PENGANTAR & STATISTIKA

DESKRIPTIF
BI5106 Analisis Biostatistik
Utriweni Mukhaiyar

Ilustrasi
2

Berikut adalah data produksi panas bumi di 25

titik pengeboran (ton/jam):

77.71
60.00
87 46
87.46
27.79
70.00

44.24
24.00
42 13
42.13
41.49
32.35

60.00
54.12
43 04
43.04
47.70
41.60

89.54
64.52
45 75
45.75
83.00
77.96

85.64
27.14
111 27
111.27
14.32
14.37

Informasi apa yang ingin diperoleh dari data ini ?

1. Rata-rata produksi panas bumi di 25 lokasi tersebut.
2. Penyebaran nilai produksi panas bumi di area
wilayah pengeboran tersebut.
3. Lokasi pengeboran dengan nilai produksi yang ekstrim.
4 Signifikansi rata
4.
rata-rata
rata produksi panas bumi di area pengeboran tersebut.
tersebut

Il t i
Ilustrasi

Berikut adalah data rata-rata curah hujan bulanan yang

d
diamati
dari
d Stasiun
S
Padaherang
P d h
pada
d tahun
h 2001 2004.
2004

Sumber : Modul 3 Praktikum Mekanika Medium Kontinu Medan Gravitasi

Tahun

Jan

Feb

Mar

Apr

Mei

Jun

Jul

Agust

Sep

Okt

Nop

Des

2001 278.59 279.78 355.29 241.34 115.9 176.9 55.32 29.08 43.82 313.68 508.49 267.82
2002 299.78 245.88 266.64 185.27 122.22 133.1 76.78

32.4

26.09 169.05 461.62 415.73

2003 425.21 370.8 300.23 157.43 184.96 69.93 23.28 14.39 17.86 275.23 433.23 456.02
2004

547.8 308.2

388

93

297

128

47

87

105

389

371.6

Informasi apa yang ingin diperoleh dari data ini ?

1. Rata-rata curah hujan setiap tahun.
2. Penyebaran tingkat curah hujan setiap bulan pada tahun tertentu.
3. Bulan tertentu yang memiliki tingkat curah hujan yang khusus.
4. Signifikansi perbedaan tingkat curah hujan antara tahun-tahun yang diamati.
INFERENSI STATISTIKA

STATISTIKA
DESKRIPTIF

Statistik dan Statistika

4

Statistik : nilai-nilai ukuran data yang mudah dimengerti.

Contoh :
o statistik (mis. rata-rata) nilai elevasi pasang surut air laut di
selat Makassar (m),
o statistik (
(mis. variansi)) hasil p
pengukuran
g
tinggi
gg g
gelombang
g
(cm) menggunakan AWLR (Automatic Water Level Recorder)
o Statisitik (mis. range) antara nilai tinggi pasang maksimum dan
surut minimum (m)

Statistika : ilmu yang berkaitan dengan cara pengumpulan,

pengolahan, analisis dan pernarikan kesimpulan atas data.

Jenis-jenis
j
Statistika
5

1.

2.

Statistika deskriptif: metode yang berkaitan

dengan pengumpulan dan penyajian data.
Statistika inferensi: metode yang berkaitan
dengan analisis sampel untuk penarikan
kesimpulan tentang karakteristik populasi.

Populasi dan Sampel

6

Populasi
Sampel
setiap
p obyek
y p
populasi
p
memiliki
m
m
kemungkinan/kesempatan yang
sama untuk terpilih
hasil pengukuran atau pengamatan

Sampel Acak
Data

Contoh Populasi
p
dan Sampel
p

Akan dilakukan pengamatan tentang rata-rata

produksi minyak bumi di Indonesia.
Indonesia
Populasi
Seluruh
S
l
h titik
di wilayah
Indonesia
?

Kendala: - sangat banyak, -menghabiskan

waktu, -menghabiskan biaya

Keterwakilan sampel
atas p
populasi
p
??

Kaidah Pengambilan
Sampel
p ((Teknik
Sampling)

Sampel
p
7

Contoh: setiap propinsi diambil beberapa titik

pengamatan

Jenis-jenis Observasi
8

OBSERVASI / DATA
KUALITATIF

Nominal

Ordinal/Rank

KUANTITATIF

Diskrit

Kontinu

Didasarkan pada
suatu selang/interval
sehingga meliputi
semua bilangan riil
Intensitas gempa yang
terjadi setiap hari di
suatu
t wilayah,
il
h tingkat
ti k t
curah hujan harian di
suatu daerah, dll

Tidak mengenal
urutan dan operasi
aritmatika

Mengenal urutan dan

operasi aritmatika

Berhubungan dengan
proses menghitung,
dan pengamatan atas
himpunan terhitung.

Jenis bencana yang

j
terjadi
di suatu daerah
(banjir, longsor, gempa,
dll), jenis batuan, dll

Jenjang pendidikan (SD,

SMP, SMA,...), tingkatan
daerah
d
h (Kelurahan,
(K l h
Kecamatan Kab./Kota,
Provinsi, Negara), dll

Banyaknya gempa yang

terjadi di suatu daerah
dalam
d l 1 hari,
h i banyaknya
b
k
hari hujan dalam satu bulan
di suatu daerah, dll

2012 by UM

Statistika Deskriptif
9

Metode
pengolahan dan
penyajian suatu
gugus data

Tujuan :
memberikan
informasi yang
berguna.

Informasi berupa
: bentuk
distribusi data

Mean, median,
modus, kuartil, desil,
persentil, dll

Ukuran
Pemusatan
10

PARAMETER
DISTRIBUSI

Ukuran
Penyebaran
(Variabilitas)

Variansi, simpangan
baku, range, jangkauan
kuartil, dll

Kemencengan

Skewness

Kelancipan

Kurtosis

Karakteristik
Distribusi

Simetris

Mean =
Median

Skew Positif

Mean >
Median

Skew Negatif

Mean <
Median

Puncak
t
tunggal
l

1 modus

Puncak jamak

Modus banyak

Kesimetrisan

BENTUK
DISTRIBUSI
Puncak
(Modal)

@ UM

Karakteristik Distribusi
11

1. PARAMETER DISTRIBUSI

Ukuran Pemusatan
Ukuran Penyebaran

2. BENTUK DISTRIBUSI

Berpuncak
Jamak

Berpuncak
gg
Tunggal

# modus > 1

# modus = 1

mean, median, modus,

kuartil atas, kuartil
bawah dll
bawah,
Range, simpangan baku,
variansi, jangkauan antar
kuartil, dll

Kemencengan

skewness

Kelancipan

kurtosis

Simetris
Menceng/skew
Positif
Menceng/skew
g
Negatif

mean = median
mean > median
mean < median

CONTOH 1
12

Data rata-rata curah hujan bulanan yang diamati dari

Stasiun Padaherang pada tahun 2001 (n = 12)
278.59

279.78

x1

355.29

241.34

x2

115.9 176.9 55.32 29.08 43.82

x7

313.68

x10

508.49 267.82

x12

Data yang diurutkan:

29.08 43.82 55.32 115.9 176.9 241.34 267.82 278.59 279.78 313.68 355.29 508.49

x(1) x(2)

X(7)

x(10)

minimum

Adakah perbedaan dari penyajian kedua data di atas?

x(12)
maksimum

Ukuran Pemusatan & Penyebaran

y
Data
13

Ukuran p
pemusatan data
statistik yang memberikan informasi dimana data
terkumpul dengan ukuran/jumlah tertentu.
Contoh : Mean (rataan), kuartil bawah, kuartil tengah
(median), kuartil atas, modus, persentil, ...
Ukuran penyebaran data
statistik yang memberikan informasi bagaimana data
menyebar
y
di sekitar p
pusat data.
Contoh : range (jangkauan data), IQR (jangkauan antar
kuartil), variansi, standar deviasi (simpangan baku), ...

Ukuran Pemusatan Data

14

1.

Mean (rata-rata)
(
)
1 n
x xi
n i 1

Contoh :
x1 x2 ... x12
x
12
278.59 279.78 ... 267.82

222.17
12

15

29.08 50
43.82%55.32
115.9
176.9) 241.34 267.82278.59
313.68355.29
data
(awal)
(awal
50%279.78
data
(akhir)) 508.49
(akhir

X(6.5)

2. Median
Nilai
l tengah
h yang membagi
b
d kelompok
dua
k l
k
data sama banyak.

med = x(6.5) = x(6) + 0.5 (x(7) - x(6) )= 254.58

3 M
3.
Modus
d
Nilai yang paling sering muncul.
modus tidak ada

4. Kuartil
29.08 25
43.82
176.9
%55.32 115.9 25
%241.34 267.82278.59
25 %279.78 313.68355.29
25 %508.49

q1

q3

q2 = med
d
Kuartil bawah (q1) : q1 x n 1
q1 x 121 x

1
3

4

1
x3 x 4 x 3 70.47
4

Kuartil tengah (q2) : q2 x 2( n 1) x n 1

q2 x 121 x(6.5)
(6 5) 254.58

Kuartil atas (q3) : q3 x 3( n 1)

16

q3 x 3(12 1) x

3
9
4

x9

3
x10 x9 305.21
4

5. Persentil
17

29.08 43.82 55.32 115.9 176.9 241.34 267.82278.59 279.78 313.68355.29 508.49

p25
Persentil ke-i :

p75

p50 = med

x i ( n 1)

100

Persentil ke-50 : x 50( n 1) x n 1

100

median

Persentil ke-25 dan Persentil ke-75?

kuartil bawah

kuartil atas

Ukuran Penyebaran
y
Data
18

D
Data
: x1, x2, x3, ..., xn
Rataan : x
Ukuran penyebaran data yang
melihat bagaimana SETIAP
(keseluruhan) observasi terpisah
dari pusat data.
data
n

Tidak memberikan informasi apap

apa, karena :
n

( x x ) x nx nx nx 0
i 1

i 1

(x x )
i

i1

Jumlah Kuadrat (JK)

n

2
(
x

x
)
i
i 1

Ukuran Penyebaran
y
Data
19

1. Jangkauan data (Range)

R = datamax datamin
2. Variansi

1
1
2
2
s
( xi x )

n 1 i 1
n 1

R = 508.49 29.08 = 479.41

n
xi
n
i 1
2

i
n
i 1

s2 20663.8

JKXX

3 Si
3.
Simpangan Baku
B k ((standard
d d ddeviation)
i i )
s 20663.8 143.75
s = s2
4. Jangkauan
k
antar k
kuartill
dq = q3 q1
dq = q3 q1 = 234.74

Data Pencilan
20

Data yang nilainya berbeda jauh dari kelompok

data yang lain.
Bagaimana mendeteksi data pencilan ??
1. Hitung dq

dq = 234.74

2 Hitung BBP = q1 k.dq

2.
k dq

BBP = 70.47(1.5)(234.74
( )(
) = -281.65

Pilih nilai k = 3/2 (optional)

3 Hitung BAP = q3 + k.dq
3.
k dq

BAP = 305.21
305 21 + (1,5)(234.74)
(1 5)(234 74) = 657.32
657 32

4. Pencilan bawah < BBP

tidak ada pencilan bawah

5. Pencilan atas > BAP

tidak ada pencilan atas

SARI NUMERIK
Count (banyak data, n)
21Sum (jumlah data)
Average (rata-rata)
Median (kuartil tengah)
Mode (modus)
Minimum
Maximum
Range
Standard Deviation
Variance
Skewness
Kurtosis
25th Percentile (persentil-25)
50th Percentile (persentil-50)
75th Percentile (persentil-75)
Interquartile Range (dk)
* Perhitungan dengan Mic. Excel

12
2666.01
222.17
254.58
29.08
508.49
479.41
143.75
20663.8
0.303*
-0.181*
70.465
254.58
305.205
234.74

mean < median

di

Menceng
kiri/negatif ???

Penyajian
y j Data
22

1.
2.
3.
4.
5.
6.
7.

Tabel Distribusi Frekuensi

Pie Chart
Dot Plot
Histogram
Diagram Batang Daun (stem - leaf)
Diagram Kotak Titik (box plot)
dll
Skala penggambaran harus diperhatikan dalam penyajian data
dalam bentuk grafik.
Penyajian data dalam bentuk grafik dapat dilakukan secara
manual maupun menggunakan software-software statistik seperti
Microsoft Excel, SPSS, SAS, S-Plus, Minitab dan lainnya.

23

T b l Di
Tabel
Distribusi
t ib i FFrekuensi
k
i

Data banyaknya
y
y p
pelanggan
gg y
yang
g datang
g ke sebuah
mini market
k d
di 15 hari
h tertentu pada
d bulan
b l Juli
l 2011.

26 37 39 46 49 59 69 76 83 83 83 87 87 95 95
Kelas Interval

Titik Tengah
Kelas

Frekuensi (f)

Frekuensi
Kumulatif

21 35
21-35

28

36-50

43

51-65

58

66-80

73

81-95

88

15

Bagaimana bentuk histogramnya?

PRINSIP DASAR
PELUANG

Pie Chart
24

9%
10%

23%

58%

Pie chart merupakan grafik yang berbentuk lingkaran yang

mana setiap
ti potongannya
t
mewakili
kili proporsii atau
t persentase
t
suatu komponen dari sebuah kelompok data (100%).
Pemakaian pie chart hanya
y cocok ketika menyatakan
y
data
dalam bentuk proporsi dari satu kelompok data.

Dot Plot
25

3,5
3

frekuens
si

2,5
2
1,5
1
0,5
0
0

20

40

60

80

100

nilai

Cara menggambarkan data dalam bentuk titik,

titik dengan
memperhatikan frekuensi dari data yang bersangkutan
Titik ditumpuk diatas nilai data yang digambarkan.

Histogram
g
26

Histogram
g
adalah g
gambar berdasarkan distribusi
frekuensi
Setiap frekuensi dipresentasikan oleh suatu segi empat
(rectangle).
(rectangle)
Daerah setiap rectangle sebanding dengan frekuensinya.

Diagram Batang-Daun (StemLeaf)

27

26 37 39 46 49 59 69 76 83 83 83 87 87 95 95

Stem atau batang,

g mirip
p dengan
g g
grup
p data p
pada histogram,
g
sedangkan
g
leaf atau daun, mirip dengan frekuensi.
Stem atau batang adalah digit pertama yang terpenting yang ada
dalam bilangan
g y
yang
g membentuk harga
g data,, sedangkan
g
digit
g di
belakangnya akan merupakan leaf atau daun.
Melalui stem-Leaf masih dapat dilihat nilai data mentahnya.

28

Diagram
g
Kotak-Titik
(Box-Plot)
100
90

95

max
85

80

76

70

q2

q3
mean

60
50

47,5

40
30
20

26

q1

min

10
0

Box Plot digunakan untuk menyelidiki distribusi tanpa

menggunakan
k grup d
data seperti pada
d histogram
h
dan
d
diagram batang daun.
Box Plot terdiri dari: datamin
(median) q3 , dan
i , q1 , q2 (median),
datamax yang disusun secara terurut dengan membentuk
kotak.

Pencilan pada Box Plot

29

pencilan atas
BAP (pagar atas)
upper whisker
q3
q2

maksimum
mean

q1
lower whisker
*
*

minimum

BBP (pagar bawah)

pencilan bawah

Kelemahan dan Keunggulan

30

KELEMAHAN
DOT PLOT

HISTOGRAM

KEUNGGULAN

Tidak efektif untuk ukuran data

yang besar

Cepat

Lama

Histogram peluang dapat memberi

gambaran tentang distribusi populasi

Banyak perhitungan
Nilai data tidak nampak

Nilai data asli dapat diperkirakan

Tidak menuntut ketelitian dalam mencatat

setiap nilai data
Cepat
p

BATANG-DAUN

Menuntut ketelitian mencatat

daun

Tidak memerlukan perhitungan

Nilai data asli dapat dilihat
Memudahkan perhitungan berbagai
parameter

BOX PLOT

Membutuhkan perhitungan yang

panjang

Box plot dapat memberi gambaran tentang

bentuk distribusi populasi

TTerdiri
di i dari
d i parameterparameter dari data yang
sudah diurutkan

Efektif
Ef
k if untukk membandingkan
b di k bentuk
b
k
distribusi beberapa kelompok data
sekaligus

31

Bentuk Distribusi Ideal

N
Normal
l

mean = median

Memiliki bentuk distribusi yang simetris, yaitu :

Skewness = 0
K t i = 3,
Kurtosis
3 (d
(dalam
l
software
ft
tertentu
t t t kurtosis
k t i normall = 0

32

L tih 1
Latihan

Suatu jenis polimer digunakan dalam sistem evakuasi pesawat

terbang. Penting diperhatikan bahwa polimer tersebut harus
mampu melawan proses penuaan. Diambil dua puluh sampel
polimer yang kemudian dibagi atas dua percobaan. Percobaan
pertama (batch 1) yang melibatkan 10 sampel dikenakan proses
percepatan penuaan dengan temperatur tinggi selama 10 hari.
Sedangkan 10 sampel lainnya (batch 2) tidak dikenakan proses
apa-apa. Kekuatan
K k t
d
daya
rentang
t
(d l
(dalam
psi)i) sampel-sampel
l
l
tersebut diukur dan dicatat sebagai berikut.
Batch 1

227

222

218

217

225

218

216

229

228

221

Batch 2

219

214

215

211

209

218

203

204

201

205

Q Apakah
Q:
p
p
percobaan p
proses p
penuaan memberikan
dampak pada kekuatan daya rentang polimer?
Sumber: Walpole (2006), hal.13

33

Contoh 2

- Keluarkan
K l k sarii numerik
ik yang mungkin
ki
Ukuran pemusatan data : MEAN, MEDIAN, KUARTIL BAWAH-ATAS
Ukuran penyebaran data : RANGE, JANGKAUAN KUARTIL,
VARIANSI,SIMPANGAN BAKU
Lain-lain : SKEWNESS dan KURTOSIS

Apakah diperlukan???

Pilih plot yang informatif untuk menjawab pertanyaan tersebut

Misal: BOXPLOT

SARI NUMERIK

Mean
Variansi
Simp.Baku
Min.
Max.
Q1
Median
Q3

34

230

226.5
221.5

220
215

216

Batch.II
209,90
,
42,1000
6,49
201
219
204,25
210
214,75

230

229

225

Batch.1
222,10
,
23,6556
4,86
216
229
218
221,5
226,5

218

225
220

219

215

214.75

210

210

2 0
210

205

205

204.25

200

200

201

Batch 1
195

APA YANG DAPAT DISIMPULKAN??

195

Batch 2

@ UM

Transformasi Data (pengayaan)

(p g y
)
35

Transformasi dilakukan untuk mendapatkan bentuk

distribusi yang lebih simetris.
Transformasi Tangga Tukey
-1/x2 -1/x

untuk bentuk distribusi :

skewness positif

log (x)

x2

data awal

Merenggangkan datadatayangberharga kecil

dan merapatkan datadatayangberharga besar

x3

10x

untuk bentuk distribusi :

skewness negatif

Merapatkan datadatayangberharga kecil dan

merenggangkan datadatayangberharga besar

Data contoh kasus : skewness = -0,5

0 5 (menceng kiri),
kiri)
maka transformasi yang mungkin adalah x2, x3, dan 10x.

Transformasi Data (pengayaan)

Contoh Kasus
36

y = x2

87
37
59
49
69
95
83
87
39
95
83
76
83
26
6
46

7569
1369
3481
2401
4761
9025
6889
7569
1521
9025
6889
5776
6889
6 6
676
2116

transformasi

Lebih mendekati simetris (skew = 0)

dibanding sebelum transformasi
(skew = -0,5)

skew
k
= -0,18
0 18

** Ketika data ditransformasi, maka satuan

dari data juga akan berubah

Referensi
Djauhari,M.A.,2001,CatatanKuliahAnalisisData.
Walpole,RonaldE.,et.al,Statistitic
Walpole Ronald E et al Statistitic forScientistand
for Scientist and

Engineering,8thEd.,2007.

37