Disusun oleh :
Bab 2
Diagram batang
Suatu grafik yang kelas-kelasnya dilaporkan pada sumbu horizontal dan frekuensi kelas pada sumbu
vertikal. Frekuensi kelas sebanding dengan tinggi batang.
Diagram lingkaran
Merupakan bagan yang menunjukkan proporsi atau persen yang dimiliki setiap kelas.
Distribusi Frekuensi
Distribusi frekuensi adalah pengelompokan data ke dalam kategori yang saling eksklusif yang
menunjukkan jumlah observasi di setiap kelas.
Frekuensi Kelas Relatif
Frekuensi kelas dapat diubah menjadi frekuensi kelas relatif untuk menunjukkan pecahan dari jumlah
observasi di setiap kelas.
Frekuensi relatif menangkap hubungan antara total kelas dan jumlah observasi.
Distribusi Frekuensi
Titik tengah kelas: Titik yang membagi suatu kelas menjadi dua bagian yang sama besar. Ini adalah
rata-rata batas kelas atas dan bawah.
Frekuensi kelas : Banyaknya observasi pada setiap kelas.
Interval kelas: Interval kelas diperoleh dengan mengurangkan batas bawah suatu kelas dengan batas
bawah kelas berikutnya.
Membuat Tabel Frekuensi - Contoh
Langkah 1: Tentukan jumlah kelas.
Resep yang berguna untuk menentukan jumlah kelas (k) adalah “aturan 2 banding k”. sedemikian
rupa sehingga 2k > n.
Ada 80 kendaraan yang terjual. Jadi n = 80. Jika kita mencoba k = 6, yang berarti kita akan
menggunakan 6 kelas, maka 26 = 64, kurang dari 80. Oleh karena itu, 6 kelas saja tidak cukup. Jika k
= 7, maka 27 128, yang lebih besar dari 80. Jadi jumlah kelas yang disarankan adalah 7.
Langkah 2: Tentukan interval atau lebar kelas.
Rumusnya adalah: i > (H-L)/k dengan i adalah interval kelas, H adalah nilai teramati tertinggi, L
adalah nilai teramati terendah, dan k adalah jumlah kelas.
($35.925 - $15.546)/7 = $2.911
Bab 3
Karakteristik Mean
Rata-rata aritmatika adalah ukuran lokasi yang paling banyak digunakan. Hal ini membutuhkan skala
interval. Karakteristik utamanya adalah:
a) Semua nilai digunakan.
b) Ini unik.
c) Jumlah deviasi dari mean adalah 0.
d) Itu dihitung dengan menjumlahkan nilai dan membaginya dengan jumlah nilai.
Rata-rata Populasi
Untuk data yang tidak dikelompokkan, mean populasi adalah jumlah seluruh nilai populasi dibagi
dengan jumlah total nilai populasi:
Sifat-sifat Rata-Rata Aritmatika
Setiap kumpulan data tingkat interval dan tingkat rasio memiliki mean.
Semua nilai dimasukkan dalam menghitung mean.
Sekumpulan data mempunyai mean yang unik.
Rata-rata dipengaruhi oleh nilai data yang sangat besar atau kecil.
Rata-rata aritmatika adalah satu-satunya ukuran tendensi sentral yang jumlah simpangan
setiap nilai dari rata-rata adalah nol.
Rata-rata Tertimbang
Rata-rata tertimbang dari himpunan bilangan X1, X2, ..., Xn, dengan bobot yang sesuai w1,
w2, ...,wn, dihitung dari rumus berikut:
Median
Median adalah titik tengah suatu nilai setelah diurutkan dari yang terkecil hingga yang terbesar.
Jumlah nilai di atas median sama banyaknya dengan nilai di bawahnya dalam larik data. Untuk
himpunan nilai genap, mediannya adalah rata-rata aritmatika dari dua bilangan tengah.
Properti Median
Ada median unik untuk setiap kumpulan data.
Hal ini tidak dipengaruhi oleh nilai-nilai yang sangat besar atau kecil dan oleh karena itu merupakan
ukuran tendensi sentral yang berharga ketika nilai-nilai tersebut muncul.
Ini dapat dihitung untuk data tingkat rasio, tingkat interval, dan tingkat ordinal.
Distribusi frekuensi dapat dihitung untuk distribusi frekuensi terbuka jika mediannya tidak terletak
pada kelas terbuka.
Contoh - Median
Usia sampel lima mahasiswa adalah:
21, 25, 19, 20, 22
Menyusun data dalam urutan menaik menghasilkan:
19, 20, 21, 22, 25.
Jadi mediannya adalah 21.
Modus
Modus adalah nilai observasi yang paling sering muncul.
Bab 4
Plot Titik
Plot titik mengelompokkan data sesedikit mungkin dan identitas observasi individu tidak
hilang.
Untuk mengembangkan plot titik, setiap pengamatan hanya ditampilkan sebagai titik di
sepanjang garis bilangan horizontal yang menunjukkan kemungkinan nilai data.
Jika terdapat pengamatan yang identik atau pengamatan tersebut terlalu dekat untuk
ditampilkan satu per satu, titik-titik tersebut “ditumpuk” di atas satu sama lain.
Batang-dan-Daun
Tampilan batang dan daun adalah teknik statistik untuk menyajikan sekumpulan data. Setiap nilai
numerik dibagi menjadi dua bagian. Digit terdepan menjadi batang dan digit terakhir menjadi daun.
Batang terletak di sepanjang sumbu vertikal, dan nilai daun ditumpuk satu sama lain di sepanjang
sumbu horizontal. Keuntungan tampilan batang-dan-daun dibandingkan distribusi frekuensi - identitas
setiap pengamatan tidak hilang.
Batang-dan-Daun – Contoh
Misalkan ketujuh observasi pada kelas 90 sampai dengan 100 adalah: 96, 94, 93, 94, 95, 96, dan 97.
Nilai batang adalah angka atau angka terdepan, dalam hal ini 9. Daun adalah angka terakhir. Batang
ditempatkan di sebelah kiri garis vertikal dan nilai daun di sebelah kanan. Nilai pada kelas 90 hingga
100 akan tampak sebagai
Kemudian, kita mengurutkan nilai-nilai dalam setiap batang dari yang terkecil hingga yang terbesar.
Dengan demikian, akan muncul baris kedua tampilan batang dan daun.
Bab 5
Definisi
Probabilitas adalah ukuran kemungkinan terjadinya suatu peristiwa di masa depan. Jika itu hanya
dapat mengasumsikan nilai antara 0 dan 1.
Nilai yang mendekati nol berarti peristiwa tersebut tidak mungkin terjadi. Nilai yang
mendekati satu berarti kemungkinan besar terjadi.
Ada tiga cara untuk menetapkan probabilitas:
(a) klasik,
(b) empiris, dan
(c) subyektif.
Definisi berlanjut
Eksperimen adalah pengamatan terhadap suatu kegiatan atau tindakan melakukan suatu pengukuran.
Klasik
Empiris
Subyektif
Acara Saling Eksklusif
Peristiwa-peristiwa dikatakan saling lepas jika terjadinya salah satu peristiwa berarti tidak ada
peristiwa-peristiwa lain yang dapat terjadi pada waktu yang sama.
Peristiwa dikatakan bebas apabila terjadinya suatu peristiwa tidak mempengaruhi terjadinya peristiwa
yang lain.
Peristiwa yang Lengkap Secara Kolektif
Peristiwa dikatakan lengkap jika setidaknya salah satu peristiwa harus terjadi pada saat percobaan
dilakukan.
Probabilitas Empiris
Pendekatan empiris terhadap probabilitas didasarkan pada apa yang disebut hukum bilangan besar.
Kunci untuk menetapkan probabilitas secara empiris adalah bahwa lebih banyak observasi akan
memberikan perkiraan probabilitas yang lebih akurat.
Hukum Bilangan Besar
Misalkan kita melempar sebuah koin secara adil. Hasil setiap pelemparan adalah kepala atau ekor.
Jika kita melempar koin berkali-kali, probabilitas munculnya gambar akan mendekati 0,5. Tabel
berikut melaporkan hasil percobaan melempar koin sebanyak 1, 10, 50, 100, 500, 1.000 dan 10.000
kali dan kemudian menghitung frekuensi relatif kepala.
Probabilitas Empiris - Contoh
Pada tanggal 1 Februari 2003, Pesawat Ulang-alik Columbia meledak. Ini merupakan bencana kedua
dalam 113 misi luar angkasa NASA. Berdasarkan informasi ini, berapa probabilitas misi masa depan
dapat diselesaikan dengan sukses?
Probabilitas Subyektif - Contoh
Jika hanya ada sedikit atau tidak ada pengalaman atau informasi masa lalu yang menjadi dasar suatu
probabilitas, maka hal tersebut dapat ditentukan secara subyektif.
Ilustrasi probabilitas subjektif adalah:
1. Memperkirakan kemungkinan New England Patriots akan bermain di Super Bowl tahun depan.
2. Memperkirakan kemungkinan Anda menikah sebelum usia 30 tahun.
3. Memperkirakan kemungkinan defisit anggaran AS akan berkurang setengahnya dalam 10 tahun ke
depan.
Aturan Penambahan
Aturan Khusus Penjumlahan - Jika dua kejadian A dan B saling lepas, maka peluang terjadinya salah
satu kejadian atau kejadian lainnya sama dengan jumlah peluang kedua kejadian tersebut.
P(A atau B) = P(A) + P(B)
Aturan Umum Penjumlahan - Jika A dan B adalah dua kejadian yang tidak saling lepas, maka P(A
atau B) diberikan dengan rumus berikut:
P(A atau B) = P(A) + P(B) - P(A dan B)
Bab 6
Variabel Acak Kontinu dapat mengasumsikan jumlah nilai tak terhingga dalam rentang
tertentu. Biasanya ini merupakan hasil dari beberapa jenis pengukuran
Variabel Acak Diskrit - Contoh
Bab 7
Distribusi Seragam
Distribusi probabilitas seragam mungkin merupakan distribusi paling sederhana untuk variabel acak
kontinu. Distribusi ini berbentuk persegi panjang dan ditentukan oleh nilai minimum dan maksimum.
Distribusi Seragam - Contoh
Berapa lama seorang siswa “biasanya” harus menunggu bus? Dengan kata lain, apa yang
dimaksud dengan waktu tunggu rata-rata? Berapa simpangan baku waktu tunggunya?
Distribusi normal baku adalah distribusi normal dengan mean 0 dan deviasi standar 1.
Ini juga disebut distribusi z.
Nilai z adalah jarak antara nilai yang dipilih, yang diberi tanda X, dan rata-rata populasi ,
dibagi dengan simpangan baku populasi, σ.
Rumusnya adalah:
Aturan Empiris
Sekitar 68 persen area di bawah kurva normal berada dalam satu standar deviasi dari mean.
Sekitar 95 persen berada dalam dua standar deviasi dari mean.
Secara praktis semuanya berada dalam tiga standar deviasi dari mean.
Aturan Empiris - Contoh
Sebagai bagian dari program jaminan kualitasnya, Perusahaan Baterai Autolite melakukan pengujian
terhadap masa pakai baterai. Untuk baterai alkaline sel D tertentu, masa pakai rata-ratanya adalah 19
jam. Masa manfaat baterai mengikuti distribusi normal dengan standar deviasi 1,2 jam.
Bab 8
Untuk populasi dengan mean μ dan varians σ2, distribusi sampling dari mean semua
kemungkinan sampel berukuran n yang dihasilkan dari populasi akan berdistribusi normal.
Rata-rata distribusi sampling sama dengan μ dan varians sama dengan σ2/n.
Menggunakan Distribusi Sampling dari Rata-Rata Sampel (Diketahui Sigma)
Jika suatu populasi mengikuti distribusi normal, maka distribusi sampling mean sampel juga
akan mengikuti distribusi normal.
Untuk menentukan probabilitas rata-rata sampel berada dalam wilayah tertentu,
X̄−μ
mengunakan: z=
σ / √n
Bab 9
Estimasi titik adalah statistik yang dihitung dari informasi sampel, yang digunakan untuk
memperkirakan parameter populasi.
Estimasi interval kepercayaan adalah rentang nilai yang dibangun dari data sampel sehingga
parameter populasi kemungkinan besar muncul dalam rentang tersebut pada probabilitas
tertentu. Probabilitas yang ditentukan disebut tingkat kepercayaan.
Bab 10
Apa itu Hipotesis?
Hipotesis adalah pernyataan tentang nilai parameter populasi yang dikembangkan untuk tujuan
pengujian. Contoh hipotesis yang dibuat tentang parameter populasi adalah:
Pendapatan bulanan rata-rata untuk manajer akuntansi adalah $3,625.
Dua puluh persen dari seluruh perusahaan yang terdaftar di BEI melakukan praktik manajemen laba.
Apa itu Pengujian Hipotesis?
Pengujian hipotesis adalah suatu prosedur, berdasarkan bukti sampel dan teori probabilitas, yang
digunakan untuk menentukan apakah hipotesis merupakan pernyataan yang masuk akal dan tidak
boleh ditolak, atau tidak beralasan dan sebaiknya ditolak.
Hal Penting yang Perlu Diingat tentang H0 dan H1
H0: hipotesis nol dan H1: hipotesis alternatif
H0 dan H1 saling eksklusif dan lengkap secara kolektif
H0 selalu dianggap benar
H1 mempunyai beban pembuktian
Sampel acak (n) digunakan untuk “menolak H0”
Jika kita menyimpulkan 'tidak menolak H0', hal ini tidak berarti hipotesis nol benar, hanya
menunjukkan bahwa tidak terdapat cukup bukti untuk menolak H0; menolak hipotesis nol,
menunjukkan bahwa hipotesis alternatif mungkin benar.
Kesetaraan selalu menjadi bagian dari H0 (misalnya “=” , “≥” , “≤”). “≠” “<” dan “>” selalu menjadi
bagian dari H1
Cara Menyiapkan Klaim sebagai Hipotesis
Dalam praktik sebenarnya, status quo ditetapkan sebagai H0
Jika tuntutannya “sombong” maka tuntutan tersebut ditetapkan sebagai H1 Ingat, H1 mempunyai
beban pembuktian
Dalam pemecahan masalah, carilah kata-kata kunci dan ubahlah menjadi simbol-simbol. Beberapa
kata kuncinya antara lain: “lebih baik, lebih baik dari, sama efektifnya, berbeda dari, telah berubah,
dan sebagainya.”