KK Statistika, FMIPA - ITB

Pengantar &
Statistika Deskriptif
Utriweni Mukhaiyar
KK Statistika, Prodi Matematika, FMIPA – ITB
utriweni@math.itb.ac.id
 KK Statistika, FMIPA - ITB

 Suatu perusahaan kontraktor ingin memeriksa kualitas dari produk

Ilustrasi yang dihasilkannya. Oleh karena itu, diambil data tingkat ketahanan dari
25 jembatan yang dikonstruksi pada periode yang sama (satuan
ketahanan sudah distandarkan):
85.64 89.54 44.24 60.00 77.71
27.14 64.52 24.00 54.12 60.00
111.27 45.75 42.13 43.04 87.46
14.32 83.00 41.49 47.70 27.79
14.37 77.96 32.35 41.60 70.00
 Informasi apa yang ingin diperoleh dari data ini ?
1. Rata-rata tingkat ketahanan dari 25 jembatan tersebut.
2. Penyebaran nilai tingkat ketahanan dari STATISTIKA
jembatan-jembatan tersebut. DESKRIPTIF
3. Jembatan dengan tingkat ketahanan yang ekstrim.
4. Signifikansi rata-rata tingkat ketahanan yang diproduksi oleh
perusahaan kontraktor tersebut
INFERENSI
STATISTIKA
 Statistik : nilai-nilai ukuran data yang mudah dimengerti.
Contoh :

Statistik o statistik (mis. rata-rata) nilai elevasi pasang surut air laut di selat
Makassar (m),
dan o statistik (mis. variansi) hasil pengukuran tinggi gelombang (cm)
menggunakan AWLR (Automatic Water Level Recorder)
Statistika o Statisitik (mis. range) antara nilai tinggi pasang maksimum dan surut
minimum (m)

Statistika : Ilmu yang merupakan cabang dari matematika

(terapan) yang membahas metode-metode ilmiah untuk pengumpulan,
pengorganisasian, penyimpulan, penyajian, analisis data, serta penarikan
kesimpulan yang sahih sehingga keputusan yang diperoleh dapat
diterima
3
 KK Statistika, FMIPA - ITB

Jenis-jenis 1. Statistika deskriptif: metode yang

berkaitan dengan pengumpulan dan
Statistika penyajian data.

2. Statistika inferensi: metode yang

berkaitan dengan analisis sampel untuk
penarikan kesimpulan tentang
karakteristik populasi.

4
 Descriptive Statistics is a Must!!
KK Statistika, FMIPA - ITB

The first thing to do when We have a Data

Menggambarkan apa adanya data
Statistika deskriptif
Populasi

Menggambarkan & mengkonfirmasi informasi

Sari numerik Grafik

yang ada di populasi (bentuk distribusi)

• Ukuran pemusatan • Ilustrasi bentuk
• Ukuran variabilitas distribusi (simetri,
Sampel • Ukuran kemencengan
(skewness)
“modalitas”, ail-
thickness,…)
• Ukuran kelancipan • Histogram, boxplot,
(kurtosis) stem-leaf, dot plot,
scatterplot

setiap obyek populasi memiliki

kemungkinan/kesempatan yang
sama untuk terpilih
Sampel Acak Setiap ukuran (statistik)
Penggunaan grafik,
disesuaikan dengan tujuan
dan ilustrasinya bermakna yang ingin dicapai atau
banyak jika dikaitkan satu informasi apa yang ingin
sama lain diperoleh

hasil pengukuran atau pengamatan

Data Statistika inferensi
Mengkonfirmasi dugaan mengenai populasi
“realisasi dari a. Uji hipotesis
sampel acak” b. Estimasi
2016 Copyright KK Statistika FMIPA - ITB
 KK Statistika, FMIPA - ITB

Bisa diukur
(diamati) oleh
alat/ panca
Eksperimen indera
Acak
Proporsi
Ciri-ciri
keberhasilan Eksperimen
dapat ditetapkan Dapat diulangi
(ditaksir)
Acak
Semua hasil
yang mungkin
bisa ditetapkan
dari
awal/selama
proses
2017 Copyright KK Statistika FMIPA - ITB
 KK Statistika, FMIPA - ITB

Jenis-jenis Nominal Jenis batuan, warna

Observasi Tidak mengenal urutan dan
operasi aritmatika
pasir, tipe bangunan, …
Kualitatif
Ordinal Kategori kehalusan
Mengenal urutan dan pasir, ranking
operasi aritmatika kerusakan jembatan, …
Hasil Pengamatan/
Data Diskrit Banyak retakan pada
Berhubungan dengan sebuah pilar, banyak
proses menghitung jembatan rusak, …

Kontinu Tingkat kohesi semen,

Kuantitatif Terdefinisi dalam suatu panjang retakan, berat
interval baja konstruksi, …

Rasio Proporsi banyak

Hasil dari jembatan rusak pada
perbandingan/proporsi suatu tahun, …

2017 Copyright KK Statistika FMIPA - ITB

 KK Statistika, FMIPA - ITB

Pengolahan Data
Karakteristik
Distribusi

Sari Numerik Grafik Informasi data

• Ukuran pemusatan • Histogram • Simetris?
• Ukuran variabilitas • Stem-leaf • Puncak tunggal?
• Kemencengan • Boxplot • Ekor tebal?
• Kelancipan • Dot plot
• Scatter Plot

13-14/08/2017 2017 Copyright KK Statistika FMIPA - ITB

 KK Statistika, FMIPA - ITB

mean, median, modus,

1. PARAMETER kuartil atas, kuartil
Karakteristik
Ukuran Pemusatan
DISTRIBUSI bawah, dll
Range, simpangan baku,
Distribusi Ukuran Penyebaran variansi, jangkauan antar
kuartil, dll
Kemencengan skewness

Kelancipan kurtosis

2. BENTUK DISTRIBUSI Simetris mean = median

Menceng/skew
mean > median
Positif
Berpuncak Berpuncak Menceng/skew
mean < median
Jamak Tunggal Negatif

# modus > 1 # modus = 1

 KK Statistika, FMIPA - ITB

Statistik Ketahanan
Nbr. of observations 25
Minimum 14.320
Maximum 111.270
Range 96.950 Mean > median
1st Quartile 41.490
Median 47.700
Sari Numerik 3rd Quartile 77.710
Sum 1367.140
Mean 54.686 Menceng
Variance (n-1) 656.844 positif???
Standard deviation (n-1) 25.629
Skewness (Pearson) 0.300 Datum banyak menumpuk
Kurtosis (Pearson) -0.713 di nilai yang lebih kecil

2017 Copyright KK Statistika FMIPA - ITB

 KK Statistika, FMIPA - ITB

Data Pencilan Data yang nilainya berbeda jauh dari kelompok

(outlier) data yang lain.
Bagaimana mendeteksi data pencilan ??
1. Hitung dq dq = 36.22
2. Hitung BBP = q1 – k.dq BBP = 41.49–(1.5)(36.22) = -12.84

Pilih nilai k = 3/2 (optional)

3. Hitung BAP = q3 + k.dq BAP = 77.71 + (1.5)(36.22) = 132.04

4. Pencilan bawah < BBP tidak ada pencilan bawah

5. Pencilan atas > BAP tidak ada pencilan atas
 KK Statistika, FMIPA - ITB

Tabel Distribusi Diperhatikan umur jembatan di 15 lokasi

Frekuensi (dalam tahun).
26 37 39 46 49 59 69 76 83 83 83 87 87 95 95
Kelas Interval Titik Tengah Frekuensi (f) Frekuensi
Kelas Kumulatif
21-35 28 1 1
36-50 43 4 5
51-65 58 1 6
66-80 73 2 8
81-95 88 7 15
PRINSIP DASAR
PELUANG
Bagaimana bentuk histogramnya?
 KK Statistika, FMIPA - ITB

9%
10%

23% 58%

Pie Chart
 Pie chart merupakan grafik yang berbentuk lingkaran yang
mana setiap potongannya mewakili proporsi atau persentase
suatu komponen dari sebuah kelompok data (100%).
 Pemakaian pie chart hanya cocok ketika menyatakan data
dalam bentuk proporsi dari satu kelompok data.

13
 KK Statistika, FMIPA - ITB

3.5

2.5

frekuensi
2

1.5

0.5

Dot Plot 0
0 20 40 60 80 100

nilai

 Cara menggambarkan data dalam bentuk titik, dengan

memperhatikan frekuensi dari data yang bersangkutan
 Titik ditumpuk diatas nilai data yang digambarkan.

14
 KK Statistika, FMIPA - ITB

Histogram
 Histogram adalah gambar berdasarkan distribusi
frekuensi
 Setiap frekuensi dipresentasikan oleh suatu segi empat
(rectangle).
 Daerah setiap rectangle sebanding dengan frekuensinya.

15
 KK Statistika, FMIPA - ITB 16

26 37 39 46 49 59 69 76 83 83 83 87 87 95 95

Diagram
Batang-Daun
(Stem-Leaf)  Stem atau batang, mirip dengan grup data pada histogram, sedangkan
leaf atau daun, mirip dengan frekuensi.
 Stem atau batang adalah digit pertama yang terpenting yang ada dalam
bilangan yang membentuk harga data, sedangkan digit di belakangnya
akan merupakan leaf atau daun.
 Melalui stem-Leaf masih dapat dilihat nilai data mentahnya.
 KK Statistika, FMIPA - ITB

100

Diagram Kotak- 90
95
max
85
q3
Titik 80

70
76
q2
mean
(Box-Plot) 60

50
47.5 q1
40

30
26 min
20

10

0
 Box Plot digunakan untuk menyelidiki distribusi tanpa
menggunakan grup data seperti pada histogram dan
diagram batang daun.
 Box Plot terdiri dari: datamin , q1 , q2 (median), q3 , dan
datamax yang disusun secara terurut dengan membentuk
kotak.
 KK Statistika, FMIPA - ITB

Pencilan pada
Box Plot * pencilan atas
BAP (pagar atas)

upper whisker maksimum

q3
q2
mean

q1

lower whisker minimum

BBP (pagar bawah)

* pencilan bawah
*
 Gambar dikeluarkan menggunakan software Mic. Excel XL Stat
Box plot (Ketahanan)
Unit: 10 120

1 44 100
Contoh 2
3
478
2 80

Ketahanan
4 1223468
5 4 60
6 005
7 088 Histogram (Ketahanan)
40
8 3670
9 0.3 20
10
11 1 0.25 0

Relative frequency
0.2

0.15

0.1

0.05

0
0 20 40 60 80 100 120
Ketahanan

2017 Copyright KK Statistika FMIPA - ITB

 KK Statistika, FMIPA - ITB

Kelemahan dan KELEMAHAN

Tidak efektif untuk ukuran data Cepat

KEUNGGULAN

Keunggulan DOT PLOT

yang besar Nilai data asli dapat diperkirakan

Lama Histogram peluang dapat memberi

HISTOGRAM Banyak perhitungan
Nilai data tidak nampak
Menuntut ketelitian mencatat
BATANG-DAUN
daun
Membutuhkan perhitungan
yang panjang
BOX PLOT Terdiri dari parameter-
parameter dari data yang
sudah diurutkan
gambaran tentang distribusi populasi
Tidak menuntut ketelitian dalam mencatat
setiap nilai data
Cepat
Tidak memerlukan perhitungan
Nilai data asli dapat dilihat
Memudahkan perhitungan berbagai
parameter
Box plot dapat memberi gambaran
tentang bentuk distribusi populasi
Efektif untuk membandingkan bentuk
distribusi beberapa kelompok data
sekaligus

20
 KK Statistika, FMIPA - ITB

Bentuk
Distribusi Ideal
Normal mean = median

Memiliki bentuk distribusi yang simetris, yaitu :

Skewness = 0
Kurtosis = 3, (dalam software tertentu kurtosis normal = 0
 KK Statistika, FMIPA - ITB

Latihan  Suatu jenis polimer digunakan dalam sistem evakuasi pesawat

terbang. Penting diperhatikan bahwa polimer tersebut harus
mampu melawan proses penuaan. Diambil dua puluh sampel
polimer yang kemudian dibagi atas dua percobaan. Percobaan
pertama (batch 1) yang melibatkan 10 sampel dikenakan proses
percepatan penuaan dengan temperatur tinggi selama 10 hari.
Sedangkan 10 sampel lainnya (batch 2) tidak dikenakan proses
apa-apa. Kekuatan daya rentang (dalam psi) sampel-sampel
tersebut diukur dan dicatat sebagai berikut.

Batch 1 227 222 218 217 225 218 216 229 228 221
Batch 2 219 214 215 211 209 218 203 204 201 205

Q: Apakah percobaan proses penuaan memberikan dampak pada

kekuatan daya rentang polimer?

Sumber: Walpole (2006), hal.13

 KK Statistika, FMIPA - ITB

Contoh
Analisis Kasus  Apa yang dapat kita lakukan untuk menjawab
pertanyaan tersebut???

- Keluarkan sari numerik yang mungkin

Ukuran pemusatan data : MEAN, MEDIAN, KUARTIL BAWAH-ATAS
Ukuran penyebaran data : RANGE, JANGKAUAN KUARTIL,
VARIANSI,SIMPANGAN BAKU
Lain-lain : SKEWNESS dan KURTOSIS Apakah diperlukan???

- Plot data
Pilih plot yang informatif untuk menjawab pertanyaan tersebut
Misal: BOXPLOT
 KK Statistika, FMIPA - ITB

Batch.1 Batch.II
Mean 222,10 209,90
Variansi 23,6556 42,1000
Simp.Baku 4,86 6,49
Min. 216 201
Max. 229 219
Q1 218 204,25
SARI Median
Q3
221,5
226,5
210
214,75
NUMERIK 230

225
229
226.5
230

225
221.5
220 220
219
218
215 216 215 214.75

210 210 210

205 205 204.25

200 200 201

Batch 1
195 195 Batch 2

APA YANG DAPAT DISIMPULKAN??

@ UM
KESIMPULAN DESKRIPTIF
24
 KK Statistika, FMIPA - ITB

 Transformasi dilakukan untuk mendapatkan bentuk distribusi yang lebih

simetris.
 Transformasi Tangga Tukey

Transformasi -1/x2 -1/x √x log (x) x x2 x3 10x

Data
untuk bentuk distribusi : untuk bentuk distribusi :
(pengayaan) skewness positif
data awal
skewness negatif
Merenggangkan data-data yang berharga kecil Merapatkan data-data yang berharga kecil dan
dan merapatkan data-data yang berharga besar merenggangkan data-data yang berharga besar

Data contoh kasus : skewness = -0,5 (menceng kiri),

maka transformasi yang mungkin adalah x2, x3, dan 10x.
 KK Statistika, FMIPA - ITB

x y = x2
Transformasi 87 7569
Lebih mendekati simetris (skew = 0)
dibanding sebelum transformasi
Data 37 1369 (skew = -0,5)
59 3481
(pengayaan) 49 2401
Contoh Kasus 69
95
4761
9025
83 6889
87 7569
skew = -0,18
39 1521
95 9025
83 6889
76 5776
83 6889
26 676 ** Ketika data ditransformasi, maka satuan
46 2116 dari data juga akan berubah
transformasi
  PELUANG DAN ATURANBAYES
NEXT …  PEUBAH ACAK DAN DISTRIBUSINYA

2017 Copyright KK Statistika FMIPA - ITB

 KK Statistika, FMIPA - ITB

Peubah Acak
Peubah Acak adalah pemetaan dari ruang sampel menuju bilangan
real

Contoh (1):

Ruang Sampel pemeriksaan tiga suku cadang suatu mesin, dengan 𝐵𝐵 menyatakan
baik dan 𝐶𝐶 menyatakan cacat

𝑆𝑆 = 𝐵𝐵𝐵𝐵𝐵𝐵, 𝐵𝐵𝐵𝐵𝐵𝐵, 𝐵𝐵𝐵𝐵𝐵𝐵, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝐵𝐵𝐵𝐵𝐵𝐵, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝐶𝐶𝐶𝐶𝐶𝐶

Variabel Acak 𝑋𝑋 ∶ 𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵𝐵 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑦𝑦𝑦𝑦𝑦𝑦𝑦𝑦 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐

𝑋𝑋 = {0,1,2,3}
 KK Statistika, FMIPA - ITB

Peubah Acak
Contoh (2) :

Pemeriksaan banyak porositas pada hasil casting nozzle cup

S= , , , ,…
𝑋𝑋 = 15,5; 18,84; 14,89; 16,04; …
Variabel X : banyaknya porositas pada nozzle cup (%)
Sumber: Tugas Akhir D4, Politeknik Manufaktur Bandung 2015
 KK Statistika, FMIPA - ITB

Memberi
gambaran
masalah ke
Kelebihan bilangan real

Peubah Acak
Ruang sampel
yg berbeda Lebih mudah
dapat
dipetakan ke dalam
nilai peubah penulisan
acak yang sama

Memudahkan Dapat
dalam melakukan
perhitungan operasi
numerik matematika
 KK Statistika, FMIPA - ITB

Jenis Peubah Acak

Diskrit Kontinu

Peubah acak yang Peubah acak yang

himpunan dapat memperoleh
kemungkinan semua nilai pada
hasilnya terhitung skala kontinu

Contoh: Contoh:
𝑋𝑋 ∶ Banyaknya klaim produk 𝑌𝑌: Panjang diameter lubang (inner
D85ESS – 2 selama 5 tahun diameter) suatu komponen
 KK Statistika, FMIPA - ITB

 Walpole, Ronald E., et.al, Statistitic for Scientist and

Engineering, 8th Ed., 2007.
 Walpole, Ronald E. Dan Myers, Raymond H., Ilmu Peluang dan
Statistika untuk Insyinyur dan Ilmuwan, Edisi 4, Bandung:
Referensi Penerbit ITB, 1995.

32