Anda di halaman 1dari 8

2.

REVIEW STATISTIK

2.1. STATISTIK UNIVARIATE


2.1.1. Nilai Rata-rata Conto dan Mean Populasi
Ekspektasi matematik atau disingkat ekspektasi dari variabel acak atau juga
disebut mean populasi sangat erat berkait dengan nilai rata-rata suatu conto.
Rata-rata = E{x} = x =

1 n
xi
n i =1

2.1.2. Variabilitas
Salah satu cara untuk menyatakan suatu distribusi kemungkinan menjadi satu
nilai adalah mengganti distribusi tersebut dengan ekspektasi atau mean variabel
acaknya, tetapi mean tersebut tidak menyatakan sesuatu mengenai
penyimpangan terhadap mean tersebut. Untuk mengukur penyebaran,
penyimpangan, variabilitas atau dispersi suatu distribusi kemungkinan terhadap
mean digunakan antara lain :

- Jangkauan

- Simpangan rata-rata

x maks x min

Ekspektasi nilai mutlak selisih antara masing-masing


data atau ( x i ) dan mean-nya. Nilai mutlak dalam
matematika karena tidak mempunyai sifat yang baik
sekarang tidak banyak digunakan.

1 n
( x i x ) 2 x2 = E( x ) 2

n i =1

Varians

S x2 =

Standar deviasi

S x = S 2x x = 2x

2.1.3. Ukuran Tendensi Sentral


Nilai rata-rata
Nilai rata-rata didefinisikan sebagai berikut : x =

1
n

padamana fi adalah

i =1

frekuensi xi dan n = f i . Sebagai contoh berikut ini diberikan perhitungan nilai


i =1

rata-rata tinggi mahasiswa.


Tabel 2.1: Contoh Perhitungan Nilai Rata-rata

x=

Titik tengah kelas xi (cm)

Frekuensi fi

fixi

153
158
163
168
173

5
20
42
26
7

765
3160
6846
4368
1211

100

16350

1
16350
[( 5 x153 ) + ( 20 x158 ) + ( 42 x163 ) + ( 26 x168 ) + ( 7 x173 )] =
= 163,50cm
100
100

Median
Definisi : Nilai yang terletak di tengah (jika banyaknya data ganjil) atau rata-rata
kedua nilai di tengahnya (jika banyaknya data genap) pada suatu
kumpulan nilai yang telah diurutkan dalam satu jajaran.
Contoh : Jajaran 3,4,4,5,6,8,8,9,10
Jajaran 3,4,4,5,6,8,8,8,9,10

mempunyai median 6
mempunyai median (6 + 8) / 2 = 7

)
Modus (Mode), diberi notasi x

Definisi : Nilai yang mempunyai frekuensi terbesar


Modus mungkin tidak ada, atau jika ada, modus tidak unik.
Contoh : - Kumpulan 3,4,4,5,6,8,8,8,9,10 mempunyai modus 8
- Kumpulan 3,4,4,5,6,8,8,9,10 mempunyai modus 4 dan 8, jika
banyaknya modus lebih dari 2 disebut
multimodal.
- Kumpulan 3,4,5,6,8,9,10
tidak mempunyai modus.

2.1.4. Koefisien Variasi (Coefficient of Variation)


Perbandingan antara simpangan baku (standard deviation) terhadap rata-rata
hitung (aritmatic mean), merupakan pendekatan statistik yang memberikan suatu
besaran variabilitas alami suatu populasi data.
Koefisien variasi = CV =

simpangan baku S
=
rata rata hitung x

Berikut ini adalah contoh beberapa harga CV untuk berbagai endapan emas
dibandingkan terhadap endapan logam lainnya.

Tabel 2.2: Contoh Koefisien Variasi Harga Kadar Beberapa Endapan


MACAM ENDAPAN BIJIH
Emas : Kalifornia, USA; placer Tersier
Emas : Loraine, Afrika Selatan; Black Bar
Emas : Norseman, Australia; Princess Royal Reef *)
Emas : Norseman, Australia; Crown Reef *)
Emas : Carlin, USA
Tungsten, Alaska
Emas : Shamva, Rhodesia
Emas : Western Holdings, Afrika Selatan
Uranium : Yeelirrie, Australia
Emas : Mt. Charlotte, Australia **)
Emas : Fimiston, Australia *)
Emas : Vaal Reefs, Afrika Selatan
Seng, Frisco, Meksiko
Emas : Loraine, Afrika Selatan; Basal Reef
Nikel, Kambalda Australia
Tembaga
Mangan
Timbal: Frisko, Meksiko
Bijih besi
Bauksit

KOEFISIEN
VARIASI
5,10
2,81
2,22
1,63
1,58
1,56
1,55
1,28
1,19
1,19
1,12
1,02
0,85
0,80
0,74
0,70
0,58
0,57
0,27
0,22

*) conto bijih dari daerah penambangan, **) conto dari pemboran inti
Koefisien variasi yang tinggi menunjukkan nilai data yang mempunyai sebaran
melebar. Pada mineralisasi emas, nilai data yang melebar tersebut umumnya
dicirikan dengan sekelompok nilai pada kadar rendah dan merupakan ekor yang
panjang pada kadar tinggi (ciri distribusi positive skewness).

2.1.5. Histogram
Dalam analisis statistik dikenal variabel acak atau peubah acak, yang artinya
tidak ada hubungan antara harga conto dan lokasinya. Sebagai contoh,

Gambar 2.1: Contoh Sebaran Data dan Histogramnya

Lokasi data walaupun diacak namun tetap akan memberikan bentuk histogram
yang sama, yang berarti distribusinya juga sama, demikian juga rata-rata
hitungnya (arithmatic mean), modus (mode) dan nilai tengahnya (median).
n

x=

i =1

187
= 11
17

Pada sebaran data di atas, modus = 11 (terdapat 4 data, perhatikan puncak


histogram). Nilai tengah dapat diurutkan sebagai berikut :
7,8,9,9,10,10,11,11,11,11,12,12,12,13,15,16
Sedangkan varians (variance) dan simpangan baku (standard deviation) adalah:

[x
n

2 =

i =1

SD =

n 1

(7 11)2 + (8 11)2 + ..... + (16 11)2


(17 1)

84
= 5,25 ppm2
16

5,25 = 2,29 ppm

Gambar 2.2: Contoh Distribusi Data

Gambar 2.3: Histogram Contoh Distribusi Data pada Gambar 2.2

Gambar 2.4: Contoh Distribusi Data pada Empat Blok

Gambar 2.5: Histogram Contoh Distribusi Data pada Gambar 2.4

Pada suatu populasi jika dipilih daerah tertentu saja, maka akan menghasilkan
bentuk histogram yang berbeda (bentuk distribusinya juga berbeda). Dari
Gambar 2.2, jika diambil seluruh data akan menghasilkan histogram C pada
Gambar 2.3, demikian juga, daerah yang diberi warna abu-abu muda bersama
dengan abu-abu tua menghasilkan histogram A, daerah yang diberi warna abuabu tua saja memberikan histogram B.
Jika diketahui cut-off grade adalah 2%, maka blok dengan dimensi 50 x 50 m2
yang mempunyai kadar 2% mempunyai distribusi data seperti yang terlihat
pada ke empat gambar pada Gambar 2.4 di atas. Untuk setiap daerah bentuk
histogramnya adalah seperti pada Gambar 2.5.
Jika karena alasan teknis tertentu penambangan bisa dilakukan pada daerah
dengan luas minimum 100 x 100m2 (empat blok yang berdekatan), maka tidak
semua daerah bisa ditambang.

2.2.1. Diagram Pencar


Suatu pasangan data dapat diambil dalam bentuk diagram pencar yang
menunjukkan hubungan antara kedua variabel tersebut. Misalkan pasangan data
(x1,y1), (x2,y2), (x3,y3), (x4,y4), (x5,y5), ........ (xn,yn) diplot dalam sistem koordinasi
kartesian XY, maka akan menghasilkan diagram pencar antara lain sebagai
berikut :

Gambar 2.1 Diagram Pencar Beberapa Pasangan Data yang Menunjukkan


Hubungan Korelasi Antar Pasangannya
Gambar paling kiri menunjukkan hubungan tersebut linier positif, yang berarti
kenaikan harga x akan diikuti dengan kenaikan harga y, dan dinyatakan dalam
suatu garis regresi linier. Gambar di tengah menunjukkan hubungan non-linier
berbentuk parabolik, sedangkan gambar paling kanan menunjukkan tidak
adanya hubungan antara variabel x dan y, yang berarti kedua variabel tersebut
tidak berkorelasi satu dengan lainnya. Ukuran untuk menyatakan hubungan
korelasi ini diekspresikan dalam suatu koefisien korelasi.

2.2.2 Rata-rata, Varians, Kovarians dan Koefisien Korelasi


1 n
xi
n i =1
1 n
y = yi
n i =1

rata-rata variabel x

x=

rata-rata variabel y

varians variabel x

varians variabel y

2
1 n
S =
xi x

n 1 i =1
2
1 n
S y2 =
yi y

n 1 i =1
2
x

S xy =

r=

)(

1 n
xi x yi y
n 1 i =1

kovarians

S xy

koefisien korelasi

Sx Sy

Tabel 2.3: Perhitungan Parameter Statistik

(x

) (y

xi

yi

xi x

xi y

1
2
3
6

3
5
10
18

-1
0
+1
0

-3
-1
+4
0

x
1
0
1
2

S2

13

3,6

y
9
1
16
26

) (x
2

)(

x xi y

3
0
4
7
3,5

x=2
y =6

r=

3,5
= 0 ,97
(1)(3,6 )