1
Pendahuluan :
2
Analisis Statistik Deskriptif:
Sari numerik (ringkasan angka)
◦ Menyatakan nilai-nilai penting dalam statistik
meliputi ukuran pemusatan dan dispersi.
Distribusi
◦ Menyatakan pola atau model dari penyebaran
data.
Pencilan (outlier)
◦ Menyatakan nilai data yang berada di luar
kelompok nilai data yang lainnya.
3
Sari Numerik (ringkasan angka):
Ukuran pemusatan
◦ merupakan ukuran yang menyatakan pusat dari sebaran
data. Ada tiga macam ukuran pemusatan, yaitu Rata-
rata, Median, dan Modus.
Ukuran penyebaran (dispersi)
◦ adalah ukuran yang dipakai untuk mengukur tingkat
penyebaran data.
◦ Semakin kecil ukuran penyebaran semakin seragam data
tersebut dan semakin besar ukuran penyebaran
semakin beragam data tersebut.
4
Ukuran Pemusatan (1):
Rata-rata (mean) adalah sebuah nilai yang khas
yang dapat mewakili suatu himpunan data.
x1 + x 2 + ..... + x n x i
X = = 1
n n
5
Ukuran Pemusatan (2):
f 1 x1 + f 2 x 2 + ..... + f n x n f x i i
X= = 1
f 1 + f 2 + .... + f n n
f 1
i
6
Ukuran Pemusatan (3):
Median adalah besaran yang membagi data menjadi dua
kelompok yang memiliki persentase sama besar. Himpunan
bilangan disusun menurut urutan besarnya.
2 − ( f )
n
1
Median = L1 + c
f med
Keterangan:
L1 = batas kelas bawah dari kelas median.
n = banyak data
(Σ f)1= jumlah frekuensi semua kelas yang lebih rendah dari kelas
median
f med = frekuensi kelas median
c = panjang kelas
7
Ukuran Pemusatan (4):
Modus suatu himpunan bilangan adalah nilai yang
paling sering muncul (memiliki frekuensi maksimum).
Modus mungkin tidak ada. Modus dapat diperoleh dari
rumus :
1
Modus = L1 + c
1 + 2
Keterangan
L1 = batas kelas bawah dari kelas modus.
1 = selisih frekuensi kelas modus dan frekuensi kelas
sebelumnya
2 = selisih frekuensi kelas modus dan frekuensi kelas
sesudahnya
c = panjang kelas
8
Ukuran Dispersi/Penyebaran (1):
9
Range/Rentang (R):
adalah selisih antara bilangan terbesar dan
terkecil dalam himpunan.
Nilai R akan selalu positif.
Interpretasi nilai R adalah:
◦ R = 0, menunjukkan bahwa data terbesar sama
dengan data terkecil, akibatnya semua data
memiliki harga yang sama
◦ R kecil, memberikan informasi bahwa data
akan mengumpul di sekitar pusat data
◦ R besar, menyatakan bahwa paling sedikit ada
satu data yang harganya berbeda jauh dengan
data lainnya
10
Simpangan baku (deviasi standar)
(1):
Simpangan Baku (Deviasi Standar) suatu
himpunan bilangan x1, x2, …, xn
dinyatakan dengan s dan didefinisikan
sebagai berikut :
1 1
( x i − x )2
2 x 2 − nx 2 2
s= = i
n − 1 n −1
11
Simpangan baku (deviasi standar)
(2):
Jika x1, x2, …, xn masing-masing muncul
dengan frekuensi f1, f2, …, fn, simpangan
baku dapat dituliskan:
1 1
f i (xi − x ) f x2
2
2
2
f i xi
2
s= = −
i i
( f i ) − 1 n n
n= f i
12
Simpangan baku (deviasi standar)
(3):
Kuadrat dari simpangan baku adalah variansi.
Nilai variansi dan simpangan baku selalu non-negatif.
Interpretasi nilai s2 adalah:
◦ s2 = 0 atau s = 0 berarti nilai data sama sengan rata-
ratanya, sehingga nilai semua data sama
◦ s2 atau s kecil, berarti perbedaan harga data yang satu
dengan lainnya kecil. Akibatnya, semua data akan
mengumpul di sekitar pusat data.
◦ s2 atau s besar menyatakan bahwa paling sedikit ada satu
data yang harganya berbeda jauh dengan data lainnya.
13
Ukuran Penyebaran Lain:
Suatu himpunan data membagi himpunan
atas empat bagian yang sama. Nilai-nilai ini
disebut Kuartil dan dinyatakan dengan Q1,
Q2, dan Q3.
Suatu himpunan data membagi data atas
sepuluh bagian yang sama disebut Desil dan
dinyatakan dengan D1, D2, D3, …., D9.
Suatu himpunan data membagi data atas
seratus bagian disebut Persentil dan
dinyatakan dengan P1, P2, P3, ….., P99.
14
Kuartil:
Rumus Kuartil ke-N (N = 1,2,3):
N . 4 − ( f )N
n
Q N = LQN + c
f QN
Keterangan:
LQN = batas kelas bawah dari kelas kuartil ke-N
n = banyak data
(Σ f)N= jumlah frekuensi semua kelas sebelum kelas kuartil
ke N
fQN = frekuensi kelas kuartil ke-N
c = panjang kelas
15
Bentuk distribusi
Dalam statistika, mempelajari distribusi
merupakan suatu hal yang penting karena
akan menentukan metode statistika yang
akan digunakan.
Distribusi adalah pola atau model
penyebaran yang merupakan gambaran
kondisi sekelompok data.
16
Ciri Bentuk Distribusi Simetri:
1 2 3 4 5 6 7 8 9 10 11 12
17
Ciri Bentuk Distribusi Menjulur ke
kanan (positif):
Mean > median > modus
1 2 3 4 5 6 7 8 9 10 11 12
18
Ciri Bentuk Distribusi Menjulur ke
kiri (negatif):
Mean < median < modus
1 2 3 4 5 6 7 8 9 10 11 12
19
Mengukur derajat kemenjuluran
distribusi data:
Rumus Pearson
x − Mo
SK =
S
Keterangan
◦ SK = derajat kemenjuluran (skewness)
◦ X = mean
◦ Mo = Modus
◦ S = Standar Deviasi
20
Interpretasi nilai derajat
kemenjuluran:
Bila nilai SK = 0 atau mendekati nol,
dikatakan distribusi data simetri
Bila nilai SK bertanda negatif, distribusi
data menjulur ke kiri
Bila nilai SK bertanda positif, distribusi
data menjulur ke kanan
21