleh simpangan positif
Nilai sama dengan rerata memperoleh simpangan nol
Nilai di bawah rerata memperoleh simpangan negatif(b) PenyebaranMakin menyebar data makin besar simpangannya
Simpangan kecil
Simpangan besar
x1x2reratay1y2rerataContoh 12
Data X Simpangan x Data Y Simpangan y 7 2 10 5 7 2 9 4 6 1 9 4 5 0 6 1 4 1 5 0 4 1 4 1 4 1 3 2 3 2 2 3 0 1 4 1 4 X = 5 0
Y = 5Jumlah Simpangan
Karena rerata adalah titik tumpu keseimbangan maka jumlah simpangan (negatif dan positf) adalah nol
x = 0 y = 0
Jumlah simpangan terhadap rerata hitung adalah nol
x = 0 y = 0
Simpangan kurang () = simpangan lebih (+)
34567Simpangan kurang Simpangan lebih +Contoh 13
Data X Frek f fX Simp x 4 3 12 2,88 5 5 25 6 10 7 15 8 11 9 6 X =
Contoh 14
Data Y Frek f fY Simp y 1 1 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6 Y =3. Jumlah Kuadrat Simpangan
(a) Hakikat
Sering disingkat sebagai jumlah kuadrat JK
Karena simpangan bernilai negatif dan positif dan jumlah mereka adalah nol, maka sebelum dijumlahkan simpangan dikuadratkan
Jumlah dari simpangan yang dikuadratkan ini merupakan jumlah kuadrat
Makin besar simpangan, makin besar jumlah kuadrat sehingga JK merupakan indikator dari penyebaran data
Makin lebar penyebaran data makin besar nilai jumlah kuadrat (JK)
(b) Rumus Jumlah Kuadrat Simpangan
JK = x2 = (X X)2 Melalui aljabar, JK dapat juga dinyatakan melalui
dengan NX sebagai banyaknya data
Contoh 15
Data X X2 7 49 7 49 6 36 JK = 216 (40)2 / 8 = 16 5 25 4 16 4 16 4 16 3 9 40 216
4. Parameter Variansi
(a) Data Umum
JK bergantung kepada banyaknya data NX sehingga JK dapat berbeda karena banyaknya data berbeda
Untuk mengatasinya, JK dibagi dengan banyaknya data, dan hasil bagi ini dikenal sebagai variansi
Variansi diberi notasi 2 (merupakan ukuran penyebaran data)
Contoh 16
Dari contoh 15, telah diperoleh
JK = 16NX = 8
Variansi 2X = 16 / 8 = 2
Contoh 17
Data Y Y2 10 100 9 81 9 81 6 36 2y = 10,4 5 25 4 16 3 9 2 4 1 1 1 1 50 354Cara hitung menggunakan frekuensi
Data Y Frek f Y2 fY fY2 10 1 100 10 100 9 2 81 18 162 6 1 36 6 36 5 1 25 5 25 4 1 16 4 16 3 1 9 3 9 2 1 4 2 4 1 2 1 2 2 50 354
2Y = 10,4(b) Data Dikotomi
Pada data dikotomi (0 dan 1), rumus variansi dapat disederhanakan menjadi
2X = (1 )
Dalam hal data dikotomi, terdapat nilai maksimum pada variansi
2X maks = 0,25 pada = 0,5
Contoh 18
X Y 1 1 2X = (0,4)(1 0,4) = 0,24 0 1 0 0 1 1 2Y = (0,8)(1 0,8) = 0,16 0 1
5. Parameter Simpangan Baku
(a) Hakikat Simpangan Baku
Simpangan baku adalah akar dua positif dari variansi
Simpangan baku merupakan simpangan yang dibakukan
Simpangan baku bersama-sama dengan variansi merupakan ukuran penyebaran data
Simpangan baku sering dijadikan satuan dari simpangan data
Simpangan baku diberi notasi
Simpangan, jumlah kuadrat, variansi, dan simpangan baku menunjukkan penyebaran data
Makin lebar penyebaran data, maka besar nilai mereka
Penyebaran : kecilNilai simpangan : kecilJumlah kuadrat : kecilVariansi : kecilSimpangan baku : kecil
Penyebaran : besarNilai simpangan : besarJumlah kuadrat : besarVariansi : besarSimpangan baku : besar
Contoh 19
Dari contoh 16
X = 2 = 1,41
Dari contoh 17
Y = 10,40 = 3,22
Dari contoh 18
X = 0,24 = 0,44Y = 0,16 = 0,40(b) Perhitungan dengan Kalkulator
Simpangan baku dapat langsung dihitung dengan bantuan kalkulator elektronik
Caranya dapat dibaca pada manual
Contoh pada kalkulator Casio fx 350 TL
Langkahnya sama dengan langkah pada perhitungan rerata dengan kalkulator Casio fx 350 TL
Untuk membaca simpangan baku tekan
xn = atau yn =
Tekan tombol x2 untuk menemukan variansiContoh 20
Data X Frek f X2 fX fX2 4 3 16 12 48 5 5 25 25 125 6 10 36 60 360 7 15 49 105 735 8 11 64 88 704 9 6 81 54 486 50 344 2458
Variansi 2X = 2458- (344)2 /50=91,28 Simpangan baku X = 9,55
Hitung kembali dengan menggunakan Exel atau kalkulator elektronikContoh 21
Data Y Frek f Y2 fY fY2 1 1 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6
Hitung 2Y = Y =
Hitung kembali dengan menggunakan kalkulator elektronikContoh 22
Kelompok Nil Kel X Frek f X2 fX fX2 31 40 35,5 2 41 50 3 51 60 5 61 70 14 71 80 25 81 90 18 91 100 13
Hitung 2X =
X =
Hitung kembali dengan menggunakan Excel/kalkulator elektronik
Contoh 23
Data X adalah sebagai berikut
79 49 48 74 81 98 87 80 80 84 90 70 91 93 82 78 70 71 92 38 56 91 74 7368 72 85 53 65 93 83 8690 32 83 73 74 43 86 6892 93 76 71 90 72 67 7580 91 61 72 97 91 88 8170 74 99 95 80 59 71 7763 60 83 82 60 67 89 6376 63 88 70 66 80 79 75
Dengan kalkulator elektronik, hitung
X =
X =
2X = Contoh 24
Data Y adalah sebagai berikut
39 42 30 11 35 25 18 26 37 1529 22 33 32 21 43 11 11 32 2944 26 30 49 13 38 26 30 45 2131 28 14 35 10 41 15 39 33 3446 21 38 26 26 37 37 14 26 2432 15 22 28 33 47 19 22 31 2037 40 20 39 30 18 29 35 41 2126 25 29 33 23 30 43 28 32 3234 28 38 32 31
Dengan kalkulator elektronik, hitung
Y =
Y =
2Y =Contoh 25
Data X adalah sebagai berikut
161 152 157 151 158 163 159 167 152 155 143 145 148 160 153 156 146 154 157 164 153 156 161 149 161 144 152 147 151 156 158 148 154 153 146 165 160 162 149 153 166 147 149 150 155 148 151 159 155 161 146 151 159 162 160 154 149 165 148 160 163 149 160 152 150 161 156 150 155 152 156 157 164 149 158 145 153 156 161 156 154 147 159 154 165 155 148 151 150 162 152 162 156 158 155 157 163 159 152 168
Dengan kalkulator elektronik, hitung
X =
X =
2X =Contoh 26
Data Y 2Y Y 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 0 1 0 1 1 1 0 0 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 1 1 0 0 1 1 0 1 0 0 0 0 0 1 1 1 1 1 0 0 1 0 1 1 0 1 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0C. Nilai Baku dan Transformasi Baku
1. Nilai Baku Linier
(a) Hakikat nilai baku
Nilai baku adalah nilai simpangan yang dinyatakan dalam satuan simpangan baku
Nilai baku ini dikenal sebagai nilai baku linier karena ada nilai baku lain yang nonlinier
Nilai baku linier diberi notasi z
Rumus nilai baku (linier)
(b) Sifat Nilai baku
Tanda nilai baku adalah relatif terhadap nilai rerata
Nilai baku adalah negatif jika data terletak di bawah rerata
Nilai baku adalah nol jika data terletak tepat pada rerata
Nilai baku adalah positif jika data terletak di atas rerata
Nilai dari nilai baku adalah relatif terhadap nilai simpangan baku
Nilai baku menjadi kecil jika simpangan baku adalah besar (sebaran data adalah besar)
Nilai baku menjadi besar jika simpangan baku adalah kecil (sebaran data adalah kecil)Contoh 27
Rerata sama X = Y = 5Simpangan sama x = y = 2Simpangan baku beda X = 1 Y = 55757X = 1zX = (7 5)/2 = 2Y = 5zY = (7 5)/5 = 0,4XYContoh 28
Data X Frek f Nilai baku zX 7 2 6 1 X = 5 1 4 3 X = 3 1
Contoh 29
Data Y Frek f Nilai baku zY 10 1 9 2 6 1 Y = 5 1 4 1 Y = 3 1 2 1 1 2 Contoh 30
Data X Frek f Nilai baku zX 4 3 5 5 X = 6 10 6 15 X = 8 11 9 6
Contoh 31
Data Y Frek f Nilai baku zY 1 1 3 5 Y = 4 9 5 15 Y = 6 23 7 15 8 17 9 9 10 62. Transformasi Baku Linier
(a) Hakikat
Tranformasi baku linier terjadi di antara nilai pada dua sistem (misalnya, X dan Y)
Tranformasi baku ini dikatakan linier karena masih ada transformasi baku lainnya yang nonlinier
Tranformasi baku linier ini dikatakan linier karena apabila nilai diletakkan di sumbu X dan nilai transformasi diletakkan di sumbu Y, maka mereka membentuk garis lurusXY(b) Rumus Transformasi Baku Linier
Nilai baku setelah tranformasi disamakan dengan nilai baku sebelum transformasi (maka itu dinamakan transformasi baku)
Dengan demikian maka
Contoh 32
Data X X X Data Y Y Y 10 20 5 ____ 50 10 4 12 1 ____ 20 2 17 25 4 ____ 8 2 30 50 5 45 ___ 6 60 40 8 20 ___ 4 25 15 3 65 ___ 6 ___ 50 5 70 88 9 ___ 5 1 26 20 2 ___ 75 10 10 8 1 40 30 5 60 50 ___ 70 62 8 40 35 ___ 25 40 3 40 70 ___ 50 ___ 2 60 50 4 35 ___ 4 27 30 6 65 ___ 10 40 25 5 20 10 ___ 80 60 10 55 40 ___ 90 70 4 15 25 ___ 65 80 3 Bahan U1: Distribusi frekuensi, Modus, median, rerata, varians dan simpangan baku.