P. 1
Statistika

Statistika

|Views: 78|Likes:
Published by Hana Azhar
Probabilitas dan Statistika
Probabilitas dan Statistika

More info:

Categories:Types, School Work
Published by: Hana Azhar on Dec 20, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

05/06/2013

pdf

text

original

Nama : Hana Azhar Kelas : 3B 2011 NPM : 117006077 PENGUKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang

menunjukkan tinggi rendahnya perbedaan data yang diperoleh dari rata-ratanya. Macam-macam pengukuran penyimpangan yang sering digunakan adalah rentangan (range), rentangan antar kuartil, rentangan semi antar kuartil, simpangan rata-rata, simpangan baku, varians, koefisien varians, dan angka baku. 1. Rentangan (Range) Range (rentangan) adalah jarak antara nilai data yang tertinggi dengan nilai data yang terendah atau nilai tertinggi dikurangi nilai terendah. Rumus : data tertinggi – data terendah Contoh : data nilai UAS Statistika Kelas A : 90 80 70 90 70 100 80 50 75 70 Kelas B : 80 80 75 95 75 70 95 60 85 60 Langkah-langkah menjawab : Urutkan dulu kemudian dihitung rentangannya. Kelas A : 50 70 70 70 75 80 80 90 90 100 Kelas B : 60 60 70 75 75 80 80 85 95 Rentangan kelas A : 100 – 50 = 50 Rentangan kelas B : 95 – 60 = 35 2. Rentangan antar kuartil Rentangan antar kuartil yaitu selisih antara kuartil ketiga dengan kuartil pertama ditulis dengan rumus: RAK = K3 – K1 Sementara rumus kuartil adalah: a. Untuk data tunggal

K1 K2 K3 Keterangan : K1.2.8 maka 4.67 dan K3 = 82. Simpangan rata-rata .47 dan RAK didapatkan 9. Untuk data kelompok K1 K2 K3 ( ) ( ) ( ) 3. Rentangan semi antar kuartil (SK) Rentangan semi antar kuartil ialah setengah dari rentangan antar kuartil (RAK) ditulis dengan rumus : SK = RAK Contoh : Diketahui data dengan nilai K1 = 72.3 : nilai kuartil Bp : batas bawah kelas sebelum nilai kuartil akan P : panjang kelas nilai kuartil n : jumlah data f : banyaknya frekuensi kelas kuartil Jf : jumlah dari semua frekuensi kumulatif sebelum kelas kuartil terletak b.

Nilai simpangan diberi simbol (X).Simpangan rata-rata ialah nilai rata-rata dan harga mutlak semua simpangan terhadap rata-rata (mean) kelompoknya. Rumus Simpangan rata – rata (SR) data tunggal SR b. Maksud harga mutlak di sini semua nilai simpangan negatif dianggap positif. Rumus Simpangan rata – rata (SR) data kelompok SR Contoh 1 : data tunggal Data nilai UAS statistika yang diambil sampel sebanyak 7 mahasiswa sebagai berikut : Nilai (X) 60 65 70 75 80 85 90 75 Rata-rata (x) │X – x │ │x│ 15 10 5 0 5 10 15 . sedangkan harga mutlak bersimbol │x│sehingga ditulis rumus : x = X – x Catatan : X : simpangan data dari rata-ratanya X : data yang diketahui x : Mean kelompok data a.

44 Ʃ f.84 84. Contoh 2 : data kelompok Frekuensi Nilai (f) 60 – 64 65 .│X│ 31.64 5.52 57.24 .36 f.76 65.69 70 .36 14.64 4.6 12.X (X-x ) │X│ 15.57.57 Artinya rata-rata nilai UAS 7 orang mahasiswa sebesar 75 dengan simpangan 8.ƩX = 525 - Ʃ│x│= 60 x x x 75 SR = = 8.74 75 – 78 80 – 84 85 – 89 90 – 94 2 6 15 20 16 7 4 Ʃf = 70 (X) 62 67 72 77 82 87 92 124 402 1080 1540 1312 609 368 Ʃf.X = 5435 Titik tengah f.8 69.│X│= 385.64 10.64 0.28 63.36 9.

ia mengukur bagaimana nilai-nilai data tersebar.64 dengan simpangan baku rata-rata 5. Simbol stadar deviasi populasi (σn atau σ ) sedangkan simbol sampel (σn-1. Istilah simpangan baku pertama kali diperkenakan oleh Karl Pearson pada tahun 1894. Simpangan baku didefinisikan sebagai akar kuadrat varians. maka simpangan baku juga diukur dalam meter pula. Misalnya jika suatu data diukur dalam satuan meter.x SR Jadi rata-rata nilai statistika dari 70 mahasiswa sebesar 77. Sd atau s ). Standar deviasi (s) sampel untuk data tunggal σ n-1 √ atau s=√ Contoh data tunggal : . Simpangan baku merupakan bilangan tak-negatif. Singkatnya. dan memiliki satuan yang sama dengan data. rata-rata jarak penyimpangan titik-titik data diukur dari nilai rata-rata data tersebut. Simpangan baku Simpangan baku atau deviasi standar adalah ukuran sebaran statistik yang paling lazim.5 5. dalam bukunya On the dissection of asymmetrical frequency curves. Rumus standar deviasi yaitu : a. Bisa juga didefinisikan sebagai.

4. 2.26 .x ) x 1.5 30. X 75 70 80 85 60 75 100 90 95 75 X2 5625 4900 6400 7225 3600 5625 10000 8100 9025 5625 ƩX2 66125 Ʃ N=10 ƩX 10 σ n-1 805 √ √ √ √ √ √ X2 No. 7. 6. 3. 5. 10. 1. 8. 9. 75 -5.Diketahui nilai UTS statistika mahasiswa STIA LAN Bandung No. X (X.

10.25 210. 70 80 85 60 75 100 90 95 75 -10.25 0. 6.5 -5.25 420.25 380.2.5 4. 9.5 -20.25 30. 7.25 90. 5.25 20.5 N=10 ƩX 10 805 x= = = 80. 8.50 -0.5 9.12 b.5 19.5 s=√ =√ =√ Ʃ = 12.5 14. 4.5 -5.25 ƩX2 1322. 3. Standar deviasi (s) populasi untuk data distribusi (kelompok) Standar deviasi (s) sampel untuk data kelompok σ n-1 Contoh data distribusi : √ atau s=√ .5 0 110.25 30.

69 70 . X2 450 600 375 0 400 .5 79.52 69.X2= 425385 σ n-1 √ √ √ √ 2953225 42 988 93 Frekuensi Nilai (f) 60 – 64 65 .5 (X-x) x x -15 -10 79.74 75 – 78 80 – 84 85 – 89 90 – 94 2 6 15 20 16 7 4 Ʃf = 70 Titik tengah f. X2 7688 26934 77760 118580 107584 52983 33856 Ʃ f.74 75 – 78 80 – 84 2 6 15 20 16 Batas kelas atas (X) 64.Frekuensi Nilai (f) 60 – 64 65 .5 -5 0 5 f.5 74.5 84.69 70 .X = 5435 X2 3844 4489 5184 5929 6724 7569 8464 f.X (X) 62 67 72 77 82 87 92 124 402 1080 1540 1312 609 368 Ʃf.

85 – 89 90 – 94 7 4 Ʃf = 70 89. yaitu rumus teoritis dan rumus kerja.04 Ʃ 6.5 94. maka kita gunakan rumus kerja saja. Varians diberi simbol σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel. untuk mempersingkat tulisan ini. Selanjutnya kita akan menggunakan simbol s2 untuk varians karena umumnya kita hampir selalu berkutat dengan sampel dan jarang sekali berkecimpung dengan populasi. Varians Varians adalah salah satu ukuran dispersi atau ukuran variasi. Rumus kerja ini mempunyai . Rumus untuk menghitung varians ada dua . Varians dapat menggambarkan bagaimana berpencarnya suatu data kuantitatif. Namun demikian.X2= 3425 x ƩX n 556 5 7 s = √Ʃ =√ =√ =√ = 7.5 ƩX = 556.5 10 15 0 700 900 Ʃ f.

Rumus varians (S) sampel untuk data tunggal σ n-1 = [√Ʃ Ʃf (Ʃf X ) 2 Ʃ Ʃf X ] atau S = [√ ] Ʃ 2 b. a. Artinya semakin kecil koefisien variasinya maka data semakin seragam (homogen). Gunanya untuk mengamati variasi data atau sebaran data dari meannya (rata-ratanya).kelebihan dibandingkan rumus teoritis.2243 7. Menghitung besarnya koefisien varians dengan rumus : KV = x100% . Sebaliknya semakin besar koefisien variasinya maka data semakin heterogen.0162 = 49. yaitu hasilnya lebih akurat dan lebih mudah mengerjakannya. Simbol varians untuk populasi = σ2 atau σ2n sedangkan untuk sampel σ n-1 atau (s 2 ) atau S.016 (data sampel) S = 7. Koefisien varians Koefisien varians adalah perbandingan antara standar deviasi dengan harga mean yang dinyatakan dengan (%). Rumus varians (S) sampel untuk data distribusi (dikelompokkan) σ n = [√Ʃ (Ʃf X) Ʃf Ʃ 2 ] atau S = [√ Ʃf X2 Ʃ ] Contoh :data berdistribusi Jika (Standar Deviasi) Maka (Variasi) s = 7.

s = 5 . x = 70. Kegunaan angka baku antara lain: untuk mengamata perubahan nlai kenaikan. nilai penurunan variabel atau satuan gejala yang ada dari meannya dan untuk menaikkan (mengubah) data ordinal menjadi data interval dengan jalan mengubah skor mentah menjadi skor baku.Keterangan : KV = Koefisien variasi (%) s x = Standar deviasi = Rata-rata 8. Angka baku Angka baku (Zscore) atau skor baku ialah bilangan yang menunjukkan tingkat data penyimpangan dari mean dalam satuan standar deviasi atau seberapa jauh suatu nilai tersebut yang menyimpang dari ratarata dengan satuan s. Sehingga dapat ditulis dengan rumus: Z(score) = Keterangan : Z(score) = angka baku X S X = nilai variabel = standar deviasi = rata-rata (mean) Contoh : Fatimah mahasiswa STIA mengambil 5 mata kuliah dengan nilai prestasi UTS dan rata-rata kelas : Bahasa inggris = nilai 80. Sebaliknya semakin besar angka bakunya semakin besar juga perubahan angka baku dari ilai rata-ratanya. Artinya semakin kecil angka bakunya semakin kecil juga perubahan variabel tersebut dari nilai meannya.

s = 5 Hukum Tata Negara = nilai 90.Statistika Manajemen SDM = nilai 95. s = 10 x = 85. Berdasarkan kelima nilai diatas. Matematika = nilai 100. tetapi kalau dnilai secara relative di banding dengan rata-ratanya. s = 4 x = 80. s = 5 x = 70. Bilangan yang diperoleh dengan cara ini disebut bilangan baku (bilangan standar). mana yang lebih baik diperoleh oleh Fatimah? Jawab : Kalau dlihat dari besar nilainya. matematika yang paling baik derajatnya yaitu 100 lebih besar dari nilai statistika = 95. = nilai 85. maka harus dihitung angka bakunya yaitu: Z(BI) = =2 Z(HTN) = =2 Z(MAT) = =3 Z(MSDM) = =1 Z(STK) = =5 Berdasarkan kelima nilai tersebut yang lebih baik adalah satistika atau kedudukan nilai statistika lebih tinggi dari pada nilai keempat mata kuliah diatas. Dengan x dan s ditulis rumus: Z(score) Keterangan : Z(score) = Angka baku ( ) . x = 75. Dalam penggunaan bilangan Z sering diubah menjadi distribusi baru (model yang baru) yang mempunyai x dan standar deviasi yang sudah ditentukan.

X x˳ s˳ s x = Nilai variabel = Mean yang sudah ditentukan = Standar deviasi yang sudah ditentukan = Satandar deviasi = Rata-rata (Mean) .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->