P. 1
RUMUS STATISTIK

RUMUS STATISTIK

|Views: 2,426|Likes:
Published by Abank Tarigan

More info:

Published by: Abank Tarigan on Nov 01, 2010
Copyright:Attribution Non-commercial

Availability:

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

08/14/2013

pdf

text

original

UKURAN STATISTIK Rata-Rata Tertimbang (Weighted Mean) Dalam beberapa kasus setiap nilai diberi beban, misalnya

pada kasus perhitungan Indeks Prestasi, Nilai Penjualan Barang, dll

xB =
Di mana

∑B x
i =1 n i

n

i

∑B
i =1

i

xB : Bi : xi :

n: Contoh 1 : Berikut adalah Transkrip Akademik seorang mahasiswa Mata Kuliah Nilai Angka Mutu Mutu ( xi ) Pancasila B 3 Teori Ekonomi A 4 Bahasa Inggris C 2 Manajemen A 4 Σ 14

rata-rata tertimbang beban ke-i data ke-i banyak data

SKS ( Bi ) 2 4 3 3 12

Bi x i
6 16 6 12 40

Indeks Prestasi = x B =

∑B x
i =1 n i

n

i

∑B
i =1

=

4 0 = 3.33 1 2

i

Rata-Rata Geometrik (Geometric Mean) Rata-rata geometrik digunakan untuk menghitung rata-rata laju pertumbuhan (growth rate), misalnya : pertumbuhan penduduk, penjualan, tingkat bunga dll. G = n x1 × x2 × x3 × ⋅ ⋅ ⋅ × xn atau

log G =
ingat Di mana

log x 1 + log x2 + log x 3 + ⋅⋅ ⋅ + log x n n

G = antilog (log G) G : rata-rata geometrik xi : data ke-i n : banyak data

Contoh 2 : Data pertumbuhan suku bunga dalam 5 hari kerja : 1.5 2.3 3.4 1.2 2.5 %

G = n x1 × x2 × x3 × ⋅⋅⋅ × xn

= log G =

log x1 + log x 2 + log x 3 + log x 4 + log x5 5

Ukuran Statistik

1

Ragam dan Simpangan Baku untuk Ungrouped Data POPULASI : σ2 = ∑ (x i =1 N i − µ) 2 atau Ν dan σ = σ2 σ2 = N ∑ x i − ( ∑ xi ) 2 2 i =1 i =1 N N N2 SAMPEL : s2 = ∑ ( xi − x ) 2 i =1 n atau n −1 dan s= s2 s2 = n∑ xi 2 − ( ∑ xi )2 i =1 n n n( n − 1) i =1 µ : σ²: σ: N: xi : data ke-i rata-rata populasi ragam populasi simpangan baku populasi ukuran populasi s²: s: sampel n: x : rata-rata sampel ragam sampel simpangan baku ukuran sampel Ukuran Statistik 2 . .5 5 = 0.3 + log 3..= log 1.079 .+ ..2 + log 2..5 + 2.+ 0.5 1 .30928.3 + 3..4 + 1.. . = = 0.. 5 G = antilog 0.+ ..9 0 = = 2.4 + log 1.03837. 0 0 0 5 15464 .531 .....397 .18 5 5 UKURAN PENYEBARAN 1 Ragam = Varians (Variance) dan Simpangan Baku = Standar Deviasi (Standard Deviation) a. Bandingkan dengan rata-rata hitung x= ∑x i =1 n i = n 1.2 + 2. = 2...5 + log 2.361...30928.176.+ ... ..

Ragam dan Simpangan Baku untuk Grouped Data POPULASI : σ2 = ∑f i =1 k i × ( xi − µ ) 2 Ν dan σ = σ2 SAMPEL : Ukuran Statistik 3 . σ² dan σ (anggap data sebagai data populasi) b. s= s = 2 2...414...5 4 s = 2 n∑ xi 2 − ( ∑ xi )2 i =1 n n( n − 1) i =1 = (5 × 2010 ) − 100 2 10050 − 10000 50 = 2. SAMPEL : n=5 n 100 =2 2 x= 5 s = ∑ (x i =1 n i − x )2 = n −1 1 0 = 2. Hitunglah x .581. Hitunglah µ.5 =1.Contoh 3 : Data Usia 5 mahasiswa : 18 19 20 21 22 tahun a. s² dan s (data adalah data sampel) Jawab : µ atau x xi ( x i -µ) atau ( x i ( x i -µ)² atau ( x i xi 2 x) x )² 18 20 -2 4 324 19 20 -1 1 361 20 20 0 0 400 21 20 1 1 441 22 20 2 4 484 Σ 100 -----------10 2010 POPULASI : N=5 100 = 20 5 µ= σ = 2 ∑ (x i =1 n i − µ)2 = N Ν N i =1 i =1 1 0 =2 5 σ2 = N ∑ xi 2 − ( ∑ xi ) 2 N 2 = (5 × 2010) − 100 2 10050 − 10000 50 =2 = = 25 25 52 σ = σ2 = 2 = 1.5 = = 5×4 20 20 b.

0640 963.39 40 .8464 ----------- f i ( x i -µ)² atau 33.x )² 198.x )² 1982.92 17.4064 321.5 27.63 Σ 19.5 ----- fi 10 17 7 10 3 3 50 fi xi 195 467.92 ---------- ( x i -µ)² atau ( x i .08 1.4640 628. xi 16 .92 25.9664 3.08 -6.1264 671.5 435 154.8048 984.47 48 .23 24 .68 POPULASI : N = 50 Ukuran Statistik 4 .31 32 .5392 6599.6864 98.2464 36.58 33.5 178.58 33.x ) -14.5 51.5 248.58 33.58 33.58 ---- f i ( xi .5 59.92 9.3792 2015.5 35.58 33.55 56 .4288 25.5 1679 µ atau x ( x i -µ) atau ( xi .s2 = xi : fi : k : x: µ : σ²: s²: σ: s: N: n: ∑f i =1 k i × ( xi − x ) 2 n −1 dan s= s2 Titik Tengah Kelas ke-i frekuensi kelas ke-i banyak kelas rata-rata sampel rata-rata populasi ragam populasi ragam sampel simpangan baku populasi simpangan baku sampel ukuran populasi ukuran sampel Contoh 4 : Rata -Rata (µ atau x ) = 1679 50 = 33.5 43.58 Kelas TTK Frek.

49 s = s2 = 134 ..6054.6054 × 100% 33. Untuk Populasi →Koefisien Ragam = Untuk Sampel σ × 100% µ →Koefisien Ragam = s × 100% x Contoh : x = 33. 73 2 Koefisien Ragam Koefisien Ragam = Koefisien Varians Semakin besar nilai Koefisien Ragam maka data semakin bervariasi.58 Koefisien Ragam = s × 100% x s = 11..68 .4888.. = 11.6873..6054 = 11...68 = 131.58 = 34.σ = 2 ∑f i =1 2 k i × ( xi − µ ) 2 Ν 131 ....9936 50 σ= σ = = 11. positif (+) atau negatif (-) • z nol → data bernilai sama dengan rata-rata populasi Ukuran Statistik 5 . SAMPEL : s = 2 ∑f i =1 k i × ( xi − x ) 2 n −1 = 6599 . • z dapat bernilai nol (0). keragamannya data makin tinggi.68 = 134..56 % 3 Angka Baku (z-score) • Angka baku adalah ukuran penyimpangan data dari rata-rata populasi .9936 = 6599 ..

Didi = 18 km/jam Jawab : a.8 = σ 2.5 −2 x − µ 18 − 20 = = -0.5 2.5 2. z = x −µ σ = 25 − 20 5 =2 = 2. Ali = 25 km/jam b.5 Ukuran Statistik 6 .5 km Hitung angka baku untuk kecepatan lari : a. z = b.• z positif • z negatif → → data bernilai di atas rata-rata populasi data bernilai di bawah rata-rata populasi x −µ z= z : Angka baku x : nilai data µ: rata-rata populasi σ : simpangan baku populasi σ Contoh 5 : Rata-rata kecepatan lari atlet nasional = 20 km/jam dengan simpangan baku = 2.

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)//-->