Anda di halaman 1dari 21

UKURAN STATISTIK

BAGI DATA
Parameter vs Statistik
Parameter
Nilai Tengah ()

Simpangan baku ()


Ragam (2)

Uji
Populasi kesamaan

Sampel
Statistik
Nilai Tengah (x )
Simpangan baku (s)
Ragam (s2)
Definisi Parameter

Parameter Sembarang nilai yang menjelaskan


ciri populasi misalnya, , 2, , dsb.

Definisi Statistik

Statistik Sembarang nilai yang menjelaskan


ciri suatu sampel, misalnya : x, s2, s,
dsb.
Data Pengamatan
► Populasi
X1 , X 2 , X 3 , X 4 , X 5 , X 6 , … , X N

X[1] , X[2] , X[3] , X[4] , X[5] , X[6] , … , X[N]

Sampel

X1 , X 2 , X 3 , X 4 , X 5 , X 6 , … , X n
X[1] , X[2] , X[3] , X[4] , X[5] , X[6] , … , X[n]
Ukuran Pemusatan Data
(Central Tendency)
Ukuran
Sembarang ukuran yang menunjukkan
Pemusatan /
pusat segugus data yang telah diurutkan
Lokasi Pusat
dari yang terkecil sampai terbesar atau
Data
sebaliknya

MEAN
MODUS
MEDIAN
Mean (Nilai Tengah)
Nilai Tengah
(Mean)

Populasi Sampel / Contoh


() ( x )

Bila segugus data x1, x2, … xN, Misalkan x1, x2, … xn, tidak harus
tidak harus semuanya berbeda, semuanya berbeda, merupakan
menyusun sebuah populasi sebuah contoh terhingga ukuran n
terhingga berukuran N

N n
X i X i
μ i 1
X i 1
N n
Jika data telah diurutkan,
pengamatan yang berada tepat di
tengah-tengah bila banyak data
Median ganjil, atau rata-rata kedua
pengamatan yang di tengah bila
banyak data genap

Nilai yang terjadi paling


Modus sering atau yang
mempunyai frekuensi
paling tinggi
Hubungan antara
Mean, Median dan Modus
UPS Keuntungan Kerugian
Mean 1. Ukuran lokasi pusat yang 1. Sangat dipengaruhi oleh nilai
paling umum digunakan dalam ekstrem
2. Mudah dihitung dan
memanfaatkan semua
informasi yang dimiliki.
Median 1. Kemudahan menghitung bila -
banyaknya pengamatan relatif
kecil
2. Tidak dipengaruhi oleh nilai
ekstrim sehingga memberikan
rata-rata yang lebih benar
Modus 1. Tidak memerlukan perhitungan 1. Ukuran pemusatan data
2. Dapat digunakan bagi data yang paling jarang
kualitatif ataupun kuantitatif digunakan.
2. Untuk gugus data yang
kecil, manfaat modus
hampir atau bahkan tidak
ada sama sekali.
Tengah Wilayah

Nilai Tengah
Terboboti
Ukuran
Pemusatan Data
Lainnya Nilai Tengah
Gabungan

Nilai Tengah
Geometrik

Nilai Tengah
Harmonik
Tengah
Rata-rata pengamatan yang terkecil dan
Wilayah terbesar

xmax  xmin
2
Nilai Tengah Terboboti

Jika terdapat k data x1, x2, …, xk


dengan asumsi bahwa
sebagian lebih penting dari
lainnya, maka diberi pembobot
w1, w2,…, wk pada nilai-nilai
tersebut, sedangkan pembobot-
pembobot itu mengukur
pentingnya yang satu relatif
k

w x
terhadap yang lain.
i i
ˆ w  xw  i 1
k

w
i 1
i
Nilai Tengah Gabungan

Populasi Contoh

Misal k buah populasi terhingga Jika contoh acak berukuran n1, n2,
masing-masing ukuran populasi …, nk yang diambil dari k
N1, N2, …, Nk mempunyai nilai populasi, masing-masing
tengah 1, 2,…, k mempunyai nilai tengah
x1 , x 2 , x 3 , ... , x k

Nilai tengah populasi gabungan : Nilai tengah contoh gabungan :


k

N μ i i k

n x
μc  i 1
k xc  i 1
k
i i

 Ni
i 1
n
i 1
i
Nilai Tengah Geometrik (G)
Nilai Tengah bagi k bilangan positif x1, x2, …
Geometrik xk adalah akar ke-k hasil kali
semua bilangan itu :

G  k x1 , x 2 ,...., x k

Nilai tengah harmonik (H) bagi k


Nilai Tengah buah bilangan x1, x2, …xk adalah k
Harmonik dibagi dengan jumlah kebalikan
bilangan-bilangan tersebut, jadi :
k
H k
1

i 1 x i
Ukuran Dispersi / Keragaman (Varians) Data
Statistik Ukuran
Keragaman (Dispersi) Data

Wilayah Ragam Simpangan


(Varians) Baku

Selisih antara
pengamatan
Ukuran keragaman Simpangan sebuah
terbesar dan
yang memperhatikan pengamatan dari nilai
terkecil dalam
posisi relatif setiap tengahnya diperoleh
kumpulan data
pengamatan terhadap dengan
tersebut
nilai tengah gugus data mengurangkan
tersebut pengamatan tersebut
dengan nilai tengah
Wilayah

R = Ymaks – Ymin

Jika wilayah suatu data


A > B, maka data A
dikatakan telah
menyebar
Ragam
Sampel

Populasi
Ragam contoh untuk
sebuah contoh/
Ragam populasi
sampel acak
terhingga x1, x2, …xn,
didefinisikan

x  μ
2 n

x  x
2
i
i
σ 
2 i 1
S 
2 i 1
N
n -1
Simpangan Baku

Populasi Sampel

x1, x2, …xN populasi x1, x2, …xn contoh/


terhingga, sampel acak,
simpangannya : simpangan-nya :
x1-2, x2- 3 ,…, x1 - x1, x2 -x,…, xn-x
xN-
n

x  x
2
N

x  μ
2 i
i s i 1

σ i 1 n -1
N
Varians (Keragaman)

Bila ragam gugus data A > ragam gugus data B, maka


hal tersebut menunjukkan bahwa gugus data A lebih
beragam daripada gugus data B, begitupula
sebaliknya.

Simpangan Baku (Standar Deviasi)

Bila suatu sebaran data hasil pengukuran mempunyai


simpangan baku yang kecil, maka dapat dinyatakan
bahwa sebagian besar data mengumpul di sekitar nilai
tengahnya (keragamannya kecil), begitu pula
sebaliknya.
Dalil Chebyshev

Ahli Matematika Proporsi pengukuran yang


Berkebangsaan jatuh antara dua nilai yang
Rusia, Mengemukakan setangkup terhadap nilai
P.L.Chebyshev tengahnya berhubungan
(1821-1894) dengan simpangan bakunya

Dalil Chebyshev Memberikan dugaan yang konservatif


terhadap proporsi data yang jatuh dalam k
simpangan baku dari nilai tengahnya, untuk
suatu bilangan tetap k tertentu

Dalil Chebyshev Sekurang-kurangnya 1 – 1/k2 bagian data


berbunyi : terletak dalam k simpangan baku dari nilai
tengahnya
Nilai Z (Nilai
standarisasi)
Nilai Z Suatu pengamatan x dari suatu
populasi yang mempunyai nilai tengah
 dan simpangan baku , mempunyai
nilai z atau skor z yang didefinisikan
sebagai :

x -μ
z
σ
Positif Mengukur berapa
simpangan baku letak suatu
pengamatan diatas nilai
Nilai Z tengahnya

Negatif Mengukur berapa


simpangan baku letak suatu
pengamatan dibawah nilai
tengahnya

Nilai z suatu gugus data A (positif) > nilai z suatu gugus


data B → tampilan relatif data A lebih baik daripada
tampilan relatif data B