DATA
DATA DATA
KUALITATIF KUANTITATIF
Data yang demikian banyak ini, akan lebih baik jika dior-
ganisasikan dalam bentuk yang lebih ringkas, padat de-
ngan tanpa menghilangkan fakta-fakta pentingnya. Hal
ini dapat dicapai dengan mengelompokkan jajaran data
ke dalam sejumlah kelas yang disebut:
distribusi frekuensi.
Pertimbangan dalam Penyusunan Distribusi Frekuensi
a. Histogram:
Grafik batang yang menggambarkan distribusi data dari
sebuah distribusi frekuensi.
DISTRIBUSI FREKUENSI
35
30
25
Jumlah (f)
20
15
10
0
900 – 999 1000 – 1099 1100 – 1199 1200 – 1299 1300 – 1399 1400 - 1499
Kuat tekan (N/m )
b. Poligon Frekuensi:
adalah suatu grafik garis dari frekuensi-frekuensi interval
kelas yang diplot pada nilai-nilai tengahnya. Poligon dapat
diperoleh dengan menghubungkan titik tengah dari sisi
atas batang-batang histogram.
DISTRIBUSI FREKUENSI
35
30
25
Jumlah (f)
20
15
10
0
900 – 999 1000 – 1099 1100 – 1199 1200 – 1299 1300 – 1399 1400 - 1499
Kuat tekan (N/m )
Beberapa pengertian mengenai distribusi frekuensi:
Interval kelas: mendefinisikan lebar sebuah kelas.
contohnya: 900-999.
Batas kelas: angka-angka pada ujung interval kelas.
Contohnya: angka 900 dan 999. Angka 900 disebut
batas kelas bawah, sedangkan 999 dise-
but batas kelas atas.
Bimodal Multimodal
Distribusi Frekuensi Kumulatif
100 <1099.5 23
<1199.5 52
80 <1299.5 80
<1399.5 93
60
<1499.5 100
40
20
0
899.5 999.5 1099.5 1199.5 1299.5 1399.5 1499.5
Breaking Stress kN/m2
UKURAN PEMUSATAN
Purata (Average)
Median
Modus
x i
x i 1
n
Untuk sampel terkelompok:
fx i m ,i fx i m ,i
(kN/m2)
900 – 999 4
(f) {f/n x 100%}
4
x i 1
k
i 1 1000 – 1099
1100 – 1199
19 19
f
n 1200 – 1299
29
28
29
28
i 1300 – 1399 13 13
i 1 1400 - 1499 7 7
Total (N) 100 100%
di mana:
x = mean aritmatik untuk sampel terkelompok
fi = frekuensi pada interval kelas ke i
xm,i = nilai tengah dari interval kelas ke i
n = banyak data dalam sampel
k = jumlah interval kelas dalam suatu sampel
☻ Mean Aritmatik Terbobot (Weighted Arithmetic Mean)
w x i i
xw i 1
n
w
i 1
i
1 n
H n
n
1 1
1
n
i 1 x i
i 1 x i
☻ Akar Purata Kuadrat (Root Mean Square)
Akar purata kuadrat merupakan ukuran pemusatan
yang sering digunakan dalam kajian sains fisik.
Secara umum dirumuskan:
x
2
i
rms x 2 i 1
n
Dalam Analisis Kecepatan Gelombang dari suatu
penampang seismik seringkali digunakan para-
meter Vrms (Kecepatan Akar Purata Kuadrat):
V1 t1 V2 t 2 V3 t 3
2 2 2
2
V1,t1 Vrms
t1 t 2 t 3
n
V2, t2 Vk t k 2
k 1
n
V3, t3 t k 1
k
di mana:
V = kecepatan pada lapisan
t = One Way Time (OWT)
Median
Median menyatakan posisi tengah dari nilai data ter-
jajar (array data). Secara geometris, median merupa-
kan nilai dari absis X yang bertepatan dengan garis
vertikal yang membagi daerah di bawah poligon men-
jadi dua daerah yang luasnya sama.
Untuk suatu sampel dengan data yang tidak ter-
kelompok Median didefinisikan sebagai:
Nilai tengah atau mean aritmatik dari dua nilai tengah
suatu jajaran data.
Median dari data tegangan rusak setelah diurutkan,
adalah mean aritmatik dari data ke-50 dan ke-51, yaitu:
~ 1192 1196
Median x 1194
2
Breaking Stress Jumlah Presentasi
(kN/m2) (f) {f/n x 100%}
900 – 999 4 4
1000 – 1099 19 19
1100 – 1199 29 29
1200 – 1299 28 28
1300 – 1399 13 13
1400 - 1499 7 7
Total (N) 100 100%
25 25 25
20 20 20
Frekuensi
Frekuensi
Frekuensi
15 15 15
10 10 10
5 5 5
0 0 0
20 40 60 80 100 20 40 60 80 100 20 40 60 80 100
Mean
Median
Modus
Kuantil: Kuartil, Desil dan Persentil
Kuantil adalah nilai-nilai yang membagi suatu jajaran
data menjadi bagian-bagian yang sama. Sebagai
contoh, kuantil yang membagi jajaran data menjadi
dua bagian adalah median. Kuantil yang membagi
jajaran data menjadi empat bagian disebut kuartil
(Q1, Q2, Q3); menjadi sepuluh bagian disebut desil
(D1, D2, D3, …, D9); dan menjadi seratus bagian dise-
but persentil (P1, P2, P3, …, P99).
n - (f) l, i
i 900 – 999 4 4
K i L l, i c
r 1000 – 1099 19 19
f 1100 – 1199 29 29
Kisaran (Range)
Simpangan Kuartil
Simpangan Baku
Varians
Koefisien Variasi
Kisaran (Range)
Simpangan kuartil
Simpangan kuartil sering disebut jangkauan semi-
antarkuartil (semi-interquartil range) didefinisikan:
Q3 Q1
Qd
2
di mana : Qd = simpangan kuartil
Q3 = nilai kuartil ke-3
Q1 = nilai kuartil ke-1
Simpangan mutlak purata (Mean Deviation)
x x i
MDx i 1
n
Data terkelompok:
k k
f i xm ,i x f i xm , i x
MDx i 1
k
i 1
n
fi
i 1
di mana :
MDx = simpangan mutlak purata
x = mean aritmatik dari suatu sampel
fi = frek / jumlah pengamatan dlm sebuah
interval kelas
xm,I = nilai tengah dari interval kelas
k = jumlah interval kelas dalam suatu sampel
n = banyaknya data x dalam suatu sampel.
Simpangan baku (Standard Deviation)
2
n
n
2
n
( xi x)
2
n xi xi
s x i 1 i 1 i 1
n 1 n(n 1)
Untuk data sampel terkelompok
k
i m ,i
k
i m ,i
2
f i ( xm , i x ) 2 n f x f x
sx i 1
i 1
n 1 n(n 1)
di mana:
Sx = simpangan baku suatu sampel
x = mean aritmatik dari sampel
fi = frekuensi dalam interval kelas
xm,i = nilai tengah interval kelas
k = jml interval kelas dalam sampel
n = banyaknya data
Varians
N i s x ,i
2
s x ,c i 1
j
Ni
i 1
Koefisien Variasi
Penyebaran yang sebenarnya dari data seperti diten-
tukan dengan simpangan baku atau ukuran penyebar-
an lainnya disebut penyebaran mutlak (absolute dis-
persion). Namun demikian karena variasi sebesar 1 m
dalam mengukur jarak 1000m berbeda artinya de-
ngan variasi 1m untuk jarak 20m; maka
untuk membedakannya digunakan ukuran yang dise-
but penyebaran relatif (relative dispersion):
Penyebaran mutlak
Penyebaran relatif
Nilai rata - rata
Jika penyebaran mutlak diperoleh dari simpangan
baku dan nilai purata dalam mean, maka penyebaran
relatifnya disebut koefisien variasi / koefisien dispersi.
MOMEN, SKEWNESS DAN KURTOSIS
MOMEN
xi
r
x x2 x3 ... xn
r r r r
xr 1 i 1
n n
Dengan demikian momen pertama (utk r=1) adalah
mean aritmatika.
Momen ke-r simpangan terhadap mean didefinisikan:
n
Jadi, jika r = 1 maka mr,x = 0
( x x)
i
r
Dan jika r = 2 maka mr,x =sx2
mr , x i 1
yang tidak lain adl varians
n
Momen ke-r simpangan terhadap sembarang asal A,
didefinisikan sebagai:
n
i
( x A ) r
mr' , x i1
n
Jadi, jika A=0, maka m’r,x = xr.
Momen data terkelompok
k k
xr i1
i 1
f1 f2 ... fk k
n
fi
i1
k k
fi (xm,i x) r
i m,i
f ( x x ) r
mr , x i1
k
i1
n
fi
i 1
k k
fi (xm,i A ) r
i m,i
f ( x A ) r
m'r , x i1
k
i1
n
fi
i1
r r
f i ui f i ui
m' r , x c r i 1
k
cr i 1
n
fi
i 1
di mana :
fi = frekuensi dalam sebuah interval kelas.
ui = kode untuk suatu interval kelas
SKEWNESS
Skewness (kemencengan) adalah derajat ketidak-
simetrisan atau penyimpangan dari kesimetrisan
suatu distribusi. Jika kurva frekuensi (poligon fre-
kuensi yang dimuluskan) dari sebuah distribusi
mempunyai ekor yang lebih panjang ke arah kanan
dari maksimum di pusat dibandingkan dengan yang
ke arah kiri, dikatakan bahwa distribusi itu men-
ceng ke kanan, atau memiliki kemencengan negatif
(negative skewness).
Pada distribusi yang menceng, mean cenderung ber-
ada pada sisi ekor yang lebih panjang dengan mo-
dus berada pada frekuensi maksimum. Karena itu,
salah satu ukuran ketidaksimetrisan ini diberikan
oleh perbedaan Mean-Mode. Ukuran ini dapat dibuat
tidak berdimensi dengan membaginya terhadap se-
buah ukuran penyebaran seperti deviasi standard,
sehingga dapat didefinisikan:
x xˆ
S f ,x
s
Dengan menggunakan hubungan empiris antara
Mean (x), Modus (x) dan Median (x):
x xˆ 3( x ~
x)
Diperoleh:
3( x ~
x)
S f ,x
s
Di mana :
Sf,x = faktor/koefisien kemencengan
x = mean
x = median
x = modus
Dalam bidang teknik, ukuran kemencengan yang
paling banyak diterapkan adalah menggunakan
momen simpangan terhadap mean ketiga, yang
dinyatakan sebagai Koefisien Momen Kemencengan:
2 (Q3 Q1 )
1
Qd
P90 P10 P90 P10