METODE STATISTIKA
Oleh :
Sapon Suryopurnomo, M.Si
• Pengertian Statistik
• Distribusi frekuensi
– Selang dan lebar kelas
– Frekuensi relatif
– Frek. Kumulatif
• Penyajian Grafik:
Diagram batang, garis, lingkaran
A. Pengertian Statistik
Statistik :
Kumpulan data, baik bilangan atau bukan bilangan, mengenai suatu masalah.
B. Distribusi Frekuensi
B.1. Selang dan lebar kelas
Perhatikan data konsumsi minyak (liter per bulan) dari 65 keluarga berikut:
27 27 19 7 8 8 22 24 24 29
30 23 25 19 19 36 26 27 34 13
6 28 15 16 10 11 13 14 12 12
35 28 17 17 6 7 31 32 23 28
2 3 17 33 19 4 19 9 12 17
18 18 18 20 20 21 5 13 21 22
22 22 13 24 24
Data di atas kurang memberikan manfaat. Berbeda halnya jika data tersebut disusun sebagai
berikut:
Lebar kelas :
x xi
c n dimana c = perkiraan besarnya kelas
k
k = banyaknya kelas
x1,n = nilai pengamatan
Batas Kelas Frekuensi kumulatif (fk) Batas Kelas Frekuensi kumulatif (fk)
(ltr/KK) (ltr/KK)
≤ 1,5 0 ≥ 1,5 65
≤ 6,5 6 ≥ 6,5 59
≤ 11,5 13 ≥ 11,5 52
≤ 16,5 23 ≥ 16,5 42
≤ 21,5 39 ≥ 21,5 26
≤ 26,5 51 ≥ 26,5 14
≤ 31,5 60 ≥ 31,5 5
≤ 36,5 65 ≥ 36,5 0
C. Penyajian Grafik
C.1. Diagram batang & histogram
C.2. Diagram garis (poligon frekuensi) & ogif frekuensi
C.3. Diagram lingkaran
Latihan Soal
1. Bila titik tengah kelas suatu distribusi frekuensi melon adalah 0,9; 1,3; 1,7; 2,1 kg, tentukan:
a. lebar kelas
b. batas-batas kelas
c. limit-limit kelas
2. Bilangan-bilangan berikut menyatakan konsumsi beras dalam satuan liter. Dengan
menggunkan 7 selang dan angka terkecil 26:
36 52 53 32 32 29 29 29 32 33 34 35 40 43 43 47 49 55 56 34
35 35 30 39 40 40 40 59 60 61 62 62 54 52 26 68 54 66 43 37
50 53 36 27 28 30 31 44 45 45 46 32 50 50 56 56 58 58 67 29
• Ukuran pemusatan
– Rata-rata, Median, Modus
• Ukuran keragaman:
– Jangkauan
– Simpang Rata-rata
– Ragam & Simpang baku
A. Ukuran Pemusatan
63 65 67 70 73 74 77 78 81 81 81 82 84 88
X[1] = statistik minimum
x[14] = statistik maksimum
A.1. Rata-rata
A.1.a. Rata-rata hitung
x1 x2 x N x1 x2 xn f1 x1 f 2 x2 f n xn
, x , x
N n f1 f 2 f n
A.1.b. Rata-rata sementara
f 1 d1 f 2 d 2 f n d n
x xs
f1 f 2 f n
xs
fd i i
f i
d = titik tengah dikurangi rata-rata sementara
A.2. Median
Median : data statistik yang berada yang berada di tengah-tengah (setelah data diurut)
Banyak data ganjil → mediannya adalah data di tengah
Banyak data genap → mediannya adalah rata-rata dari dua data di tengah
Dengan rumus :
N k
fi
2 i 0
Med L0 (c)
fm
L0 = nilai batas bawah dari kelas selang yang mengandung unsur atau memuat nilai median
k
f i = Jumlah frekuensi dari semua kelas selang di bawah kelas yang mengandung
i 0
median
N = banyaknya pengamatan
fm = frekuensi selang kelas yang mengndung median
c = Besarnya selang kelas, jarak antara kelas yang satu dengan lainnya
Contoh:
Data ujian akhir dari populasi mahasiswa adalah sebagai berikut:
63 65 67 70 73 74 77 78 81 81 81 82 84 88
a. Tentukan median populasi hasil ujian tersebut
b. Jika data terakhir (x[14] = 88 ) tidak termasuk, tentukan median populasinya.
Jawab
x[ 7 ] x[8] 77 78
a. Med 77,5
2 2
b. Median 77
2. Median
a. Kuartil
Median atau kuartil kedua (Q2) → lebih besar dari ½ N nilai pengamatan terkecil dan
kurang dari ½ N nilai pengamatan terbesar
Kuartil pertama (Q1) → median semua pengamatan yang kurang dari Q2
Kuartil ketiga (Q3) → median amatan yang lebih dari Q2
i k
N fi
4 i 1 0
Qi L0 (c) dengan i = 1, 2, 3
fQ
b. Desil
1 k
N fi
10 i 1 0
Di L0 (c) dengan i = 1, 2, ... , 9
fD
b. Persentil
1 k
N fi
100 i 1 0
Pi L0 (c) dengan i = 1, 2, ... , 99
fP
3. Modus
Modus → sekumpulan pengamatan data yang mempunyai frekuensi paling tinggi
1
M 0 L0 c
1 2
dimana:
δmo = frekuensi dari kelas yang memuat modus (yang nilainya tertinggi)
δmo-1 = frekuensi kelas di bawah kelas yang memuat modus
δmo+1 = frekuensi kelas di atas kelas yang memuat modus
δ1 = δmo – δmo-1
δ2 = δmo – δmo+1
B. Ukuran Keragaman
1. Nilai Jangkauan
NJ = x[n] – x[1]
2. Simpang Rata-rata
1 n
SR xi x
n i 1
n
f i xi x
untuk data berkelompok SR i 1
n
f
i 1
i
x
1
Ragam 2 i
2
N i 1
1 N
Simpangan Baku xi 2
N i 1
1 n
Ragam contoh : s2 x i x 2
n 1 i 1
1 n
Simpangan Baku contoh s xi x 2
n 1 i 1
Pertemuan ke: 3
Peluang
• Pengertian peluang
• Kejadian majemuk:
– Kejadian tak saling lepas
– Kejadian saling lepas
– Kejadian tak bebas
– Kejadian bebas
– Kaidah Bayes
A. Pengertian Probabilitas
n E
P E
nS
Pendekatan empiris:
ni
P E i
S
PE1 PE2 ... PEi PEk 1
B. Kejadian Majemuk
1. Kejadian tidak saling lepas
Kejadian tidak saling lepas → kejadian yg satu dapat terjadi bersama-sama dengan
kejadian yg lain
PE F PE PF PE F atau
PE1 E2 En
PE1 PE2 E1 PE3 E1 E2 PEn E1 E2 En1
D. Kejadian Bebas
Dua kejadian bebas → kejadian yang satu tidak dipengaruhi oleh kejadian yang lain
Misalnya kejadian pengambilan kartu dengan pengembalian
PE1 E2 PE1 PE2
D. Kaidah Bayes
F F’
PF PE F
PF E
PF PE F PF ' PE F '
PF1 PE F1
PF1 E
PF1 PE F1 PF2 PE F2 PFn PE Fn
Pertemuan ke: 4
Praktikum 1
Distribusi Peluang
• Distribusi peluang diskret
- Distribusi Seragam
- Distribusi Binomial
- Distribusi Hipergeometrik
- Distribusi Poisson
• Distribusi peluang kontinyu
- Distribusi Normal
- Distribusi Student
- Distribusi Chi-kuadrat
- Distribusi F
-
I. DISTRIBUSI PELUANG DISKRET
• Distr. Hipergeometrik
A. Distribusi Seragam
• Distr. Poisson
P x; k
1
k
untuk x = x1, x2, ..., xk
B.1. Distribusi Binomial
n
bx; n; p p x q n x dengan x = 0, 1, 2, ..., n
p
Rata-rata
n p
ragam
2 n pq
B.2. Distribusi Binomial Negatif
n 1 x n x
b x; n; p p q dengan x = n, n+1, n+2, ....
x 1
B.3. Distribusi Multinomial
n x1 x2
bx1 , x2 ,, xk ; n; p1 , p2 ,, pk p1 p2 pkxk
x1 , x2 ,, xk
dimana p1 + p2 + ...+ pk = 1
B.4. Distribusi Geometrik
g n; p pq n1
C. Distribusi Hipergeometrik
k N k
x n x
hx; N ; n; k dengan x = 0, 1, 2, ..., n
N
n
Rata-rata : μ = np
N n k k
Ragam : 2 n 1
N 1 N N
D. Distribusi Poisson
e x
px;
x!
N ,
1
e
12
x 2
2
1 12 x 2
2
e dx 1
Pa x b
b
1
e
12
x 2
a 2
* Transformasi Normal Baku
x
z
N 0,1
1 12 z 2
e
2
sehingga
Px1 X x2 Pz1 Z z 2
x1 x2
dimana z1 dan z2
Distribusi normal menjadi dasar ari distribusi-distribusi kontinyu lainnya seperti distribusi t-
student, distribusi Chi-Kuadrat, dan lainnya.
Pertemuan ke : 6
X
1
X 1 X 2 X n
n
E X X X
1
X2 2 → X
n n
sehingga
X
Z
/ n
p1 p
pˆ
n
D. Distribusi T-Student
Distribusi T-Student → Bila ragam populasi tidak diketahui sementara sampel yang diambil tidak
cukup besar (kurang dari 30). Distribusi ini menyerupai distribusi normal
baku dengan bentuk kurva yang berbeda-beda bergantung ukuran ukuran
contoh
X
Peubah acak distribusi t : T
s/ n
Peluang contoh acak distribusi t : P t 2 df n 1 T t 2 df n 1 1
12 22
X X
1 2
n1 n2
Z
X 1 X 2 1 2
12 22
n1 n2
F. Distribusi Chi-Kuadrat
Distribusi Chi-Kuadrat → untuk mengetahui variabilitas populasi
s2
1 n
X i X 2
n 1 i 1
2
n 1s 2
2
2 suatu nilai ragam tertentu
G. Distribusi F
s12 12
F
s 22 22
22 s12
12 s 22
12 df1
2
2 df 2
Pertemuan ke : 7
Inferensi Statistik
Pengertian Inferensi Statistik
Pendugaan:
- Pendugaan Titik
- Pendugaan Selang
- Pendugaan Nilai rata-rata
- Pendugaan Beda Nilai Rata-rata Populasi
- Pendugaan Proporsi
- Pendugaan Ragam
B. Pendugaan
1. Pendugaan Titik
a. Ketakbiasan:
ˆ E ˆ
Bias E ˆ → kesalahan pada waktu melakukan penarikan sampel atau kesalahan lain
seperti manusia, cuaca, alat kaliberasi, dll
2ˆ
2
c. Penduga Tak Bias Linier Terbaik (best linear unbiased estimation, BLUE)
BLUE → yaitu penduga linier tak bias dengan ragam terkecil
Linier → penduga ˆ merupakan fungsi linier
d. Konsisten → nilai dugaan sama dengan parameter yang diduga dengan bertambahnya ukuran
contoh sampai tak terhingga
2. Pendugaan Selang
Pendugaan titik ˆ → dipastikan tidak mungkin sama dengan
Pendugaan selang
P ˆ1 ˆ2 1
Dengan normal baku Z
P z / 2 Z z / 2 1
12 22 12 22
X 1 X 2 z / 2 1 2 X 1 X 2 z / 2
n1 n2 n1 n2
X 1 X 2 t / 2 Sp
1 1
1 2 X 1 X 2 t / 2 Sp
1 1
n1 n2 n1 n2
5. Pendugaan Proporsi
pˆ 1 pˆ pˆ 1 pˆ
pˆ z / 2 p pˆ z / 2
n n
6. Pendugaan Ragam
n 1s 2 2
n 1s 2
2 / 2 12 / 2
Pertemuan ke : 8
Praktikum 2
Distribusi peluang
Distribusi sampel statistik
Pendugaan parameter:
- Pendugaan titik
- Pendugaan selang
- Pendugaan nilai rata-rata
• Hipotesis statistik
• Dua jenis kesalahan dalam uji hipotesis
• Nilai kritis & kuasa pengujian dalam uji
hipotesis
A. Hipotesis Statistik
Tiga macam parameter:
1. Hipotesis mengandung pengertian minimum
2. Hipotesis mengandung pengertian maksimum
3. Hipotesis mengandung pengertian sama
Uji Hipotesis
n X i Yi X i Yi
b
n X i2 X i
2
a
X Y X X Y
i
2
i i i i
n X X 2 2
i i
Yˆi ˆ ˆX i
1 X2
s2ˆ 2
n
X i X
2
2
s 2
ˆ
X X
n
2
i
i 1
Y Yˆi 2
2 i
s
n2
e
1 X2 1 X2
a t / 2 s e a t s
n X i X 2 n X i X 2
/2 e
se se
b t / 2 b t / 2 b t / 2 s ˆ b t / 2 s ˆ
X X X X
2 2
i i
Yˆ0 t / 2 s e
1
X 0 X Yˆ t s 1 X 0 X 2 2
n X i X 2 n X i X 2
0 0 /2 e
B. Analisis Korelasi Sederhana
Analisis korelasi → menyelidiki ada tidaknya hubungan dua peubah atau lebih
Koefisien korelasi → untuk mengukur tingginya derajad hubungan
Korelasi linier → hubungan peubah acak X dan Y yang membentuk garis lurus. Arah hubungan
peubah ini dapat bernilai positif, negatif atau nol
1. Koefisien Korelasi populasi
cov X , Y XY
XY XY
cov(X,Y) = E[(X-µX)( Y-µY)] dan -1 ≤ ρ ≤ 1
2. Koefisien Korelasi sampel
n XY X Y
r
n X 2 X n Y 2 Y
2 2
Pertemuan ke : 12
Praktikum 3
• Uji hipotesis
• Regresi dan Korelasi sederhana