Rata-Rata Hitung = Arithmetic Mean Median Modus Kuartil, Desil, Persentil Ukuran Penyebaran Bagaimana penyebaran data? Ragam, Varians Simpangan Baku
2.
Ukuran Statistik nantinya akan mencakup data: 1. Ungrouped Data : Data yang belum dikelompokkan 2. Grouped Data : Data yang telah dikelompokkan 2. 2.1. Ukuran Pemusatan Rata-Rata Hitung = Arithmetic Mean : rata-rata hitung populasi
Notasi :
x
i =1
dan
x=
x
i =1
Contoh 1: Misalkan diketahui Di kota A hanya terdapat 6 PTS, masing-masing tercatat mempunyai banyak mahasiswa sebagai berikut : 850, 1100, 1150, 1250, 750, 900 Berapakah rata-rata banyak mahasiswa PTS di kota A? Rata-Rata Populasi atau Sampel ? 6000 Jawab: = = 1000 6
Contoh 2 : Setiap 12 jam sekali bagian QC pabrik minuman ringan memeriksa 6 kaleng contoh untuk diperiksa kadar gula sintetisnya (%). Berikut adalah data 6 kaleng minuman contoh yang diperiksa : 13.5 12.5 13 12 11.5 12.5
Jawab: x =
75 = 12.5 % 6
B. Rata-Rata untuk Grouped Data Nilainya merupakan pendekatan, biasanya berhubungan dengan rata-rata hitung sampel
x=
i =1 k i =1
f i xi
sehingga :
i
x=
fx
i =1 i
x : rata-rata hitung sampel n : ukuran Sampel xi : Titik Tengah Kelas ke-i Contoh 3: Kelas 16-23 24-31 32-39 40-47 48-55 56-63 Jumlah () Titik Tengah Kelas (xi) 19.5 27.5 35.5 43.5 51.5 59.5
k fi
Frekuensi (fi) 10 17 7 10 3 3 50
Jawab : x =
1679 = 33.58 50
2.2
Modus
Nilai yang paling sering muncul Nilai yang frekuensinya paling tinggi A. Modus untuk Ungrouped Data Bisa terjadi data dengan beberapa modus (multi-modus) Bisa terjadi data tanpa modus Contoh 4: a. Sumbangan PMI warga Depok: Rp.7500 8000 9000 8000 Modus : Rp. 8000 b. c. Berat 5 unit kendaraan (ton): 3.6 Umur Mahasiswa (tahun) Modus : 18 dan 19 B. Modus untuk Grouped Data Kelas Modus : Kelas di mana Modus berada Kelas dengan frekuensi tertinggi Batas Bawah kelas ke-i + Batas Atas kelas ke (i-1) 2 Batas Atas kelas ke-i + Batas Bawah kelas ke (i+1) 2 :
3000
5000
8000 3.0 18 20 23 22 21 17
Tepi Batas Bawah kelas ke-i = Tepi Batas Atas kelas ke-i =
d1 d1 + d 2
di mana : TBB : Tepi Batas Bawah d1 : Beda Frekuensi Kelas Modus dengan Frekuensi Kelas sebelumnya d2 : Beda Frekuensi Kelas Modus dengan Frekuensi Kelas sesudahnya i : interval kelas
Frekuensi (fi) 10 17 7 10 3 3 50
Kelas Modus = 24 - 31 TBB Kelas Modus = 23.5 i=8 frek. kelas Modus = 17 frek, kelas sebelum kelas Modus = 10 frek. kelas sesudah kelas Modus = 7 d1 = 17 - 10 = 7 d2 = 17 - 7 = 10 7 7 Modus = 23.5 + 8 = 23.5 + 8 = 23.5 + 8 (0.41176...) = 23.5 + 3.2941... 7 + 10 17 = 26.7941... 27 2.3 Median, Kuartil, Desil dan Persentil Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 2 bagian yang sama besar Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 4 bagian yang sama besar Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 10 bagian yang sama besar Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 100 bagian yang sama besar
A.
Median untuk Ungrouped Data Letak Median dalam gugus data yang telah tersortir n : banyak data
1.73 1.78
n=5
Letak Median =
1.73
1.75
1.78
1.78
6+1 7 = = 3.5 2 2
Median = 1 (Data ke 3 + Data ke 4) = 1 (1.75 + 1.78) = 1 3.53 = 1.765 2 2 2 B. Median untuk Grouped Data n Letak Median = 2
n : banyak data
Kelas Median : Kelas di mana Median berada Kelas Median didapatkan dengan membandingkan Letak Median dengan Frekuensi Kumulatif
Median
atau
Median
di mana :
TBB s
: Tepi Batas Bawah : selisih antara Letak Median dengan Frekuensi Kumulatif sebelum kelas Median
TBA : Tepi Batas Atas s : selisih antara Letak Median dengan Frekuensi Kumulatif sampai kelas Median i fM Contoh 4 : Kelas 16 - 23 24 - 31 32 - 39 40 - 47 48 - 55 56 - 63 Kelas Median = 24 - 31 n 50 Letak Median = = = 25 2 2 Median = Data ke-25 terletak di kelas 24-31 TBB Kelas Median = 23.5 dan f M = 17 Frek. Kumulatif sebelum Kelas Median = 10 Frek. Kumulatif sampai Kelas Median = 27 interval = i = 8 Frekuensi 10 17 7 10 3 3 50 Frek. Kumulatif 10 27 34 44 47 50 ---: interval kelas : Frekuensi kelas Median
Median
= = =
s TBB Kelas Median + i fM 15 23.5 + 8 17 23.5 + 7.0588... = 23.5 + 8 (0.8823...) = 30.5588... 30.6
Median
= = =
s' TBA Kelas Median - i fM 2 31.5 - 8 17 31.5 - 0.9411.. = 31.5 - 8 (0.1176...) = 30.5588... 30.6
2.4.
Ukuran Kemencengan (Skewness) Kurva Distribusi Frekuensi diketahui dari posisi Modus, Rata-Rata dan Median Jika Rata-Rata = Median = Modus maka Kurva Simetris Jika Rata-Rata < Median < Modus maka Kurva Menceng ke Kiri Jika Rata-Rata > Median > Modus maka Kurva Menceng ke Kanan Berdasarkan tingkat keruncingan (Kurtosis), kurva distribusi frekuensi dibagi menjadi tiga, yaitu: a. Leptokurtis: Kurva sangat runcing b. Mesokurtis: Kurva dengan tingkat keruncingan sedang c. Platykurtis: Kurva datar 3. 3.1 A. Ukuran Penyebaran Ragam = Varians (Variance) dan Simpangan Baku = Standar Deviasi (Standard Deviation) Ragam dan Simpangan Baku untuk Ungrouped Data
POPULASI :
2 =
dan
(x
i =1
atau
2 =
N xi ( xi ) 2
2 i =1 i =1
= 2
SAMPEL :
s2 =
(x
i =1
x)
n 1
atau
s2 =
n xi ( xi )2
2 i =1 i =1
n(n 1)
dan xi : : : : N:
s = s2
data ke-i rata-rata populasi ragam populasi simpangan baku populasi ukuran populasi x: s: s: n: rata-rata sampel ragam sampel simpangan baku sampel ukuran sampel
Contoh 3 : Data Usia 5 mahasiswa : 18 a. Hitunglah , dan x , s dan s b. Hitunglah Jawab : xi 18 19 20 21 22 100 atau x 20 20 20 20 20 ------
19 20 21 22 tahun (anggap data sebagai data populasi) (data adalah data sampel)
POPULASI : N=5
( xi -) atau ( xi - x ) -2 -1 0 1 2 -------
( xi -) atau ( xi - x ) 4 1 0 1 4 10
100 = 20 5
2 =
(x
i =1 N
) 2 =
N
i =1 i =1
2 =
N xi 2 ( xi ) 2 N2
= 2 = 2 = 1.414... SAMPEL :
n=5
x=
100 =2 5
s2 =
(x
i =1 n
x )2
=
n
n 1
2
10 = 2.5 4
s =
2
n xi ( xi )2
i =1 i =1
n( n 1)
2.5 =1.581...
s = s2 = B.
POPULASI :
2 =
f
i =1
( xi ) 2
dan
= 2
SAMPEL :
s2 =
f
i =1
( xi x ) 2 n 1
dan
s = s2
frekuensi kelas ke-i rata-rata sampel ragam sampel simpangan baku sampel ukuran sampel
xi : k : : : : N:
Titik Tengah Kelas ke-i banyak kelas rata-rata populasi ragam populasi simpangan baku populasi ukuran populasi
fi : x: s: s: n:
Contoh 4 : Rata -Rata ( atau x ) = Kelas TTK xi 19.5 27.5 35.5 43.5 51.5 59.5 ----Frek . fi 10 17 7 10 3 3 50 1679 = 33.58 (dari catatan terdahulu) 50 f i xi atau x 33.58 33.58 33.58 33.58 33.58 33.58 ---( xi -) atau ( xi - x ) -14.08 -6.08 1.92 9.92 17.92 25.92 ---------( xi -) atau ( xi x ) 198.2464 36.9664 3.6864 98.4064 321.1264 671.8464 ----------f i ( xi -) atau f i ( xi - x ) 1982.4640 628.4288 25.8048 984.0640 963.3792 2015.5392 6599.68
16 - 23 24 - 31 32 - 39 40 - 47 48 - 55 56 - 63
POPULASI : N = 50
2 =
f
i =1 2
( xi ) 2 =
6599.68 = 131.9936 50
= = 131.9936 = 11.4888....
SAMPEL : s2 =
f
i =1
( xi x ) 2 n 1 =
6599.68 = 134.6873.... 49
s = s2 = 3.2
134.6873... = 11.6054....
Semakin besar nilai Koefisien Ragam maka data semakin bervariasi, keragamannya data makin tinggi. Untuk Populasi Untuk Sampel Koefisien Ragam Koefisien Ragam = =
100% s 100% x
10
Contoh 5: s = 11.6054 s Koefisien Ragam = 100% x 3.3 Angka Baku (z-score) x = 33.58 116054 . 100% 3358 .
= 34.56 %
Angka baku adalah ukuran penyimpangan data dari rata-rata populasi . z dapat bernilai nol (0), positif (+) atau negatif (-) z nol data bernilai sama dengan rata-rata populasi z positif data bernilai di atas rata-rata populasi z negatif data bernilai di bawah rata-rata populasi
z=
z : Angka baku : rata-rata populasi
Contoh 6: Rata-rata kecepatan lari atlet nasional = 20 km/jam dengan simpangan baku = 2.5 km Hitung angka baku untuk kecepatan lari : a. Ali = 25 km/jam b. Didi = 18 km/jam Jawab : a. z = x
b. z =
selesai
11