21/10/2014

1
Statistika Lanjutan
DR. INDRA SURYA PERMANA
Pengertian, Kegunaan, dan
Pengukuran pada Statistika
21/10/2014
2
Pendahuluan
Statistika adalah ilmu yang mempelajari bagaimana merencanakan,
mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan
data.
Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik
adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu
data.
Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau
mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar
konsep dasar statistika mengasumsikan teori probabilitas.
Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan
probabilitas.
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu
alam (misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk
sosiologi dan psikologi), maupun di bidang bisnis, ekonomi, dan industri.
Statistika juga digunakan dalam pemerintahan untuk berbagai macam
tujuan; sensus penduduk merupakan salah satu prosedur yang paling dikenal.
Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak
pendapat atau polling (misalnya dilakukan sebelum pemilihan umum), serta
hitung cepat (perhitungan cepat hasil pemilu) atau quick count.
Di bidang komputasi, statistika dapat pula diterapkan dalam pengenalan pola
maupun kecerdasan buatan.
21/10/2014
3
Dalam penelitian kuantitatif, analisis data merupakan kegiatan setelah
data dikumpulkan dari seluruh responden. Kegiatan dalam analisis
data adalah
Mengelompokkan data berdasarkan variabel dan jenis responden
Mentabulasi data berdasarkan variabel dari seluruh responden
Menyajikan data dari tiap variabel yang diteliti
Melakukan perhitungan untuk menjawab rumusan masalah
Melakukan perhitungan untuk menguji hipotesis yang telah diajukan
Jenis Statistik
Statistik Deskriptif, yaitu statistik yang digunakan untuk analisa data
dengan cara mendeskripsikan atau menggambarkan data yang telah
terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan
untuk generalisasi
Yang termasuk dalam jenis statistik deskriptif adalah : Ukuran Pemusantan
dan Ukuran Penyebaran
Beberapa hal yang dapat dilakukan adalah penyajian data melalui tabel,
grafik, diagram lingkaran (pie chart), pictogram, perhitungan modus,
median, mean (pengukuran tendensi sentral), desil, persentil, perhitungan
penyebaran data melalui perhitungan rata-rata dan standar deviasi,
perhitungan prosentase. Dapat juga dilakukan analisis korelasi antar variabel,
analisis regresi atau membandingkan dua nilai rata-rata sampel/populasi
21/10/2014
4
Jenis Statistik
Statistik Inferensia, yaitu statistik yang digunakan untuk menganalisis data
sampel dan hasilnya diberlakukan untuk populasi.
Statistik ini cocok digunakan jika sampel diambil pada populasi yang jelas dan
pengambilan sampel secara acak. Sering disebut statistik induktif atau statistik
probabilitas karena kesimpulan yang diberlakukan pada populasi berdasarkan pada
data sampel dan kebenarannya bersifat peluang (kita kenal disini tafar signifikansi
dan interval kepercayaan)
Statistik inferensial terbagi atas dua yaitu statistik parametrik dan statistik
nonparametrik. Dimana statistik parametrik diperlukan terpenuhinya banyak asumsi
terutama berdistribusi normal, sedangkan statistik nonparametrik tidak demikian
Yang termasuk ke dalam statistik inferensia adalah :
Pengujian Hipotesis
Korelasi
Regresi
Peramalan
Jenis-jenis Data
Kuantitatif vs Kualitatif
Kuantitatif data asli numerik operasi matematika
Kualitatif data bukan numerik tidak dpt dikenai
operasi matematika
Numerical dan Categorical data
Numerical data
Discrete counting
Continuous measurement
Categorical data: klasifikasi responses ke dalam group
21/10/2014
5
Data Berdasarkan Ukuran
Skala pengukuran ada 4:
1. Nominal
Pertanyaan Categorical
Tidak punya makna diurutkan
2. Ordinal
Pertanyaan categorical
Bermakna diurutkan
Tidak punya titik asal dan
tidak ada jarak tetap
3.
Interval

Pertanyaan pengukuran

Tidak punya titik asal

Dapat diurutkan

Jarak antar-data tetap

Tidak berlaku hukum kali-

bagi
4.
Rasio

Pengukuran

Punya titik asal

Dapat diurutkan

Jarak antar data tetap

Berlaku hukum kali-bagi

Struktur Data
Data
Kualitatif
Skala
Nominal
Ordinal
Interval
Rasio
Kuantitatif
Sumber
Waktu
Cross-Section
Time Series
Panel
Internal
External
Primer
Sekunder
Jenis
21/10/2014
6
Populasi dan sampel
Populasi
Populasi : sebuah kumpulan dari semua kemungkinan orang-
orang, benda-benda dan ukuran lain dari objek yang menjadi
perhatian
Sampel
suatu bagian dari populasi tertentu yang menjadi perhatian
Proses pengambilan anggota sampel: sampling
Distribusi Frekuensi
Data:
catatan fakta, belum ditata, belum diolah, belum dapat
diinterpretasikan
Informasi:
Hasil penataan dan pengolahan data yang mudah
diinterpretasikan dan dianalisis. Mis: Tabel distribusi
frekuensi, Grafik, statistik deskriptif, dll.
21/10/2014
7
Distribusi Frekuensi
Distr Frekuensi:
o suatu tabel yg digunakan untuk menyajikan data.
o Kolompaling kiri (kelas atau kelompok atau grup) termasuk
selang-angka pada suatu variabel yg dipelajari.
o Kolomkedua: daftar frekuensi, atau banyak observasi untuk
setiap kelas atau range-nilai.
o Panjang interval angka biasanya sama/seragam, harus
mencakup semua nilai dalamdata, dan tidak overlapping
Distribusi Frekuensi
Prosedur Menyusun Distr Frek:
Choose the number of classes (k)
k should be much smaller than n.
Sturges Rule: k = 1 + 3.325 log (n)
Interval or classes must be inclusive and nonoverlapping
Intervals should be the same width,w, the width is determined by:
=
( )

K dan w harsu dibulatkan ke bilangan bulat lebih besar terdekat
14
21/10/2014
8
Distribusi Frekuensi
up) - (round ml 5
6
) 224 249 (
=

= w

Data: n=100, min=224, max=249, k=6, lebar interval atau kelas:

Pert
emu
an 1.
Peng
ertia
n
Stati
stika
1
6
Penentuan Batas-batas kelas
Data yang sudah diurutkan:
Lebar kelas interval= 5
Batas bawah kelas interval-1: 220
Tepi kiri kelas interval-1: 119.5
21/10/2014
9
Distribusi Frekuensi
Bentuk Distr Freq:
Distribusi Frekuensi
Persiapan Data untuk Histogram Freq
21/10/2014
10
Distribusi Frekuensi
Histogram Distribusi Freq
0
5
10
15
20
25
30
35
40
222 227 232 237 242 247
Nilai Tengah Kelas atau Tanda Kelas
Distribusi Frekuensi

Histogram Kurang dari atau sama dengan dan Ogive menggunakan tepi-kelas
untuk menandai sumbu horisontal.
21/10/2014
11
Poligon Frekuensi dan Histogram
0
5
10
15
20
25
30
35
40
222 227 232 237 242 247
0.0
5.0
10.0
15.0
20.0
25.0
30.0
35.0
40.0
%Freq
%CumFreq
Distribusi Frekuensi
Ogive Frek Kurang atau sama dengan vs Frekuensi kelas:
0
5
10
15
20
25
30
35
40
224.5 229.5 234.5 239.5 244.5 249.5
0.0
20.0
40.0
60.0
80.0
100.0
120.0
%Freq
%CumFreq
21/10/2014
12
Distribusi Frekuensi
Freq Kumulatif Kurang dari dan Ogive-nya
0
20
40
60
80
100
120
224.5 229.5 234.5 239.5 244.5 249.5
0.0
20.0
40.0
60.0
80.0
100.0
120.0
CumFreq
%CumFreq
Referensi:
Newbold, Paul., W.L. Carlson., B.Thorne, 2003. Statistics
for Business and Economics, Prentice Hall, New Jersey.
21/10/2014
13
UKURAN PEMUSATAN DATA
MEAN (ARITMETIKA DAN GEOMETRIKA)
MEDIAN, MODUS, KUARTIL, DAN PERSENTIL
PENDAHULUAN
Ukuran Pemusatan:
Ukuran pemusatan menunjukkan nilai atau titik
dimana data atau observasi berpusat. Ada
beberapa ukuran pemusatan, yaitu (1) Rata-rata
hitung (arithmetic mean), (2) median, (3) modus,
(4) rata-rata hitung tertimbang (weighted mean)
dan (5) rata-rata ukur (geometric mean).
21/10/2014
14
Rata-rata hitung Data Mentah (Raw Data)
Data mentah: data yang belum dikelompokkan
(ungrouped data) ke dalam format distribusi
frekuensi
Rata-rata hitung (mean) populasi: (jumlah seluruh
nilai dalam suatu populasi) / (banyak pengamatan
dalam populasi). Dirumuskan:

N
X

N
i
i
=
=
1
dibaca (myu )
= rata-rata hitung populasi (paramater)
N = banyak pengamatan dalam populasi
X
i
= nilai pengamatan ke-I dalam populasi
Rata-rata hitung Data Mentah (Raw Data)
Rata-rata hitung (mean)
Sampel:
n
x
X
N
i
i
=
=
1
X
= rata-rata hitung sampel (tergolong statistik)
x
i
= nilai pengamatan ke-I dalam sampel
n = banyak angka pengamatan dalam sampel
Statistik : apapun karakteristik numerik yang diukur dari sampel
Paramater: apapun karakteristik numerik yang diukur dari populasi
0 ) (
1
=

=
n
i
i
x x
begitu pun
0 ) (
1
=

=
N
i
i
x
Simpangan nilai individu thd rata-rata hitungnya dari semua
pengamatan berjumlah nol
21/10/2014
15
Contoh:
90 . 14 10 / ) 16 ... 15 10 18 (
10
90 . 14 10 / ) 16 ... 15 10 18 (
10
10
1 1
10
1 1
= + + + + = =
= + + + + = =


= =
= =
i
i
n
i
i
i
i
N
i
i
x
n
x
X
x
N
x

Himpunan nilai pada Variabel Acak X,

X={18, 10,15,13,17,15,12,15,18,16}
Cari rata-rata hitung populasi dan sampel: (N=n=10)!
Simpangan terhadap rata-rata:

=
= + + + + =
= =
10
1
0 ) 1 . 1 .... 1 . 0 ) 9 . 4 ( 1 . 3 ( ) (
} 1.1 3.1, 0.1, 2.9, 0.1, 2.1, 1.9, 0.1, 4.9, {3.1, } | {
i
i
i i
x
x d d

Rata-rata hitung Data Mentah (Raw Data)

Sifat-sifat rata-rata hitung:
Setiap data interval atau rasio memiliki satu rata-rata hitung.
Semua nilai dimasukan dlm perhitungan rata-rata hitung (termasuk outlier)
Satu kelompok data hanya memiliki satu rata-rata hitung (unik)
Sangat berguna membandingkan rata-rata dua atau lebih populasi
Jumlah deviasi setiap individu pengamatan thd rata-ratanya selalu sm dengan nol
21/10/2014
16
Median Data Mentah (Raw Data)
Median adalah nilai pada posisi tengah-tengah data setelah data
diurutkan dari terkecil ke terbesar atau sebaliknya. Banyak
pengamatan (angka) di bawah dan di atas median adalah sama
Tahap menemukan median data:
Urutkan data dari terkecil ke terbesar atau sebaliknya
Tentukan nomor urut data yang menjadi posisi median
n= ganjil posisi median pada angka urutan ke: (n+1)/2
urutan angka : integer
n=genap posisi median pada angka urutan ke: (n+1)/2
urutan angka pecahan
Tentukan angka median:
Urutan angka integer: median= angka pada urutan integer
Urutan angka pecahan: median= rata-rata dari dua bilangan
yang terdekat dengan urutan angka pecahan tsb.
Contoh:
Cari median dari nilai-nilai var acak:
X={18, 10,15,13,17,15,12,15,18,16,11}
n=11 (ganjil) posisi median: (n+1)/2=(11+1)/2=6
Data diurutkan: 10 11 12 13 15 15 15 16 17 18 18
Median (Posisi data ke-6) = 15
Cari median dari nilai-nilai var acak:
X={18, 10,15,13,17,15,12,15,18,16}
n=10 (genap) posisi median: (n+1)/2=(10+1)/2=5.5
Data diurutkan: 10 12 13 15 15 15 16 17 18 18
Median (Posisi data ke-5.5) = (15+15)/2=15
21/10/2014
17
Median Data Mentah (Raw Data)
Sifat-sifat median
Bersifat unik. Hanya ada satu median untuk satu kelompok data.
Tidak dipengaruhi oleh nilai ekstrim besar atau ekstrim kecil. Oleh karenanya
merupakan ukuran pemusatan yang baik jika ditemui adanya nilai ekstrim.
Dapat dihitung untuk distribusi frekuensi yang memiliki interval terbuka.
Dapat dihitung untuk data skala rasio, interval, dan ordinal
Modus Data Mentah (Raw Data)
Modus adalah nilai pengamatan yang paling sering muncul.
Berguna sekali menentukan ukuran pemusatan bagi data yang
diukur dalam skala nominal dan ordinal.
Keunggulan:
Dapat dihitung untuk semua skala data (nominal, ordinal, interval dan rasio).
Tidak dipengaruhi oleh nilai ekstrim.
Kelemahan modus:
Suatu data boleh jadi tdk punya modus (frekuensi muncul sama utk setiap
pengamatan): modus tidak selalu ada
Suatu data boleh jadi memiliki dua (bimodus), tiga (trimodus), empat
(multimodus) dst: Modus tidak bersifat unik.
21/10/2014
18
Skewness (kemenjuluran) distribusi data
Mean=Median=Modus
Mean
Median
Modus
Skew ke kanan (ekor menjulur ke kanan):
Mean > Median
Simetris:
Mean = Median
Skew ke kiri (menjulur ke kiri):
Mean < Median
Mean
Median
Modus
Rata-rata Geometrik (Rata-rata Ukur) Data Mentah
(Raw Data)
Rata-rata ukur: akar pangkat n dari hasil perkalian
semua bilangan yang ada dalam data, syarat semua
angka bilangan positif. Formula:

G x x x x x
m n
n
i
i
n
n
= =

(
=
[
( . . ... )
/
/
1 2 3
1
1
1
Catatan: jika ada sembarang angka bernilai nol atau
negatif, rata-rata ukur tdk dapat dihitung.
Kegunaan rata-rata ukur: menghitung kenaikan
persen rata-rata dari suatu data time series.
21/10/2014
19
Rata-rata Geometrik (Rata-rata Ukur) Data Mentah
(Raw Data)
Formula memperoleh rata-rata persen kenaikan:
n
n
n
n
n
n
n
x
x
x
x
x
x
x
x
x
x
x
x
0
/ 1
0
/ 1
1 2
3
1
2
0
1
... . . =
(

=
(

x
0
: data yang diukur pada periode nol
x
1
: data yang diukur pada periode ke-1
.
x
n
: data yang diukur pada periode ke-n
Sifat rata-rata ukur:
Konservatif, tidak dipengaruhi angka ekstrim
Contoh:
Pada tabel berikut data penjualan dan angka rasio dari dua tahun yg berurutan.
Hitunglah rata-rata dari rasio dengan menggunakan rata-rata geometrik!
275 . 1 20 . 1 50 . 1 20 . 1 25 . 1 25 . 1
5
= = G
Cara I: Rata-rata geometrik dari rasio
Jadi rata-rata rasio: 1.275 atau tumbuh 27.5% per
tahun selama 2001-2006
Cara II: Akar pangkat 5 dari Rasio Angka Terakhir
dan Pertama
275 . 1
1600
5400
5
= = G
Rata-rata hitung memberikan angka: (1.25+1.25+1.20+1.5+1.2)/5=1.280
Lebih besar daripada geometrik mean
21/10/2014
20
Kuartil Data Mentah (Raw Data)
Kuartil: Nilai yang membagi kelompok data menjadi 4 bagian sama, yaitu Q1
(kuartil 1), Q2 (kuartil 2=median) dan Q3 (kuartil 3).
25% 25% 25% 25%
Q
1
Q
2
Q
3

50% 50%
75%

Tahapan:
Urutkan data dari terkecil ke terbesar
Tentukan posisi urutan data untuk Q1, Q2 dan Q3
3 2, 1, = i ,
4
1) + i(n
X
(

=
i
Q
n=51, Q
2
=X[2(51+1)/4]=X[26] , Med=X[(n+1)/2]=X[(51+1)/2]=X[26]
Q1=X[1(51+1)/4]=X[13], Q3=X[3(51+1)/4]=X[39]
Persentil Data Mentah (Raw Data)
Persentil ke-i:- Persentil adalah 99 nilai yang membagi kelompok data
menjadi 100 bagian yang sama (P1, P2, ..., P99).
Tahapan:
Urutkan data dari terkecil ke terbesar
Tentukan posisi urutan data untuk P1, P2, , dan P99
99 ..., 3, 2, 1, = i ,
100
i(n)
X
(

=
i
P
n=500,
P
1
=X[1(500)/100]=X[5]
P
2
=X[2(500)/100]=X[10]
.
P
99
=X[99(500)/100]=X[495]
21/10/2014
21
Contoh Hitung Kuartil:
244 233 236 231 238 237 243 242 232
237 242 249 238 236 231 237 234 238
241 231 236 238 245 239 234 232 242
234 237 246 240 231 236 235 238 237
234 236 238 232 242 241 234 238 231
241 231 234 240 238 229 237 241 239
235 236 228 240 233 247 232 236 231
242 240 244 234 243 241 238 238 237
229 231 240 237 234 229 241 233 239
242 224 233 232 244 242 249 231 242
Berikut data volume botol lotion sampel, n=90:
Data yang sudah diurutkan:
224 231 233 234 237 238 239 241 243
228 231 233 235 237 238 240 241 243
229 231 233 235 237 238 240 242 244
229 231 234 236 237 238 240 242 244
229 232 234 236 237 238 240 242 244
231 232 234 236 237 238 240 242 245
231 232 234 236 237 238 241 242 246
231 232 234 236 237 238 241 242 247
231 232 234 236 238 239 241 242 249
231 233 234 236 238 239 241 242 249
Contoh Hitung Kuartil dan Persentil:
Hitung Kuartil 1, 2 dan 3 !
Kuartil 1 berada pada posisi-urut data ke: 1(90+1)/4=22.75
bulatkan jadi 23, Q1=x[23]=233
Kuartil 2 berada pada posisi-urut data ke: 2(90+1)/4=45.50
Q2=(x[45]+x[46])/2=(237+237)/2=237
Kuartil 3 berada pada posisi-urut data ke: 3(90+1)/4=68.25
bulatkan jadi 68, Q3=x[68]= 241
21/10/2014
22
Contoh Hitung Persentil:
Hitung Persentil ke-5 (P5)dan ke-95 (P95) !
Persentil P5 berada pada posisi-urut ke: X[5*90/100]=4.5
P5=(X[4]+X[5])/2=(229+229)/2=229
Persentil P95 berada pada posisi-urut ke:
X[95*90/100]=x[85.5]=(x[85]+x[86])=
P95=(X[85]+X[86])/2=(244+245)/2=244.5
Rata-rata hitung Data yang sudah dikelompokkan
(Grouped Data)

=
=
=
k
i
i
k
i
i i
f
x f
X
1
1
Rata-rata hitung (mean) dari suatu Distribusi Frekuensi
dirumuskan sbb:
= mean data
X
Terkadang ingin mengetahui rata-rata hitung, median, modus dll
dari yang sudah tersaji dalam suatu distribusi frekuensi. Data
mentah tidak tersedia lagi (identitas individual data hilang).
Oleh karena itu, dilakukan pendugaan mean, median dan
modus.
x
i
= titik tengah kelas ke-I
f
i
= frekuensi kelas ke-I
f
i
x
i
= hasil kali frekuensi dan titik tengah kelas ke-i
21/10/2014
23
Median Data yang sudah dikelompokkan
) (
2
i
f
CF
n
L Med

+ =
Median dari suatu Distribusi Frekuensi dirumuskan sbb:
Data mentah tidak tersedia lagi (identitas individual data hilang),
penentuan median tidak akurat Oki, dilakukan pendugaan
median.
Med = median data
L = batas bawah kelas dimana median berada
n = banyak pengamatan total = total frekuensi semua kelas
CF = frekuensi kumulatif sd kelas seblm kelas dimana median berada
f = frekuensi kelas dimana median berada
i = interval kelas dimana median berada.
Modus Data yang sudah dikelompokkan
|
|
.
|

\
|

+ =
+
+
) 2 ( 2
0
f f f
f f i
X Mod
Modus dari suatu Distribusi Frekuensi dirumuskan sbb:
Modus yg diperoleh boleh jadi tidak mencerminkan modus
pada data mentahnya. Dg perhitungan ini setiap data mentah
diasumsikan memiliki modus tunggal.
Mod = modus data
X
0
= titik tengah kelas modus (kelas modus: kelas yg mengandung
frekuensi paling besar)
f
-
= frekuensi kelas sebelum kelas modus
f
+
= frekuensi kelas sesudah kelas modus
f = frekuensi kelas dimana modus berada
i = interval kelas dimana modus berada.
21/10/2014
24
Menghitung Rata-rata Hitung dari Data
terkelompok:
90 . 236
98
23216
1
1
= = =

=
=
k
i
i
k
i
i i
f
x f
X
LL Mid UL Freq
(x) (f) (x)(f)
219.5 222 224.5 1 222.0
224.5 227 229.5 4 908.0
229.5 232 234.5 29 6,728.0
234.5 237 239.5 32 7,584.0
239.5 242 244.5 26 6,292.0
244.5 247 249.5 6 1,482.0
Total 98 23,216.0
236.9
Contoh Menghitung Median Data yang sudah
dikelompokkan
Lihat data pada halaman sebelumnya !
Banyak pengamatan, n=98. Posisi median di angka urutan ke
(98+1)/2=49.5 S/d kelas ke-3, freq kumulatif = 34 (blm mencapai
posisi-urut median), s/d kelas ke-4 freq kumulatif =66 (posisi-urut
median ada di kelas ini). Tepi-kiri kelas ke-4: L= 234.5, CF=34, f=32,
i=5, maka mediannya:
84 . 236
) 5 (
32
34
2
98
5 . 234
) (
2
=

+ =

+ = i
f
CF
n
L Med
21/10/2014
25
Contoh Menghitung Modus Data yang sudah
dikelompokkan
Lihat data pada halaman sebelumnya !
Kelas yang paling banyak menampung pengamatan adalah kelas ke-4.
Kelas ke-4 disbt kelas Modus. Titik tengah kelas ke-4 (X0) = 237, Frek
kelas sblmnya f- = 29 , frekuensi kelas modus (ke-4) =32, frek kelas
sesudahnya f+ =26, lebar kelas (i)=5.
maka modusnya adalah:
167 . 236
29 26 ) 32 ( 2
29 26
2
5
237
) 2 ( 2
0
=
|
|
.
|

\
|

+ =
|
|
.
|

\
|

+ =
+
+
f f f
f f i
X Mod
PENDAHULUAN
Ukuran Penyebaran:
Ukuran penyebaran atau dispersi data adalah
suatu ukuran yang menyatakan jauh dekatnya
nilai-nilai pengamatan dari nilai tengahnya. Ada
beberapa ukuran penyebaran data, yaitu (1) Range
(jangkauan), (2) Varians, (3) Deviasi Standar, (4)
Koefisien Variasi.
Ukuran Penyebaran yang baik: kecil
pendugaan parameter lebih efisien dan akurat
21/10/2014
26
Range
Adalah ukuran dispersi yang paling sederhana dan
paling mudah dihitung. Rumus:
Jarak = nilai maksimum - nilai minimum
Bukan merupakan ukuran dispersi yang baik,
terutama bila ukuran sampel atau populasinya besar.
Hanya memperhatikan nilai ekstrim dan tidak
memberikan informasi mengenai sebaran nilai-nilai
diantara kedua nilai ekstrim.
Varians dan Deviasi Standar Populasi
Varians adalah rata-rata dari kuadrat deviasi setiap
pengamatan terhadap rata-rata hitungnya (Varians
populasi dan sampel)
Varians dan Deviasi Standar populasi: dihitung dari
data populasi
N
x
N
i
i
=

=
1
2
2
) (
o

=Rata2 populasi (tergolong parameter)

x
i
= nilai pengamatan ke-i dalam populasi
N = banyak angka pengamatan dalam populasi
2
o = varians populasi
2
o o =
= Deviasi Standar populasi o
21/10/2014
27
PerhitunganTeknis Varians Populasi
Obs ke- Nilai (kg) (xi) (xi)
2
1 3.90 4.8 -0.90 0.81
2 4.80 4.8 0.00 0.00
3 4.60 4.8 -0.20 0.04
4 6.00 4.8 1.20 1.44
5 5.50 4.8 0.70 0.49
6 2.60 4.8 -2.20 4.84
7 4.90 4.8 0.10 0.01
8 4.50 4.8 -0.30 0.09
9 5.30 4.8 0.50 0.25
10 5.90 4.8 1.10 1.21
Total 48.00 0.00 9.18
Mean 4.80 kg
Varians 0.918 kg
2
Satuan Varians =
kudrat satuan data
asal. Mis: kg2, m2,
km2
Satuan Deviasi
Standar = satuan data
asal. Mis: kg, m, km
918 . 0
10
18 . 9
) (
1
2
2
= =

=

=
N
x
N
i
i

o
kg 958 . 0 918 . 0 = = o
Range=(6.00-2.60)=3.40
Varians dan Std Deviasi Sample
Varians Sampel: dihitung dari data sampel
1
) (
1
2
2

=
n
x x
s
n
i
i
x = Rata-rata sampel (tergolong statistik)
x
i
= nilai pengamatan ke-i dalam sampel
n = banyak angka pengamatan dalam sampel
2
s =varians sampel
Perhatikan: penyebut dalam rumus varians sampel adalah
banyak pengamatan dikurang satu (n-1). Sedangkan
dalam rumus varians populasi penyebutnya adalah
banyaknya pengamatan (N). Kenapa?
21/10/2014
28
Perhitungan Teknis Varians Sampel
2 1
2
2
kg 020 . 1
) 1 10 (
18 . 9
) 1 (
) (
=

=
n
x x
s
n
i
i
Obs ke- Nilai (kg)
1 3.90 4.8 -0.90 0.81
2 4.80 4.8 0.00 0.00
3 4.60 4.8 -0.20 0.04
4 6.00 4.8 1.20 1.44
5 5.50 4.8 0.70 0.49
6 2.60 4.8 -2.20 4.84
7 4.90 4.8 0.10 0.01
8 4.50 4.8 -0.30 0.09
9 5.30 4.8 0.50 0.25
10 5.90 4.8 1.10 1.21
Total 48.00 0.00 9.18
Mean 4.80 kg
Varians 1.020
kg
2
x ) ( x x
i

2
) ( x x
kg 010 . 1 020 . 1 = = s
Satuan Varians =
kudrat satuan data
asal. Mis: kg2, m2,
km2
Satuan Deviasi
Standar = satuan data
asal. Mis: kg, m, km
Interpreting the Standard Deviation
Chebyshevs
Rule
Empirical
Rule
or
No useful info Approximately
68%
or
At least 75% Approximately
95%
or
At least 8/9 Approximately
99.7%
o 2
s 2
o 3 s 3
o 1
s 1
How many observations fit within + n s of the mean?
21/10/2014
29
Interpreting the Standard Deviation
Interval Range % of observations
included
% of observations
excluded
476 - 524
Approximately
68%
Approximately
32%
452 - 548
Approximately
95%
Approximately
5%
428 - 572
Approximately
99.7%
Approximately
0.3%
s 1
s 2
s 3
You have purchased compact fluorescent light bulbs for your
home. Average life length is 500 hours, standard deviation is
24, and frequency distribution for the life length is mound
shaped. One of your bulbs burns out at 450 hours. Would you
send the bulb back for a refund?
Koefisien Variasi
Grup-1 1 2 3 4 5 6 7 8
Grup-2 4 5 6 7 8 9 10 11
Grup-1 Grup-2
Mean 4.5 7.5
Var 6.000 6.000
Std 2.160 2.160
Mean 4.500 7.500
CV 48.01 28.80
Digunakan untuk membandingkan dua atau lebih
distribusi data.
% 100 =

o
CV
% 100 =
X
s
CV
Koefisien Variasi Populasi:
Koefisien Variasi Sampel :
0 , > X
, untuk
Data dari dua grup:
Mean, Stdev, CV
21/10/2014
30
Interquartile Range
Mengukur sebaran di sekitar 50% pertengahan
data, dengan formula: 1 3 Q Q IQR =
Contoh:
Pada contoh data Volume Botol Lotion, kita peroleh
Q1= 233, dan Q3=241. Diperoleh IQR =241-233=8.
Artinya 50% data pertengahan Volume Botol Lotion
memiliki jangkauan atau kisaran 8 ml.
Ringkasan Lima Angka Statistik Lokasi dari data
Volume Botol Lotion Min, Q1, Median, Q3, Max
adalah: 224, 233, 237, 241,249
Varians dan Deviasi Std Grouped Data
Varians populasi:
2 1
2
1
2
2
) (

o =

=

= =
N
x f
N
x f
k
i
i i
k
i
i i

=
=
k
i
i
f N
1
, dimana
1 1
) (
1
2
1
2
2

=

= =
n
X n x f
n
X x f
s
k
i
i i
k
i
i i

=
=
k
i
i
f n
1
, dimana
2
o o =
Varians Sampel:
Deviasi Standar Populasi:
2
s s=
Deviasi Standar Sampel:
21/10/2014
31
Contoh Varians dan Deviasi Std Data yg
Dikelompokan
Batas
Kelas
x f x.f (x-) f.(x-)
20-29 24.5 4 98.0 864.36 3457.44
30-39 34.5 7 241.5 376.36 2634.52
40-49 44.5 8 356.0 88.36 706.88
50-59 54.5 12 654.0 0.36 4.32
60-69 64.5 9 580.5 112.36 1011.24
70-79 74.5 8 596.0 424.36 3394.88
80-89 84.5 2 169.0 936.36 1872.72
50 2695 2802.5 13082.00
64 . 261
50
13082
) (
1
1
2
2
= =

=
=
k
i
i
k
i
i i
f
x f
o
175 . 16 64 . 261 = = o