P. 1
Tugas Statistika

Tugas Statistika

|Views: 2,208|Likes:
Published by syai_din6325

More info:

Published by: syai_din6325 on Oct 18, 2010
Copyright:Attribution Non-commercial

Availability:

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

05/03/2013

pdf

text

original

Tugas Statistika

Diklat Kuliah

BAB I Pengantar Statistika
A.Definisi Statistika merupakan ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Sedangkan statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Data sendiri merupakan kumpulan fakta atau angka atau

B. Contoh statistika deskriptif yang sering muncul adalah.segala sesuatu yang dapat dipercaya kebenarannya sehingga dapat digunakan sebagai dasar untuk menarik suatu kesimpulan. Statistik Deskriptif (deduktif) Statistik Deskriptif (deduktif) yaitu statistik yang tingkat pengerjaannya mencakup cara-cara menghitung. Statistika deskriptif hanya memberikan informasi mengenai data yang dipunyai dan sama sekali tidak menarik inferensia atau kesimpulan apapun tentang gugus induknya yang lebih besar. dan besaran-besaran lain di majalah dan koran-koran. mengolah. Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan umum). Statistika juga digunakan dalam pemerintahan untuk berbagai macam tujuan.Macam Statistika 1. Informasi yang dapat diperoleh dari statistika deskriptif ini antara . diagram. menyajikan.Aplikasi Statistika banyak diterapkan dalam berbagai disiplin ilmu. tabel. C. kumpulan data yang diperoleh akan tersaji dengan ringkas dan rapi serta dapat memberikan informasi inti dari kumpulan data yang ada. grafik. baik ilmu-ilmu alam (misalnya astronomi dan biologi maupun ilmuilmu sosial (termasuk sosiologi dan psikologi). ekonomi. menyusun atau mengatur. dan industri). yaitu seperti sensus penduduk yang merupakan salah satu prosedur yang paling dikenal. serta jajak cepat (perhitungan cepat hasil pemilu) atau quick count. maupun di bidang bisnis. Dengan Statistika deskriptif. dan menganalisa data agar dapat memberikan gambaran yang ringkas mengenai suatu keadaan.

serta melakukan pengujian hipotesis tersebut sehingga sampai pada kesimpulan yang berlaku umum. terjadi kesalahan pengambilan sehingga pengetahuan mengenai teori peluang mutlak diperlukan dalam melakukan metode-metode statistika inferensia. Statistik Inferensial Statistik Inferensial yaitu yang menyediakan aturan-aturan atau cara yang dapat digunakan suatu alat dalam rangka menarik kesimpulan yang bersifat umum dari suatu data yang telah disusun dan diolah.lain ukuran pemusatan data.Macam Variabel dan Data 1.Jenis Data Menurut Cara Memperolehnya a. Metode ini disebut juga statistika induktif. . Pengambilan kesimpulan dari statistika inferensia yang hanya didasarkan pada sebagian data saja sebagian data saja menyebabkan dalamn sifat tak pasti. memungkinkan keputusan. membuat hipotesis. 2. Data Primer Data primer adalah secara langsung diambil dari objek / obyek penelitian oleh peneliti perorangan maupun organisasi. serta kecenderungan suatu gugus data. karena kesimpulan yang ditarik didasarkan pada informasi dari sebagian data saja. Contoh : Mewawancarai langsung penonton bioskop 21 untuk meneliti preferensi konsumen bioskop. D. Dalam statistika inferensia diadakan pendugaan parameter. ukuran penyebaran data. Statistika inferensia mencakup semua metode yang berhubungan dengan analisis sebagian data (contoh) atau juga sering disebut dengan sampel untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan data induknya (populasi).

yang mengandung para ahli makna. . terhadap Contohnya seperti persepsi konsumen terhadap botol air anggapan psikopat dan lain-lain. Contohnya adalah data jumlah penggunaan suatu produk pada konsumen. data pegawai. data produksi.b.Klasifikasi Data Berdasarkan Jenis Datanya c. Misalnya adalah jumlah pembeli saat hari raya Idul Adha. Peneliti mendapatkan data yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara komersial maupun non komersial.Macam-Macam Data Berdasarkan Sumber Data a. Contohnya adalah pada peneliti yang menggunakan data statistik hasil riset dari surat kabar atau majalah. dsb. Data Sekunder Data sekunder adalah data yang didapat tidak secara langsung dari objek penelitian. dan lain-lain. 4. Data Kualitatif Data kualitatif adalah data yang disajikan dalam minum bentuk dalam kata-kata kemasan. 2. Contohnya adalah berat badan ibu-ibu PKK Sumber Ayu.Pembagian Jenis Data Berdasarkan Sifat Data c. Data Diskrit Data diskrit adalah data yang nilainya adalah bilangan asli. d. persebaran penduduk. tingkat preferensi pelanggan. Data Kuantitatif Data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka. tinggi badan siswa kelas 3 IPS 2. nilai rupiah dari waktu ke waktu. 3. Misal : data keuangan. dan lainsebagainya. Data Internal Data internal adalah data yang menggambarkan situasi dan kondisi pada suatu organisasi secara internal. b. Data Eksternal Data eksternal adalah data yang menggambarkan situasi serta kondisi yang ada di luar organisasi. dan lain sebagainya.

dan lain sebagainya. Data rasio memiliki jarak antar nilai yang pasti dan memiliki nilai nol mutlak yang tidak dimiliki oleh jenis-jenis data lainnya. Data Kontinyu Data kontinyu adalah data yang nilainya ada pada suatu interval tertentu atau berada pada nilai yang satu ke nilai yang lainnya. Data rasio memiliki jarak data yang pasti namun tidak . Data Cross Section Data cross-section adalah data yang menunjukkan titik waktu tertentu. data pelanggan PT. Angin Ribut bulan Mei 2004.d. Contoh dari data rasio diantaranya: berat badan. 5. kira-kira. maka A memiliki 2 bola (10-8) lebih banyak dari B. Data Time Series / Berkala Data berkala adalah data yang datanya menggambarkan sesuatu dari waktu ke waktu atau periode secara historis.Jenis-jenis data menurut tingkatan pengukuran.Jenis-jenis Data Menurut Waktu Pengumpulannya e. kurang lebih. panjang benda. g. f. dan ketika ada seseorang memiliki 0 bola maka seseorang tersebut tidak memiliki bola satupun. Data Rasio Data Rasio adalah tingkatan data yang paling tinggi. Contoh data time series adalah data perkembangan nilai tukar dollar amerika terhadap Euro Eropa dari tahun 2004 sampai 2006. Jika kita memiliki 10 bola maka ada perwujudan 10 bola itu. 6. h. Contohnya laporan keuangan per 31 desember 2006. Data rasio dapat digunakan dalam komputasi matematik. dan sebagainya. Contohnya penggunaan kata sekitar. Data Interval Data interval mempunyai tingkatan lebih rendah dari data rasio. misalnya A memiliki 10 bola dan B memiliki 8 bola. jumlah satuan benda. Dinas pertanian daerah mengimpor bahan baku pabrik pupuk kurang lebih 850 ton.

Namun tidak ada nilai nol mutlak. Contoh dari data ordinal yaitu penskalaan sikap individu. j. diantaranya yaitu: dari sikap Sangat Setuju (5). misalnya: Sangat Setuju (5) dan Setuju (4) tidak diketahui pasti jarak antar nilainya karena jarak antara Sangat Setuju(5) dan Setuju(4) bukan 1 satuan (5-4). Setiap individu hanya akan mempunyai 1 data jenis kelamin. maka dipastikan A mempunyai 2 nilai lebih banyak dari B. maksudnya bila C mendapat nilai 0. Contoh dari data interval ialah hasil dari nilai ujian matematika. . dan Sangat Tidak Setuju (1). Data Ordinal Data ordinal pada dasarnya adalah hasil dari kuantifikasi data kualitatif. misalnya perempuan=1. Contoh data nominal diantaranya yaitu: jenis kelamin. Data nominal ini pada satu individu tidak mempunyai variasi sama sekali. tidak berarti bahwa kemampuan C dalam pelajaran matematika adalah nol atau kosong. jadi 1 individu hanya punya 1 bentuk data. Netral (3). laki-laki=2. Setuju (4). Tidak Setuju (2). tahun lahir dll. Data jenis kelamin ini nantinya akan diberi label dalam pengolahannya. Jika A mendapat nilai 10 dan B mendapat nilai 8. tempat tinggal. i. laki-laki atau perempuan. Data Nominal Data nominal adalah tingkatan data paling rendah menurut tingkat pengukurannya.memiliki nilai nol mutlak. Pada tingkatan ordinal ini data yang ada tidak mempunyai jarak data yang pasti . Penskalaan sikap individu terhadap sesuatu bisa diwujudkan dalam bermacam bentuk.

biasanya setiap data mewakili data tersebut secara tunggal. Syaratnya ialah data sudah di susun/dikelompokkan. Mean. 24. 23. 21. Perhitungan Frekuensi data tak berkelompok. Atau dengan notasi matematis dapat ditulis menjadi : . Namun. ketiganya memiliki kelebihan dan kekurangannya masing-masing dalam menerangkan suatu ukuran pemusatan data. Rata-rata usia ke tujuh orang mahasiswa tersebut adalah? Maka dapat dihitung dengan menjumlahkan seluruh umur dan membaginya dengan jumlah orang yang di hitung/subjek.Mean Perhitungan rata-rata (mean) berbeda antara rata-rata untuk jenis data berkelompok dan data tak berkelompok. 20. 1. tunggal Sedangkan data data tak tidak atau yang dikelompokan dalam distribusi frekuensi.BAB II Ukuran Pemusatan Ukuran pemusatan data adalah suatu ukuran yang menggambarkan pusat dari kumpulan data yang bisa mewakilinya. 26. Yang dimaksud dengan data berkelompok atau bergolong adalah data yang telah digolongkan berkelompok dalam adalah distribusi data frekuensi. Median. Mean Data Tunggal Perhitungan rata-rata untuk data tunggal menggunakan rumus pada contoh berikut : Usia tujuh orang mahasiswa Program Studi Teknik Elektro adalah : 18. A. 19. Modus sama-sama merupakan ukuran pemusatan data yang termasuk kedalam analisis statistika deskriptif.

fi n Keterangan : X : Rata-rata (mean) variabel X Xi : Nilai-nilai pengamatan yang diwakili dengan nilai titik tengah kelas fi : Frekuensi relatif tiap kelas interval n : Jumlah subjek Hasil ujian mahasiswa Teknik Elektro berjumlah 54 orang yang telah diolah dan disajikan dalam tabel di bawah ini : No.Xi = fi. Mean Data Berkelompok Perhitungan rata-rata untuk data berkelompok menggunakan rumus sebagai berikut : X = ∑ Xi.X = ∑ Xi n Keterangan : X : Rata-rata (mean) variabel X ΣXi : Penjumlahan unsur pada variabel X n : Jumlah subjek 2. 1 2 3 4 5 6 7 8 9 10 Kategori Nilai 48-52 53-57 58-62 63-67 68-72 73-77 78-82 83-87 88-92 93-97 Xi 50 55 60 65 70 75 80 85 90 95 fi 2 3 5 9 10 12 7 2 3 1 Σ fi = n = 165 300 585 700 900 560 170 270 95 Σ fi.Xi 100 .

B. 11.Modus Modus dapat dibatasi sebagai nilai yang sering muncul atau suatu kelompok nilai yang memiliki frekuensi relatif terbesar. 11. terlihat bahwa nilai yang sering muncul atau memiliki frekuensi pemunculan sebanyak enam kali dalam kasus ini adalah nilai 8. 7. 3. 5. Modus Data Berkelompok Untuk data berkelompok dengan persamaan dibawah ini :  b1  Mo = b + i   b1 + b 2  Keterangan : . 4. 4.fi = 3845 = 71. 10. Penentuan modus untuk data tak berkelompok dapat dilihat dibawah ini: Ada sebuah kelompok nilai yang telah diurutkan sebagai berikut : 3. 8. 5. 9. 8. 10. 7. 6. Perhitungan modus juga berbeda antara data tak berkelompok / tunggal dan data berkelompok / bergolong.203 ≈ 71 n 54 Berdasarkan nilai di atas maka dapat disimpulkan bahwa nilai rata-rata ujian tengah semester pada mata ujian statistik untuk mahasiswa sebanyak 54 orang adalah 71 atau B. 4. 8.54 3845 Setelah didapatkan nilai pada tabel di atas. 10. 11. maka modus dalam kasus ini adalah 8. 9. 5. 3. 5. 8. 12. 4. Dari sebaran nilai di muka. selanjutnya nilai tersebut dimasukan ke dalam rumus dan dilakukan perhitungan sebagaimana berikut ini: X = ∑ Xi. 9. Dengan demikian. 9. 6. 7. 8. 8.

43 = 73.5 + 5 × 0 .92 ≈ 74 C.Mo : Modus b : Batas bawah kelas yang memiliki frekuensi relatif terbesar b1 : Frekuensi relatif kelas modus dikurangi frekuensi relatif kelas sebelumnya b2 : Frekuensi relatif kelas modus dikurangi frekuensi relatif kelas berikutnya i : Jarak interval kelas No.Median .29 = 72 . 1 2 3 4 5 6 7 8 9 10 Kategori Nilai fi F 48-52 2 2 53-57 3 5 58-62 5 10 63-67 9 19 68-72 10 29 73-77 12 41 78-82 7 48 83-87 2 50 88-92 3 53 93-97 1 54 Jumlah Σ fi = n = 54 Setelah didapatkan kelas ke 6 sebagai kelas yang memiliki frekuensi relatif terbesar atau kelas modus sebagai patokan.5 + 1. maka selanjutnya akan dilakukan perhitungan untuk mendapatkan nilai modus seperti berikut ini :  b1  Mo = b + i   b1 + b 2   2  = 72 .5 + 5  7  = 72 .5 + 5  2+5 2 = 72 .

65. cara penentuan median seperti terlihat pada contoh di bawah ini : 60. Untuk kelompok nilai tadi. Kejadian seperti dicontohkan di atas adalah cara penentuan median ketika jumlah nilai dalam kelompok nilai tersebut adalah ganjil. 64. Misalnya ada satu kelompok nilai yang telah diurutkan sebagai berikut : 60. 68. 5. 62. 65. Perhitungan median juga menggunakan teknik yang berbeda antara data tak berkelompok/ tunggal dengan data berkelompok atau bergolong. 61. mediannya adalah 64 karena persis berada di tengah. 67. 62. 64. 66. Bagaimana halnya jika jumlah nilai dalam kelompok nilai tersebut adalah genap. Sehingga median dari kelompok nilai berjumah genap di atas adalah : 64 + 65 = 64. dan 65 sehingga untuk mendaptkan nilai tengah. Median Data Kelompok Untuk data berkelompok menentukan mediannya dengan persamaan berikut :  1 / 2n − F  i M = L+  fm    Keterangan : .Median adalah nilai yang persis berada di tengah jika suatu angkatan data diurutkan dari nilai terkecil / terendah sampai terbesar / tertinggi atau sebaliknya. 66. Nilai yang persis di tengah dari urutan nilai di atas bukan lagi satu nilai tetapi telah menjadi dua nilai yaitu 64. Median Data Tunggal Untuk data tak berkelompok atau data tunggal. kedua nilai tersebut harus dijumlahkan kemudian dibagi dua. 61. cara perhitungan median amat sederhana. 67.5 2 6. Untuk kelompok nilai berjumlah genap.

5 +  5  10  = 67 .5 +  5  10   8  = 67 .5 + ( 0 .M : Median L : Batas bawah kelas dimana terdapat ½ n F : Frekuensi kumulatif kelas dibawah kelas median fm : Frekuensi relatif kelas dimana terdapat ½ n n : Jumlah subjek i : Panjang / jarak interval kelas No.5 +  5 10    27 − 19  = 67 . maka selanjutnya akan dilakukan perhitungan median untuk data berkelompok.54 − 19  = 67 .  1 / 2n − F  i M = L+  fm     1 / 2. 1 2 3 4 5 6 7 8 9 10 Kategori Nilai 48-52 53-57 58-62 63-67 68-72 73-77 78-82 83-87 88-92 93-97 Jumlah fi 2 3 5 9 10 12 7 2 3 1 Σ fi = n = 54 5 F 2 10 19 29 41 48 50 53 54 Setelah didapatkan kelas ke 5 sebagai kelas median (kelas di mana terdapat 1/2n) pada tabel di atas sebagai patokan.8 × 5 ) .

= 67 .5 .5 + 4 = 71.

Jangkauan (range) Selisih antara nilai maksimum dan minimum.BAB III Ukuran Dispersi (Penyebaran) A. Simpangan rata . 7. 4. Standar deviasi (simpangan baku) Akar pangkat dua dari variansi. dan sebaliknya. Jangkauan data dapat menunjukkan kualitas suatu data. Simpangan rata – rata mempertimbangkan semua selisih antara nilai data dengan pusat data. Hal ini dikarenakan standar deviasi mempunyai bentuk linier dari kuadrat selisih antara semua nilai data dengan rata . Dispersi data digunakan untuk membandingkan penyebaran dua distribusi data atau lebih. 5. 6. Variansi (variance) Rata .rata (mean deviation) Jumlah nilai mutlak dari selisih semua nilai dengan rata –rata dibagi banyaknya data. Simpangan kuartil . Beberapa jenis ukuran dispersi data : 3.rata kuadrat selisih atau kuadrat simpangan dari semua nilai data terhadap rata .rata hitung. Semakin kecil jangkauan suatu data.Dispersi Data Ukuran penyebaran suatu kelompok data terhadap pusat data disebut dispersi atau variasi atau keragaman data.rata hitungnya dan juga bertanda positif. maka kualitas data semakin baik. Standar deviasi merupakan ukuran dispersi yang dianggap paling baik sehingga sering digunakan dalam analisis data.

maka dikatakan distribusi data miring ke kanan. Koefisien variasi (Dispersi relatif) Disebut dispersi relatif. Keruncingan distribusi data disebut juga kurtosis.Dengan rumus Pearson Rumus Pearson dapat digunakan untuk data berkelompok maupun tidak. 2. maka dikatakan bahwa distribusi data miring ke kiri. Tiga pola kemiringan distribusi data adalah sebagai berikut: Ada beberapa cara untuk menghitung derajat kemiringan distribusi data. 1. bila α bertanda negatif.8. B. dan bila α bertanda positif. dapat digunakan untuk membandingkan nilai – nilai besar dengan nilai – nilai kecil. Sedangkan lima bentuk dispersi sebelumnya tidak bisa. .Keruncingan Distribusi Data Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak suatu distribusi data terhadap distribusi normalnya data.Dengan rumus Momen 3.Dengan rumus Bowley C. Bila kemiringan (α) = 0 atau mendekati nol dikatakan distribusi data simetri.Kemiringan Distribuasi Data Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu distribusi data.

Populasi σ= ∑( x − u ) N 2 b. Dispersi Absolut a. Sampel S= ∑( x − x ) n 2 2.Pengukuran Kemencengan Distribusi dapat berbentuk simetris. x yang berbeda.Leptokurtis (Puncak Runcing) 2. s.Pengukuran Dispersi 1. Dispersi Relatif Untuk mengukur besarnya timpangan antara satu distribusi dengan distribusi yang lain yang mempunyai n.Ada tiga jenis derajat keruncingan: 1. Simetris .Platikurtis (Puncak Rendah) D.Mesokurtis (Puncak Normal) 3. s V = 100 x V= Koefisien Variasi E. yang berarti luas kurva disebelah kiri nilai rata-rata sama dengan luas kurva di sebelah kanan nilai rata-rata. 3.

Metode Pengukuran Kemencengan Untuk mengukur kemencengan suatu distribusi frekuensi. 5. dapat di gunakan rumus Koefisien Karl Person sebagai berikut : Sk = ( x − Mo ) s Keterangan : Sk = Kemencengan x = Mean Mo = Modus .Distribusi simetris yang berarti luas kurva di sebelah kiri nilai rata-rata sama dengan luas kurva di sebelah kanan nilai ratarata. Menceng Kanan Kurva ini merupakan kebalikan dari kurva menceng kanan. nilai rata-rata observasi nilai rendah akan lebih banyak di sisi kanan rata-rata. 4. atau ekor cenderung ke kanan. atau “ekor”nya menjulur ke kiri. Menceng Kiri Distribusi frekuensi dinyatakan menceng kekiri jika nilai rata-rata observasi yang berfrekuensi rendah lebih banyak di sebelah kiri dari rata-rata.

. sk negatif artinya distribusi frekuensi menceng ke kiri.S = Standar Deviasi Sk positif artinya distribusi frekuensi menceng ke kanan. dan sk=0 artinya distribusi frekuensi simetris. F.

median dispersi-kemiringan-dan-keruncingan.blogspot.pdf >>> dispersi STATISTIK.blogspot.>> pengantar statistik http://muhammad-win-afgani.com/2010/02/18/sumber-data-dalampenelitian/ http://id.html http://har-stkip.wikipedia.com/2010/02/makalah-statistik.Daftar Pustaka Probabilitas-Statistika.wikipedia.html http://cokroaminoto.html Pengantar-statistik2.org/wiki/Statistika_inferensia http://id.com/2008/01/metodestatistika.pdf >>> Dispersi http://tomywahl.org/wiki/Statistika_deskriptif .blogetery. modus.pdf >>> Dispersi pertemuan-v1.com/2009/02/mengenal-statistik.blogspot.pdf >.pdf >>> 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)//-->