3/15/2018

STATISTIKA DESKRIPTIF:
DATA & PENGOLAHAN (DATA TUNGGAL)

Pertemuan 2

JENIS-JENIS STATISTIKA
STATISTIK VS STATISTIKA
Statistik Kumpulan data dalam bentuk angka/bukan angka
yang dapat memberikan gambaran tentang suatu
keadaan. Contoh: statistik penduduk, statistik
ekonomi, statistik perbankan, statistik pendidikan.

Statistik juga menyatakan karakteristik sampel

seperti mean, standar deviasi, variansi, dan
koefisien korelasi.

Statistika Ilmu yang berkaitan dengan cara pengumpulan,

pengolahan, analisis dan pernarikan kesimpulan
atas data.

(Boediono & Koster, 2014) 3

Statistika Deskriptif vs Inferensi

 Statistik Deskriptif  Statistik Inferensi
- Collect 1. Memperkirakan dan
- Organize meramalkan nilai Memahami
simbol-simbol
parameter populasi
- Summarize
2. Estimasi nilai
- Display 3. Menguji hipotesis nilai
- Analyze parameter populasi
Belajar Pengolahan data
Statistik
4. Membuat keputusan Memahami istilah statistik
dalam statisik

Tidak dilakukan Inferensi berdasarkan

generalisasi keterbatasan informasi
sampel
5

1
 3/15/2018

RUANG SAMPEL DAN KEJADIAN MANUSIA

INDONESIA
 Semesta pembicaraan (S) adalah keseluruhan
pembicaraan tentang obyek-obyek yang dibicarakan
mengenai sifat-sifat dari obyek dan relasi-relasi yang
ada diantara obyek-obyek tersebut. Mahasiswa
 Himpunan (set) adalah kumpulan dari obyek-obyek Indonesia
dalam semesta pembicaraan yang mempunyai sifat
yang sama  sifat yang sama tersebut sebagai “syarat Semesta
keanggotaan” suatu himpunan.
 Himpunan semua outcome yang mungkin muncul Pembicaraan Himpunan
dalam suatu percobaan/pengamatan disebut dengan (S)
himpunan semesta sampel (sample space) Populasi
 Masing-masing outcome disebut dengan elemen atau
titik sampel

POPULASI

SAMPEL
PENGAMBILAN SAMPEL

 Pada statistika inferensi, pengambilan

Parameter
sampel menentukan hasil inferensi.
POPULASI
populasi adalah seluruh obyek
atau unit yang menjadi sasaran
penelitian (observasi) dan  Idealnya sampel diambil secara random.
sampel adalah bagian dari
 Pengambilan sampel yang tidak tepat
populasi yang dapat
Sampling dikumpulkan oleh peneliti

Generalisasi
(sebatas kemampuannya dalam
melakukan pengumpulan data).
dapat menyebabkan bias  systematic
error
SAMPLE
Statistik

Besaran populasi disebut

parameter, sedangkan
besaran sampel disebut
statistik.

MENGAPA SAMPEL ?? DATA CLASSIFICATION

 Skala Nominal
 Waktu
 Skala paling lemah, hanya kategorisasi (jenis pekerjaan, 1-
 Ongkos PNS; 2-Pegawai swasta)
 Skala Ordinal
 Pengukuran yang merusak obyek
 Memungkinkan segala sesuatu disusun menurut
 Mustahil dapat dilakukan peringkatnya (kualitas barang, 1-sangat bagus; 2-biasa; 3-
tidak bagus)
 Skala Interval
 Data dapat disusun dan dibedakan (suhu, tahun kelahiran)
 Skala Ratio
 Skala ini mencakup ketiga skala lain dan dapat
dibandingkan (Misal pendapatan bulan januari 30 juta,
pendapatan bulan februari 45 juta, sehingga dapat
disimpulkan, pendapatan bulan feb=1,5 kali jan)

2
 3/15/2018

JENIS-JENIS PEUBAH (VARIABEL)

JENIS-JENIS PEUBAH (VARIABEL)
 Peubah kualitatif adalah peubah yang
 Data merupakan kumpulan dari karakteristik menggambarkan ciri-ciri berupa penggolongan dan
obyek atau individu yang diamati bukan pengukuran.
 Peubah adalah suatu ciri/gejala suatu populasi
 Peubah kuantitatif adalah peubah yang nilai-nilainya
bersifat numerik dan dapat diukur secara diskret atau
atau sampel yang dapat mencapai lebih dari kontinu.
satu nilai. Suatu peubah dapat bersifat
Peubah kuantitatif terdiri dari :
kualitatif atau kuantitatif.
1. Peubah diskret adalah peubah kuantitatif yang skala
pengukurannya dalam bentuk bilangan bulat.
2. Peubah kontinu adalah peubah kuantitatif yang
diukur pada skala kontinu dan dapat mencapai nilai
sembarang dalam suatu selang

ARTI DATA DATA PRIMER & TIDAK PRIMER

 Data adalah hasil eksperimen/pengukuran  Data primer adalah data yang didapatkan secara
terhadap seluruh anggota sampel langsung dari hasil eksperimen/pengukuran
terhadap anggota sampel
Secara
 Data yang tidak primer adalah data yang
random Eksperime
n/ didapatkan bukan karena melakukan
pengukura eksperimen/pengukuran sendiri terhadap anggota
n sampel, misal :
 Data sekunder
Populasi Sampel Data Statistik  Data tersier

CARA EKSPERIMEN/PENGUKURAN DATA MENTAH ATAU DATA TERURUT

 Langsung melakukan pengukuran secara

langsung terhadap anggota sampel
 Tidak langsung  karena sesuatu hal kita boleh Apabila data
meminta bantuan orang lain untuk melakukan mentah tsb sudah
disusun/diurutkan
pengukuran terhadap anggota sampel disebut sebagai
Data mentah (raw data terurut
data) : adalah data
yg langsung
didapat dari hasil
pengukuran thd
seluruh anggota
sampel

3
 3/15/2018

UKURAN STATISTIK

19 20

HARGA RATA-RATA (MEAN) CONTOH HARGA RATA-RATA

1. Rata-rata sebenarnya (populasi) Data nilai 10 mhs:
ada N nilai x1, x2, …….., xN, maka: 50 60 40 70 80 90 100 65 75 85
n
Rata-rata sebenarnya:
x i
 i 1
i  1,2,3,..., N 1 10 1
N   X i  10 (715)  71,5
10 i 1
2. Rata-rata perkiraan (sampel)
n buah sampel x1, x2, …….., xn, maka: Rata-rata perkiraan:
n 1 5 1
x i
x  X i  5 (60  70  80  65  85)  72
5 i 1
x i 1
i  1,2,3,..., n
n

HARGA TENGAH (MEDIAN) CATATAN :

Bila n ganjil maka :
 Definisi : untuk data dengan ukuran n yaitu x1,
Harga Median=Xmed= X
x2, …, xn maka harga mediannya adalah suatu Contoh:
harga yang membagi data menjadi 2 kelompok n=7, data: 65, 80, 75, 90, 60, 85, 100
yang banyaknya anggota sama bila data sudah Diurutkan: 60, 65, 75, 80, 85, 90, 100
diurutkan (arrray data). Maka Xmed =X4 = 80
Contoh : Bila n genap maka:
Harga Median=Xmed=
Data mentah : x1, x2, … xn dengan n data Contoh: n=8
Data terurut n/2 data Data : 5, 8, 7, 9, 6, 10, 10, 5
n/2 data
(array data) : xterkecil …………… ……………… xterbesar Diurutkan : 5, 5, 6, 7, 8, 9, 10, 10
Harga
Median

4
 3/15/2018

HARGA MODUS KELEBIHAN & KEKURANGAN

 Definisi : harga modus adalah data atau Ukuran
pemusatan
Kelebihan Kekurangan

hasil pengukuran yang paling banyak Mean 1. Mempertimbangkan semua nilai 1. Peka/mudah terpengaruh oleh
2. Dapat menggambarkan mean nilai ekstrim
didapat atau memiliki frekuensi terbesar. populasi 2. Kurang baik untuk data
3. Variasinya paling stabil heterogen
 Contoh: 4. Cocok untuk data homogen 3. Tidak bisa digunakan untuk data
X f X f X f 5. Dapat digunakan untuk distribusi frekuensi yang open-
menghitung variansi ended class
2 2 3 1 2 1
5 1 Median 1. Tidak peka/tidak terpengaruh oleh 1. Tidak mempertimbangkan
5 1
3 1 nilai ekstrim semua nilai
7 1
8 1 2. Cocok untuk data heterogen 2. Kurang dapat
9 3 4 3 mempertimbangkan mean
10 1
10 2 populasi
5 2
12 1 Modus 1. Tidak peka/tidak terpengaruh oleh 1. Kurang menggambarkan mean
11 1
7 3 nilai ekstrim populasi
12 1 15 1
2. Cocok untuk data 2. Modus bisa lebih dari satu, atau
18 1 16 1 9 1 homogen/heterogen tidak ada modus
3. Dapat digunakan untuk data
Mod = 9 Tanpa Mod Mod = 4 dan 7 nominal/kategori

HARGA KUARTIL

27

HARGA DESIL HARGA PERSENTIL

Desil adalah data yang telah diurutkan dibagi Persentil adalah data yang telah diurutkan dibagi menjadi 100
menjadi 10 kelompok sehingga ada D1, D2, kelompok sehingga ada P1, P2, sampai P99.
sampai D9.
Untuk menghitung desil digunakan rumus:

i(n  1)
Di=nilai yang ke- 10
Dimana i = 1, 2, 3, …., 9

5
 3/15/2018

VARIASI ATAU DISPERSI

Pada kenyataannya nilai observasi data statistik tidak
akan seragam, tapi akan bervariasi atau
berpencaran.
Merupakan variasi suatu data terhadap rata-rata
atau terhadap data lainnya.
Pengukuran tentang variasi  pengukuran dispersi
Ukuran penyebaran data adalah suatu ukuran yang
menyatakan seberapa besar nilai-nilai data
berbeda atau bervariasi dengan nilai ukuran
pusatnya atau seberapa besar penyimpangan nilai-
nilai data dengan nilai pusatnya.
31

HARGA PENYEBARAN 1. HARGA RENTANG (RANGE)

1. Harga Rentang (Range)  Definisi :

2. Harga Variansi untuk n data x1, x2, …, xn, maka harga
3. Harga Rata-rata Jumlah Kuadrat Error (MSE) rentangnya adalah selisih data terbesar
4. Harga Rata-rata Harga Mutlak Deviasi (MAD) dengan data terkecil.
Rentang = Range = R = Xmax-Xmin

3. HARGA RATA-RATA JUMLAH KUADRAT ERROR

2. HARGA VARIANSI (MSE)
 Definisi :  Definisi :
untuk n data x1, x2, …, xn, dapat dicari harga rata- untuk n data x1, x2, …, xn, dapat dicari harga rata-
ratanya adalah , maka harga ratanya adalah , sehingga harga rata-
variansinya adalah : rata jumlah kuadrat errornya adalah :

6
 3/15/2018

4. HARGA RATA-RATA HARGA MUTLAK DEVIASI

(MAD)
 Definisi :
untuk n data x1, x2, …, xn, dapat dicari harga rata-
CONTOH: 3 KELOMPOK DATA:
ratanya adalah , sehingga harga rata-
Data X1 X2 X3 X4 X5 Rataan
rata harga mutlak deviasi adalah :
I 50 50 50 50 50 50
II 50 40 30 60 70 50
III 100 40 80 20 10 50

VARIASI ATAU DISPERSI MACAM VARIASI

120
Simpangan Baku (S):
100
S untuk populasi:

80

II atau
60

I
40

20

III
0
1 2 3 4 5

MACAM VARIASI Contoh untuk data:

Data X1 X2 X3 X4 X5 x
Simpangan Baku (S): I 50 50 50 50 50 50
S untuk sampel: II 50 40 30 60 70 50

III 100 40 80 20 10 50

atau
Kelpk I Kelpk II Kelpk III
Xi Xi2 Xi Xi2 Xi Xi2
50 2500 50 2500 100 10000
50 2500 40 1600 40 1600
50 2500 30 900 80 6400
50 2500 60 3600 20 400
50 2500 70 4900 10 100
ΣXi=250 ΣXi2=12500 ΣXi=250 ΣXi2=13500 ΣXi=250 ΣXi2=18500

7
 3/15/2018

MACAM VARIASI
LATIHAN
Hasilnya: 1. Tentukanlah nilai Range untuk data berikut ini!
Kelompok I

2. Berikut adalah sampel nilai koefisien variasi

Kelompok II (CV) dari berbagai jenis endapan emas. Nilai
CV tersebut adalah:
5,1 2,81 2,22 1,63 1,58 1,56 1,55 1,28 1,19 1,19

1,12 1,02 0,85 0,8 0,74 0,7 0,58 0,57 0,27 0,22
Kelompok III
Tentukan : mean, median, modus, standar
deviasi , MSE untuk data tunggal!

LATIHAN
3. Seorang teknisi suatu pabrik paku melakukan
kunjungan di bagian produksi. Ia mengambil 8
sampel paku yang akan dikemas dan kemudian
mengukur diameter kepala paku tersebut (dalam
satuan inci).Hasil pengukurannya adalah sebagai
berikut.
6,72 6,77 6,82 6,70 6,78 6,70 6,62 6,75
Tentukan : mean, median, modus, standar
deviasi , MSE untuk data tunggal di atas!