UNIVERSITAS WIJAYAKUSUMA
PURWOKERTO - 2013
POPULASI
Seluruh kemungkinan pengamatan yang dikumpulkan lengkap dari seluruh
berasan yang mewakili suatu proses acak (random tertentu
SAMPEL
Sebuah pengamatan yang terbatas, dan merupakan bagian dari pupulasi
VARIABEL
karakter suatu sistem yang besarnya dapat diukur dan besarnya dapar
berbeda apabila diukur pada waktu yang berbeda (fungsi waktu)
Continous variable:variabel yang dapat dinerusukur secara terus menerus
(waktu)
Descrete variable:variable yang dapat diukur secara stationer
PARAMETER
Besaran yang merupakan sistem, dan tidak berubah terhadap waktu
VARIAT
Besaran variabel yang diukur setiap saat
POPULASI DAN SAMPEL
POPULASI SAMPEL
Sebuah kumpulan dari semua Suatu bagian dari populasi
kemungkinan orang-orang, tertentu yang menjadi
benda-benda dan ukuran lain perhatian.
dari objek yang menjadi
perhatian.
3
Istilah dalam statistika
Obyek = benda hidup atau mati yg diuji unsur-unsur, sifat dan
kelakuannya melalui pengamatan, pengukuran dan penilaian guna
mendpt info atau nilai-nilai yg berguna mengenai benda tsb
VARIABEL
Suatu sifat dari obyek atau unsur dari obyek yg dpt diamati atau
diukur shg menghasilkan nilai, ukuran atau criteria lain yg dpt
bervariasi
VARIATE
Angka/nilai ukuran/criteria lain yg dicapai suatu variabel pada suatu
individu atau unit statistic
VARIASI
Adanya perbedaan antar nilai/variate/ukuran dll dari suatu variabel
pada populasi atau sampel
4
Istilah dalam statistika
VARIABILITAS
Kemungkinan utk bervariasi dr nilai suatu variable pd suatu populasi
atau sample
PARAMETER
suatu variabel terukur yg digunakan sbg criteria utk mengevaluasi
suatu populasi atau sistem
NILAI PARAMETRIK
suatu nilai dari suatu parameter yg diperoleh dari perhitungan atau
data sensus, masih harus di analisis.
NILAI STATISTIK
suatu nilai dari suatu parameter yg diperoleh dari perhitungan atau
data sensus.
5
Deskriptor Dalam Analisa Statistik
Rerata (Mean)
Deviasi Standard
Koefisien variasi
Median
Modus
Koefisien kemencengan (Skewnwss)
Koefisien kepuncakan (Kurtosis)
Rerata (Mean)
X 1 X 2 X 3 ....... X n
X
n Dengan :
1 n = rerata hitung
X X i sampel fi = jumlah reaksi ke i untuk
n i 1
n
setiap interval kelas
f X i i
xi = nilai data ke i
n = jumlah data
X i 1
n
populasi
f i 1
i
Pengukuran Dispersi
Pengertian
Range (Range) : Beda nilai terkecil - terbesar
Deviasi Rata-rata (Mean deviation) : Nilai rata-rata
penyimpangan mutlak dari rata-rata hitung untuk semua
nilai variasi
MD = 1/n Xi - X
Dengan : MD = deviasi rata-rata
Xi = nilai variat ke i
X = rata-rata hitung nilai variat
n = jumlah data
CONTOH RATA-RATA HITUNG
1. Dalam Tabel Distribusi Frekuensi
Interval Kelas Nilai Tengah Frekuensi fX
(X)
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558
Σf = 60 ΣfX = 3955
fX 3955
X 65,92
f 60
CONTOH RATA-RATA HITUNG
2. Dengan Memakai Kode (U)
Interval Kelas Nilai Tengah U Frekuensi fU
(X)
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18
Σf = 60 ΣfU = 55
fU 55
X X0 c 54 13 65,92
f 60
CONTOH RATA-RATA HITUNG
3. Dengan pembobotan
Masing-masing data diberi bobot.
X i X
n 2
S i1 sample
n 1
X i X
n 2
S i1 populasi
n
Deviasi Standard
Pengertian
۩ Koefisien Variasi
Varians (Variance) : nilai kwadrat dari deviasi standar = S2
Koefisien variasi (Variation coefficient) : nilai perbandingan
antara deviasi standar dengan nilai rata-rata hitung distribusi
S
CV
X
dengan : S = deviasi standard
CV = Koefisien variasi
= nilai rata-rata hitung
C O N T O H
Koefisien variasi
Pengertian
۩ Nilai Kemencengan
Kemencengan (Skewness) : nilai yang menunjukkan derajat
ketidak simetrisan (assymetry) bentuk distribusi
Untuk sampel n
n X i X
3
Cs i 1
(n 1)(n 2)S 3
dengan : CS = koefisien kemencengan
= nilai rata-rata hitung
XI = data ke I
n = jumlah data
S = Deviasi standard
Pengertian
۩ Nilai Kemencengan
Kemencengan (Skewness) : nilai yang menunjukkan derajat
ketidak simetrisan (assymetry) bentuk distribusi
Untuk populasi
n
Xi X 3
Cs i 1
n 3
dengan : = deviasi standard
CS = koefisien kemencengan
= nilai rata-rata hitung
XI = data ke I
n = jumlah data
C O N T O H
Koefisien Skewness
Pengertian
۩ Kesalahan kurtosis
n
n X i X
4
Ck i1
n 1n 2(n 3)S 4
16 * 8243785
Koefisien Kurtosis Ck 0,239
16 116 2(16 3)21,214
Pengertian
۩ Kesalahan Standar
Kesalahan standar dari rata-rata :
S
SE 1 / 2
n
Kesalahan standar dari deviasi standar :
S
SEd 1/ 2
2*n
Aplikasi Distribusi Peluang Diskrit
Aplikasi distribusi Peluang Binomial :
N P RQ N R
P( R) CR
P(R) = peluang terjadinya sebesar R dalam kejadian sejumlah N
N = jumlah kejadian
R = jumlah kejadian yang diharapkan
P = peluang terjadinya kejadian (parameter distribusi)
Q = peluang kegagalan (tidak terjadi) 1 – P
N!
N
CR jumlah kombinasi N dari R pada satu satuan waktu
R!N R!
N! = 1 x 2 x 3 x . . . x (N – 1) x N dan R! = 1! = 1
Contoh 3.1.
Debit puncak banjir sungai Citarum-Nanjung untuk periode ulang T = 5
tahun adalah 359 M3/det. Tentukan dalam waktu 40 tahun peluang debit
banjir tersebut :
tidak terjadi
terjadi satu kali
terjadi dua kali
terjadi tiga kali
rata-rata dan deviasi standarnya.
Jawab
=
:
diketahui : T = 5 tahun, maka P = 1/T =1/5 = 0,20
Q = 1 – P = 1 - 0,20 = 0,80
N = 10
Berdasarkan persamaan P( R) CRN P R Q N R
1. Peluang debit banjir tidak terjadi, yaitu R = 0, P(R = O)
PR 0 (10
10!
0
0 )(0,20) (0,80)
10
* (0,2)0 (0,80)10 0,107
0!*(10 0)!
1!*(10 1)!
3!*(10 3)!
5. Peluang debit banjir T = 5 tahunan rata-rata terjadi selama 10 tahun,
dengan rumus
=NP = (10) (0,20) = 2 kali
Dalam waktu 10 tahun, rata-rata akan terjadi debit banjir dengan periode
5 tahunan adalah 2 kali, dengan deviasi standar dapat dihitung dengan
rumus :
NPQ (10)(0,20)(0,80) 1,26kali
maka dapat disimpulkan bahwa debit banjir sungai Citarum-Nanjung untuk
periode ulang 5 tahunan sebesar 359 m3/det dalam waktu 10 tahun sama
sekali tidak terjadi : . mempunyai peluang 10,7 terjadi satu kali: 26,8 %;
terjadi dua kali: 30,1 %; terjadi 3 kali: 20,1 %. Rata-rata akan terjadi dua
kali ,selama 10 tahun dengan deviasi standar 1,26 kali.
Aplikasi Distribusi Peluang Diskrit
Aplikasi distribusi Binomial :
rata-rata hitung (mean) = NP
varian 2 = NPQ
deviasi standar = NPQ
3
QP
Kemencengan CS =
3 NPQ
1 6PQ
koefisien kurtosis CK = 3
NPQ
Aplikasi Distribusi Peluang Poisson
rata-rata hitung (mean) = NP
varian 2 = NPQ
dimana Q = 1 - P
Contoh 3.2.
Dalam suatu DPS dibangun dam pengendali banjir, dengan umur bangunan
100 tahun. Berapa peluang terjadinya banjir 550 m3/det dengan periode
ulang 200 tahun selama periode umur dam tersebut, apabila ditentukan
dengan distribusi peluang Poisson.
Jawab:
Periode ulang banjir 200 tahun, maka peluang terjadinya 1 kali banjir
adalah : P 1 1 0,005
T 200
N = 100 tahun
Berdasarkan persamaan
= NP = 100 x 0,005 = 0,50
Sehingga berdasarkan persamaan
R e
P( R)
R!
0,51 * 2,71828 0, 5
0,308
P(1)
1!
Dengan demikian di dalam DPS tersebut, pada dam pengendali banjir
dengan umur bangunan 100 tahun, selama periode umur tersebut akan
terjadi banjir periode 200 tahun dengan peluang 30,80%
APLIKASI DISTRIBUSI GUMBEL
Aplikasi Distribusi Gumbel Type I
Gumbel Tipe I (extreme type I) P(Xx) = e(-e) dengan -<X<+
P(X x) = fungsi densitas peluang tipe 1 gumbel
X = variabel acak kontinyu
e = 2,71828
Y = faktor reduksi gumbel = a (X – X0)
1,283
a dan X o 0,455
= deviasi standar
= nilai rata-rata
S
Atau dicari dengan rumus X X (Y Yn)
Sn
APLIKASI DISTRIBUSI GUMBEL
Aplikasi Distribusi Gumbel Type II
Gumbel Tipe II (extreme type II) Distribusi Prechet
P(Xx) = e(-e) dengan X>0 dan Y = a (log X – Xo)
a = 1,282 {1/S . log X} dan Xo = log X – 0,445 (S log X)