SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Statistika Deskriptif

maia avatar
maia
52 diapositives · 1K Views · Jul 19, 2014

Statistika Deskriptif. Statistika Deskriptif : Parameter Populasi 1. Bab 3A STATISTIKA DESKRIPTIF: PARAMETER POPULASI 1 A. Parameter Rerata 1. Batasan dan Jenis Skala data paling rendah adalah pada level interval (interval dan rasio) Ada tiga jenis rerata mencakup

Statistika Deskriptif - slide 1
01 / 52Statistika Deskriptif
1 / 17

Télécharger la présentation

Statistika Deskriptif
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. StatistikaDeskriptif • StatistikaDeskriptif: • Parameter Populasi 1

  2. Bab 3A STATISTIKA DESKRIPTIF: PARAMETER POPULASI 1 A. Parameter Rerata 1. Batasan dan Jenis • Skala data paling rendah adalah pada level interval (interval dan rasio) • Ada tiga jenis rerata mencakup Rerata hitung (sering disebut rerata saja) Rerata ukur Rerata harmonik

  3. 2. Parameter Rerata Hitung (a) Rumus rerata hitung • Dengan N sebagai banyaknya data, rerata untuk data X dan Y adalah

  4. ------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------ Contoh 1 Data X : 7 7 6 5 4 4 4 3 Y : 10 9 9 6 5 4 3 2 1 1

  5. Cara lain menghitung rerata X Y 7 10 7 9 6 9 X = 40 / 8 = 5 5 6 4 5 4 4 4 3 Y = 50 / 10 = 5 3 2 1 1 40 50 Cara ini lebih praktis daripada cara pertama sehingga digunakan secara umum

  6. (b) Rumus dengan Frekuensi Rumus rerata dengan melibatkan frekuensi Rumus ini lebih praktis untuk data dengan berbagai frekuensi

  7. ------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------ Contoh 2 X Y X f fX 7 10 7 2 14 7 9 6 1 6 X = 40 / 8 = 5 6 9 5 1 5 5 6 4 3 12 4 5 3 1 3 4 4 8 40 4 3 3 2 1 Y f fY 1 10 1 10 9 2 18 6 1 6 Y = 50 / 10 = 5 5 1 5 4 1 4 3 1 3 2 1 2 1 2 2 10 50

  8. ------------------------------------------------------------------------------Bab 3A------------------------------------------------------------------------------ Contoh 3 Data X Frek f fX 4 3 12 5 5 25 6 10 60 7 15 105 8 11 88 9 6 54 jumlah 50 344 RerataX= 6.88

  9. Contoh 4 Data Y Frek f fY 0 0 0 1 1 1 2 0 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6 Rerata Y =

  10. Contoh 5 KelompokNilaikel X Frek f fX 31 – 40 35,5 2 71 41 – 50 45,5 3 91 51 – 60 55,5 5 61 – 70 65,5 14 71 – 80 75,5 25 81 – 90 85,5 18 91 – 100 95,5 13 RerataX =

  11. (c) Perhitungan dengan Kalkulator Elektronik Cara pakai kalkulator elektronik tercantum di dalam manual kalkulator itu Sebagai contoh di sini digunakan Casio fx 350 TL Contoh 6 X : 7 7 6 5 4 4 4 3 Mode 2 (ke statistika rerata) Shift AC = AC (membersihkan isi memori) 7 shift ; 2 DT (frekuensi 2) 6 DT 5 DT 4 shift ; 3 DT (frekuensi 3) 3 DT Shift X = (tampilkan rerata 5) Mode 1 (kembali ke kalkulator biasa)

  12. Contoh 7 Dengankalkulatorelektronik, hitungkembalireratapada Contoh 2, 3, 4, dan 5 Contoh 8 DenganExcel/kalkulatorelektronik, hitungreratadari 79 49 48 74 81 98 87 80 80 84 90 70 91 93 82 78 70 71 92 38 56 91 74 73 68 72 85 53 65 93 83 86 90 32 83 73 74 43 86 68 92 93 76 71 90 72 67 75 80 91 61 72 97 91 88 81 70 74 99 95 80 59 71 77 63 60 83 82 60 67 89 63 76 63 88 70 66 80 79 75  =

  13. (d) Rerata sebagai Titik Tumpu Keseimbangan Rerata adalah titik tumpu keseimbangan sehingga jumlah di bawah rerata sama dengan jumlah di atas rerata Data X : 7 7 6 5 4 4 4 3 Y : 10 9 9 6 5 4 3 2 1 1 Pada X dan Y, rerata 5 adalah titik tumpu keseimbangan X 3 4 6 7 5 Y 1 2 3 4 6 7 8 9 10 5

  14. 3. Parameter Rerata Hitung pada Data Dikotomi Khusus pada data dikotomi, rerata sama dengan proporsi X =  sehingga pada umumnya, digunakan proporsi Contoh 9 Data X 1 0 X = 7 / 10 = 0,7 1 1 0 1 X = 7 dari 10 = 0,7 0 1 1 X = X = 0,7 1 7

  15. 4. Parameter Rerata Ukur Rerata ukur adalah perkalian data yang ditarik akarnya sebesar banyaknya data Rumus rerata ukur Contoh 10 Data : 3 4 5 Rerata ukur Data : 2 2 4 5 7 8 8 Rarata ukur U =

  16. 5. Parameter Rerata Harmonik Rumus Contoh 11 Data: 3 5 6 6 7 12 12 Data: 2 2 4 5 7 8 8 H =

  17. 6. Kecondongan (skewness) Kecondongan distribusi Distribusi frekuensi atau distribusi proporsi dapat saja • Simetri • Condong ke kiri atau positif • Condong ke kanan atau negatif Distribusi simetri modus = median = rerata (hitung)

  18. Distribusi condong positif (positively skewed) modus < median < rerata Distribusi condong negatif (negatively skewed) modus > median > rerata  Mo M  M Mo

  19. 7. Kurtosis (kepuncakan) Kurtosis distribusi Distribusi frekuensi atau distribusi proporsi dapat saja memiliki puncak • Mesokurtik (puncak biasa) • Leptokurtik (puncak tinggi) • Platikurtik (puncak rendah) Mesokurtik

  20. Leptokurtik (puncak tinggi) Platikurtik (puncak rencah)

  21. B. Parameter Variansi dan Simpangan Baku 1. Penyebaran Data • Penyebaran data ini diacu kepada rerata hitung yakni berapa lebar data itu menyebar di sekitar rerata hitung • Penyebaran data ini mencakup beberapa parameter Simpangan Jumlah Kuadrat Simpangan Variansi Simpangan Baku • Selain rerata hitung, parameter variansi dan simpangan baku merupakan parameter yang banyak digunakan di dalam statistika

  22. 2. Simpangan (a) Nilai simpangan Nilai simpangan = nilai data – rerata hitung x = X – X y = Y – Y • Nilai di atas rerata memperoleh simpangan positif • Nilai sama dengan rerata memperoleh simpangan nol • Nilai di bawah rerata memperoleh simpangan negatif

  23. x1 x2 (b) Penyebaran Makin menyebar data makin besar simpangannya • Simpangan kecil • Simpangan besar rerata y1 y2 rerata

  24. Contoh 12 Data X Simpangan x Data Y Simpangan y 7 2 10 5 7 2 9 4 6 1 9 4 5 0 6 1 4 – 1 5 0 4 – 1 4 – 1 4 – 1 3 – 2 3 – 2 2 – 3 0 1 – 4 1 – 4 X = 5 0 Y = 5 • JumlahSimpangan Karenarerataadalahtitiktumpukeseimbanganmakajumlahsimpangan (negatifdanpositf) adalahnol  x = 0  y = 0

  25. Jumlah simpangan terhadap rerata hitung adalah nol  x = 0  y = 0 Simpangan kurang (–) = simpangan lebih (+) 3 4 6 7 5 Simpangan kurang – Simpangan lebih +

  26. Contoh 13 Data X Frek f fX Simp x 4 3 12 – 2,88 5 5 25 6 10 7 15 8 11 9 6 X = Contoh 14 Data Y Frek f fY Simp y 1 1 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6 Y =

  27. 3. Jumlah Kuadrat Simpangan (a) Hakikat • Sering disingkat sebagai jumlah kuadrat JK • Karena simpangan bernilai negatif dan positif dan jumlah mereka adalah nol, maka sebelum dijumlahkan simpangan dikuadratkan • Jumlah dari simpangan yang dikuadratkan ini merupakan jumlah kuadrat • Makin besar simpangan, makin besar jumlah kuadrat sehingga JK merupakan indikator dari penyebaran data • Makin lebar penyebaran data makin besar nilai jumlah kuadrat (JK)

  28. (b) Rumus Jumlah Kuadrat Simpangan JK =  x2 =  (X – X)2 Melalui aljabar, JK dapat juga dinyatakan melalui dengan NX sebagai banyaknya data Contoh 15 Data X X2 7 49 7 49 6 36 JK = 216 – (40)2 / 8 = 16 5 25 4 16 4 16 4 16 3 9 40 216

  29. 4. Parameter Variansi (a) Data Umum • JK bergantung kepada banyaknya data NX sehingga JK dapat berbeda karena banyaknya data berbeda • Untuk mengatasinya, JK dibagi dengan banyaknya data, dan hasil bagi ini dikenal sebagai variansi • Variansi diberi notasi 2 (merupakan ukuran penyebaran data)

  30. Contoh 16 Dari contoh 15, telah diperoleh JK = 16 NX = 8 Variansi 2X = 16 / 8 = 2 Contoh 17 Data Y Y2 10 100 9 81 9 81 6 36 2y = 10,4 5 25 4 16 3 9 2 4 1 1 1 1 50 354

  31. Cara hitungmenggunakanfrekuensi Data Y Frek f Y2fY fY2 10 1 100 10 100 9 2 81 18 162 6 1 36 6 36 5 1 25 5 25 4 1 16 4 16 3 1 9 3 9 2 1 4 2 4 1 2 1 2 2 50 354 σ2Y = 10,4

  32. (b) Data Dikotomi Pada data dikotomi (0 dan 1), rumus variansi dapat disederhanakan menjadi 2X =  (1 – ) Dalam hal data dikotomi, terdapat nilai maksimum pada variansi 2X maks = 0,25 pada  = 0,5 Contoh 18 X Y 1 1 2X = (0,4)(1 – 0,4) = 0,24 0 1 0 0 1 1 2Y = (0,8)(1 – 0,8) = 0,16 0 1

  33. 5. Parameter Simpangan Baku (a) Hakikat Simpangan Baku • Simpangan baku adalah akar dua positif dari variansi • Simpangan baku merupakan simpangan yang dibakukan • Simpangan baku bersama-sama dengan variansi merupakan ukuran penyebaran data • Simpangan baku sering dijadikan satuan dari simpangan data • Simpangan baku diberi notasi 

  34. Simpangan, jumlah kuadrat, variansi, dan simpangan baku menunjukkan penyebaran data Makin lebar penyebaran data, maka besar nilai mereka • Penyebaran : kecil • Nilai simpangan : kecil • Jumlah kuadrat : kecil • Variansi : kecil • Simpangan baku : kecil • Penyebaran : besar • Nilai simpangan : besar • Jumlah kuadrat : besar • Variansi : besar • Simpangan baku : besar

  35. Contoh 19 Dari contoh 16 X = √ 2 = 1,41 Dari contoh 17 Y = √ 10,40 = 3,22 Dari contoh 18 X = √ 0,24 = 0,44 Y = √ 0,16 = 0,40

  36. (b) Perhitungan dengan Kalkulator Simpangan baku dapat langsung dihitung dengan bantuan kalkulator elektronik Caranya dapat dibaca pada manual Contoh pada kalkulator Casio fx 350 TL • Langkahnya sama dengan langkah pada perhitungan rerata dengan kalkulator Casio fx 350 TL • Untuk membaca simpangan baku tekan xn = atau yn = • Tekan tombol x2 untuk menemukan variansi

  37. Contoh 20 Data X Frek f X2fXfX2 4 3 16 12 48 5 5 25 25 125 6 10 36 60 360 7 15 49 105 735 8 11 64 88 704 9 6 81 54 486 50 344 2458 Variansi2X = 2458- (344)2 /50=91,28 Simpanganbaku X= 9,55 HitungkembalidenganmenggunakanExelataukalkulatorelektronik

  38. Contoh 21 Data Y Frek f Y2 fY fY2 1 1 3 5 4 9 5 15 6 23 7 15 8 17 9 9 10 6 • Hitung 2Y = Y = • Hitung kembali dengan menggunakan kalkulator elektronik

  39. Contoh 22 Kelompok Nil Kel X Frek f X2fX fX2 31 – 40 35,5 2 41 – 50 3 51 – 60 5 61 – 70 14 71 – 80 25 81 – 90 18 91 – 100 13 Hitung2X = X = HitungkembalidenganmenggunakanExcel/kalkulatorelektronik

  40. Contoh 23 Data X adalah sebagai berikut 79 49 48 74 81 98 87 8080 84 90 70 91 93 82 78 70 71 92 38 56 91 74 7368 72 85 53 65 93 83 8690 32 83 73 74 43 86 6892 93 76 71 90 72 67 7580 91 61 72 97 91 88 8170 74 99 95 80 59 71 7763 60 83 82 60 67 89 6376 63 88 70 66 80 79 75 Dengan kalkulator elektronik, hitung X = X = 2X =

  41. Contoh 24 Data Y adalah sebagai berikut 39 42 30 11 35 25 18 26 37 1529 22 33 32 21 43 11 11 32 2944 26 30 49 13 38 26 30 45 2131 28 14 35 10 41 15 39 33 3446 21 38 26 26 37 37 14 26 2432 15 22 28 33 47 19 22 31 2037 40 20 39 30 18 29 35 41 2126 25 29 33 23 30 43 28 32 3234 28 38 32 31 Dengan kalkulator elektronik, hitung Y = Y = 2Y =

  42. Contoh 25 Data X adalah sebagai berikut 161 152 157 151 158 163 159 167 152 155 143 145 148 160 153 156 146 154 157 164 153 156 161 149 161 144 152 147 151 156 158 148 154 153 146 165 160 162 149 153 166 147 149 150 155 148 151 159 155 161 146 151 159 162 160 154 149 165 148 160 163 149 160 152 150 161 156 150 155 152 156 157 164 149 158 145 153 156 161 156 154 147 159 154 165 155 148 151 150 162 152 162 156 158 155 157 163 159 152 168 Dengan kalkulator elektronik, hitung X = X = 2X =

  43. Contoh 26 Data Y 2Y Y 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 1 1 1 1 1 0 1 0 1 1 1 0 0 1 0 0 1 1 1 1 1 0 0 1 1 1 1 0 1 1 0 0 1 1 0 1 0 0 0 0 0 1 1 1 1 1 0 0 1 0 1 1 0 1 0 0 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0

  44. C. Nilai Baku dan Transformasi Baku 1. Nilai Baku Linier (a) Hakikat nilai baku • Nilai baku adalah nilai simpangan yang dinyatakan dalam satuan simpangan baku • Nilai baku ini dikenal sebagai nilai baku linier karena ada nilai baku lain yang nonlinier • Nilai baku linier diberi notasi z • Rumus nilai baku (linier)

  45. (b) Sifat Nilai baku Tanda nilai baku adalah relatif terhadap nilai rerata • Nilai baku adalah negatif jika data terletak di bawah rerata • Nilai baku adalah nol jika data terletak tepat pada rerata • Nilai baku adalah positif jika data terletak di atas rerata Nilai dari nilai baku adalah relatif terhadap nilai simpangan baku • Nilai baku menjadi kecil jika simpangan baku adalah besar (sebaran data adalah besar) • Nilai baku menjadi besar jika simpangan baku adalah kecil (sebaran data adalah kecil)

  46. Contoh 27 Rerata sama X = Y = 5 Simpangan sama x = y = 2 Simpangan baku beda X = 1 Y = 5 5 X 7 X = 1 zX = (7 – 5)/2 = 2 5 Y 7 Y = 5 zY = (7 – 5)/5 = 0,4

  47. Contoh 28 Data X Frek f Nilai baku zX 7 2 6 1 X = 5 1 4 3 X = 3 1 Contoh 29 Data Y Frek f Nilai baku zY 10 1 9 2 6 1 Y = 5 1 4 1 Y = 3 1 2 1 1 2

  48. Contoh 30 • Data X Frek f Nilai baku zX • 4 3 • 5 5 X = • 6 10 • 6 15 X = • 8 11 • 9 6 • Contoh 31 • Data Y Frek f Nilai baku zY • 1 1 • 3 5 Y = • 4 9 • 5 15 Y = • 6 23 • 7 15 • 8 17 9 9 10 6

  49. 2. Transformasi Baku Linier (a) Hakikat • Tranformasi baku linier terjadi di antara nilai pada dua sistem (misalnya, X dan Y) • Tranformasi baku ini dikatakan linier karena masih ada transformasi baku lainnya yang nonlinier • Tranformasi baku linier ini dikatakan linier karena apabila nilai diletakkan di sumbu X dan nilai transformasi diletakkan di sumbu Y, maka mereka membentuk garis lurus Y X

  50. (b) Rumus Transformasi Baku Linier Nilai baku setelah tranformasi disamakan dengan nilai baku sebelum transformasi (maka itu dinamakan transformasi baku) Dengan demikian maka