BAB B1  Rumus umum median

Fungsi univariat nonlinier yang dikenal dengan nama 0,5    b

fungsi normal M k i
1  X  X 
2 M
  
1 2  X
n( X ;  X ,  X )  e  BAB 3A Statistika Deskriptif: Parameter Populasi 1
 X 2 Parameter Rerata Hitung
(a) Rumus rerata hitung
Fungsi multivariat linier berbentuk
y = a1 x1 + a2 x2 + a3 x3 + … + b jumlah nilai data
rerata 
Transformasi linier di antara X dan Y adalah sebagai banyaknya data
berikut Dengan N sebagai banyaknya data, rerata untuk data X dan
Y adalah
X 
X   Y  
Y X Y
 NX
dan
NY
8! (8)( 7)( 6)(5)( 4)(3)( 2)(1)
(b) Rumus dengan Frekuensi
 Rumus rerata dengan melibatkan frekuensi
4!3! ( 4)(3)( 2)(1)(3)( 2)(1)
1 X 1  X 1  X 1  ... X 2  X 2  X 2  ...
 (8)( 7)(5)  280 X  (   ...)
NX f1 kali f 2 kali
BAB B2A Statistika Deskriptif: Distribusi Frekuensi
1
Cara menentukan banyaknya kelompok  ( f1 X 1  f 2 X 2  ...)
NX
k = 1 + 3,322 log N (dibulatkan)
N = banyaknya data 
 fX
X maks  X min NX
I (dibulatkan)
k X   fX
BAB B2B Statistika Deskriptif: Distribusi Proporsi f
Rumus Proporsi (Jika suatu data memiliki frekuensi f  Rumus Jumlah Kuadrat Simpangan
sedangkan seluruh frekuensi adalah f, maka proporsi untuk ( X ) 2
JK   X 2 
data itu adalah Batas nilai proporsi adalah 0    1 NX

f  Parameter Variansi
f Variansi diberi notasi 2 (merupakan ukuran penyebaran
data)
• Jumlah seluruh proporsi adalah  = f / f = 1 JK  x2   ( X   X )2
• Apabila data bersifat dikotomi yang dinyatakan dengan 0  X2  
NX NX NX
dan 1 (misalnya, 0 adalah gagal dan 1 adalah sukses),
maka Proporsi sukses :  , Proporsi gagal :1–
( X ) 2
• Perhitungan Peringkat Persentil X 2

NX
o Peringkat persentil eksklusif atau lebih dari fA  X2 
eksklusif (tidak dihitung) NX
o Perigkat persentil inklusif atau lebih dari atau sama • Simpangan baku diberi notasi 
dengan fA inklusif (dihitung)
o Peringkat persentil semiinklusif setengah fA inklusif  X   X2
Model PP Eksklusif (Lebih dari) • Rumus nilai baku (linier)
f b x X  X y Y  Y
PPA   100% zX   dan zY  
f X X Y Y
Model PP Inklusif (Lebih dari dan sama dengan)  Rumus Transformasi Baku Linier
f b  f A zY  z X
PPA  100%
f y

x
y X
Model PP Semiinklusif
Y
f b 
1 Y ( X   X )  Y
2
fA X
PPA   100%
f Bab 3B Statistika Deskriptif: Parameter Populasi 2
 Jumlah Perkalian Simpangan
 Rumus modus JP > 0 (hubungan positif)
b1
Mo  b  p JP = 0 (tidak ada hubungan)
b1  b2
b = batas bawah kelas modus JP < 0 (hubungan negatif)
p = panjang kelas modus Rumus JP Untuk N pasang data X dan Y
b1 = frekuensi kelas modus minus
frekuensi kelas interval segera JP   xy   ( X   X )(Y  Y )
sebelumnya
( X )( Y )
b2 = frekuensi kelas modus minus JP   XY 
frekuensi kelas interval segera sesudahnya N
• Rumus kovariansi sehingga menghasilkan Ŷ = A + BX
 XY 
JP

 xy

 ( X   X )(Y   Y ) A dan B merupakan koefisien regresi
N N N  Perhitungan Koefisien Regresi Linier
( X )( Y )
 XY   N 
( X )( Y )
 XY  N B
 XY
X  
 ( X) 2
2
N
N
 Koefisien korelasi linier
 XY A  Y  B X
 XY  (1   XY  1) Atau
 XY
Y
 XY   XY  X  Y B   XY
X
• Koefisien korelasi linier dapat juga dihitung dafri rumus
berikut A   Y  B X
BAB 3C : Statistika Deskriptif: Statistik Sampel
 XY  Statistik proporsi
 XY  (1   XY  1
 XY Data Politomi
Rumus proporsi
 XY   XY  X  Y f f
p 
n f
dengan nilai yang sama yakni  1  XY  + 1
Batas nilai 0  p  1
 Koefisien Determinasi d =  2 Data Dikotomi
 Koefisien determinasi di antara data X dan Y adalah d = Di samping proporsi untuk 1 (p) terdapat juga proporsi untuk 0
(q)
2XY
p+q=1 q=1– p
 Parameter Koefisien Korelasi Biserial Titik
Misalkan data X dikotomi dan data Y politomi, maka
 Statistik Rerata
rumus koefisien biserial titik
Data Politomi
Y 1  Y 0
bt   (1   ) Rumus rerata
Y X
 X   fX
n f
X

Y1 = rerata Y yang berpasangan dengan nilai Y

   fY
Y
1 pada X, n Y f
Y0 = rerata Y yang berpasangan dengan nilai Data Dikotomi
0 pada X Pada data dikotomi, rerata sama dengan proporsi
 = proporsi nilai 1 pada X X = pX Y = py
 Koefisien Phi  Statistik Variansi dan Simpangan Baku
Koefisien korelasi linier di antara dua data dikotomi dikenal Data Politomi
sebagai koefisien phi () Simpangan
x=X–X y=Y–Y
+ A B A+B
– C D C+D Jumlah kuadrat simpangan (JK)
A+C B+D JK ( X )   x 2   ( X  X ) 2
( X ) 2
Rumus koefisien phi (frekuensi) X2
nX
AD  BC
  Statistik Variansi
( A  B)(C  D)( A  C )( B  D) JK ( X )  x
s X2  
2


 ( X  X )2
nX  1 nX  1 nX  1
Dalam bentuk proporsi
( X ) 2
X 2

nX

nX  1
Statistik Simpangan Baku
s X  s X2
Rumus koefisien phi (proporsi) Data Dikotomi
nX
( p A )( pD )  ( pB )( pC ) s X2  p X q X
  nX  1
( p A  pB )( pC  pD )( p A  pC )( pB  pD )
nX
sX  pX qX
A dan D adalah komponen sama nX  1
B dan C adalah komponen berbeda

 Regresi dan jumlah residu kuadrat terkecil

Garis regresi linier diperoleh dengan mencari garis dengan
jumlah residu kuadrat terkecil, Σ ( Y – Ŷ )2 minimum
 Statistik Kovariansi Varians
Pada data X dan Y  X2  E ( X 2 )  [ E ( X )]2   pX 2  ( pX ) 2
JP   xy   ( X  X )(Y  Y )
( X ) 2
( X )( Y ) X 2

 XY  n
 N
N
n = banyaknya pasangan data Simpangan baku
Nilai JP dapat positif (hubungan searah), nol (tiada
( X ) 2
hubungan), atau negatif (hubungan berlawanan arah)
Statistik Kovarinasi
XN
2

 X   X2 
JP  xy  ( X  X )(Y  Y ) N
s XY     Fungsi Denstias Distribusi Probabilitas Binomial
n 1 n 1 n 1
N 
 XY   n  b( X ; N , p)    p X q N  X
( X )( Y )
 X
n 1 N = banyak cobaan (misalkan N cobaan satu dadu
 Statistik Korelasi atau satu cobaan N dadu)
Koefisien korelasi linier diberikan notasi rXY p = probabilitas terjadinya peristiwa A (nilai tetap)
s XY q=1–p
rXY  (1  rXY  1)
s X sY X = banyaknya peristiwa A
à = bukan A
s XY  rXY s X sY
Rerata X = Np
Statistik Koefisien Korelasi Biserial Titik Variansi 2X = Npq
Y 1  Y 0 X = √ Npq
rbt  pq Simpangan baku
sY  Fungsi Densitas untuk Banyak Peristiwa
Y1 = data Y yang berpasangan dengan X = 1 Rerata
Y0 = data Y yang berpasangan dengan X = 0 k 
p = porporsi dari X = 1  X  n 
q = proporsi dari X = 0 N
Y1 = rerata dari Y1 Varians
Y0 = rerata dari Y0  k  k  N n
 X2  n 1  
Y = simpangan baku dari seluruh Y  N  N  N  1
 Statistik Koefisien Regresi Linier Simpangan Baku
Rumus regresi linier pada sampel
Ŷ = a + bX  k  k  N n
 X  n 1  
 N  N  N  1
Pada nilai baku, rumus regresi linier pada sampel adalah
zŶ = rXYzX
Koefisien regresi linier
Rumus diperoleh melalui jumlah kuadrat residu terkecil  Distribusi Probabilitas Binomial
sY X = Np
b  rXY 2X = Npq = Np(1 – p)
sX X = √ Npq = √ Np(1 – p)
a  Y bX Probabilitas p adalah tetap
 Distribusi Probabilitas Hipergeometrik
Bab 4 PROBABILITAS k
 Konsep Probabilitas Laplace
 X  n 
N
n
P( X )   k  k  N n
N  X2  n 1  
Unsur X sebanyak n  
N N  N 1
Seluruh unsur sebanyak N  k  k  N n
 X  n 1  
 Probabilitas dan Frekuensi  N  N  N  1
f
p
N
sehingga frekuensi f menjadi
f = pN

Bab 5A DISTRIBUSI PROBABILITAS 1

Fungsi Densitas f (X) = 1 / 6 atau f (X) = 1 / N
Rerata
X
 X  E ( X )   pX  
N