STATISTIK DAN
PROBABILITAS
Minggu Ke – 5 & 6
PENDAHULUAN
2
Sebelumnya :
Telah mempelajari statistika deskriptif, al:
4 MINGGU KE – 5
1. Jangkauan (range)
5
Jangkauan atau range (r) adalah selisih antara nilai maksimum dengan nilai minimum.
Contoh :
1. Kelompok data 1 : 50, 50, 50, 50, 50 → r = 50 – 50 = 0 (terkecil)
Kelompok data 2 : 30, 40, 50, 60, 70 → r = 70 – 30 = 40
Kelompok data 3 : 20, 30, 50, 70, 80 → r = 80 – 20 = 60 (terbesar) ≈ paling menyebar
2. Sampel A (dlm liter) : 0,97 1,00 0,94 1,03 1,11
Sampel B (dalam liter) : 1,06 1,01 0,88 0,91 1,14
Jangkauan data = 73 – 61 = 12 kg
Jangkauan suatu kelompok data menunjukkan kualitas data. Makin kecil
jangkauan suatu datam maka kualitas data itu semakin baik dan sebaliknya.
2. Simpangan rata-rata (mean deviation)
7
Simpangan rata-rata (SR) adalah jumlah nilai mutlak dari selisih semua nilai dengan
nilai rata-rata dibagi banyaknya data.
Rumus untuk data tidak berkelompok :
Dimana:
ഥ
σ 𝑿 −𝑿
SR = X = nilai data
𝒏 𝑋ത = rata-rata hitung
n = banyaknya data
Contoh : Tentukanlah simpangan rata-rata kelompok data : 20, 30, 50, 70, 80!
2. Simpangan rata-rata (mean deviation)
8
.
Rumus untuk data berkelompok :
ഥ
σ 𝐟 𝑿 −𝑿
SR = , dimana n = ∑f
𝒏
Contoh : Tentukanlah simpangan rata-rata data modal 40 perusahaan pada tabel berikut.
Jawab :
ഥ 𝟒𝟓𝟓,𝟖𝟓𝟎
σ 𝐟 𝑿 −𝑿
SR = = = 11,396
σ𝐟 𝟒𝟎
3. Variansi (variance)
10
Variansi (S2) adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata
dibagi banyaknya data.
Rumus untuk data tidak berkelompok :
ഥ )2
σ(𝑿−𝑿
S2 = Jika diturunkan :
𝒏 −𝟏
Contoh : Perbandingan harga semen di 4 toko yang dipilih secara acak menunjukkan kenaikan harga
dibandingkan dengan bulan sebelumnya sebesar 120, 150, 180 dan 230 rupiah per kg. Tentukanlah
variansi sampel acak kenaikan harga ini !
𝟏𝟐𝟎+𝟏𝟓𝟎+𝟏𝟖𝟎+𝟐𝟑𝟎
𝑥ҧ = = 170
𝟒
σ(𝑿−𝑿ഥ )2
S2 =
𝒏 −𝟏
ഥ )2
σ 𝐟(𝑿−𝑿 Jika diturunkan:
S2 = , dimana n = ∑f
𝒏 −𝟏
Contoh : Tentukanlah variansi data modal 40 perusahaan pada tabel soal sebelumnya.
Dimana 𝑿ഥ = 140,525. Data modal 40 perusahaan tersebut dianggap sebagai sampel.
ഥ )2
σ 𝐟(𝑿−𝑿
S2 =
𝒏 −𝟏
𝟖𝟎𝟗𝟕
=
𝟑𝟗
= 207,64
4. Standar Deviasi (standard deviation)
12
σ(𝑿−𝑿ഥ )2 atau
S=
𝒏 −𝟏
Contoh :
Dari soal sebelumnya. Tentukanlah standar deviasi kelompok data : 20, 30, 50, 70,
80! (dimana diperoleh variansi S2 = 650)
Jawab :
Maka, standar deviasi adalah :
S = 650 = 25,495
Atau : X 20 30 50 70 80
2
X2 400 900 2500 4900 6400
𝟐
𝟓 𝟏𝟓.𝟏𝟎𝟎 − 𝟐𝟓𝟎 𝟏𝟑.𝟎𝟎𝟎
Variansi S2 = = = = = 𝟔𝟓𝟎
𝟓(𝟒) 𝟐𝟎
Contoh :
4. Standar Deviasi (standard deviation)
15
Rumus :
Dengan cara transformasi atau kode tersebut, maka untuk nilai data X yang besar akan
berubah menjadi nilai data U yang kecil, yaitu U=0, ±1, ±2, ±3, dst.
Kelebihan : mempermudah perhitungan, hasil yang diperoleh lebih teliti dan mengurangi
risiko kesalahan dalam proses perhitungan.
4. Standar Deviasi (standard deviation)
16
Contoh: Tentukan variansi dan standar deviasi data modal 40 perusahaan pada contoh
sebelumnya.
Jawab :
n=
Jangkauan kuartil (JK) disebut juga simpangan kuartil atau rentang semi
antarkuartil atau deviasi kuartil.
Jangkauan persentil (JP) 10 – 90 disebut juga rentang persentil 10 – 90.
Rumus Jangkauan kuartil (JK) :
𝟏 dimana:
JK = (𝑸𝟑 − 𝑸𝟏) Q1 = kuartil bawah atau kuartil pertama
𝟐
Q3 = kuartil atas atau kuartil ketiga
Contoh :
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
19
Contoh :
DISPERSI DATA
5. Jangkauan Kuartil dan Jangkauan Persentil 10-90
20
Jenis ukuran keragaman data
21 MINGGU KE – 6 (SAMBUNGAN)
6. Koefisien Variasi (KV)
22
dimana:
S = Standar deviasi/ simpangan baku
ഥ = rata-rata hitung/ mean
𝑿
6. Koefisien Variasi (KV)
23
Contoh :
1. Tentukanlah koefisisen variansi kelompok data: 30, 40, 50, 60, 70!
Jawab:
ഥ ) dan standar deviasi (S)
Tentukanlah dulu rata-rata hitung (𝑿
30+40+50+60+70
ഥ=
𝑿 = 50
5
X 30 40 50 60 70
X2 900 1600 2500 3600 4900
𝟐
𝟓 𝟏𝟑.𝟓𝟎𝟎 − 𝟐𝟓𝟎
Variansi S2 = = = 250
𝟓(𝟒)
Standar deviasi S = 250 = 15,81
𝑆 15,81
Jadi, koefisien variasi (KV) = x 100% = x 100% = 31,62%
𝑋 50
6. Koefisien Variasi (KV)
24
Contoh :
2. Ada 2 jenis bola lampu. Lampu A secara rata-rata mampu menyala selama
1500 jam dengan simpangan baku S1 = 275. Sedangkan lampu jenis B secara
rata-rata mampu menyala selama 1750 jam dengan simpangan baku S2 = 300
jam. Lampu mana yang kualitasnya lebih baik?
Jawab:
Lampu A : KV1 = (275/1500) x100% = 18,3%
Lampu B : KV2 = (300/1750) x100% = 17,1%
Maka, berdasarkan koef variasinya lampu B mempunyai koef variasi lebih kecil
daripada lampu A. Dengan kata lain kemampuan menyala lampu A lebih bervariasi
daripada lampu B, dan kemampuan menyala lampu B lebih seragam daripada
lampu A. Artinya lampu B kualitasnya lebih baik daripada lampu A.
7. Koefisien Variasi Kuartil (KVQ)
25
Adalah jenis dari dispersi relatif, dimana dipakai bila suatu kelompok
data tidak diketahui berapa nili rata-rata hitungnya (𝑿ഥ ) dan standar
deviasinya (S).
Rumus : 𝑸𝟑 −𝑸𝟏
Koefisien Variasi Kuartil (KVQ) =
𝑸𝟑+𝑸𝟏
Contoh:
Jawab :
Diperoleh pada pembahasan sebelumnya Q1 = 42,5 dan Q3 = 82,5
𝑸𝟑 −𝑸𝟏 𝟖𝟐,𝟓 −𝟒𝟐,𝟓 𝟒𝟎
Maka KVQ = = = = 0,32
𝑸𝟑+𝑸𝟏 𝟖𝟐,𝟓+𝟒𝟐,𝟓 𝟏𝟐𝟓
8. Nilai Baku (Z/ Z – Score)
27
ത dan
Nilai baku (Z – score) adalah gabungan dari nilai rata-rata hitung (𝑋)
standar deviasinya (S) dimana, kedua nilai tersebut dapat dipakai untuk
membuat transformasi data yang menghasilkan nilai baku atau nilai
standar (skor baku).
Kegunaan angka baku, yaitu mengamati perubahan nilai kenaikan dan
nilai penurunan variable atau suatu gejala dari rata-ratanya.
Semakin kecil angka bakunya, semakin kecil pula perubahan variable
tersebut dari rata-ratanya, dan sebaliknya.
Rumus :
𝑿𝟏 − 𝑿
Zi = , dimana i = 1, 2, 3,….. n
𝑺
8. Nilai Baku (Z)
28
Contoh: Nilai rata-rata UAS mata kuliah Kalkulus 1 kelas A dengan 45 mahasiswa adalah
78 dan simpangan bakunya (S) = 10. Sedangkan untuk mata kuliah bhs Ingris
dikelas itu mempunyai rata-rata 84 dan simpangan bakunya (S) =18. Bila di kelas
itu Dona memperoleh nilai UAS untuk Kalkulus 1 adalah 86 dan untuk bhs Ingris
adalah 92, bagaimana posisi (prestasi) Dona di kelas itu?
Jawab:
Untuk melihat posisi Dona, maka harus dicari nilai baku untuk nilai UAS pada kedua mata
kuliah tersebut.
𝑿−𝑿
Z=
𝑺
Dimana X adalah nilai UAS yang diperoleh Dona.
𝟖𝟔 −𝟕𝟖
Untuk Kalkulus 1 : Z = = 0,8 karena nilai Z Kalkulus 1 > dari nilai Z bhs Ingris,
𝟏𝟎
𝟗𝟐 −𝟖𝟒
maka posisi (prestasi) Dona lebih baik pada mata
Untuk Bhs Ingris : Z = = 0,4 kuliah Kalkulus 1daripada mata kulah bhs Ingris.
𝟏𝟖
29 MINGGU KE – 6
KEMIRINGAN DISTRIBUSI DATA
30
Rumus ini dapat dipakai untuk data tidak berkelompok maupun data
berkelompok.
Bila = 0 atau mendekati 0, disebut distribusi data simetri
Bila = negatif, disebut distribusi data miring ke kiri
Bila = positif, disebut distribusi data miring ke kanan
Semakin besar , maka distribusi data akan semakin miring atau
semakin tidak simetri.
KEMIRINGAN DISTRIBUSI DATA
2. Dengan Rumus Momen
34
Rumus :
• Q2 = Q3 , maka = -1
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
37
𝟐
𝟏𝟎 𝟒𝟕𝟓 − 𝟔𝟓 𝟓𝟐𝟓
S2 = = = = 5,83
𝟏𝟎(𝟗) 𝟗𝟎
𝑿−𝑴𝒐𝒅 𝟔,𝟓 −𝟖
𝜶= 𝑺
= = − 0,62
𝟐,𝟒𝟐
2. Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi adalah sebagai berikut.
Jawab :
KEMIRINGAN DISTRIBUSI DATA
Contoh Soal
40
KERUNCINGAN DISTRIBUSI DATA
41
Keruncingan Distribusi Data adalah derajat atau ukuran tinggi rendahnya puncak suatu
distribusi data terhadap distribusi normalnya data.
Rumus:
KERUNCINGAN DISTRIBUSI DATA
44
Contoh : Diketahui data berat badan 100 mahasiswa suatu perguruan tinggi seperti
pada contoh 2 Kemiringan Distribusi Data.
Jawab : Perhatikan tabel
𝜶4 =
KERUNCINGAN DISTRIBUSI DATA
46
Karena 𝜶4 = 2,705 < 3, maka derajat keruncingan distribusi data adalah platikurtis.