1.

Jelaskan 4 level tipe pengukuran kuantitatif, dan benarkah bahwa data

level nominal tidak dapat digunakan dalam analisis deskriptif?

Jawaban:

Ada empat tipe pengukuran atau skala pengukuran yang digunakan dalam
statistika, yakni: nominal, ordinal, interval, dan rasio.
1. Nominal
Skala Nominal merupakan skala yang paling lemah/rendah di antara skala
pengukuran yang ada. Skala nominal hanya bisa membedakan benda atau
peristiwa yang satu dengan yang lainnya berdasarkan nama (predikat). Skala
pengukuran nominal digunakan untuk mengklasifikasi obyek, individual atau
kelompok dalam bentuk kategori.
2. Ordinal
Skala Ordinal ini lebih tinggi daripada skala nominal, dan sering juga disebut
dengan skala peringkat. Hal ini karena dalam skala ordinal, lambang-lambang
bilangan hasil pengukuran selain menunjukkan pembedaan juga menunjukkan
urutan atau tingkatan obyek yang diukur menurut karakteristik tertentu.
Misalnya tingkat kepuasan seseorang terhadap produk. Bisa kita beri angka
dengan 5=sangat puas, 4=puas, 3=kurang puas, 2=tidak puas dan 1=sangat tidak
puas. Atau misalnya dalam suatu lomba, pemenangnya diberi peringkat 1,2,3
dstnya.
3. Interval
Skala interval mempunyai karakteristik seperti yang dimiliki oleh skala nominal
dan ordinal dengan ditambah karakteristik lain, yaitu berupa adanya interval yang
tetap. Dengan demikian, skala interval sudah memiliki nilai intrinsik, sudah
memiliki jarak, tetapi jarak tersebut belum merupakan kelipatan. Pengertian “jarak
belum merupakan kelipatan” ini kadang-kadang diartikan bahwa skala interval
tidak memiliki nilai nol mutlak.
Misalnya pada pengukuran suhu. Kalau ada tiga daerah dengan suhu daerah A =
10oC, daerah B = 15oC dan daerah C=20oC. Kita bisa mengatakan bahwa selisih
suhu daerah B, 5oC lebih panas dibandingkan daerah A, dan selisih suhu daerah C
dengan daerah B adalah 5oC. (Ini menunjukkan pengukuran interval sudah
memiliki jarak yang tetap). Tetapi, kita tidak bisa mengatakan bahwa suhu daerah
C dua kali lebih panas dibandingkan daerah A (artinya tidak bisa jadi kelipatan).
Kenapa ? Karena dengan pengukuran yang lain, misalnya dengan Fahrenheit, di
daerah A suhunya adalah 50oF, di daerah B = 59oF dan daerah C=68oF. Artinya,
dengan pengukuran Fahrenheit, daerah C tidak dua kali lebih panas dibandingkan
daerah A, dan ini terjadi karena dalam derajat Fahrenheit titik nolnya pada 32,
sedangkan dalam derajat Celcius titik nolnya pada 0. (Bagi yang menginginkan
cara mengkonversi Celcius ke Fahrenheit atau sebaliknya.
4. Skala rasio
Skala rasio adalah skala data dengan kualitas paling tinggi. Pada skala rasio,
terdapat semua karakteristik skala nominal,ordinal dan skala interval ditambah
dengan sifat adanya nilai nol yang bersifat mutlak. Nilai nol mutlak ini artinya
adalah nilai dasar yang tidak bisa diubah meskipun menggunakan skala yang lain.
Oleh karenanya, pada skala ratio, pengukuran sudah mempunyai nilai
perbandingan/rasio.
Pengukuran-pengukuran dalam skala rasio yang sering digunakan adalah
pengukuran tinggi dan berat. Misalnya berat benda A adalah 30 kg, sedangkan
benda B adalah 60 kg. Maka dapat dikatakan bahwa benda B dua kali lebih berat
dibandingkan benda A.
Skala nominal benar tidak dapat digunakan dalam analisis deskriptif.

3. Jelaskan apa itu Bayes Theorem. Dan contoh kasus.

Jawaban:

Bayes Theorem, adalah teorema yang dikenalkan oleh Thomas Bayes untuk
menghubungkan tingkat keyakinan Anda (prior) kepada keyakinan baru
(posterior) setelah adanya suatu observasi baru (evidence) berdasarkan likelihood
tertentu.

Contoh kasus: dua produsen

Dua Produsen membuat produk yang sama. Produsen1 membuat 1.000

produk/minggu dengan 100 diantaranya rusak. Produsen 2 membuat 2.000
produk/minggu dengan 150 rusak. Jika kita memilih produk secara acak, berapa
kemungkinan produk itu rusak? Jika rusak, berapa kemungkinan produk tersebut
dibuat oleh Produsen 1?

Pembahasan:

4. Jelaskan apa yang dimaksud dengan Distribusi Probabilitas. Dan contoh

kasus. Jelaskan karakteristik distribusi probabilitas binomial. Berikan satu
contoh kasus.

Jawaban:

Distribusi Probabilitas adalah sebuah susunan distribusi yang mempermudah

mengetahui probabilitas sebuah peristiwa. Merupakan hasil dari setiap peluang
peristiwa. Sebuah ukuran atau besaran yang merupakan hasil suatu percobaan atau
kejadian yang terjadi acak atau untung- untungan dan mempunyai nilai yang
berbeda-beda

Distribusi Probabilitas Binomial adalah distribusi probabilitas diskret jumlah

keberhasilan dalam n percobaan ya/tidak (berhasil/gagal) yang saling bebas,
dimana setiap hasil percobaan memiliki probabilitas p. Eksperimen berhasil/gagal
juga disebut percobaan bernoulli. Ketika n = 1, distribusi binomial adalah
distribusi bernoulli. Distribusi binomial merupakan dasar dari uji binomial dalam
uji signifikansi statistik.
Ciri-ciri distribusi Binomial adalah :

1. Setiap percobaan hanya memiliki dua peristiwa, seperti ya-tidak, sukses-

gagal.
2. Probabilitas suatu peristiwa adalah tetap, tidak berubah untuk setiap
percobaan.
3. Percobaannya bersifat independen, artinya peristiwa dari suatu percobaan
tidak mempengaruhi atau dipengaruhi peristiwa dalam percobaan lainnya.
4. Jumlah atau banyaknya percobaan yang merupakan komponen percobaan
binomial harus tertentu.

Contoh kasus, sebuah uang logam dilambungkan tiga kali dan dihitung berapa
jumlah muncul sisi depan. Distribusi jumlah acak ini merupakan distribusi
binomial dengan n = 3 dan p = ½

5. Diketahui, pemeriksaan hasil panen jeruk, 70% cacat. Jika suatu hari diambil
sampel 800 kg secara acak, tentukan probabilitas:

a. Paling banyak 300 kg cacat = 30 kuintal cacat

Jawab:

Q = 70% =0,7

P = 1-q = 0,3

Cari peluang 10 kuintal rusak, rusak, 20 kuintal rusak, dan 30 kuintal rusak

 10 kuintal rusak

P (x = 70) = (80!)/(70!(80-70)! x (0,3)80 x 0,770

P (x = 70) = 0,00000000000000000000000000001703563

 20 kuintal rusak

P (x = 60) = (60!)/(60!(80-60)! x (0,3)80 x 0,760

P (x = 60) = 0,00000000000000000000000000001530574
  30 kuintal rusak

P (x = 50) = (50!)/(50!(80-50)! x (0,3)80 x 0,750

P (x = 50) = 0,0000000000000000000000000000126787

Probabilitas 30 kuintal rusak = 0,000000000000000000000000000045020065

b. paling sedikit 600 kg jeruk cacat

P (x = 20) = (20!)/(20!(80-20)! x (0,3)80 x 0,720

P (x = 20) = 0,0000000000000000000000000000089876