RESUME

PROBABILITAS DAN STATISTIKA

OLEH:
RICO AFRINANDO
1110953009

DOSEN:
HERU DIBYO LAKSONO, MT

TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2014

DISPERSI
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilai-
nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data yang
berbeda dengan nilai-nilai pusatnya.
Ukuran variabilitas adalah sebuah ukuran derajat penyebaran nilai-nilai
variabel dari suatu ukuran pemusatan data dalam sebuah distribusi.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat
dalam menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi
maka penggambaran sekumpulan data akan menjadi lebih jelas dan tepat. Ada
beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak (range), rata-
rata simpangan (mean deviation), simpangan baku (standard deviation), koefisien
variasi (coefficient of variation), ukuran kemencengan kurva (skewness), dan
ukuran keruncingan kurva (kurtosis

JENIS-JENIS UKURAN DISPERSI
Jangkauan (Range, R)
range atau disebut juga rentangan atau jarak pengukuran dapat
didefinisikan sebagai jarak antara nilai tertinggi dengan nilai terendah. Besar
kecilnya range dapat digunakan sebagai petunjuk untuk mengetahui taraf
keragaman dan variabilitas suatu distribusi. Semakin tinggi range berarti
distribusinya semakin beragam, bervariasi atau heterogen. Sebaliknya semakin
kecil harga range maka distribusinya semakin tidak bervariasi, tidak beragam,
sejenis atau homogen.
jangkauan data tunggal
Bila ada sekumpulan data tunggal X
1
, X
2
, , X
n
maka jangkauannya
adalah
Jangkauan
Contoh :
Tentukan jangkauan data: 1, 4, 7, 8, 9, 11 !
Jawab:
X
6
= 11 dan X
1
= 1
1. J angkauan data berkelompok
Untuk data berkelompok, jangkauan dapat ditentukan dengan dua cara, yaitu
menggunakan titik atau nilai tengah dan menggunakan tepi kelas. Jangkauan
adalah selisih titik tengah kelas tertinggi dengan titik tengah kelas terendah.
Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah kelas
terendah.

Contoh :Tentukan jangkauan dari distribusi frekuensi berikut!
Sumber: http://muhamadgunawanccti.wordpress.com/2012/06/08/pertemuan-
keenam-ukuran-dispersi-data/
Tabel 4.1. Hasil Pengukuran Tinggi Badan 50 Mahasiswa STMIK Raharja
Tinggi Badan (cm) Frekuensi
140 144
145 149
150 154
155 159
160 164
165 169
2
4
10
14
12
5
170 174 3
Jumlah 50
Jawab:
Dari Tabel 4.1. terlihat bahwa:
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi = 174,5
1. Jangkauan = 172 142 = 30
2. Jangkauan = 174,5 139,5 = 35

2. Jangkauan Semi Interkuartil
jangkauan interkuartil kadang-kadang digunakan juga meskipun
jaangkauan semi interkuartil lebih umum dan sering digunakan sebagai ukuran
untuk disperse data. Rumus-rumus di atas berlaku baik untuk data tunggal dan
data yang telah dikelompokan dalam distribusi frekuens

Deviasi Rata-Rata (Simpangan Rata-Rata)
Deviasi rata-rata atau deviasi mean disingkat MD (mean deviation) dari
himpunan data didefinisikan sebagai nilai rata-rata hitung dari harga mutlak
simpangan-simpangannya. Dengan kata lain, untuk melakukan penghitungan MD
digunakan harga yang mutlak saja, yaitu dengan hanya menggunakan nilai-nilai
yang bertanda positif saja sedangkan nilai-nilai yang memiliki tanda negatif tidak
diperhitungkan atau diabaikan. Cara mencari deviasi rata-rata, dibedakan antara
data tunggal dan data berkelompok.

- deviasi rata-rata untuk data berkelompok
Untuk data berkelompok (distribusi frekuensi), deviasi rata-ratanya dapat dihitung
dengan rumus:
Contoh:
Tentukan deviasi rata-rata dari distribusi frekuensi pada Tabel 4.1.!
Jawab:
Dari Tabel 4.1. didapat Dengan nilai itu, dapat dibuat tabel deviasinya.
Tinggi Badan (cm)

140 144
145 149
150 154
155 159
160 164
165 169
170 174
142
147
152
157
162
167
172
2
4
10
14
12
5
3
15,7
10,7
5,7
0,7
4,3
9,3
14,3
31,4
42,8
57
9,8
51,6
46,5
42,9
Jumlah - 50 - 282

Variansi (Variance)
Seperti pada perhitungan simpangan rata-rata, variasi juga menggunakan
selisih atau simpangan antara semua nilai data dengan rata-rata hitung. Bedanya
pada rumus simpangan rata-rata yang digunakan adalah nilai mutlak dari selisih
nilai, sedangkan pada variansi yang digunakan adalah kuadrat selisih nilai.
Walaupun nilai mutlak dan kuadrat sama-sama bertujuan untuk membuat nilai
negatif menjadi positif, tetapi maknanya sangat berbeda dan mempunyai pengaruh
yang berbeda terhadap ukuran dispersi data. Varians adalah nilai tengah kuadrat
simpangan dari nilai tengah atau simpangan rata-rata kuadrat. Untuk sampel,
variansnya (varians sampel) disimbolkan dengan Untuk populasi, variansnya
(varians populasi) disimbolkan dengan (baca: sigma).
- Varians data tunggal
Untuk seperangkat data X
1
, X
2
, X
3
,, X
n
(data tunggal), variansnya dapat
ditentukan dengan dua metode, yaitu metode biasa dan metode angka kasar.
Metode biasa
Untuk sampel besar
Untuk sampel kecil
Metode angka kasar
Untuk sampel besar
Untuk sampel kecil
Contoh: Tentukan varians dari data 2, 3, 6, 8, 11!
Jawab: maka diperoleh
2
3
6
8
11
-4
-3
0
2
5
16
9
0
4
25
4
9
36
64
121
30

54 234



KEMIRINGAN (SKEWNESS)
Kemencengan atau kemiringan (skewness) adalah tingkat
ketidaksimetrisan atau kejauhan simetri dari sebuah distribusi. Sebuah distribusi
yang tidak simetris akan memiliki rata-rata, median, dan modus yang tidak sama
besarnya sehingga distribusi akan terkonsentrasi pada salah satu sisi dan kurvanya
akan menceng. Jika distribusi memiliki ekor yang lebih panjang ke kanan
daripada yang ke kiri maka distribusi disebut menceng ke kanan atau memiliki
kemencengan positif. Sebaliknya, jika distribusi memiliki ekor yang lebih panjang
ke kiri daripada yang ke kanan maka distribusi disebut menceng ke kiri atau
memiliki kemencengan negatif.
Kemiringan adalah derajat atau ukuran dari ketidaksimetrisan suatu
distribusi data. Tiga pola kemiringan distribusi data adalah sebagai berikut:


Pengukuran kemiringan suatu distribusi data dapat diketahui dengan beberapa
cara, antara lain:
Memperhatikan hubungan antara rata-rata hitung, median dan modus.
Menggunakan koefisien Pearson.
Menggunakan Momen ketiga.
Menggunakan kotak diagram garis.

Rumus untuk menghitung derajat kemiringan distribusi data:


ii. Rumus Momen:
- Data Berkelompok

Data tidak Berkelompok



Rumus Bowley:
Rumus ini menggunakan nilai kuartil.



Koefisien Kemencengan Pearson
Koefisien Kemencengan Pearson merupakan nilai selisih rata-rata dengan
modus dibagi simpangan baku. Koefisien Kemencengan Pearson dirumuskan
sebagai berikut:

Keterangan :
sk = koefisien kemencengan Pearson
Apabila secara empiris didapatkan hubungan antar nilai pusat sebagai :

Maka rumus kemencengan di atas dapat diubah menjadi :

Jika nilai sk dihubungkan dengan keadaan kurva maka :
1. sk = 0 kurva memiliki bentuk simetris;
2. sk> 0 nilai-nilai terkonsentrasi pada sisi sebelah kanan (X terletak di
sebelah kanan Mo), sehingga kurva memiliki ekor memanjang ke
kanan, kurva menceng ke kanan atau menceng positif;
3. sk< 0 nilai-nilai terkonsentrasi pada sisi sebelah kiri (X terletak di
sebelah kiri Mo), sehingga kurva memiliki ekor memanjang ke kiri,
kurva menceng ke kiri atau menceng negatif
Contoh soal :
SUMBER :https://triliusrukmana.files.wordpress.com/2012/01/gabungan-
21.pdf
Berikut ini adalah data nilai ujian statistik dari 40 mahasiswa sebuah universitas.


a) Tentukan nilai sk dan ujilah arah kemencengannya (gunakan kedua rumus
tersebut) !
b) Gambarlah kurvanya !


Oleh karena nilai sk-nya negatif (-0,46) maka kurvanya menceng ke kiri atau
menceng negatif.
b. Gambar kurvanya :

KERUNCINGAN DISTRIBUSI DATA
Keruncingan distribusi data adalah derajat atau ukuran tinggi rendahnya puncak
suatu distribusi data terhadap distribusi normalnya data. Keruncingan distribusi
data disebut juga kurtosis.
Ada tiga jenis derajat keruncingan:
i. Leptokurtis : Distribusi data yang puncaknya relatif tinggi
ii. Mesokurtis : Distribusi data yang puncaknya normal
iii. Platikurtis : Distribusi data yang puncaknya terlalu rendah dan terlalu
mendatar.


Derajat keruncingan distribusi data 4 dapat dihitung berdasarkan rumus berikut :
- Data Berkelompok :

Data tidak Berkelompok :


Untuk mengetahui keruncingan suatu distribusi, ukuran yang sering digunakan
adalah koefisien kurtosis persentil.
1. Koefisien keruncingan
Jika hasil perhitungan koefisien keruncingan diperoleh :
1) Nilai lebih kecil dari 3, maka distribusinya adalah distribusi pletikurtik
2) Nilai lebih besar dari 3, maka distibusinya adalah distribusi leptokurtik
3) Nilai yang sama dengan 3, maka distribusinya adalah distribusi mesokurtik
Untuk mencari nilai koefisien keruncingan, dibedakan antara data tunggal dan
data kelompok.
Untuk data tunggal

Contoh soal:
Sumber: https://triliusrukmana.files.wordpress.com/2012/01/gabungan-21.pdf
Tentukan keruncingan kurva dari data 2, 3, 6, 8, 11 !
Penyelesaian :
X = 6; s = 3,67


Karena nilainya 1,08 (lebih kecil dari 3) maka distribusinya adalah distribusi
platikurtik.
Untuk data kelompok

Koefisien Kurtosis Persentil
Koefisien Kurtosis Persentil dilambangkan dengan K (kappa). Untuk
distribusi normal, nilai K = 0,263. Koefisien Kurtosis Persentil, dirumuskan :

Contoh soal :
Sumber: https://triliusrukmana.files.wordpress.com/2012/01/gabungan-
21.pdf
Berikut ini disajikan tabel distribusi frekuensi dari tinggi 100 mahasiswa
universitas XYZ.
a. Tentukan koefisien kurtosis persentil (K) !
b. Apakah distribusinya termasuk distribusi normal !

Penyelesaian :
Kelas Q1 = kelas ke-3

Kelas Q3 = kelas ke-4

Kelas P10 = kelas ke-2

Kelas P90 = kelas ke-4

Koefisien kurtosis persentil (K) adalah

Karena nilai K = 0,25 (K<0,263) maka distribusinya bukan distribusi normal.