Ukuran Statistik - 2 PDF
Ukuran Statistik - 2 PDF
1. Pendahuluan
Ukuran Statistik: 1. Ukuran Pemusatan
Bagaimana, di mana data berpusat?
♦ Rata-Rata Hitung = Arithmetic Mean
♦ Median
♦ Modus
♦ Kuartil, Desil, Persentil
2. Ukuran Penyebaran
Bagaimana penyebaran data?
♦ Ragam, Varians
♦ Simpangan Baku
2. Ukuran Pemusatan
N n
∑x i ∑x i
µ= i =1
dan x= i =1
N n
Contoh 1:
Misalkan diketahui Di kota A hanya terdapat 6 PTS, masing-masing tercatat mempunyai
banyak mahasiswa sebagai berikut : 850, 1100, 1150, 1250, 750, 900
Berapakah rata-rata banyak mahasiswa PTS di kota A?
Rata-Rata Populasi atau Sampel ?
6000
Jawab: µ= = 1000
6
1
Contoh 2 :
Setiap 12 jam sekali bagian QC pabrik minuman ringan memeriksa 6 kaleng contoh untuk
diperiksa kadar gula sintetisnya (%). Berikut adalah data 6 kaleng minuman contoh yang
diperiksa :
75
Jawab: x = = 12.5 %
6
k k
∑ f i xi ∑fx i i
x= i =1
k sehingga : x= i =1
n
∑f i =1
i
Contoh 3:
1679
Jawab : x = = 33.58
50
2
2.2 Modus
Contoh 4:
a. Sumbangan PMI warga Depok:
Rp.7500 8000 9000 8000 3000 5000 8000
Modus : Rp. 8000
Tepi Batas Bawah kelas ke-i = Batas Bawah kelas ke-i + Batas Atas kelas ke (i-1)
2
Tepi Batas Atas kelas ke-i = Batas Atas kelas ke-i + Batas Bawah kelas ke (i+1)
2
d1
Modus = TBB Kelas Modus + i
d1 + d 2
3
Kelas Frekuensi (fi)
16-23 10
24-31 17
32-39 7
40-47 10
48-55 3
56-63 3
Jumlah (Σ) 50
Kelas Modus = 24 - 31
TBB Kelas Modus = 23.5
i=8
frek. kelas Modus = 17
frek, kelas sebelum kelas Modus = 10
frek. kelas sesudah kelas Modus = 7
d1 = 17 - 10 = 7
d2 = 17 - 7 = 10
7 7
Modus = 23.5 + 8 = 23.5 + 8 = 23.5 + 8 (0.41176...) = 23.5 + 3.2941...
7 + 10 17
= 26.7941... ≈ 27
Median → Nilai yang membagi gugus data yang telah tersortir (ascending)
menjadi 2 bagian yang sama besar
Kuartil → Nilai yang membagi gugus data yang telah tersortir (ascending)
menjadi 4 bagian yang sama besar
Desil → Nilai yang membagi gugus data yang telah tersortir (ascending)
menjadi 10 bagian yang sama besar
Persentil → Nilai yang membagi gugus data yang telah tersortir (ascending)
menjadi 100 bagian yang sama besar
4
A. Median untuk Ungrouped Data
Letak Median → Letak Median dalam gugus data yang telah tersortir
n +1
Letak Median = n : banyak data
2
Contoh 1:
Tinggi Badan 5 mahasiswa :
1.75 1.78 1.60 1.73 1.78 meter
Sorted :1.60 1.73 1.75 1.78 1.78 meter
5+1 6
n=5 Letak Median = = =3
2 2
Contoh 2:
Tinggi 6 mahasiswa : 1.60 1.73 1.75 1.78 1.78 1.80 meter (Sorted)
n= 6
6+1 7
Letak Median → = = 3.5
2 2
s
Median = TBB Kelas Median + i
fM
5
atau
s'
Median = TBA Kelas Median - i
fM
i : interval kelas
fM : Frekuensi kelas Median
Contoh 4 :
Kelas Median = 24 - 31
n 50
Letak Median = = = 25
2 2
Median = Data ke-25 terletak di kelas 24-31 Kelas Median = 24 - 31
TBB Kelas Median = 23.5 dan TBA Kelas Median = 31.5
f M = 17
6
s
Median = TBB Kelas Median + i
fM
15
= 23.5 + 8 = 23.5 + 8 (0.8823...)
17
= 23.5 + 7.0588... = 30.5588... ≈ 30.6
s'
Median = TBA Kelas Median - i
fM
2
= 31.5 - 8 = 31.5 - 8 (0.1176...)
17
= 31.5 - 0.9411.. = 30.5588... ≈ 30.6
Berdasarkan tingkat keruncingan (Kurtosis), kurva distribusi frekuensi dibagi menjadi tiga,
yaitu: a. Leptokurtis: Kurva sangat runcing
b. Mesokurtis: Kurva dengan tingkat keruncingan sedang
c. Platykurtis: Kurva datar
3. Ukuran Penyebaran
POPULASI :
N N N
∑ (x i − µ) 2
N ∑ xi − ( ∑ xi ) 2
2
σ2 = i =1
atau σ2 = i =1 i =1
Ν N 2
dan σ = σ2
7
SAMPEL :
n n n
∑ (x i − x) 2
n∑ xi − ( ∑ xi )2
2
i =1 i =1
s2 = i =1
atau s2 =
n −1 n(n − 1)
dan s = s2
xi : data ke-i
µ : rata-rata populasi x: rata-rata sampel
σ²: ragam populasi s²: ragam sampel
σ: simpangan baku populasi s: simpangan baku sampel
N: ukuran populasi n: ukuran sampel
Contoh 3 :
Data Usia 5 mahasiswa : 18 19 20 21 22 tahun
a. Hitunglah µ, σ² dan σ (anggap data sebagai data populasi)
b. Hitunglah x , s² dan s (data adalah data sampel)
Jawab :
xi µ atau x ( xi -µ) atau ( xi -µ)² atau xi 2
( xi - x ) ( xi - x )²
18 20 -2 4 324
19 20 -1 1 361
20 20 0 0 400
21 20 1 1 441
22 20 2 4 484
Σ 100 ------ ------- 10 2010
POPULASI :
100
N=5 µ= = 20
5
n
∑ (x
i =1
i − µ) 2
10
σ2 = = =2
Ν 5
N N
N ∑ xi 2 − ( ∑ xi ) 2
i =1 i =1 (5 × 2010) − 100 2 10050 − 10000 50
σ2 = = = = =2
N2 52 25 25
σ = σ 2 = 2 = 1.414...
SAMPEL :
8
100
n=5 x= =2
5
n
∑ (x i − x )2
10
s2 = i =1
= = 2.5
n −1 4
n n
n∑ xi − ( ∑ xi )2 2
s = s2 = 2.5 =1.581...
POPULASI :
∑f i × ( xi − µ ) 2
σ2 = i =1
dan σ = σ2
Ν
SAMPEL :
∑f i =1
i × ( xi − x ) 2
s2 = dan s = s2
n −1
9
Contoh 4 :
1679
Rata -Rata (µ atau x ) = = 33.58 (dari catatan terdahulu)
50
POPULASI : N = 50
k
∑f i × ( xi − µ ) 2
6599.68
σ2 = i =1
= = 131.9936
Ν 50
σ = σ = 131.9936 = 11.4888....
2
SAMPEL :
k
∑f
i =1
i × ( xi − x ) 2
6599.68
s2 = = = 134.6873....
n −1 49
s = s2 = 134.6873... = 11.6054....
Semakin besar nilai Koefisien Ragam maka data semakin bervariasi, keragamannya data
makin tinggi.
σ
Untuk Populasi → Koefisien Ragam = × 100%
µ
s
Untuk Sampel → Koefisien Ragam = × 100%
x
10
Contoh 5:
x = 33.58 s = 11.6054
s 116054
.
Koefisien Ragam = × 100% = × 100% = 34.56 %
x 3358
.
x−µ
z=
σ
z : Angka baku x : nilai data
µ: rata-rata populasi σ : simpangan baku populasi
Contoh 6:
Rata-rata kecepatan lari atlet nasional = 20 km/jam dengan simpangan baku = 2.5 km
Hitung angka baku untuk kecepatan lari :
a. Ali = 25 km/jam b. Didi = 18 km/jam
x−µ 25 − 20 5
Jawab : a. z = = = =2
σ 2.5 2.5
x−µ 18 − 20 − 2
b. z = = = = -0.8
σ 2.5 2.5
W selesai X
11