TUGAS INDIVIDU

UNIT PEMBELAJARAN 2 MODUL II

BERBOHONG DENGAN STATISTIKA
BLOK 13
KARYA ILMIAH DAN SEMINAR

DWI WAHYUNI
08/272634/KH/06060/W
KELOMPOK 11

FAKULTAS KEDOKTERAN HEWAN

UNIVERSITAS GADJAH MADA
YOGYAKARTA
2010
 BERBOHONG DENGAN STATISTIKA

Learning Objective

1. Mengetahui tentang statistika deskriptif

2. Mengetahui tentang distribusi normal

Pembahasan

STATISTIKA DESKRIPTIF

Metode statistik adalah prosedur – prosedur yang digunakan dalam pengumpulan, penyajian,
analisis, dan penampilan data. Metode statistika dikelompokkan dalam dua kelompok besar,
yaitu kelompok statistika deskriptif dan statistika inferens.
Statistika deskriptif adalah metode – metode yang berkaitandengan pengumpulan dan
penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistika
deskriptif memberikan informasi hanya mengenai data yang dipunyai dan tidak menarik
inferensia atau kesimpulan apapun tentang gugus data induknya yang lebih besar.

( Walpole, 1993 )

Terminologi dan notasi yang digunakan dalam mengolah data statistik sepenuhnya
bergantung pada apakah data tersebut merupakan atau contoh yang diambil dari populasi.
Populasi adalah seluruh obyek yang ingin diketahui besaran karakteristiknya atau seluruh
obyek yang akandijadikan sasaran.
Sampel adalah sebagian obyek populasi yang memiliki karakteristik sama dengan
karakteristik populasinya (Representatif).
Parameter adalah sembarang nilai yang menggambarkan populasi.
Statistik adalah sembarang nilai yang menjelaskan ciri suatu contoh.
( Anonim, 2010 )
Penghimpunan data
Data adalah sekumpulan fakta atau angka atau segala sesuatu yang dapat dipercaya
kebenarannya sehingga dapat digunakan sebagai dasar untuk menarik kesimpulan. Secara
garis besar, data dikelompokkan menjadi data numerik yaitu berupa hasil cacahan atau
berupa hasil pengukuran dan data kategorik yang diklasifikasikan berdasarkan kriteria
tertentu.
Tipe – tipe data

- Data kuantitatif adalah karakteristik dari suatu variabel yang nilai – nilainya
dinyatakan dalam bentuk numerik.
- Data kualitatif adalah suatu karakteristik dari suatu variabel yang nilai – nilainya
dinyatakan dalam bentuk nonnumerik atau dalam atribut – atribut.
- Data kuantitatif diskrit adalah karakteristik dari proses perhitungan berupa bilangan
bulat
- Data kuantitatif kontinue adalah karakteristik dari proses perhitungan yang nilainya
berupa interval dan berupa pecahan.

Penyajian data

a. Data Terurut
Data yang tujuannya untuk memudahkan menentukan ukuran pusat data.
b. Distribusi Frekuensi
Distribusi frekuensi merupakan pengelompokan data kedalam beberapa kelas, dan
kemudian dihitung banyaknya pengamatan yang masuk kedalam kelas.
Data yang disajikan dalam bentuk distribusi frekuensi dikatakan sebagai data yang
telah dikelompokkan.
Contoh tabel distribusi frekuensi

Bobot Banyaknya
( kg )
7–9 2
10 – 12 8
13 – 15 14
16 – 18 19
19 – 21 7

Untuk data tersebut diambil 5 selang kelas, 7 – 9, 10 – 12, 13 – 15, 16 – 18, 19 – 21.
Nilai – nilai terbesar dan terkecil dalam setiap kelas disebut limit kelas. Dalam selang 7
– 9 bilangan yang kecil yaitu 7 disebut sebagai limit bawah kelas, sedangkan 9,
bilangan yang lebih besar disebut ssebagai limit atas kelas. Data aslinya dicatat sampai
kilogram yang terdekat, sehingga 2 pengamatan dalam selang 7 – 9 adalah bobot semua
koper yang beratnya lebih dari 6,5 tetapi kurang dari 9,5. Kedua bilangan yaitu 6,5 dan
 9,5 disebut sebagai batas kelas bagi selang bersangkutan. Untuk selang 7 – 9 bilangan
6,5 disebut batas bawah kelas, sedang 9,5 disebut batas atas kelas. Batas kelas selalu
dinyatakan satu desimal lebih banyak atau lebih kurang dari data pada pengamatan
asalnya. Hal ini menjamin bahwa tidak ada pengamatan yang jatuh tepat pada batas
kelas, sehingga menghindarkan keraguan pada kelas mana pengamatan itu termasuk.
Banyaknya pengamatan yang masuk suatu kelas tertentu disebut frekuensi kelas, dan
dilambangkan dengan huruf f .

Langkah – langkah membuat distribusi frekuensi bagi segugus data yang besar dapat
diringkas sebagai berikut :

1. Tentukan banyaknya selang kelas yang diperlukan

2. Tentukan wilayah data tersebut
3. Bagilah wilayah tersebut dengan banyaknya kelas untuk menduga lebar selangnya.
4. Tentukan limit bawah kelas bagi selang yang pertama dan kemudian batas bawah
kelasnya. Tambahkan lebar kelas pada batas bawah kelas untuk mendapatkan batas
atas kelas.
5. Daftarkan semua limit kelas dan batas kelas dengan cara menambahkan lebar kelas
pada limit dan batas selang sebelumnya.
6. Tentukan titik tengah kelas bagi masing – masing selang dengan merata – ratakan
limit kelas atau batas kelasnya.
7. Tentukan frekuensi masing – masing kelas
8. Jumlahkan kolom frekuensi dan periksa apakah hasilnya sama dengan banyaknya
total pengamatan.

Variasi dapat didapatkan dengan menentukan frekuensi relatif atau presentase masing –
masing selang. Frekuensi relatif masing – masing kelas dapat diperoleh dengan cara membagi
frekuensi kelas dengan frekuensi total.. Tabel yang memuat frekuensi relatif disebut dengan
distribusi frekuensi relatif. Bila setiap frekuensi relatif itu digandakan dengan 100 % maka
akan diperoleh apa yang disebut distribusi presentase.
Frekuensi total semua nilai yang lebih keci dari pada batas atas kelas suatu selang kelas
tertentu disebut frekuensi kumulatif

Penyajian grafik
Dengan diagram balok

Contoh :

Umur aki ( tahun )

Series 1
8
6 Series 1
4
2
0
1,5 1,9 2,0 2,4 2,5 2,9 3,0 3,4

Dengan histogram

Chart Title
6
5
4
3
2
1
0
Series 1 Series 2 Series 3

Poligon frekuensi

Y-Values
5
4.5
4
3.5
3 Y-Values
2.5
2
1.5
1
0.5
0
1 1.5 2 2.5 3 3.5 4
Ogif presentase

Y-Values
0.5
0.4
0.3 Y-Values

0.2
0.1
0
0.1 0.2 0.3 0.4 0.5 0.6

Ukuran - ukuran dalam statistik deskriptif

A. Ukuran pemusatan
- Mean ( nilai tengah )
Mean merupakan rata – rata. Misalnya x 1 ; x 2 ; … ; xn tidak harus semuanya berbeda,

n
x
merupakan contoh terhingga berukuran n, maka meannya adalah x́ = ∑ i
i=1
n
x́ : rata – rata sampel
n : ukuran sampel ( banyak data )
- Median
Median merupakan segugus data yang telah diurutkan dari yang terkecil sampai yang
terbesar atau sebaliknya dimana pengamatan yang tepat ditengah – tengah bila
banyaknya pengamatan itu ganjil, atau rata – rata pengamatan yang ditengah bila
pengamatannya genap.
Contoh : data yang diperoleh adalah 2, 1, 4, 3, 6. Maka diurutkan terlebih dahulu menjadi
1, 2, 3, 4, 6 maka mediannya adalah 3.
n

Md=Bm+ i.
fm( )
2−f km

Keterangan : Md : median
Bm : tepi bawah kelas median
f km : frekuensi kumulatif sebelum kelas median
 fm : frekuensi kelas median
- Modus
Modus adalah nilai yang terjadi paling sering atau yang mempunyai frekuensi paling
tinggi.
Contoh : sumbangan dari penduduk Forest Farway pada Virginia Lung Association
tercatat sebagai berikut : 9, 10, 5, 9, 9, 7, 8, 6, 10, dan 11 dolar. Maka modusnya yaitu
nilai yang terjadi dengan frekuensi paling tinggi adalah 9 dolar.
d1
Mo=Bm+i. ( d 1+d 2)

Mo : modus
d 1 :selisih frekuensi kelas modus dengan sebelumnya
d 2 : selisih frekuensi kelas modus dengan sesudahnya.
Hubungan mean, median, dan modus

B. Ukuran keragaman
- Range ( wilayah )
Wilayah merupakan beda antara pengamatan terbesar dan terkecil dalam kumpulan
tersebut.
Contoh :
Nilai IQ lima anggota keluarga adalah 108, 112, 127, 118, dan 113, maka wilayah
kelima IQ tersebut adalah 127 – 108 = 19.
- Varians ( ragam )
Rumus Varians Populasi:
 n Rumus Varians Sampel:
∑ ( x i−µ)2
σ 2
= i=1 n
N ∑ (x −x)2
s2
= i=1 i
n−1

Contoh :
Gugus A 5 4 3 2 0 1 2 4 7
Gugus B 5 1 1 1 0 0 0 1 7
Maka ragam untuk gugus A :
9
∑ (x i−8)2
σ = 2
i=1
9
52+ 4 2+ …+4 2 +72
=
9
124
= 9

Contoh varians sampel

Pembandingan harga kopi dalam bungkus 200 gr diempat toko kelontong yang dipilih
secara acak di jakarta menunjukkan kenaikan dari harga bulan sebelumnya sebesar 12,
15, 17, dan 20 sen. Maka varians sampelnya adalah :
12+15+ 17+20
x=
4
4
2
∑ ( x i−16)2
Maka s = i=1
3
(12−16)2 +(15−16)2 +(17−16)2 +(20−16)2
=
3
(−4)2+(−1)2+(1)2+(4 )2
=
3
34
=
3
- Deviasi Standar (Simpangan Baku)
Rumus Simpangan Baku:
Untuk Populasi: Untuk Sampel:

n n
σ=
√ ∑
i=1
(xi −µ)2
N
s=
√ ∑
i=1
( x i−x )2
n−1
DISTRIBUSI NORMAL
 Distribusi normal ( distribusi Gauss )adalah distribusi peluang kontinu yang
terpenting dalam seluruh bidang statistik.
 Grafiknya disebut kurva normal, berbentuk lonceng

Sifat – sifat kurva normal

- Modusnya, yaitu titik pada sumbu mendatar yang membuat fungsi menjadi
maksimum, terjadi pada x=μ
- Kurvanya setangkup terhadap garis tegak yang melalui nilai tengah µ
- Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah bila kita
semakin menjauhi nilai tengahnya
- Luas daerah yang terletak dibawah kurva tetapi diatas sumbu yang mendatar sama
dengan 1
 Suatu peubah acak X yang distribusinya berbentuk lonceng seperti pada gambar
disebut peubah acak normal. Distribusi peluang peubah normal kontinu bergantung
pada dua parameter µ dan , yaitu rataan dan simpangan baku. Jadi fungsi padat X
dinyatakan dengan n(x;µ,).
 Fungsi probabilitas variabel random dengan mean µ dan variansi 2 dapat dinyatakan
sebagai
1 2
( x−µ)
f(x,µ,) = e
2
2 , -∞<x<∞ dengan
√2 π

π = 3,14159... dan e = 3,71828

 mean dan variasi
E(X) = µ
Var (X) = 2

Berbicara mengenai distribusi N(µ,2) yang dalam kenyataan sehari-hari banyak dijumpai
tidak akan efisien karena apabila kita tabelkan nilai probabilitasnya terdapat tak terhingga
tabel normal untuk µ dan 2 yang tertentu. Untunglah kita mendapatkan hasil bahwa bentuk
normal sembarang apapun dapat kita bawa ke normal standar N(0,1), yaitu normal dengan
mean=0 dan variansi=1. Distribusi normal standar dapat ditulis sebagai :
1 2
−z
f(z) = e 2 , -∞<x<∞
√2 π
Jika X berdistribusi normal dengan mean µ dan variansi 2 maka kita dapat
mengkonstruksikan variabel random normal standar dengan transformasi :
X−µ
Z=
❑
Cara Membaca Tabel Distribusi Normal Standar
Ada dua jenis tabel distribusi normal standar yang dikenal yaitu
 Menabelkan luasan kurva normal dengan bentuk P(-∞<X<k), dengan k suatu titik
dalam sumbu x
 Menabelkan luasan kurva normal dengan bentuk P(0<X<k)
Dalam contoh berikut akan digunakan tabel yang kedua :
Contoh 1
1. P(0<Z<1,21) = 0,3869
2. P(-1,21<Z<0) = 0,3869
3. P(-1,21<Z<1,21) = P(0<Z<1,21) + P(-1,21<Z<0) = 2*0,3869
4. P(Z>1,21) = 0,5 – 0,3869 = 0,1131
5. P(Z<-1,21) = 0,1131
6. P(0,5<Z<1,21) = P(0<Z<1,21) + P(0<Z<0,5) = 0,3869 – 0,1915

Contoh 2
Bila umur suatu jenis lampu adalah berdistribusi normal dengan rata-rata 3 tahun dan standar
deviasi 0,5 tahun. Meka berapakah suatu lampu dari jenis di atas akan berumur kurang dari
2,3 tahun?
Jawab :
Misalkan kita definisikan X adalah Variabel random yang menyatakan umur lampu.
(Biasakanlah mendefinisikan sesuatu dalam statistika). Harga yang kita cari adalah P(X<2,3)
karena X masih berdistribusi N(3, 0.52), maka kita bawa ke N (0,1) dulu dengan transformasi
di atas.
x−3 2,3−3
Sehingga P(X<2,3) = P( < ) = P(Z<-1,4) = 0,0808
0,5 0,5
(Gunardi, 1999)
DAFTAR PUSTAKA

Anonim, 2010. Statistika Deskriptif. www.teknokrat.ac.id. Diunduh pada 31 Agustus 2010

Gunardi. 1999. Metode Statistik. Yogyakarta : FMIPA UGM

Walpole, RE. 1993. Pengantar Statistika. Jakarta : Gramedia Pustaka Utama