Modul Praktikum Stastistik Elementer Tahun 2008-2009

MODUL 1 “STATISTIK DESKRIPTIF“
Tujuan Praktikum
1. Dapat menghitung sari numerik sebagai informasi tahap awal dalam memahami data. 2. Mahasiswa mampu membaca dan memahami bentuk dari distribusi data.

Pendahuluan
Untuk memahami data secara umum ada dua cara pendekatan yaitu: eksplorasi dan konfirmasi. Eksplorasi adalah suatu pendekatan untuk menemukan suatu informasi dari data. Cara ini dapat menghasilkan suatu dugaan atau hipotesis yang terkadang di pakai sebagai langkah awal kegiatan ilmiah. Sedangkan konfirmasi ditujukan untuk pengujian suatu dugaan atau hipotesis yang diperoleh dari eksplorasi sebelumnya. Pada modul ini, pendekatan yang akan dibahas adalah tahap eksplorasi, yang mana pada tahap ini, informasi dari data dapat diperoleh dengan menghitung sari numerik (informasi berbentuk angka) dan melihat bentuk distribusi data (informasi berbentuk penyajian data dalam grafik). Catatan : Populasi adalah kumpulan dari keseluruhan pengamatan yang menjadi perhatian. Ruang Sampel adalah himpunan bagian dari populasi. Sampel adalah anggota dari dari ruang sampel.

Sari Numerik
Sari numerik yang akan dibahas pada praktikum ini meliputi:

A. Ukuran Parameter Lokasi (Pusat Data)
• Rata-rata (Mean) Lambang untuk rata-rata sampel adalahc x dan rumusnya adalah

x=

1 n ∑ xi n i =1

• Median (Median) Median adalah nilai tengah dari data. Nilai dari median sama dengan nilai dari kuartil tengah (50% percentiles) untuk mendapatkan median secara manual anda harus mengurutkan data terlebih dahulu (sorting). • Modus (Mode) Modus/Mode adalah nilai data yang paling sering muncul.

B. Ukuran Parameter Variabilitas (Sebaran Data)
• Variansi (Variance) Variansi adalah salah satu statistik yang digunakan untuk mengukur sebaran (variasi) data, notasinya ( s2 ). Variansi ( s2 ) dapat ditulis dalam bentuk rumus berikut:

s2 =

1 n ∑( xi − x )2 = n − 1 i =1
1

n∑ xi 2 − (
i =1

n

∑ xi )2
i =1

n

n.( n − 1 )

Lab. Statistika Jurusan Matematika UIN Malang

mempunyai koefisien kemiringan = 0. sedangkan bila koefisien kemiringan positif menyatakan distribusi yang “miring ke kiri” sehingga bagian kiri berisi lebih banyak data dari bagian kanan. seperti distribusi normal dan t. • Simpangan Kuartil dq = Kuartil atas – Kuartil bawah = Q3 – Q1.Modul Praktikum Stastistik Elementer Tahun 2008-2009 • Simpangan baku (Std Deviation) Simpangan baku adalah akar positif dari variansi. E ( X − µ) γ= σ3 { 3 } • Kelancipan (Kurtosis) adalah derajat kelancipan dari suatu distribusi dibandingkan terhadap distrubusi yang normal. • Rentangan (Range) Range adalah selisih dari nilai max dan nilai min. Kuartil tengah (Q2) adalah median. Kemiringan suatu distribusi didefinisikan sebagai: Suatu distribusi yang setangkup. dengan Kuartil bawah (Q1) adalah data yang terletak pada urutan ke (n/4). Distribusi yang normal memiliki nilai kurtosis = 0. Statistika Jurusan Matematika UIN Malang . dengan n adalah banyaknya data. dan sebaliknya. E ( X − µ) K ( x) = σ4 { 4 } 2 Lab. Kurtosis didefinisikan sebagai berikut: Bila nilai kurtosis positif maka distribusinya memiliki puncak yang lebih lancip dibandingkan dengan distribusi normal. Ukuran Kesetangkupan dan Kelancipan • Kemiringan (Skewness) adalah derajat kesetangkupan (derajat simetris) dari suatu distribusi. Sedangkan bila negatif maka distribusinya memiliki puncak yang lebih landai dibandingkan dengan distribusi normal. dan Kuartil atas (Q3)adalah data yang terletak pada urutan ke (3n/4). C.

adapun yang digambarkan dalam boxplot adalah kuartil pertama. Klik Statistics…. untuk membuat plot dari data dengan cepat. Untuk satu batang yang sama (misalnya untuk satu nilai puluhan yang sama). nilai maksimum dan minimum. Pilih menu Stat → Basic Statistics → Display Descriptive Statistics… 2. dengan memperhatikan frekuensi dari data yang bersangkutan. Operasi Software Operasi menggunakan MINITAB: A. untuk memilih statistik-statistik yang akan dihitung. hal yang paling berpengaruh interpretasian data adalah penyajian data dalam bentuk chart atau dapat diketahui informasi yang terkandung dalam data dengan melihat tersebut. serta pencilan. d. masukkan variabel yang ingin dihitung sari numeriknya.Modul Praktikum Stastistik Elementer Tahun 2008-2009 Bentuk Penyajian Data (Distribusi Data) Di dalam statistik deskriptif. satuan yang lebih besar dipakai sebagai batang dan satuan yang lebih kecil digunakan sebagai daun. sehingga chart atau plot plot: a. b. c. Pada Variables:. 3 Lab. Dotplot: cara menggambarkan data dalam bentuk titik. Langkah-langkah untuk menghitung sari numerik dari data: 1. 3. data yang ditampilkan dimasukkan dalam beberapa selang tertentu. kuartil ketiga. sedang daun secara horizontal. titik ditumpuk di atas nilai data yang digambarkan. dengan menggunakan kotak dan garis. dan jangkauan antar kuartil. Statistika Jurusan Matematika UIN Malang . biasanya nilai data dipisahkan antara puluhan – satuan atau ratusan – puluhan atau lainnya. Batang ditulis secara vertical . Batang Daun (Stem-Leaf): digunakan oleh statistikawan pada masa dimana komputer belum ada. Beberapa cara menggambarkan data dalam bentuk chart atau dalam pengplot. Boxplot: adalah plot yang menggambarkan beberapa nilai statistik deskriptif yang penting dari data. daunnya dituliskan di sebelahnya berurutan ke sebelah kanan. Histogram: histogram (diagram batang) juga memperhatikan frekuensi data dalam menggambarkan data tersebut. klik OK. dan tinggi dari batang untuk setiap selang menyatakan frekuensi selang tersebut. median.

Data berikut menyatakan umur dalam tahun.5 1. Simpangan. Interpretasikan hasil yang diperoleh dari bagian a) dan b) mengenai distribusi data di atas.6 9. Standar Deviasi.3 3. Pilih menu Graph → Histogram/Dotplot/Boxplot/Stem-and-leaf 2.2 5.7 1.0 3.2 2.5 6. Skewness. c.5 2. dotplot dan histogram. 3.3 2. Buatlah diagram batang daun. boxplot.7 4. Interpretasikan hasil yang diperoleh dari bagian a) dan b) mengenai distribusi data di atas. boxplot. Multiple Graphs. Ada beberapa menu yang bisa dipilih (optional).5 1. 2. untuk memilih grafik-grafik yang akan ditampilkan. Pada Graph variables:.5 2.9 1.0 1. Buatlah diagram batang daun.4 1. dan Kurtosis b. Data Options.0 4. Klik Graphs… (Optional). Latihan Soal 1. Operasi menggunakan SPSS dan Microsoft Excel bisa dicoba sendiri sebagai latihan. Kuartil atas. dll.2 4.6 5. Kuartil bawah. dari 45 pompa minyak sejenis. 1) b. diukur sampai persepuluhan. 1. Statistika Jurusan Matematika UIN Malang . Pilih jenis grafik yang diinginkan: (Default : Simple). dotplot dan histogram.7 6.9 1.1 1. masukkan variabel yang ingin ditampilkan grafiknya. klik OK.5 3.8 8.2 2.3 4. 4 Lab.3 3.8 1.8 1.Modul Praktikum Stastistik Elementer Tahun 2008-2009 4. Labels.6 3.0 4. Mean.9 5.4 2. c.9 2.1 5. Dibawah ini adalah data nilai ujian Praktikum Statistik Elementer dari 30 mahasiswa Matematika 87 37 59 49 69 95 83 87 39 95 83 76 83 26 46 88 73 86 43 94 84 65 77 33 22 86 49 45 56 70 Buat sari numerik dari data tersebut yang meliputi a. Langkah-langkah untuk menampilkan grafik penyajian data: 1.0 6. Nilai Tertinggi dan Terendah. Modus. klik OK. Median.7 2.4 2. Buat sari numeriknya (seperti no. seperti Scale.1 1. 4.0 5.4 2.7 2.3 2.3 a. Variansi.2 6. B.

probabilitas dapat dibagi menjadi: 5 Lab. c. Contoh: Dalam 2 menit tertentu mendapati lebih dari 15 mobil keluar gerbang tol Porong. Ruang sampel (Sample space): himpunan dari semua kejadian yang mungkin dari suatu eksperimen. Mampu memahami konsep probabilitas (definisi. …} Misalkan A dan B adalah dua buah kejadian yang berbeda. dan aturan-aturan) 2. P(A) = 1. b. Salah satu cara mendapatkan informasi adalah melalui suatu eksperimen atau percobaan.Modul Praktikum Stastistik Elementer Tahun 2008-2009 MODUL 2 “PROBABILITAS“ Tujuan Praktikum 1. Informasi yang diperoleh harus merupakan informasi yang andal dan dapat dipercaya. berdasarkan hubungan antar kejadian. Dalam struktur probabilitas. Untuk itu diperlukan banyak informasi sehingga dari semua kemungkinan yang akan terjadi dapat diambil keputusan yang obyektif. manusia sering dihadapkan pada bermacammacam permasalahan yang harus dapat dicari penyelesaiannya. apabila : Hasil percobaan yang akan terjadi tidak dapat diperkirakan sebelumnya Semua hasil yang mungkin dari suatu eksperimen dapat dirumuskan dalam suatu himpunan (disebut juga ruang sampel) Dalam kondisi yang sama. P(A) = probabilitas bahwa kejadian A terjadi. artinya A tidak mungkin terjadi. Kejadian (Event): Outcome yang muncul dari suatu eksperimen. antara lain: a. dalam statistik disebut eksperimen (percobaan) acak. c. Kemungkinan terjadinya suatu kejadian sebagai hasil percobaan statistika yang dinilai dengan menggunakan sekumpulan bilangan real dari 0 sampai 1 disebut probabilitas. eksperimen tersebut dapat dilakukan berulang-ulang Percobaan statistika merupakan suatu istilah yang memberikan proses yang menghasilkan pengamatan yang berkemungkinan. Eksperimen: Proses (percobaan atau pengamatan) yang menghasilkan outcome (kejadian yang mempunyai kemungkinan). 2 mobil. 3 mobil. ada beberapa istilah yang harus difahami. d. artinya A pasti terjadi. 0 ≤ P(A) ≤ 1. Teori Probabilitas (Peluang) Beberapa sifat dari probabilitas adalah: a. Mampu menyelesaikan persoalan-persoalan yang berkaitan dengan probabilitas Pendahuluan Dalam kehidupan sehari hari. Syarat suatu eksperimen dikatakan acak. Contoh: Ω = {0 mobil. sifat. b. Statistika Jurusan Matematika UIN Malang . P(A) = 0. Contoh: Menghitung banyaknya mobil yang keluar gerbang tol Porong setiap 2 menit. 1 mobil.

terjadi atau tidak terjadinya satu kejadian tidak mempengaruhi terjadi atau tidak terjadinya kejadian yang lainnya.Modul Praktikum Stastistik Elementer Tahun 2008-2009 a. jika A dan B mutually exclusive. Jadi: P(A ∩ B) = 0. Independent Event (kejadian saling bebas): kejadian-kejadian satu sama lain tidak saling mempengaruhi. dituliskan A ∩ B artinya A dan B terjadi (keduanya harus terjadi). Hasil sebuah survai yang menanyakan “Apakah Anda mempunyai komputer dan/atau kalkulator di rumah?” adalah sebagai berikut. Komplemen dari kejadian A. Mutually Exclusive Events (kejadian saling lepas): kejadian-kejadian yang tidak mempunyai irisan. Bila seorang penduduk di kota tersebut diambil secara acak berapa probabilitas bahwa ia memiliki sepeda motor dan tidak memiliki mobil? Lab. Jadi P(A ∪ B) menyatakan probabilitas bahwa A atau B terjadi. e.P(A ∩ B) Catatan: Jika A dan B mutully exclusive. P(A ∩ B) menyatakan probabilitas bahwa A dan B terjadi. Jadi: P(A’) menyatakan probabilitas bahwa kejadian bukan A terjadi. c. diketahui bahwa: a. Apakah kepemilikan komputer dan kepemilikan kalkulator independen? 2. kedua kejadian tidak dapat terjadi secara simultan. 19% mempunyai sepeda motor dan mempunyai mobil c. Aturan untuk Probabilitas Bersyarat Probabilitas bahwa A terjadi apabila diketahui B telah terjadi P ( A B) = P ( A ∩ B ) P ( A) * P ( B A) = P ( B) P ( B) Latihan Soal 1. d. 22% mempunyai mobil Pertanyaan: a. Jadi: P(A|B) = P(A) dan P(B|A) = P(B). Statistika Jurusan Matematika UIN Malang 6 . dimana P(A) + P(A’) = 1 b. Aturan Penjumlahan P(A ∪ B) = P(A) + P(B) . Artinya. maka P(A ∩ B) = P(A)*P(B) c. jika A dan B saling bebas Ket: P(A|B) artinya probabilitas bahwa A terjadi apabila diketahui B telah terjadi. Apakah kepemilikan sepeda motor dan kepemilikan mobil di kota tersebut independen? Gunakan data di atas untuk menjawabnya. Intersection (irisan) kejadian. diberi notasi A’ yang artinya “bukan A” adalah semua kejadian pada suatu eksperimen yang bukan A. Di sebuah kota. Artinya kejadian yang satu meniadakan kejadian yang lainnya. Beberapa aturan dasar dalam menentukan probabilitas. antara lain: a. maka P(A ∪ B) = P(A) + P(B) b. Aturan Perkalian P(A ∩ B) = P(A)*P(B|A) = P(B)*P(A|B) Catatan: Jika A dan B saling bebas. b. 41% penduduk mempunyai sepeda motor b. Union (gabungan) kejadian. dituliskan A ∪ B artinya A atau B terjadi (bisa salah satu atau keduanya terjadi).

carried out by the New Zealand Listener in 1996. The questions asked was. Statistika Jurusan Matematika UIN Malang . What your interpretation about (a) ? 7 Lab.Modul Praktikum Stastistik Elementer Tahun 2008-2009 c. aged 15 or more years.2067 0.0000 a.2167 0. Bila seorang penduduk di kota tersebut diambil secara acak dan diketahui ia d.4600 1. berapakah probabilitas bahwa ia tidak memiliki sepeda motor dan tidak memiliki mobil? 3. The data in the table below come from a poll of 900 New Zealeaders.5400 0. “Do you approve of abortion when the child is not wanted?” Yes Female Male Total 0. given that we know whether the person is female or male? b. berapa probabilitas bahwa ia tidak memiliki sepeda motor? Bila seorang penduduk di kota tersebut diambil secara acak.1099 Total 0.4245 Don’t Know 0.4656 No 0.0733 0. Suppose that one of the people who responded was chosen at random and we want to calculate the conditional probability that a person favors an abortion.0366 0. memiliki mobil.2489 0.2178 0.