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

+ .4 + log 1. .+ .30928.....176.5 1 .3 + log 3. . = = 0.= log 1. ..531 .3 + 3.5 + 2...397 .4 + 1..9 0 = = 2. = 2.5 5 = 0.2 + 2.30928.361....03837. 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 G = antilog 0.+ .079 ..2 + log 2.. Bandingkan dengan rata-rata hitung x= ∑x i =1 n i = n 1.5 + log 2. 0 0 0 5 15464 .+ 0....18 5 5 UKURAN PENYEBARAN 1 Ragam = Varians (Variance) dan Simpangan Baku = Standar Deviasi (Standard Deviation) a..

5 = = 5×4 20 20 b. SAMPEL : n=5 n 100 =2 2 x= 5 s = ∑ (x i =1 n i − x )2 = n −1 1 0 = 2. Hitunglah µ..581... 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. 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 . Hitunglah x .. σ² dan σ (anggap data sebagai data populasi) b.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. s= s = 2 2.5 =1.Contoh 3 : Data Usia 5 mahasiswa : 18 19 20 21 22 tahun a.414.

68 POPULASI : N = 50 Ukuran Statistik 4 .23 24 .x ) -14.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 = 33.6864 98.92 ---------- ( x i -µ)² atau ( x i .58 ---- f i ( xi .58 33.58 33.5 51.4640 628.1264 671.92 25.x )² 1982.5392 6599. xi 16 .08 1.4064 321.0640 963.55 56 .8048 984.63 Σ 19.58 33.4288 25.31 32 .08 -6.3792 2015.5 435 154.5 ----- fi 10 17 7 10 3 3 50 fi xi 195 467.5 248.47 48 .5 59.8464 ----------- f i ( x i -µ)² atau 33.x )² 198.92 17.39 40 .92 9.5 43.58 33.2464 36.58 33.9664 3.5 1679 µ atau x ( x i -µ) atau ( xi .5 35.5 178.5 27.58 Kelas TTK Frek.

.. positif (+) atau negatif (-) • z nol → data bernilai sama dengan rata-rata populasi Ukuran Statistik 5 ..9936 = 6599 .56 % 3 Angka Baku (z-score) • Angka baku adalah ukuran penyimpangan data dari rata-rata populasi ..68 = 131...68 . • z dapat bernilai nol (0).. SAMPEL : s = 2 ∑f i =1 k i × ( xi − x ) 2 n −1 = 6599 .6873.σ = 2 ∑f i =1 2 k i × ( xi − µ ) 2 Ν 131 .68 = 134. = 11.9936 50 σ= σ = = 11..6054 × 100% 33.6054. keragamannya data makin tinggi.58 Koefisien Ragam = s × 100% x s = 11.58 = 34.6054 = 11. 73 2 Koefisien Ragam Koefisien Ragam = Koefisien Varians Semakin besar nilai Koefisien Ragam maka data semakin bervariasi..4888.. 49 s = s2 = 134 .. Untuk Populasi →Koefisien Ragam = Untuk Sampel σ × 100% µ →Koefisien Ragam = s × 100% x Contoh : x = 33.

5 2. Ali = 25 km/jam b.5 −2 x − µ 18 − 20 = = -0.5 2.8 = σ 2. z = x −µ σ = 25 − 20 5 =2 = 2. z = b. Didi = 18 km/jam Jawab : a.• 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 = 2.5 km Hitung angka baku untuk kecepatan lari : a.5 Ukuran Statistik 6 .

Sign up to vote on this title
UsefulNot useful