Dokumen - Tips - Makalah Penyajian Data Dalam Bentuk Grafik
Dokumen - Tips - Makalah Penyajian Data Dalam Bentuk Grafik
c om
STATISTIKA DASAR
PENYAJIAN DATA DALAM BENTUK GRAFIK
MAKALAH
( Disusun guna memenuhi salah satu tugas matakuliah Statistika Dasar )
Disusun oleh :
Galuh Denok (080210102008)
Wahyuni Fajar Arum (080210102013)
Norma Aisyah (080210102014)
Agus Tina Sari (080210102015)
Binar Kurnia Prahani (080210102016)
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 1/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
BAB I
PENDAHULUAN
juta orang, maka kita dapat meramalkan jumlah penduduk Indonesia 10 tahun
yang akan datang. Tentunya kita perlu bantuan statistika untuk meramalkan
jumlah penduduk Indonesia pada tahun 2012. Masih banyak contoh-contoh
penggunaan statistika dalam kehidupan sehari-hari.
Uraian singkat di atas memberi kita informasi tersurat bahwa dalam
berbagai hal kita harus bias menyajikan data agar orang lain lebih komunikatif
dalam menganalisa atau menikmati data kita.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 2/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
1.3 Tujuan
1. Memberikan pemahaman melalui diskripsi penyajian data dalam grafik.
2. Memberikan pengetahuan dasar mengenai komponen yang terkandung
Penyajian data dalam grafik.
3. Memberikan Pemahaman melalui diskripsi definisi ukuran pemusatan.
4. Memberikan pengetahuan dasar mengenai komponen yang terkandung
dalam deskripsi dan jenis dari ukuran pemusatan.
5. Memberikan Pemahaman melalui diskripsi definisi ukuran
variasi/disperse.
6. Memberikan pengetahuan dasar mengenai komponen yang terkandung
dalam deskripsi dan jenis dari ukuran variasi/dispersi.
7. Memberikan Pemahaman melalui diskripsi definisi dari korelasi dan
regresi.
8. Memberikan pengetahuan dasar mengenai komponen yang terkandung
dalam deskripsi dan jenis dari ukuran korelasi dan regresi.
9. Diharapkan setiap mahasiswa dapat mengetahui dan mengaplikasikan
penyajian data, ukuran variasi atau disperse, korelasi dan regresi.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 3/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
BAB II
PEMBAHASAN
atau grafik Penyajian data secara visual dilakukan melalui bentuk grafik,
gambar, atau diagram.
a. Diagram Batang
Untuk menggambar diagram batang kita memerlukan sumbu datar
dan sumbu tegak yang saling tegak lurus. Sumbu datar dibagi menjadi
beberapa skala bagian yang sama dan sumbu tegak juga dibagi menjadi
beberapa skala bagian yang sama. Skala pada sumbu datar tidak harus
sama dengan skala pada sumbu tegak. Sumbu datar biasanya menyatakan
nilai dan sumbu tegak menyatakan frekuensi. Untuk lebih jelasnya, coba
kamu perhatikan contoh berikut.
Tabel 3
BANYAK ORANG DI DAERAH X YANG MENJAGOKAN SALAH
SATU NEGARA PESERTA WORLD CUP 2002 MENJADI JUARA
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 4/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
Argentina 10 10
Brazil 35 35
Denmark 7 7
Italia 15 15
Inggris 20 20
Jerman 30 30
Prancis 5 5
Spanyol 8 8
Diagram 1
40
Catatan: Data fiktif
35
35 Data-data yang terdapat pada Tabel 3 di atas akan kita nyatakan dalam
30
bentuk diagram batang, seperti yang nampak pada Gambar 2 berikut.
30
25
20
20
15
15
10
8
10 7
5
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik Negara Peserta World Cup 2002 5/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
b. Diagram Garis
Jika kita mempunyai data yang keadaannya kontinu atau
berkesinambungan, maka sebaiknya kita dapat menyajikan dalam bentuk
diagram garis. Misalkan data tersebut adalah kasus malaria, DBD dan
Frambusia di kabupaten Wetan tahun 1997, seperti berikut:
150
100
50
0
JAN FEB MAR APR MEI JUN
KASUS MALARIA,
Banyak Orang D BD Menjagokan
yang D AN FRAMBUSIA DI KAB
Salah Satu WETAN
Negara
TAHUN 1997
Peserta World Cup 2002 Menjadi Juara
c. Diagram Lingkaran
Brazil
Perhatikan kembali Tabel 3 di atas. Kita akan meyajikan data-data yang
Spanyo
terdapat pada tabel Arg
tersebut dalam bentuk diagram lingkaran.
l
De 8% Brazil
n Italia
France 4%6%
27% Inggri
s
Jerman
Jerman
23%
ItaliaSpain 5%
Prancis
Inggris 12%
Denmark
15%
Argentina
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 6/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
160
140
120
100
80
60
40
20
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 7/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
Ketentuan umum untuk membuat grafik, diagram atau gambar data antara
lain sebagai berikut :
a. Judul grafik, diagram, gambar atau skema harus jelas dan tepat. Judul
terletak diatas tengah gambar atau grafik dan menggambarkan ciri data,
tempat dan tahun data tersebut diperoleh (what, where, dan when).
b. Garis horizontal maupun garis vertikal sebagai koordinat harus diatas agar
garis kurva tampak jelas.
c. Skala pada grafik atau gambar harus ada catatan tentang satuan yang dipakai
f. Apabila data dari grafik atau gambar tersebut diambil dari sumber lain
(bukan hasil penelitian sendiri) maka sumber data harus ditulis dibawah kiri
grafik atau gambar tersebut.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 8/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
Grafik garis tunggal (single line chart) adalah grafik yang terdiri dari satu
garis untuk menggambarkan perkembangan (trend) dari suatu karakeristik.
Contoh 3.1 Perhatikan tabel berikut,yang berisi data penjualan hipotesis
Harapan Kita selama tujuh tahun.
100
50
0
JAN FEB MAR APR MEI JUN
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 9/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
10
Dari nilai rata-rata tersebut dapat disimpulkan bahwa Toni lebih pandai
dari Joni.
a. Rata-rata Hitung
Kalau kita mempunyai nilai variable X,sebagai hasil pengamatan atau
observasi sebanyak N kali yaitu X1,X2,….,Xb,….,Xn maka :
a) Rata-rata sebenarnya (populasi)
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 10/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
11
merupakan perkiraan
• Metode Koding
Suatu saat mungkin kita akan bekerja pada jumlah data yang banyak
dengan nilai-nilai data yang tinggi.Ada suatu metode yang efektif dan sangat
membantu dalam menyederhanakan nilai-nilai yang besar itu yaitu dengan
menggunakan metode koding (metode ini hanya berlaku jika semua panjang
kelas dalam tabel distribusi frekuensi bernilai sama). Untuk menghitung rata-
rata dengan menggunakan metode koding, adalah dengan melengkapi tabel di
bawah ini. Langkah pertama meletakkan angka nol pada kelas sekehendak
kita/sembarang. Untuk mengisi kolom koding (kolom 4) di atas nilai nol
dengan mengurangkan masing-masing dengan satu dari nilai kelas di
bawahnya.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 11/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
12
No Nilai fi ci fici
1 61-65 5 -4 -20
2 66-70 7 -3 -21
3 71-75 11 -2 -22
4 76-80 14 -1 -14
5 81-85 17 0 0
6 86-90 15 1 15
7 91-95 8 2 16
8 96-100 3 3 9
Jumlah 80 -37
Rumus Rata-Rata
Untuk mencari nilai rata-rata dengan menggunakan metode koding
dapat dillihat dalam rumus
Dimana:
= nilai rata-rata hitung
= nilai tengah kelas pada saat i= 0c
P = panjang kelas
N= jumlah
ci = nilai koding kelas ke-i
fi = frekuensi kelas ke- i
a. Rata-rata Gabungan
Jika kita mempunyai data n1, n2, n3, … dengan nilai rata-rata
masing- masing.
b. Rata-rata Harmonik
Rata-rata harmonik biasanya digunakan untuk merata-ratakan
kecepatan beberapa jarak tempuh atau mencari harga rata-rata suatu
komoditi tertentu.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 12/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
13
Dimana:
Mo = Nilai modus
BB = Batas Bawah kelas model
p = panjang kelas modus
b1 = jumlah frekuensi kelas modus dikurangkan jumlah frekuensi sebelum
kelas modus
n -F
Med =L 0 +c 2
f
L0 =batas bawah kelas median
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 13/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
14
Contoh :
9-21 3
22-34 4
35-47 4
48-60 8
61-73 12
74-86 23
87-99 6
Σf = 60
Letak median ada pada data ke 30, yaitu pada interval 61-73, sehingga :
L0 = 60.5
60 - 19
Med =60,5 +13 2 =72,42
F = 19
12
f = 12
4. Kuartil
Ada 3 jenis yaitu kuartil pertama (Q1) atau kuartil bawah, kuartil kedua
(Q2) atau kuartil tengah, dan kuartil ketiga (Q3) atau kuartil atas.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 14/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
15
i( n +1)
Qi = nilai ke - , i =1,2,3
4
in - F
Q i =L 0 +c 4 , i =1,2,3
f
Contoh :
9-21 15 3
22-34 28 4
35-47 41 4
48-60 54 8
61-73 67 12
74-86 80 23
87-99 93 6
Σf = 60
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 15/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
16
Sehingga :
5. Desil
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 16/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
17
in - F
Di =L 0 +c10 , i =1,2,3,..., 9
f
Contoh :
Kelas Tengah
(X)
9- 15 3
21
28 4
22-
41 4
34
54 8
35-
47 67 12
48- 80 23
60
93 6
61-
73
74-
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 17/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
18
86
87-
99
Σf =
60
Sehingga :
7.60 - 31
D 7 =73,5 +13 10 =79,72
23
6. Persentil
Untuk data tidak berkelompok
in - F
Pi =L 0 +c100 , i =1,2,3,..., 99
f
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 18/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
19
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 19/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
20
Atau
2. Jarak (range)
Nilai jarak (range), merupakan ukuran variasi yang paling
sederhana dan mudah untuk dihitung. Data diurutkan dahulu dari yang
terkecil hingga terbesar kemudian dihitung selisih antara data terbesar dan
data terkecil.
Rumusnya:
Nilai jarak = X(n) – X1. Range merupakan ukuran yang kasar
untuk n besar dan ukuran ini kurang sensitive, artinya bahwa informasi
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 20/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
21
bisa menyesatkan apabila ada dua data yang memiliki kisaran sama tapi
simpangan baku yang berbeda. Range ini tidak selalu dapat
menggambarkan keragaman data untuk n besar.
3. Rata-rata simpangan (mean deviation).
Rata-rata simpangan, seperti namanya perhitungan ini dilakukan
dengan cara merata-ratakan simpangan data. Simpangan data adalah
selisih tiap-tiap data dengan rata-ratanya. Rata-rata simpangan adalah rata-
rata hitung dari nilai absolute dari simpangan, rumusnya:
Nilai Jarak
Untuk data berkelompok, nilai jarak ( NJ ) dapat dihitung dengan dua cara
NJ = Nilai tengah kelas terakhir – nilai tengah kelas pertama
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 21/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
22
Jika ada dua kelompok data dengan KV1 dan KV2, di mana KV1 > KV2,
maka kelompok data pertama lebih bervariasi atau lebih heterogen daripada
kelompok data kedua.
Koefisien Variasi (KV), dapat juga digunakan untuk menentukan apakah
kelompok data tersebut memiliki konsistensi atau tidak. Semakin besar KV
maka semakin tidak konsisten, begitu pula sebaliknya semakin kecil KV
semakin konsisten.
2.7 Definisi dari korelasi dan regresi.
Dalam teori probabilitas dan statistika, korelasi, juga disebut koefisien
korelasi, adalah nilai yang menunjukkan kekuatan dan arah hubungan linier
antara dua peubah acak (random variable). Dalam bahasa Inggris, Correlation
artinya saling hubungan atau hubungan timbal balik. Istilah itu biasa kita
sebut dalam bahasa sehari-hari dengan sebutan Korelasi. Dan dalam ilmu
statistika istilah korelasi diberi pengertian sebagai hubungan antara dua
variabel atau lebih. Dimana hubungan antara dua variabel itu dikenal dengan
istilah bivariate correlation, sedangkan hubungan antar lebih dari dua variabel
disebut multivariate correlation. Contoh bivariate correlation adalah:
Hubungan antara motivasi kerja dengan kinerja, atau penggunaan pupuk
dengan hasil produksi padi. Sedangkan contoh multivariate correlation
adalah: Hubungan antara motivasi kerja dan disiplin kerja dengan kinerja,
atau bisa juga hubungan antara penggunaan pupuk dan luas lahan tanam
dengan hasil produksi.
Regresi dalam statistika adalah salah satu metode untuk menentukan
hubungan sebab-akibat antara satu variabel dan variabel(-variabel) yang lain.
Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel
penjelas, variabel eksplanatorik, variabel independen, atau secara bebas,
variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau
sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi,
variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 22/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
23
selalu variabel acak. Analisis regresi adalah salah satu analisis yang paling
populer dan luas pemakaiannya. Hampir semua bidang ilmu yang
memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini.
dari 100 koin terdapat 10 koin kuning yang bernilai 20 sen. Lalu bagaimana
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 23/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
24
dengan korelasi? Korelasi ialah suatu keterkaitan yang bisa ditangkap dari
perbandingan dua proporsi yang masing-masing proporsisi mengandung 2
kriteria yang salah satu kriteria disebutkan dalam kedua proporsi tersebut. Jadi,
korelasi bisa diambil dari contoh 2 proporsi sebagai berikut, terdapat sekitar
60% koin berwarna keabuan yang bernilai 10 sen dan terdapat sekitar 35%
koin berwarna kuning yang bernilai 10 sen. Kedua proporsi tadi telah
membandingkan proporsi koin bernilai 10 sen yang berwarna kuning dan
keabuan yang ada dalam kotak. Hal ini memberi informasi bahwa koin bernilai
10 sen lebih sering muncul dalam warna yang keabuan dibandingkan kuning.
Informasi ini bukan sekedar proporsi, tetapi terdapat korelasi di dalamnya.
Contoh ini merupakan suatu korelasi positif antara kriteria(properti) nilai 10
sen dengan kriteria (properti) warna keabuan. Pembahasan bagaimana korelasi
dikatakan positif atau negatif akan dilanjutkan pada bagian berikutnya.
1. Koefisien Korelasi
Untuk mengetahui tinggi rendah, kuat lemah, atau besar kecilnya suatu
korelasi adalah dengan melihat besar kecilnya besaran angka (koefisien) yang
disebut angka indeks korelasi atau coeffisien of correlation, yang diberi simbol
dengan ρ (baca Rho, untuk populasi) atau r (untuk sampel). Dengan kata lain
Besaran Indek Korelasi adalah sebuah angka yang dapat dijadikan petunjuk
untuk mengetahui seberapa besar kekuatan korelasi di antara variabel yang
sedang diselidiki korelasinya. Besaran korelasi berkisar antara 0 sampai dengan
± 1,00 (artinya paling tinggi dan paling rendah ± 1,00, atau antara + 1 dan – 1).
Pada Besaran Indeks Korelasi, makna tanda plus minus (±), atau tanda plus
minus pada Besaran Indek Korelasi ini berfungsi hanya untuk menunjukkan
arah hubungan, dan bukan sebagai tanda aljabar. Apabila besaran indek
korelasi bertanda plus ( + ) maka korelasi tersebut positif dan arah korelasi itu
satu arah, sedangkan apabila angka indek korelasi bertanda minus (–), maka
korelasi tersebut negatif dan arah korelasi berlawanan arah; serta apabila angka
indek korelasi sama dengan 0, maka hal ini menunjukkan tidak ada korelasi.
Secara umum, arah korelasi dapat di bedakan menjadi dua, yakni bersifat satu
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 24/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
25
arah dan yang sifatnya berlawanan arah. Contoh hubungan yang satu arah:
Kenaikan biaya promosi diikuti oleh kenaikan omzet penjualan suatu produk.
Contoh hubungan antar dua variabel yang berlawanan arah adalah:
meningkatnya harga suatu produk tertentu diikuti oleh penurunan permintaan
masyarakat terhadap produk tersebut.
Istilah yang dinamakan dengan ukuran korelasi dikenal dalam analisis
korelasi. Ukuran korelasi (measures of correlation) ini dapat dilihat dengan
rumus-rumus tertentu yang digunakan, dimana penggunaan rumus-rumus
tersebut disesuaikan menurut jenis variabel-variabel yang yang akan diukur
korelasinya. Dalam hal ini, paling tidak ada enam model hubungan antar dua
atau lebih variabel yang dapat kita identifikasi sesuai dengan jenis variabelnya,
yakni:
1) hubungan variabel nominal dengan variabel nominal;
2) hubungan variabel nominal dengan variabel ordinal;
3) hubungan variabel nominal dengan dengan variabel interval;
4) hubungan variabel ordinal dengan variabel ordinal;
5) hubungan variabel ordinal dengan variabel interval;
6) hubungan variabel interval (ratio) dengan variabel interval (ratio).
Berikut ini disajikan kelaziman penggunaan analisis hubungan dengan
menggunakan model analisis yang benar.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 25/36
Korelasi tinggi -1
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
Tinggi <-0,9
26
rendah >-0,9
Rendah <-0,4
Tanpa korelasi >-0,4
Tak ada korelasi (acak) 0
Tanpa korelasi <+0,4
Rendah >+0,4
Rendah <+0,9
tinggi >0,9
Korelasi tinggi +1
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 26/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
27
2. Lambda
3. Phi
2. Nominal Ordinal Theta
3. Nominal Interval/Rasio 1. Eta
2. Point Biserial
4. Ordinal Ordinal 1. Gamma
2. Spearman
5. Ordinal Interval/Rasio Jaspen’s (M)
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 27/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
28
Dimana;
C = koefisiensi kontingensi
= kai kuadrat
N = Jumlah data
(prediktor)
• Rumus Lambda Simetris dan Asimetris
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 28/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
29
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 29/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
30
2. Regresi
Analisis regresi merupakan salah satu teknik statistik yang digunakan
secara luas dalam ilmu pengetahuan terapan. Regresi di samping digunakan
untuk mengetahui bentuk hubungan antar peubah regresi, juga dapat
dipergunakan untuk maksud-maksud peramalan.Dengan menggunakan n
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 30/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
31
Y = b + b X +e 0 1 (1)
dengan Yi adalah peubah tidak bebas Xi adalah peubah bebas dengan i =
1,2,...,n 0 b dan 1 b adalah parameter-parameter yang tidak diketahui
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 31/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
32
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 32/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
33
Bentuk persamaannya
Y = a + bX
X = Variabel bebas
Y = variabel terikat
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 33/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
34
BAB III
PENUTUP
3.1 Kesimpulan
1. Penyajian data dalam grafik adalah suatu penyajian data secara visual.
2. Modifikasi bentuk penyajian data dengan grafik ini beraneka ragam
antara lain: Diagram Batang, Diagram Batang, Diagram
Lingkaran, Grafik Peta, Diagram area atau diagram daerah.
3. .Nilai rata-rata umumnya cenderung terletak di tengah suatu kelompok
data yang disusun menurut besar kecilnya nilai. Dengan perkataan
lain,ia mempunyai kecenderungan memusat, sehingga sering disebut
ukuran kecenderungan memusat (measures of central tendency).
4. Deskripsi dan jenis dari ukuran pemusatan antara lain: Rata-rata,
Modus, Ukuran kemencengan kurva, Ukuran keruncingan kurva, Rata-
rata simpangan, Jarak, Koefisien variasi, Simpangan baku.
5. Korelasi merupakan hubungan antara dua variabel atau lebih. Dimana
hubungan antara dua variabel itu dikenal dengan istilah bivariate
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 34/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
35
3.2 Saran
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 35/36
5/7/2018 Ma ka la h Pe nyajia n Da ta Da la m Be ntuk Gra fik - slide pdf.c om
36
DAFTAR PUSTAKA
DR.Sugiono.2001.Statistika Nonparametris.Bandung:ALFABETA.
http://slide pdf.c om/re a de r/full/ma ka la h-pe nyajia n-da ta -da la m-be ntuk-gra fik 36/36