Fungsi statistik
Fungsi deskriptif memaparkan informasi
dalam sajian yang bermakna untuk:
mendeskripsikan suatu keadaan atau
menjelaskan mengapa dan bagaimana suatu
kejadian terjadi
Fungsi inferensial untuk mendapatkan
kesimpulan yang bermakna
Fungsi analitik mampu menjelaskan
hubungan antara faktor satu dengan yang lain
Fungsi prediktif dari data yang terkumpul
dapat digunakan untuk melakukan prediksi
Penerapan Statistik: lihat tugas
3
JENIS-JENIS DATA
Data Kualitatif diklasifikasikan
berdasarkan kategori/kelas
tertentu
1. Jenis kelamin
2. Warna kesayangan
3. Asal suku, dll
Data Diskret
1. Jumlah mobil
2. Jumlah staf
3. Jumlah TV, dll
Data Kontinu
1. Berat badan
2. Jarak kota
3. Luas rumah, dll
Data Sekunder
Data dari pihak lain:
1. BPS
2. Bank Indonesia
3. World Bank, IMF
4. FAO dll
SAMPEL
Alasan sampel
Karena diperlukan percobaan yang sifatnya
merusak
Populasi tidak terbatas
Ketelitian dalam penyelidikan
Biaya dan ekonomi
Menghemat waktu
Besarnya sampel
Derajat keseragaman populasi
Derajat presisi yang diinginkan
Rencana analisa
8
10
SKALA PENGUKURAN
Skala Nominal
Skala Ordinal
Skala Interval
Skala Rasio
JENIS-JENIS STATISTIKA
Statistika Deskriptif
1. Penyajian data
2. Ukuran pemusatan
3. Ukuran penyebaran
4. Angka indeks
5. Deret berkala dan
peramalan
Statistika Induktif
1. Probabilitas dan teori
keputusan
2. Metode sampling
3. Teori pendugaan
4. Pengujian hipotesa
5. Regresi dan korelasi
6. Statistika nonparametrik
13
Contoh
Masalah Statistika Deskriptif
1. Tabulasi Data
2. Diagram Balok
3. Diagram Kue Pie
4. Grafik perkembangan harga
dari tahun ke tahun
15
Statistik Deskriptif
Penyajian Data
16
Statistik Deskriptif
Langkah-langkah dalam Statistik Deskriptif:
Memahami masalah dan jawaban yang diperlukan.
Mengumpulkan data yang sesuai dengan masalah dan
tujuan.
Menata data mentah ke dalam distribusi frekuensi.
Menyajikan data distribusi secara grafik.
Menarik kesimpulan mengenai permasalahan
Dalam statistik deskriptif dikemukakan cara-cara
penyajian data, dalam berbagai bentuk, dan
menghitung ukuran penyebaran dan pemusatan data
seperti: Mean, Median, Mode, Standard Deviation,
Variance, Kurtosis, Skewness, Range, Minimum,
Maximum, Sum, and Count.
Klasifikasi Data
Berdasar sifat atau ciri tertentu (kualitatif):
penduduk (laki-laki perempuan, sehat sakit)
Berdasar bilangan (kuantitatif) kelas
interval
Penyusunan data
Beberapa cara penyusunan data:
Berdasar waktu: PDB tahun 2000 - 2009
Berdasar keadaan/frekuensi: banyaknya kejadian di
suatu tempat dan waktu tertentu: produksi padi di 100
desa tahun 2009
Metode penyusunan data
individual: sesuai dengan hasil observasi (produksi padi
di 25 desa di Yogyakarta)
Kelompok: berdasar kelas interval yang masing-masing
menunjukkan berapa kali terjadinya (berapa
frekuensinya) - distribusi/tabel frekuensi
Distribusi/Tabel Frekuensi
Pengertian Distribusi/Tabel Frekuensi:
suatu bentuk penyusunan yang teratur mengenai suatu
rangkaian data dengan menggolongkan besar kecilnya
angka-angka yang bervariasi ke dalam kelas-kelas tertentu
Macam Distribusi frekuensi
Menurut bilangan: kelas-kelasnya dinyatakan dalam bentuk
bilangan-bilangan (distribusi produksi padi di 100 desa
tahun 2009)
tunggal: mempunyai kelas-kelas yang bersifat tunggal
(hanya produksinya saja)
ganda: mempunyai kelas-kelas yang bersifat ganda
(produksi dan luas lahan)
Menurut Kategori: kelas-kelasnya dinyatakan dalam bentuk
kategori-kategori (jumlah dan skala industri di DIY tahun
2010
Macam (1)
1. Histogram: rangkaian berbagai bidang segi
empat yang masing-masing bidang
menunjukkan banyaknya frekuensi yang
terkandung pada masing-masing interval
kelasnya sumbu horisontal (X) adalah
batas kelas dan sumbu vertikal (Y) adalah
frekuensi setiap kelas.
Kegunaan: untuk mengetahui distribusi
/penyebaran data sehingga didapatkan
informasi yang lebih banyak untuk
memudahkan mendapatkan kesimpulan
Macam (2)
2. Poligon: grafik berbentuk garis yang
menghubungkan antara nilai tengah kelas dengan
jumlah frekuensi pada setiap kelas
3. Frekuensi relatif: seperti histogram, namun
menghubungkan antara batas kelas dengan
frekuensi relatifnya
4. Ogive : diagram garis yang menunjukkan
kombinasi antara interval kelas dengan frekuensi
kumulatif
Lihat tugas membuat diagram histogram, poligon,
kurva frekuensi relatif dan kurva ogive
Kurva Lorenz
Bentuk khusus dari distribusi frekuensi relatif
Menggambarkan distribusi persentase
kekayaan/pendapatan dalam hubungannya
dengan distribusi persentase jumlah seluruh
orang yang menerima kekayaan tersebut
Gini Rasio
Koefisien Gini adalah ukuran statistik yang
diperoleh dari Kurva Lorenz, yang terkait dengan
pangsa kumulatif dari total nilai suatu variabel
(misal pendapatan), terhadap angka atau
persentase dari penduduk yang ada dalam suatu
wilayahi yang diurutkan meningkat sesuai
ukurannya
Koefisien Gini didefinisikan sebagai rasio dari
luasan yang terletak di antara garis diagonal dan
Kurva Lorenz (daerah arsiran) dibagi dengan
luasan segitiga di bawah garis diagonal.
RG 1 f i Yi Yi 1
i 1
36
Pengantar
Dengan dist frek atau grafik memberi
gambaran peristiwa kualitatif scr visual (jumlah,
distribusi) sdh cukup
Jika ingin analisis yg lebih detail (misal
perbandingan 2 kelompok observasi) perlu
perluasan dari dist frek untuk mendapatkan
suatu nilai/karakteristik tunggal yg cukup
representatif bagi seluruh nilai dalam data
hasil yang valid
Analisis ini disebut dengan ukuran pemusatan
(ukuran tendensi sentral)
X
n
Lihat contoh
X
n
X A
n
X
f 1 f 2 f n
f
X A
n
Lihat contoh
Data berkelompok
Untuk jumlah data yang banyak, ketiga cara di
atas tidak praktis perlu pengelompokan data
rata-rata dapat dihitung dengan:
Cara 1
fx
X
n
Cara 2
fd
X A
ci
n
xw
X
w
Lihat contoh
MEDIAN
Nilai yang letaknya berada di tengah data dimana
data tersebut sudah diurutkan dari yang terkecil
sampai terbesar atau sebaliknya.
Data tidak Berkelompok
Letak
Md
N 1
2
Data berkelompok
Kelas
N
Md
2
Nilai
Med L 0 ci 2
f
Dimana:
Lo = batas bawah kelas median
ci = interval kelas
F = jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
f = frekuensi kelas median
Kelas median: kelas yang ditempati oleh f kum letak
median
Data berkelompok
N
Kelas Md
2
Nilai
Med L 0 ci 2
f
Dimana:
Lo = batas bawah kelas median
ci = interval kelas
F = jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
f = frekuensi kelas median
Kelas median: kelas yang ditempati oleh f kum letak median
Lihat contoh
MODUS
Modus: observasi yang mempunyai frekuensi
tinggi
Nilai yang (paling) sering muncul
Tak selalu ada, tapi bisa lebih dari satu
Data observasi yang memiliki 2 modus disebut
bimodus
Untuk data tak berkelompok
Lihat contoh
Data berkelompok
Menentukan kelas modus: kelas yang mempunyai frekuensi
tertinggi
Modus
d1
Mo L 0 ci
d1 d 2
Dimana
Lo = batas bawah kelas modus
ci = interval kelas
d1 = selisih frek kelas modus dengan frek kelas sebelumnya
d2 = selisih frek kelas modus dengan frek kelas sesudahnya
Lihat contoh
Kelebihan dan kekurangan masing-masing ukuran tendensi
sentral lihat tugas
Mean, median,
modus dapat
digunakan untuk
mengetahui
kemiringan kurva
poligon distribusi
Frekuensi
Pada dist yang
normal/simetris
Mean = Med = Mo
Ukuran letak
51
II
K1
III
K2
Median
IV
K3
in 1
Letak K i data ke
, i 1,2,3
4
Nilai kuartil
in 1
Nilai K i Nilai ke
, i 1,2,3
4
i(n)
Letak kuartil = data ke
4
Nilai kuartil
, i = 1,2,3
i.n
-F
, i 1,2,3
K i L 0 ci 4
f
DESIL
2. Desil
Desil adalah pengelompokan data menjadi 10
bagian sama besar.
Lambangnya D1, D2, .D9
in 1
D i nilai ke , i 1,2,3,...,9
10
Nilai Desil
i (n)
, i = 1,2,...,9
10
in
10
, i 1,2,3,...,9
Di L 0 ci
f
PERSENTIL
Persentil adalah pengelompokan data
menjadi 100 bagian sama besar.
Lambangnya P1, P2, .P99
Nilai persentil
in 1
, i 1,2,3,...,99
Nilai Pi nilai ke 100
Pi data ke -
Nilai persentil
in
, i 1,2,3,...,99
100
in
F
Pi L 0 ci 100 , i 1,2,3,...,99
f
Ukuran penyimpangan
61
Ukuran Penyimpangan
Ukuran tendesi sentral belum dapat memberi
gambaran menyeluruh terhadap variasi dari
sebuah kumpulan data
Jika ada 2 kumpulan data yang mempunyai rata-rata
sama belum tentu memiliki variasi data yang
sama
perlu ukuran penyimpangan/penyebaran yaitu
suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan
nilai ukuran pusatnya
Manfaat
Untuk mengetahui sejauh mana suatu nilai
menyimpang/menyebar dari nilai tengahnya
Macam ukuran penyimpangan:
1. Ukuran penyimpangan absolut: ukuran penyimpangan
untuk membandingkan dengan ukuran penyimpangan
lain dalam populasi yang sama
Meliputi: range, deviasi kuartil, deviasi rata-rata dan
deviasi standar
2. Ukuran penyimpangan relatif: ukuran penyimpangan
untuk membandingkan dengan ukuran penyimpangan
lain yang mempunyai satuan ukuran yang berbeda
Meliputi: Koefisien range, koefisien deviasi kuartil,
koefisien deviasi rata-rata dan koefisien deviasi
standar
Range
data tak berkelompok: adalah selisih antara nilai terbesar
dan nilai terkecil
data berkelompok
Ada dua pendekatan, yaitu:
a. selisih antara nilai tengah kelas pada interval kelas
teratas dan nilai tengah kelas pada inteval kelas
terendah.
b. selisih antara batas atas kelas pada interval kelas
teratas dan batas bawah pada inteval kelas terendah.
Semakin besar range, semakin besar variasi data
semakin heterogen sifat datanya
Lihat contoh
Interkuartil Range
Deviasi rata-rata
Adalah rata-rata dari jumlah selisih mutlak nilai data
terhadap nilai rata-ratanya
data tak berkelompok
xx
MD
data berkelompok
f xx
MD
f
x = data ke-i
= titik tengah kelas interval ke-i
f = frekuensi
Standar Deviasi
Standar Deviasi (Simpangan Baku) dari
sekumpulan bilangan adalah akar dari jumlah
deviasi kuadrat dari bilangan-bilangan
tersebut dibagi dengan banyaknya bilangan
atau akar dari rata-rata deviasi kuadrat.
Data tak berkelompok
x x 2
S
atau
S
x
n
f x x
f
fx
f
Atau
f.x
Koefisien Variasi
adalah perbandingan antara standar deviasi
dengan nilai rata-rata yang dinyatakan dengan
persentase.
Koefisien variasi berguna untuk melihat
sebaran data dari rata-rata hitungnya.
S
KV
x100%
Rata rata
Koefisien lainnya
Koefisien range KR
Range
terbesar terkecil
Koefisien lainnya
Koefisien Deviasi Kuartil dan koef interkuartil
range
K 3 K 1
KDK KIR
K 3 K1
Koefisen deviasi rata-rata
MD
KMD
x100%
Rata rata
Lihat Latihan