Ringkasan Bab 2-5 Buku 2
Ringkasan Bab 2-5 Buku 2
5 Penyajian data
Untuk dapat menganalisi data kualitatif , terlebih dahulu kita perlu menyusun
secara sistematis.Penyajian data antar lain dalam bentuk table , grafik , pie chart
atau bar chart . Ukuran yang biasa di gunakan adalah :
Contoh
Dalam suatu survey pendidikan umum , 400 sekolah di teliti
kualitaspendidikannya. Hasilnya untuk masing- masing sekolah di
kategorikan masuk kualitas A , B , C , atau D. hasil survey di sajikan
dalam bentuk table statistik , pie chart , dan bar chart.
Jawab :
Table statistik ( table 2.1 )
Kategor Frekuens
frekuensi relatif persen
i i
A 35 35/400=0,09 9%
B 260 260/400=0,65 65%
C 93 93/400=0,23 23%
D 12 12/400=0,03 3%
Total 400 1 100%
Untuk memperoleh gambar dalam bentuk pie chart , dan bar chart kita
dapa menggunakan MS. Office Excel , langkah – langkahnya adalah sbb :
- Tuliskan data dari table 2.1 ke dalam shift seperti pada gamba berikut :
Katego Frekuen
ri si
A 35
B 260
C 93
D 12
Total 400
12
35
93
A
B
C
D
260
200
150
100 93
50 35
12
0
A B C D
Penjuala
Bulan n
Januari 16.800
februari 19.300
Maret 21.100
April 21.200
Mei 20.700
Juni 19.200
Juli 16.100
Agustus 14.900
Septemb
er 12.100
Oktober 11.900
Untuk melihat perubahan penjulan perbulan secara cepat , maka di buat grafik sbb
:
Penjualan
25,000
20,000
15,000
10,000 Penjualan
5,000
-
ri ri ret
pr
il ei ni li
Ju stu
s r
be obe
r
nua rua a A M Ju u m t
Ja feb M
Ag epte Ok
S
- Tentukan rentang data , yaitu selisih data terbesar dengn data terkecil.
- Tentukan banyaknya kelas interval , hal yang sering di gunakan adalah
dengan menggunakan aturan Strurges yaitu rumus : b = 1+ 3,3 log ( n ) , di
mana n adalah banyaknya data.
r
- Tentukan lebar atau panjang kelas interval dengan rumus : p= , di mana
b
b = kelas interval dan r = rentang
- Tentukan ujung bawah kelas interval yang pertama ( nilai terkecil ).
- Masukan masing – masing frekuensi berdasarkan kelas interval yang
sesuai.
2.3.1 Ukuran Pemusatan
Rata – Rata
Rumus :
Median
Rumus :
Modus
Modus adalah nilai data yang memiliki frekuensi trbanyak. Untuk data
tunggal snagat mudah untuk menentukan modus , yaki dengan mencari
nilai yang paling sering muncul atau frekuensinya paling tinggi>
Rumus :
Salah satu ukuran numeric ynag penting adalah ukuran lokasi yaitu
ukuran sepanjang garis horizontal yang letaknya di tengah distribusi data.
Beberapa ukuran lokasi yang akan di bicarakan adalah kuartil , desil ,
persentil.
Kuartil
Rumus :
Keterangan :
Q1 adalah kuartike ke-i
n adalah banyaknya data
Keterangan :
Qi adalah kuartil ke-i
Tb adalah tepi bawah kelas kuartil
p adalah panjang kelas
n adalah banyak data
f adalah frekuensi kelas kuartil
F adalah frekuensi kumulatif sebelum kelas kuartil
Desil
Keterangan :
Di adalah desilk e-i
n adalah banyaknya data
Persentil
Jika data di bagi menajdi 100 bagian yang sama , makan ukuran itu
di sebut persentil
Rumus :
Keterangan :
Pi adalah pesentil ke-i
n adalah banyaknya data
Rentang ( range )
Nilai rentang ini menunjukan selisih antara data yang paling tinggi
dengan data yang paling rendah.
Koefisien Variansi
Keterangan :
KV = Koefisien Variasi
S = Simpangan Baku
χ = Nilai Rata-Rata
Simpangan Baku dan Variansi
Rumus :
2.4.1 Peluang
Rumus :
Peluang Bersyarat
dua buah kejadian A dan B dapat dikatakan saling lepas apabila tidak ada
satupun elemen yang terjadi pada kejadian A yang sama dengan elemen yang
terjadi pada kejadian B, maka peluang salah satu A atau B mungkin terjadi,
rumusnya ialah:
Kaidah Penggadaan khusu s. Bila dua keajdian A dan B bebas saling bebas
, maka :
P( A B ) = P ( A ) P ( B )
P ( A1 , A2 A3 … AK ) = P ( A1).P(A2).P(A3)…P(AK)
Kaidah Baye
Untuk r= 1,2,…,k
P ( Br ) P( A IBr )
P( BR I A ) =
P ( B 1 ) P ( A IB 1 )+ P ( B 2 ) P ( A IB 2 )+ …+ P ( Bk ) P( AIBk)
2.4.2 Distribusi Peluang
Dari suatu percobaan seringkali kita tertari terutama pada suatu fungsi
hasil percobaannya bukan pada hasil percobaannya itu sendiri. Sebagai contoh ,
dalam pelemparan dua dadu kita sering tertarik pada jumlah mata dadu yang
muncul dari kedua dadu tersebut , dan bukan pada hasil masing – masing dadu.
Besaran – besaran yang menjadi perhatian kita ini , dalam hal ini jumlah mata
dadu yang muncul untuk pelemparan dadu dan total banyaknya sisi gambar yang
muncul dalam pelemparan mata uang , atau lebih formalnya di sebut fungsi
bernilai real yang di definisikan pada ruang percobaannya ini , di kenal sebagai
variable random.
Pada suatu percobaan yang hanya ada dua hasil yang mungkin yaitu “
sukses “ atau “ gagal “. Fungsi distribusi bernoulli di tuliskan dalam bentuk :
P ( x + i│) =(ni ) p ( 1 – p )
i n-I
dengan I = 0,1,2,…n.
Distribusi Geometrik
e−µ µx
P ( X =x ) = ; x = 0,1,2,…
x!
F(x)= ∫ f ( t ) dt
−∞
- Distribusi Eksponensial
Variabel random X di sebut mempunyai distribusi eksponensial dengan
parameter
λ bila memiliki fungsi kepadatan peluang :
Peluang suatu kejadian dalam distribusi Chi kuadrat dapat di hitung dengan
2.5.1 Sampling
Berbeda dengan dua table di atas , kita juga bisa menentukan ukuran atau
jumlah sampel dengan formula yang di kembangkan SLovin dengan
margin error yg di perkenakan berkisar antara 5% - 10% ,yakni denga
rumus
N
n=
1+ Nd 2
ket :
n=ukura n sampel yang di butu h kan
N = jumlah populasi
D= batas kesalahan yang di perkenakan ( 5% atau 10% )
1. teorema Limit Pusat adalah suatu dalil yang sangat penting perannya
dalam distribusi sampling , yang menyatakan bahwa untuk suatu populasi
dengan rata – rata µ dan variansi σ 2 , distribusi sampling rata – rata dari
semua kemungkinan sampel n yang di ambil dari populasi akan
terdistribusi secara normal dengan rata – rata µx dan deviasi standartσ x
, di mana nilai µx sama dengan rata rata populasi ( µ ) dan σ x sama dengan
σ
deviasi standart populasi di bagi akar n atau dengan ansumsi bahwa
√ n'
ukuran sampel cukup besar.
Bila x́ rata- rata ( mean ) sampel acak berukuran n yang di ambil dari
populasu dengan mean µ dan variansi σ x , maka bentuk limit dari
distribusi :
x−µ
´
z=σ
√n
Bila n- ∞ , maka distribusi normal baku N (0 , 1 )
Jika x́ dan s2masing masing adalah mean dan varins dari sampel acak
berukuran n yang di ambil dari populasi normal dengan mean µ dan
varians σ 2 , maka
´ µ❑
x−¿
t= ¿
s
√n
Merpakan nilai variabel random T yang berdistribusi t dengan derajat
bebas v = n-1
Jika s2 varian sampel random berukuran n yang di ambil dari populasi
normal dengan varian σ 2 , maka statistik
2
(n−1) s
2=¿ 2
¿
σ
x
Berdistribusi Chi Kuadrat x 2 dengan derajat bebas db=n-1
Jika s21 dan s22 adalah varians dua sampel acak bebas yang berukuran n1 dan
n2 yang di tarik dari populasi normal dengan varians σ 12dan σ 22maka :
s 21
σ 21 σ 21 s 2
∫ s2 = σ 2 s2 1
2 1 2
2
σ 2
σ
Menurut Teorema Limit Pusat , µx = µ dan σ x = . Jika di susun ke dalam
√n
suatu distribusi , rata – rata tersebut sama seperti nilai – nilai dalam
distribusi skor mentah.
σ N −n
dengan cara mengalikan
√n
dengan suatu factor koreksi sebesar
√[ N−1 ]
σ N−n
, sehingga dapat di rumuskan sebagai σ x =
√n √[ N−1 ]
Factor koreksi diperlukan krena jika sampel suatu persentase cukup besar
dari populasinya , kita mengharapkan ukurtan nya kana lebih tepat
daripada ukuran sampel yang kebih kecil. Semakin besar ukuran sampel ,
semakin besar pengurangan kesalahan baku tersebut demikian pula
sebaliknya.
N1
kombinasi sampel sebanyak [ ]
n1
dan pengambilan sampel n2 dari populasi
N2
N 2 menghasilkan sampel sebanyak
[ ]
n2
. Jika x́ adlah selisih x́ 1 dan x́ 2 '
Kita akan memiliki x́yang banyak sekali yang membentuk suatu distribusi
normal yang di sebut distribusi sampling beda rata - rata µx −x dan deviasi 1 2
σ
µx −x =µ1−µ2 dan 2
σ1 σ2
2
1 2 x 1−x 2=
√ ❑+ ❑
n1 n2
X
bagi ^p = dapat di tentukan dengan cara sbb :
n'
Mean :
µ ^p=E ( ^p )= ( Xn )= npn =p
Variansi:
2 σ 2X pq 2
σ =σ = 2 =
^p , di mana q= 1-p
X
n n m
N1
dengan kata lain ita memiliki proporsi sampel 1 ( p1 ) sebanyak dan
n1
N2
proporsi sampel 2 ( p2 ¿)sebanyak
¿ n2
Jika p adalah selisih p1dan p2 , maka distribusi romal dengan rata – rata
'
µ p − p dan deviasi
1 2
Stabdart σ p −p . 1 2
x1
p1=
Misalkan dari populsi 1 di peroleh estimasi proporsi , ^ , di mana X1
n1
X2
adalah banyaknya sukses pada sampel 1 . estimasi bagi populsi 2 , ˘^p2=
n2
, di mana X2 adalah banyak sukses pada sampel 2. Distribusi sampling
p1 − ^
bagi selisih dua proporsi , ^ p2 adalah
µ ^p −^p =E ( ^p1− ^p2 )
1 2
µ p − p =P −P
1 2 1 2