MODUL I

Tujuan Pembelajaran : 1) Mhs memahami ruang lingkup, dan manfaat

belajar statistik

2) Mhs memahami statistik deskriptif dan induktif,

peran statistik dalam bidang Fisika Teknik,
populasi, sampel, variabel, data kualitatif &
kuantitatif

Pokok Bahasan : Pendahuluan Probabilitas dan Statistik,

Sub Pokok Bahasan : Pengertian statistik deskriptif dan induktif, peran
statistik dalam bidang Fisika Teknik, populasi,
sampel, variabel, data kualitatif & kuantitatif

Metode Pembelajaran : 1) Ceramah

2) Diskusi
3) elearning

Aktivitas Dosen : 1) Mengunggah materi kuliah ke eLisa.ugm.ac.id

2) Memandu diskusi dan menjelaskan di depan

kelas.

Aktivitas Mahasiswa : 1) Mendengarkan penjelasan dosen

2) Berdiskusi dg dosen

3) Daftar komunitas ester-PROBSTAT pada eLisa

setelah kuliah.

4) Unduh bahan ajar setelah kuliah,

Waktu Pelaksanaan : Minggu pertama
1 kali pertemuan (100 menit)

Evaluasi : Pertanyaan lisan untuk recall yang akan dilakukan

minggu ke-2

1
 DAFTAR ISI

Hal
Tujuan Pembelajaran....................................................... 1
Pokok Bahasan................................................................ 1
Sub Pokok Bahasan......................................................... 1
Metode Pembelajaran....................................................... 1
Aktivitas Dosen.............................................................. 1
Aktivitas Mahasiswa....................................................... 1
Waktu Pelaksanaan........................................................ 1
Evaluasi.......................................................................... 1
Daftar Isi......................................................................... 2
PENDAHULUAN........................................................... 3
Statistik Deskriptif.......................................................... 3
Statistik Inferensial.......................................................... 3
Variabel........................................................................... 4
Data................................................................................. 4
Skala Pengukuran............................................................ 6
Populasi........................................................................... 6
Sampel............................................................................. 6
Contoh Materi Assesment................................................. 7
Referensi.......................................................................... 7

2
 MATERI UTAMA

PENDAHULUAN

Statistik merupakan cabang ilmu yang diperlukan oleh semua bidang

dan merupakan sarana mengembangkan cara berpikir logis/ilmiah,
misalnya untuk estimasi, evaluasi, uji atau prediksi. Dalam
perkembangan ilmu dan penggunaannya statitistik mempunyai cabang
utama yaitu : probabilitas dan statistik. Probabilitas adalah sebuah
metodologi yang memungkinkan uraian tentang variasi random di
dalam sistem. Statistik adalah cara ilmiah untuk mengumpulkan,
menyusun, meringkas, menyajikan data-data dan mengolah data
tersebut sehingga dapat ditarik kesimpulan/keputusan atas data yang
diolah tersebut.

Statistik Statistik yang hanya mengolah dan menyajikan data lewat angka, tabel,
deskrip-
grafik dan gambar disebut statistik deskriptif atau statistik deduktif
tif

Statistik Statistik yang menggunakan sampel (sebagian dari populasi) untuk

inferens
menarik kesimpulan tentang populasi tersebut disebut dengan statistik
i-al
induktif atau statistik inferensial.
Statistik induktif mempunyai keuntungan :
1. Jumlah individu yang infinit, tidak mungkin dilakukan penelitian
atas seluruh individu
2. Uji yang bersifat destruktif, tidak mungkin dilaksanakan
seluruhnya.
3. Obyek yang homogen tidak seluruhnya diobservasi
4. Hemat waktu dan tenaga.

Contoh statistik induktif/inferensial :

3
 1. Peningkatan kadar ozon di udara menunjukkan adanya polusi
udara. Untuk mengetahui tingkat polusi udara, tidak semua
daerah dilakukan pengujian. Untuk efisiensi waktu dan biaya,
dengan menggunakan metode yang tepat dilakukan pengujian 6
sampel udara yang diambil dari 4 lokasi suatu daerah industri.
2. Suatu pabrik bola lampu ingin mengetahui umur hidup (life
time) produknya. Tidak mungkin melakukan pengujian terhadap
semua hasil produksi, karena pengujian bersifat destruktif.
Pengujian paling tepat adalah dengan menggunakan sampel
untuk mewakili keadaan populasi bola lampu seluruhnya.
Pembagian ranah statistika seperti pada Gambar I.1

Gambar I.1. Pembagian Ranah Statistika [1]

Variabel Variabel adalah suatu simbol (lambang), misalnya X, Y, Z dan

sebagainya, yang dapat bernilai berapapun dari sekumpulan nilai yang
telah dijelaskan terlebih dahulu. Kumpulan (himpunan) nilai yang telah
dijelaskan itu disebut sebagai domain dari variable yang bersangkutan.
Variabel adalah sesuatu yang menjadi obyek observasi, bisa berasal
dari manusia, tempat, institusi, tanaman, dan sebagainya. Observasi
terhadap variabel akan menghasilkan data-data.

4
Data Jenis-jenis data dapat dibedakan menjadi data kuantitatif atau kualitatif.
Data kuantitatif adalah data yang dapat diketahui/ditentukan nilainya
secara numeris. Data kualitatif adalah data yang menunjukkan sifat
variabel dan nilainya tidak dinyatakan secara numeris.

Tabel I.1. Contoh Data Kuantitatif dan Data Kualitatif

Data Kuantitatif Data Kualitatif
Tinggi badan A : 158 cm Tinggi badan A : sedang
IP kumulatif B : 3,3 IP kumulatif B : sangat memuaskan

Suhu badan C : 40 oC Suhu badan C : tinggi

Data dapat dibedakan juga menjadi data kontinu dan data

diskret. Data kontinu merupakan hasil ukur (measurement) sedangkan
data diskret merupakan hasil hitung/cacah (enumeration/counting).
Dengan demikian nilai data kontinu dapat berupa bilangan pecahan
sedangkan data diskret selalu bilangan bulat. Contoh-contoh klasifikasi
data seperti pada Tabel I.2.

Gambar I.2. Pembagian Data Kualitatif dan Data Kuantitatif [1]

5
 Sumber data statistika dibedakan menjadi data primer dan data
sekunder. Data primer adalah data yang diperoleh sebagai hasil keadaan
pada obyeknya langsung. Sedangkan data sekunder adalah suatu data
tentang sesuatu yang diperoleh melalui sumber data yang lain, yang
bukan pada obyeknya langsung. Contoh data primer dan sekunder
seperti pada Gambar I.3.

Gambar I.3. Pembangian Data Menurut Asal Data [1]

Data pengukuran dibedakan menjadi skala nominal, skala ordinal,

skala interval, dan skala rasio. Definisi dan contoh skala pengukuran
seperti Gambar I.4.
Skala
Skala Nominal
pengu-
Angka yang diberikan hanya
kuran sebagai label saja.
Contoh: pria = 1, wanita = 2
Skala Interval
Angka mengandung sifat ordinal
dan mempunyai interval.
Contoh:
Saham sangat prospektif dengan
harga saham Rp736-878,-
Skala Ordinal
Angka mengandung pengertian
tingkatan.
Contoh: ranking 1, 2, dan 3.
Ranking 1 menunjukkan lebih
tinggi dari ranking 2 dan 3.
Skala Rasio
Angka mempunyai sifat
nominal, ordinal dan interval
serta mempunyai nilai absolut
dari objek yang diukur.
Contoh: bunga BCA 7% dan
Mandiri 14%, maka bunga
Mandiri 2 kali bunga BCA

Gambar I.4. Matriks Skala Pengukuran

6
Populas Bagian dari alam, yang biasanya dalam jumlah besar yang menjadi
i pusat perhatian kita.
Populasi dibagi menjadi populasi yang infinit (jumlahnya tak terbatas)
dan populasi finit (jumlahnya terbatas).

Sampel Bagian dari populasi yang menjadi obyek observasi.

Contoh Materi Assesment

Data Diskrit or Kontinyu ?

1. Banyaknya curah hujan (mm) di Yogyakarta dalam berbagai bulan dalan 1
tahun
2. Kecepatan mobil (km/jam)
3. Jumlah uang kertas Rp 100.000,-an yang beredar setiap saat
4. Jumlah mahasiswa yang regristrasi
5. Jangkauan jarak tembak proyektil

REFERENSI
[1] Banks,J.,1989, Principles of Quality Control, John Wiley and Sons,
New York
[2] Harinaldi, 2005, Prinsip-prinsip Statistik untuk Teknik dan Sains,
Erlangga, Jakarta
[3] Lipschutz,S. Theory and Problems of Probability, McGraw-Hill Book
Company,New York
[4] Mendenhall,W and Sincich, T, 1988, Statistics for The Engineering and
Computer Sciences, Collier Macmillan Publishers, London
[5] Spiegel M.R. and Stephens, L.J., 1990, Statistik, terjemahan, Ed ke-3,
Erlangga, Jakarta
[6] Walpole, R.E., 1993. Probability and Statistics for Engineers and
Scientists, 5th. ed. McMillan.