Ukuran Statistik 1. Pendahuluan Ukuran Statistik: 1. Ukuran Pemusatan Bagaimana, di mana data berpusat?

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

Tabel Distribusi Frekuensi

Notasi :

x : rata-rata hitung populasi

A. Rata-Rata Hitung untuk Ungrouped Data

x
i =1

dan

x=

x
i =1

: rata-rata hitung populasi N : ukuran Populasi xi : data ke-i

x : rata-rata hitung sampel n : ukuran Sampel

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

: banyak kelas : frekuensi di kelas ke-i

Frekuensi (fi) 10 17 7 10 3 3 50

fi xi 195 467.5 248.5 435 154.5 178.5 1679

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

3.5 2.9 3.1 (Tidak Ada Modus) 19 19 18 21 19 18

Tepi Batas Bawah kelas ke-i = Tepi Batas Atas kelas ke-i =

Modus = TBB Kelas Modus + 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

Kelas 16-23 24-31 32-39 40-47 48-55 56-63 Jumlah ()

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

Median Kuartil Desil Persentil

A.

Median untuk Ungrouped Data Letak Median dalam gugus data yang telah tersortir n : banyak data

Letak Median Letak Median = n +1 2

Contoh 1: Tinggi Badan 5 mahasiswa : 1.75 1.78 Sorted :1.60 1.73

1.60 1.75 5+1 6 = =3 2 2

1.73 1.78

1.78 meter 1.78 meter

n=5

Letak Median =

Median = Data ke 3 = 1.75 Contoh 2: Tinggi 6 mahasiswa : 1.60 n= 6 Letak Median

1.73

1.75

1.78

1.78

1.80 meter (Sorted)

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

s TBB Kelas Median + i fM

atau

Median

s' TBA Kelas Median - i fM

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

Kelas Median = 24 - 31 TBA Kelas Median = 31.5 s = 25 - 10 = 15 s = 27 - 25 = 2

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 & Keruncingan Kurva Distribusi Frekuensi

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

xi 2 324 361 400 441 484 2010

100 = 20 5

2 =

(x
i =1 N

) 2 =
N

i =1 i =1

10 =2 5 = (5 2010) 100 2 10050 10000 50 = = =2 25 25 52

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...

(5 2010) 100 2 10050 10000 50 = = = 2.5 5 4 20 20

s = s2 = B.

Ragam dan Simpangan Baku untuk Grouped Data

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

195 467.5 248.5 435 154.5 178.5 1679

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....

Koefisien Ragam = Koefisien Varians

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

x : nilai data : simpangan baku 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

25 20 5 = =2 2.5 2.5 18 20 2 = = -0.8 2.5 2.5

b. z =

selesai

11