STATISTIKA Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.

Singkatnya, statistika adalah ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data; ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan teori probabilitas. Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan probabilitas. Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi), maupun di bidang bisnis, ekonomi, dan industri. Statistika juga digunakan dalam pemerintahan untuk berbagai macam tujuan; sensus penduduk merupakan salah satu prosedur yang paling dikenal. Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak pendapat atau polling (misalnya dilakukan sebelum pemilihan umum), serta jajak cepat (perhitungan cepat hasil pemilu) atau quick co SEJARAH Penggunaan istilah statistika berakar dari istilah istilah dalam bahasa latin modern statisticum collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus"). Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai "ilmu tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi "ilmu mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama (Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mulamula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan. Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk memberi informasi kependudukan yang berubah setiap saat. Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh kedua abad ke-19 dan awal abad ke-20 oleh Ronald Fisher (peletak dasar statistika inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.

Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika, tetapi sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait dengan matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian

besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan matematika. unt. Di bidang komputasi, statistika dapat pula diterapkan dalam pengenalan pola maupun kecerdasan buatan. APAKAH STATISTIKA ITU ? Seringkali ada pertanyaan dari teman2 non-statistika: Apa seh statistika itu? Apa aja yang dipelajari di kuliahmu?Ngitung rata-rata ya?hehheh. Atau ada juga yang mengatakan,Kamu jurusan statitik ya?(yg benar adalah statistika, krn statistika dan statistik itu berbeda arti lo. ) Pertanyaan itu wajar sekali muncul, karena memang statistika kurang begitu populer bila dibandingkan dengan kedokteran, teknik elektro,ilmu komputer,ilmu ekonomi,dll.Tapi, bukan berarti ilmu statistika itu gak penting lo. Ilmu pengetahuan belakangan ini mengalami ledakan perkembangan. Misalnya orang kedokteran bisa menemukan obat bagi suatu penyakit tertentu,orang teknik sipil bisa membuat jembatan yang kokoh dan megah,orang2 pemerintahan bisa memetakan kemakmuran penduduknya,dll. Tapi tau gak seh, gimana caranya seorang penemu obat bisa menentukan mana obat yang paling mujarab untuk suatu penyakit tertentu, atau seorang teknik sipil bisa tau mana campuran bahan yang paling bagus digunakan untuk membangun jembatan?Yupmereka sebelumnya harus melakukan percobaan terlebih dahulu.Di dalam percobaan itu, mereka mengumpulkan data, kemudian melakukan analisis terhadap data serta menyimpulkan dan mengambil informasi yang berharga dari analisis data yg dilakukan. Nah, disinilah peran statistika. kalo gak salah, seingat saya waktu kuliah, dosen saya pernah mengajarkan: Statistika adalah ilmu yang mempelajari tentang bagaimana cara mengumpulkan data, mengolah data serta mengambil kesimpulan dari pengolahan data. jadi, dengan begitu,statistika juga memiliki peranan penting dalam menyokong perkembangan ilmu pengetahuan lainnya. Itulah mungkin kenapa, statistika juga diajarkan di jurusan2, yg kelihatannya gak ada hubungannya dengan statistika.

STOKASTIK Resonansi stokastik adalah istilah yang pertama kali muncul 1 tahun 1981, di mana saat itu istilah tersebut diusulkan sebagai mekanisme yang dipercaya bagi terjadinya peristiwaperistiwa hampir periodik (perioda mendekati 100.000 tahun) dari zaman es di Bumi selama 700.000 tahun belakangan ini. Sedangkan kelahiran resonansi stokastik dalam fenomena fisis terkendalikan secara eksperimen terjadi tahun 1983, setelah demonstrasi pertamanya dalam rangkaian elektronik Schmitt triggers 2. Sejak saat itu resonansi stokastik tumbuh secara cepat dalam bidang-bidang pengembangan dan riset multi-disiplin, dengan berbagai manifestasi eksperimental dalam bidang-bidang biologi, laser, elektronik, kuantum dan sistem-sistem lain. Sampai saat ini masih banyak proposal-proposal teori yang menantikan verifikasinya secara eksperimen 3.

Gambar sistem sumur ganda

Gambar resonansi skokastik Resonansi stokastik adalah suatu fenomena di mana suatu sistem non-linier di bawah pengaruh suatu sinyal periodik termodulasi yang amat lemah sehingga secara normal tidak terdeteksi, akan tetapi dapat terdeteksi disebabkan terjadinya resonansi antara sinyal deterministik yang lemah tersebut dengan gangguan (noise) stokastik. Definisi paling awal dari resonansi stokastik adalah kekuatan sinyal keluaran maksimum sebagai fungsi dari gangguan (Bulsara dan Gammaitoni 1996) 4. Sistem bistabil Secara umum resonansi stokastik dibahas dalam kerangka sistem bistabil, yaitu di mana dalam sistem yang dimaksud terhadap hanya dua tingkat keadaan, di mana obyek dari sistem, biasanya partikel, bisa berpindah dari dua keadaan stabil tersebut. Untuk mudahnya bayangkan suatu partikel berada dalam suatu lembah potensial yang di tengah-tengahnya terdapat bukit potensial sebagai pemisah. Bentuk potensial seperti ini dikenal dengan istilah sumur ganda (double well). Suatu bentuk sumur potensial ganda yang umum digunakan adalah

Tanpa adanya gangguan maka partikel akan berada hanya pada satu sumur, kiri atau kanan. Umumnya sinyal periodik yang digunakan dibuat sedemikian lemah sehingga partikel tidak dapat berpindah tempat atau 'hampir dapat berpindah'. Kemudian dengan mengenalkan gangguan, terjadilah resonansi pada sistem stokastik ini sehingga energi partikel menjadi tak terduga dalam domain temporal. Akibatnya pada saat yang tidak dapat diperkirakan sebelumnya, partikel dapat melompat ke ruang sebelahnya. Bentuk gangguan diilustrasikan seakan-akan meninggikan dasar sumur atau merendahkan bukit pemisah, sehingga partikel dapat melompat. Keadaan ini tidak dapat diperoleh bila gangguan dihilangkan.

Persamaan gerak partikel terkait dengan potensial dan sinyal masukannya, umumnya dituliskan sebagai

dengan , , dan masukan. Fungsi

berturut-turut adalah amplitudo, frekuensi dan fasa dari signal adalah gangguan yang bersifat stokastik sebagai fungsi waktu .

Struktur puncak-puncak Terdapat suatu yang khas dalam sistem resonansi stokastik yaitu distribusi waktu yang dihabiskan partikel dalam satu ruang sumur memiliki puncak-puncak yang dikenal sebagai struktur puncak-puncak. Semakin lama partikel berada dalam suatu ruang sumur, semakin jarang hal itu terjadi. Sebaliknya semakin sebentar partikel berada dalam suatu ruang sumur, semakin sering peristiwa itu berulang. Di antara kedua kejadian tersebut terdapat pula rentang waktu yang tidak disukai, akibatnya terbentuklah struktur puncak-puncak ini. Untuk mudahnya, bayangkan dua ruangan A dan B. Sebuah partikel dapat berada di ruang A maupun B selama waktu t. Bila dilakukan pengamatan dalam waktu yang amat lama maka akan diperoleh bahwa nilai-nilai t ini akan memenuhi suatu distribusi yang menunjukkan struktur puncak-puncak. Artinya terdapat suatu nilai t di mana memiliki kebolehjadian untuk terulang, akan tetapi terdapat pula t di mana kebolehjadian berulangnya amat kecil. Ini bisa disamakan seperti berapa lama seseorang dapat berada di suatu rumah makan. Ia bisa berada antara rentang t 10 menit (jika hanya memesan makanan untuk dibungkus) atau 2 jam (makan sambil mengobrol) akan tetapi kecil kemungkinan untuk berada hanya dalam waktu 2 detik atau 3 hari. Ilustrasi ini cocok untuk menerangkan puncak pertama dari struktur puncak-puncak. Dalam sistem resonansi stokastik, bila telah terdapat suatu t yang disenangi, makan umumnya terdapat pula kelipatannya, akan tetapi dengan kebolehjadian yang lebih kecil. Tinggi dari t dan kelipatan-kelipatannya ini akan meluruh secara eksponensial sejalan dengan semakin besarnya t.

Contoh-contoh resonansi stokastik Terdapat banyak contoh-contoh resonansi stokastik, beberapa di antaranya adalah rangkaian elektronik trigger Schmitt, dioda tunnel, sistem biologi pada respon syaraf penglihatan, kanal ionik, aplikasi medis, laser cincin bistabil dan devais interferensi kuantum super-menghantar. Analisa Resonansi stokastik dapat dianalisa dengan berbagai cara, salah satunya adalah dengan memperhatikan ciri khas spektrum-nya untuk kemudian dihitung rasio sinyal terhadap gangguan (signal to noise ratio atau SNR). Dengan cara ini, bentuk sinyal yang "mirip" dapat dibedakan lebih lanjut.

Trigger Schmitt circuit Rujukan

(Inggris) Roberto Benzi, Alfonso Sutera and Angelo Vulpiani, The mechanism of stochastic resonance, J. Phys. A: Math. Gen. 14 (1981) L453-l457. (Inggris) S. Fauve and F. Heslot, Stochastic resonance in a bistable system, Physics Letters A, Volume 97, Issues 1-2 , 8 August 1983, Pages 5-7 (Inggris) Thomas Wellens, Vyacheslav Shatokhin and Andreas Buchleitner, Stochastic resonance, Rep. Prog. Phys. 67 (2004) 45-105. (Inggris) Weisstein, Eric W. "Stochastic Resonance." From MathWorld--A Wolfram Web Resource. [1]. (Inggris) Luca Gammaitoni, Peter Hnggi, Peter Jung and Fabio Marchesoni, Stochastic Resonance, Reviews of Modern Physics, Vol. 70, No. 1, January 1998.

PENDAHULUAN Salah satu aspek penting dalam statistik inferensia adalah pendugaan parameter populasi. Misalnya, dan 2 yang diduga dari statistik sampel dan s2. Dengan demikian kesimpulan yang didapatkan merupakan kesimpulan tentang populasi yang dipelajari berdasarkan contoh atau sebagian dari populasi tersebut. dan s2 merupakan suatu peubah acak yang besarnya beragam dari satu contoh ke contoh yang lain serta memiliki sebaran statistik yang sesuai dengan sebaran induknya. Bagaimanakah kita menyelesaikan analisis perbedaan di antara dua sampel dengan menggunakan min sampel? Teorema had memusat menyatakan perbedaan didalam dua min sampel, , adalah bertaburan normal untuk saiz sampel yang besar (kedua-dua n1 dan n2 30) bergantung kepada bentuk populasi. Ia juga boleh ditunjukkan sebagai Pernyataan ini dapat kita gunakan formula Z untuk perbedaan di antara dua min sampel. Disamping itu, varian sampel boleh digunakan didalam Formula diatas untuk menggantikan varian populasi apabila varian populasi tidak diketahui dan saiz sampel adalah besar (n1, n2 30) disebabkan dengan saiz sampel yang besar varian sampel adalah penghampiran yang baik bagi varian populasi. Ujian Hipotesis Formula Z untuk Perbezaan didalam Dua Min Sampel tidak diketahui dan n1 dan n2 30 (sampel bebas) dimana 1 = min populasi 1 2 = min populasi 2 n1 = saiz sampel 1 n2 = saiz sampel 2 Selang Keyakinan Kadangkala kita boleh untuk menganggarkan perbedaan didalam min dua populasi adalah berguna. Dengan berapa banyakkah dua populasi berbeda didalam saiz atau berat atau usia? Berapa banyakkah dua keluaran berbeda didalam keberkesanannya? Adakah dua kaedah yang berbeda memberikan min hasil yang berbeza? Selang keyakinan untuk menganggar 1 2 apabila n1 dan n2 adalah Besar dan tidak di ketahui (

MATERI TAKSIRAN BEDA DUA RATA-RATA Bila kita mempunyai dua parameter populasi dan dengan ragam masing-masing dan dalam suatu pengamatan, maka kita dapat menduga beda dua rata-rata populasi dengan menghitung selisih statistik . Taksiran beda dua rata-rata ditentukan sebagai berikut: 1. Untuk Sampel Besar dan Diketahui Misalkan terdapat dua populasi yang berukuran besar: populasi pertama mempunyai rata-rata dan ragam dan populasi kedua mempunyai rata-rata dan . Dari setiap ppulasi diambil contoh acak yang mungkin untuk mendapatkan nilai dugaan atautaksiran bagi selisih . Bila ukuran contoh bebas n dan n diambil dari populasi mka distribusi beda rata-rata statistik menyebar menghampiri distribusi normal dengan rata-rata dugaan - = dan simpangan baku adalah - = . Dengan demikian selang kepercayaan (1-) 100% bagi beda rata-rata populasi adalah: (-) Z < < -+ Z Untuk contoh yang besar n 30 bagaimanapun bentuk populasinya, kita mengharapkan bahwa derajat kepercayaan bagi selang tersebut lebih akurat. Bila ragam masing-masing dan tidak diketahui, tapi ukuran contohnya cukup besar kita bisa mengganti ragam populasi dan dengan ragam masing-masing s dan s. 1. Untuk Sampel Kecil dan dan Diketahui Dalam praktik, parameter tidak pernah diketahui. Tetapi jika ragam dan boleh dianggap sama, maka pendugaan atau taksiran tetrap dapat dilakukan asal distribusi populasinya kira-kira berbentuk genta, selang kepercayaan masih diperoleh meskipun ragam tidak diketahui. Oleh karenanya = = , maka harus diduga dengan simpangan baku bersam Sp yaitu: Sp = Dan peubah normal baku T menjadi: T = ((-) ( )) / (Sp) Kita dapat mendefinisikan selang kepercayan bagi untuk contoh berukuran kecil dengan ragam = yang nilainya tidak diketahui. Bila dan adalah nilai rata-rata contoh acak bebas berukuran kecil n dan n, maka selang kepercayaan (1-) 100% bagi beda rata-rata populasi adalah: (-) tSp < -+ tSp

dalam hal ini t adalah nilai T yang terdistribusi menyebar derajat bebas df = (n-1) + (n-1). Namun di buku lain menyebutkan bahwa: Sp = Di mana, S= dan = S= dan = CONTOH SOAL & PENYELESAIANNYA 1. Kajian telah dijalankan untuk menentukan perbedaan penggunaan minyak kereta menggunakan minyak tanpa plumbum regular dan minyak tanpa plumbum premium. Penyelidik bagi kumpulan membahagikan 100 kereta dengan sama banyak untuk diuji dengan kedua-dua jenis minyak tersebut. Lima puluh kereta diisi dengan minyak regular dan 50 buah kereta lagi diisi dengan minyak premium. Purata sampel bagi kereta yang menggunakan minyak regular ialah 21.45 km/liter dengan sisihan piawai 3.46 km/liter. Min sampel bagi kereta yang menggunakan minyak premium ialah 24.6 km/liter dan sisihan piawai ialah 2.99 km/liter. Lakukan 95% selang keyakinan untuk menganggarkan perbedaan penggunaan minyak oleh kereta menggunakan kedua-dua jenis minyak tersebut. Penyelesaian: Nilai Z bagi 95% selang keyakinan ialah 1.96. Lain-laim maklumat sampel adalah sebagaimana berikut. Regular n1 = 50 = 21.45 S1 = 3.46 Premium n2 = 50 = 24.6 S2 = 2.99

Berdasarkan kepada maklumat tersebut, selang keyakinan ialah -3.15 1.27 1 2 -3.15 + 1.27 -4.42 1 2 -1.88 Prob[-4.42 1 - 2 -1.88] = 0.95 Jika selang keyakinan digunakan untuk menguji hipotesis dimana terdapat perbedaan di antara jarak km/liter di antara minyak regular dan premium, selang

keyakinan memberitahu kita untuk menolak hipotesis nul disebabkan selang tersebut tidak mengandungi nilai 0. Apabila kedua-dua hujung selang keyakinan mempunyai tanda yang sama, 0 tidak berada didalam selang. Didalam contoh, tanda selang adalah kedua-duanya negatif. Kita mempunyai keyakinan 95% menyatakan terdapat perbedaan bukan sifar didalam min. Untuk ujian tersebut, = 1 0.95 = 0.05. Jika tanda selang keyakinan untuk perbezaan di antara min sampel berbeda, selang keyakinan mempunyai nilai 0 dan penemuan tidak terdapat perbedaan yang signifikan didalam min populasi adalah mungkin 1. Kita mempunyai 95% keyakinan bahwa perbedaan sebenar jarak perjalanan di antaran penggunaan dua jenis minyak ialah di antara 1.88 km/liter dan 14.42 kg/liter. Titik penganggaran ialah 3.15 km/liter Katakan satu kajian telah dijalankan untuk menganggar perbedaan purata perbelanjaan di antara pelanggan berpendapatan sederhana dan pelanggan berpendapatan rendah disebuah kedai menggunakan kupon. Sampel rawak 60 pelanggan berpendapatan sederhana dan 80 pelanggan berpendapatan rendah diambil, dan perbelanjaan mingguan mereka dipantau selama 1 minggu. Purata jumlah yang dapat dijimatkan dengan menggunakan kupon, dan saiz sampel serta sisihan piawai sampel adalah sebagaimana berikut. Penyelesaian: Pelanggan Berpendapatan Sederhana n1 = 60 = RM5.84 S1 = RM1.41 Pelanggan Berpendapatan Rendah n2 = 80 =RM2.67 S2 = RM0.54

Maklumat ini boleh digunakan untuk membina selang keyakinan 98% untuk menganggarkan perbezaan di antara min penjimatan dengan kupon oleh dua kumpulan pelanggan tersebut. 3.17 0.45 1 2 3.17 + 0.45 2.72 1 2 3.62 Prob[2.72 1 - 2 3.62] = 0.98 Terdapat 0.98 kebarangkalian perbedaan didalam min populasi purata penjimatan melalui kupon seminggu di antara pelanggan berpendapatan sederhana dan pelanggan berpendapatan rendah ialah di antara RM2.72 dan RM3.62. Oleh itu, perbezaannya ialah sekecil RM2.72 dan sebesar RM3.62. Penganggaran titik bagi perbezaan didalam min penjimatan ialah RM3.17. Perhatikan perbedaan sifat didalam min populasi bagi dua kumpulan pelanggan ini adalah tidak mungkin, kerana sifar tidak berada didalam jeda 98%.

1. Sebagai contoh sebagaimana Formula boleh digunakan, katakan pada bulan Januari purata bil letrik isi rumah di Pulau Pinang ialah RM185, dengan sisihan piawai RM35. Katakan juga pada bulan yang sama, purata bil letrik di Kota Bahru ialah RM91, dengan sisihan piawai RM22. Jika sampel rawak 40 isi rumah di Pulau Pinang dan 32 isirumah di Kota Bahru diambil, apakah kebarangkalian perbedaan di antara purata sampel ialah RM100? Penyelesaian: Didalam kes ini, 1 = 185, 2 = 91, 1 = 35, 2 = 22, n1 = 40 dan n2 = 32. Perbedaan didalam min sampel, ialah 100. = Dari pada Jadwal A.5, kebarangkalian memperolehi nilai Z di antara 0 dan 0.89 ialah 0.3133. Kebarangkalian memperolehi nilai Z yang lebih besar daripada 0.89 ialah 0.5000 0.3133 = 0.1867. Apabila perbedaan di antara min populasi RM185 RM91 = RM94, perbedaan RM100 atau lebih bagi min sampel terjadi 18.67% daripada masa. 5 SOAL LATIHAN 1). Dua mesin produksi kain diperbandingkan kemampuan produksinya setiap hari. Rata-rata produksi kain dari mesin A adalah 1500 meter dan varian yang dihasilkan 75 meter, sedangkan rata-rata produksi kain dari mesin B adalah 1750 meter dan varian yang dihasilkan 100 meter. Suatu penelitian terhadap 10 mesin A dan 10 mesin B, tentukan selang kepercayaan 95% untuk selisih dua nilai tengah terebut? 2). Suatu sampel terdiri dari 20 bola lampu merek A dan 25 merek B. dari hasil penelitian diketahui bahwa rata-rata lam hidup bola lampu A adalah 1500 jam dan simpangan bakunya 100 jam. Bola laampu B rata-rata lama hidup 1400 jam dan simpangan bakunya 200 jam. Maka tentukan selang kepercayaan 95% untuk selisih rata-rata lama hidup bola lampu merek A dan B? 3). Suatu sampel terdiri dari 20 bola lampu merek A dan 25 merek B. dari hasil penelitian diketahui bahwa rata-rata lam hidup bola lampu A adalah 1500 jam dan simpangan bakunya 100 jam. Bola laampu B rata-rata lama hidup 1400 jam dan simpangan bakunya 200 jam. Maka tentukan selang kepercayaan 99% untuk selisih rata-rata lama hidup bola lampu merek A dan B? 4). Suatu survey dilakukan untuk mengetahui besarnya minat penonton terhadap acara yang ditayangkan dua stasiun televisi. Dari hasil survey didapatkan data bahwa rata-rata peminat tayangan stasiun televisi A adalah 35 dan simpangan bakunya 9. Rata-rata peminat tayangan stasiun televisi B adalah 55 dan simpangan bakunya 6. Maka tentukan selang kepercayaan 90% untuk selisih rata-rata peminat tayangan televisi A dan B? 5). Suatu survey dilakukan untuk mengetahui besarnya minat penonton terhadap acara yang ditayangkan dua stasiun televisi. Dari hasil survey didapatkan data bahwa rata-rata peminat tayangan stasiun televisi A adalah 35 dan simpangan bakunya

9. Rata-rata peminat tayangan stasiun televisi B adalah 55 dan simpangan bakunya 6. Maka tentukan selang kepercayaan 95% untuk selisih rata-rata peminat tayangan televisi A dan B? DAFTAR RUJUKAN Dajan, Anto. 1986. Pengantar Metode Statistik Jilid II. LP3ES: Jakarta. Hasan, Iqbal. 2008. Pokok-pokok Materi Statistik 2 (Statistik Ifferensif). PT. Bumi Aksara: Jakarta Supranto, J. 2008. Statistik Teori dan Aplikasi. Erlangga: Jakarta. Wiboso, Yusuf. 2005. Metode Statistik. Gajah Mada University Press: Yogyakarta. Dajan, Anto. 1972.Pengantar Metode Statistik Jilid I.LP3ES Jakarta Harini, sri dkk. 2007. Metode Statistika. Prestasi Pustaka: Jakarta

DISTRIBUSI FREKWENSI DAN JENIS GRAFIK UKURAN GEJALA PUSAT DATA BELUMDIKELOMPOKKAN MAKALAH Disusun oleh : Ari Bowo 12100837Titus Kukuh P 12100Poltak tambunan 12100Samsuri 12100866 AMIK BINA SARANA INFORMATIKACikarang2011

KATA PENGANTAR Segala puji dan syukur kepada Allah SWT hanya kepadanya kita memohon ampunandan perlindungan dan tak lupa syukur atas segala nikmat yang di berikan-Nya sehingga penulis dapat menyelesaikan tugas presentasi mata kuliah statistik deskriptif berupamakalah yang berjudul distribusi frekwensi dan jenis grafik Di sini penulis menyajikanmakalah tsb dngan bantuan aplikasi yang sudah familiar di pakai oleh pembaca yaitu microsoft exel yang telah di setting untuk penghitungan statistik. Kami berharap makalahini dapat bermanfaat dan menambah wawasan tentang ilmu statistik bagi pembaca.Penulis menyadari bahwa makalah ini masih banyak kekurangan maka dari itu kamisangat mengharapkan kritik dan saran dari pembaca sehingga kami bisa memperbaiki dikemudian hari.Cikarang, maret 2011Penulis

BAB1PENDAHULUAN1.1. Latar Belakang Permasalahan Penggunaan statistik dalam penelitian berguna sebagai alat bantu untuk menganalisis data penelitian. Dalam kehidupan sehari-haripun kita banyak berhubungandengan stastistik. Pada koran dan majalah banyak kita jumpai data-data statistik. Secaraumum ada dua pengertian statistik, yang pertama statistik sebagai kumpulan angka-angka,yaitu sebagai kumpulan angka-angka yang menjelaskan sesuatu. Sebagai contoh statistik penjualan komputer adalah sekumpulan angka-angka yang menjelaskan hasil penjualankomputer selama satu bulan. Pengertian yang kedua yaitu statistik sebagai cabang ilmu pengetahuan, maksudnya statistik sebagai pengetahuan tentang pengumpulan pengelompkkan, penyajian, analisis dan interpretasi data untuk membantu pengambilankeputusan yang lebih efektif. Dengan

mengetahui jumlah dan spesifikasi komputer apayang di inginkan pembeli, misalnya kita dapat merakit jenis dan spesifikasi komputer yangdi minati oleh para calon pembeli. 1.2. Jenis Statistik Berdasarkan kegunaan dan teknik yang di gunakan, statistik di bagi menjadi duayaitu, Statistik deskriptif, merupakan bidang statistik yang berhubungan dengan metode pengelompokkan,peringkasan, dan penyajian data dalam cara yang informatif. Pada jenisstatistik ini kita melakukan tekhnik statistik yang berhubungan dengan penyajian data statistik dalam bentuk gambaran angka-angka. Teknik yang umum di gunakan yaitu analisis deskriptif yang meliputi rata-rata , median, modus dan varian. Sedangkan yang kedua adalah statistik inferensial adalah tekhnik statistik yang berhubungan dengan analisis data untuk penarikan kesimpulan atas data, tekhnik ini berhubungan dengan pengolahan statistik yang menggunakan hasil analis sehingga kitadapat menarik hasil kesimpulan atas karakteristik populasi. Teknik yang di gunakanmeliputi:uji hipotesis, analisis varian, teknik regresi dan korelasi. 1.3.Jenis Data Ada 2 jenis data yang di gunakan untuk statistik yang di temukan dalam kehidupanseharihari yaitu: a. Data kuantitatif adalah data yang berupa angka-angka. Pada data jenis ini sifatinformasi yang di kandung oleh data berupa angka-angka, misalnya:data jumlah penduduk, jumlah mahasiswa yang masuk, jumlah hasil penjualan komputer. Datakuantitatif bisa berupa variabel diskrit yang berasal dari penghitungan dan bersifat bulat, tidak dalam bentuk pecahan. Yang kedua adalah variabel kontinyu berupa datayang berasal dari hasil pengukuran terhadap sesuatu. Hasil pengukuran ini tergantungdari keakuratan alat ukur yang di gunakan. b.Data kualitatif adalah jenis data yang mempunyai sifat non-angka. Informasi yang dihasilkan oleh data adalah informasi yang bukan angka-angka misalnya: data jeniskelamin, data tingkat pendidikan, data agama seseorang. Pada statistik kitamenganalisis dengan menggunakan teknik dan rumus matematika, maka data tsbharus di ubah dalam bentuk data kuantitatif 1.4.Skala Pengukuran Dalam statistik ,pengukuran adalah pemberian angka-angka pada suatu peristiwasesuai dengan aturan tertentu. Dalam pengamatan kita membentuk suatu skala kemudianmentransfer pengamatan terhadap ciri-ciri kepada skala tsb. Ada 4 tipe skala yang digunakan yaitu:skala nominal, ordinal, interval dan rasio. Keempatnya memiliki tingkatanyang berbeda dalam penggunaan statistik. 1Skala nominal Skala ini paling banyak di pakai dalam penelitian ilmu-ilmu sosial. Skalanominal merupakan pemberian skala dimana skala di gunakan hanya untuk membedakan suatu ukuran dari ukuran yang lain tanpa memberi atribut besar atau kecil yang sifatnya sama atau sejajar untuk masing-masing skala. Sebagaicontoh: pemberian skala 1 untuk laki-laki dan 2 untuk jenis kelamin perempuan 2.Skala ordinal Pada skala ordinal kita dapat membedakan urutan dari skala, skala ini lebih baik daripada skala nominal karna memberikan nilai lebih besar dan lebih kecil, tetapikita tidak dapat mencari selisih antar skala. Contohnya pada kuisioner dimana pendapat sangat setuju di beri nilai 5, setuju 4, ragu-ragu 3 , tidak setuju 2 dansangat tidak setuju di beri nilai 1. Kekurangan

dari skala ini kita tidak dapatmelakukan operasi penjumlahan, pengurangan dan perkalian dan kita hanyadapat membedakan urutan masing-masing skala dari skala ordinal. 3.Skala interval Skala Interval adalah skala yang memiliki ciri-ciri skala ordinal tetapi jarak darimasingmasing data bisa diukur. Dengan skala ini kita bisa mencari perbedaanatau jarak dari masingmasing skala. Pengukurannya menggunakan alat ukur sehingga jarak masing-masing bisa di ukur. Kelemahan skala ini kita tidak dapatmengatakan bahwa suatu skala adalah dua kali skala yang lain, kelemahan yanglain dari skala ini adalah karena nilai nol bukan merupakan nilai mutlak. 4.Skala rasio Skala rasio merupakan jenis skala yang tertinggi dimana skala ini memiliki ciri-ciri skala interval ditambah dengan ciri memiliki nilai nol sebagai nilai yang mutlak. Skala rasio mencerminkan nilai sabenarnya dari data.Pada skala ini kita bisa melakukan operasi matematis. Jumlah gaji yang diterimamisalnya, merupakan skala rasio. Di sini jumlah gaji Rp50.000 merupakan duakali dari gaji Rp25.000 dan jika jumlah gaji nol bisa diartikan bahwa tidak adagaji sama sekali. Di skala ini memiliki semua ciri dari skala interval ditambahdengan nilai nol yang merupakan nilai yang mutlak di mana jika nilainya nol berarti tidak ada sama sekali. BAB 2PEMBAHASANDISTRIBUSI FREKWENSI Dalam distribusi frekuensi data dikelompokkan dalam beberapa kelas interval misalnyaab, c-d dan seterusnya. Ada beberapa istilah yang digunakan dalam distribusi frekuensiyaitu: 1.Limit kelas atau ujung kelas yaitu nilai-nilai terkecil dan terbesar dalam setiap kelasinterval. Nilai terbesar disebut sebagai limit atas kelas dan nilai terkecil disebutsebagai limit bawah kelas. 2. Batas kelas yaitu limit kelas setengah nilai skala terkecil. Nilai yang besar disebut batas atas kelas dan nilai yang kecil disebut sebagai batas bawah kelas. 3.Titik tengah kelas atau tanda kelas yaitu nilai yang terletak pada tengah setiap kelasinterval. Aturan umum yang digunakan untuk menentukan titik tengah kelas atautanda kelas adalah:Tanda kelas = (limit bawah + limit atas) CARA MEMBUAT/TAHAP PENYUSUNAN DISTRIBUSI FREKWENSI 1.Membuat array atau data terurut 2.Tentukan Rentang (Range) atau jangkauani. R = Nilai terbesar nilai terkecil. 3.Tentukan banyaknya kelas interval. Dengan aturan Sturgesi. Banyak kelas(K) = 1 + (3,3)logN 4.Tentukan interval kelas yaitu, I=R/K 5.Tentukan batas-batas kelas,Dengan ketentuan: a.TBK=BBK-0.5 b. TAK=BAK+0.5 6. Daftar semua limit kelas 7.Menentukan frekwensi dengan menggunakan bantuan kolom tabulasiContoh:Data penjualan komputer perminggu toko computer SILVANA COMPUTER Tabel penjualan komputer per minggu 63 68 71 74 76 78 81 84 85 89 66 70 73 75 76 79 82 84 85 90 67 71 73 75 76 79 82 85 86 92 68 71 74 75 77 79 84 85 86 94 Dari tabel di atas maka kita bisa memulai menyusun distribusi frekwensi yaitu:

1.Array atau data terurut dari hasil penjualan komputer per minggu di dapat data:63,66,67,68,68,70,71,71,71,73,73,74,74,75,75,75,76,76,76,77,78,79,79,79,81,82,82,84,8 4,84,85,85,85,85,86,86,89,90,92,94. 2.Jangkauan atau Range dari data tsb di atas adalah: R =data terbesar-data terkecil R=9463 =31 3.Banyaknya kelas dari data di atas dengan menggunakan rumus Sturges yaitu: K= 1+3,3 log N K= 1+3,3 log 40 = 1+3,3 (1,602) = 1+5,286= 6,286K 7 4.Interval kelas dari data di atas yaitu: I = R/K I = 31/6,286= 4,931I 5 5.Dari data banyaknya kelas dan panjang interval maka dapat di peroleh a.Kelas dari tabel tsb: kelas 1 = 60-64 kelas 5 = 80-84 kelas 2 = 65-69 kelas 6 = 85-89 kelas 3 = 70-74 kelas 7 = 90-94 kelas 4 = 75-79 Batas kelas: 1. Batas atas kelas (BAK)BAK1=64, BAK2=69, BAK3=74,.......,BAK7=94 2. Batas bawah kelas (BBK)BBK1=60, BBK2=65, BBK3=70,........,BBK7=90 Tepi kelas : 1. Tepi atas kelas(TAK) 2. Tepi bawah kelas(TBK) TAK1 = BAK1+0,5 TBK1 = BBK1-0,5 = 64+0,5 = 60 - 0,5 = 64,5 = 59,5 TAK2 = BAK2+0,5 TBK2 = BBK2-0,5 = 69+0,5 = 65 - 0,5 = 69,5 = 64,5 Dst......TAK7 Dst........TBK7 b.Interval kelas ke-n atau tiap-tiap kelas dapat di hitung yaitu: I = TAK-TBK = 64,5-59,5 =5 c. Nilai tengah dari tiap-tiap kelas atau(Mi) M1 = BBK1+BAK1 M2 = BBK2+BAK2 2 2 = 60 + 64 = 65 + 69 2 2 = 62 = 67

JENIS GRAFIK Dalam statistik deskriptif selain penggunaan tabel untuk menyajikan data kita juga bisa menggunakan grafik grafik atau gambar .Ada berbagai jenis grafik grafik yang digunakan untuk menyajikan data statistik diantaranya: 1. Grafik Garis Secara umum grafik garis di bagi menjadi 2 yaitu singgle line chart yang terdiri darigaris dan yang ke dua grafik garis multiple chart,keduanya di gunakan untuk menggambarkan kegiatan dan di gunakan untuk data yang time series. 2. Grafik Batang Grafik batang di gunakan untuk menggambarkan perbandingan suatu kegiatan.Biasanya di gunakan untuk data yang berbentuk cross section dan time series.Secara umumgrafik batang ada dua yaitu singgle bar chart dan multiple bar chart. Contoh grafik grafik garis dan Contoh grafik batang

3. Grafik Lingkaran Grafik lingkaran di gunakan untuk menggambarkan perbandingan suatu kegiatan berdasarkan nilai nilai suatu karakteristik satu dengan yang lain dalam bentuk presentase.Grafik ini juga di gunakan untuk data yang berbentuk cross section .Ada dua bentuk grafik pie chart yaitu single pie chart dan multiple pie cart yang terdiri dari beberapa lingkaran Contoh grafik lingkaran

UKURAN GEJALA PUSAT DATA BELUM DI KELOMPOKKAN Ukuran gejala pusat merupakan suatu bilangan yang menunjukan sekitar dimana bilangan-bilangan yang ada dalam kumpulan data, oleh karenanya ukuran gejala pusat inisering disebut dengan harga rata-rata. Harga rata-rata dari sekelompok data itudiharapkan dapat diwakili seluruh harga-harga yang ada dalam sekelompok data itu. Sebelum membahas hal ini, perlu diperjelas tentang apa yang dimaksud dengan datayang dikelompokkan dan data yang tidak dikelompokkan. Data yang dikelompokkanadalah data yang sudah disusun ke dalam sebuah distribusi frekuensi sehingga data tersebutmempunyai interval kelas yang jelas, mempunyai titik tengah kelas sedangkan data yangtidak dikelompokkan adalah data yang tidak disusun ke dalam distribusi frekuensi sehinggatidak mempunyai interval kelas dan titik tengah kelas. Mean,Median,Modus sama-sama merupakan ukuran pemusatan data yang termasuk kedalam analisis statistika deskriptif. Namun, ketiganya memiliki kelebihan dan kekurangannya masing-masing dalam menerangkan suatu ukuran pemusatan data. Untuk tahu kegunaannya masing-masing dan kapan kita mempergunakannya, perlu diketahui terlebih dahulu pengertian analisis statistika deskriptif dan ukuran pemusatan data. a. Mean (Rata-Rata Hitung) Dalam istilah sehari-hari, mean dikenal dengan sebutan angka rata-rata, ada duamacam mean yang di bicarakan yaitu :mean untuk data yang tidak dikelompokkan danmean untuk data yang dikelompokan.Mean adalah total semua data dibagi jumlah data.Mean digunakan ketika data yang kita miliki memiliki sebaran normal atau mendekati normal (berbentuk

setangkup, nilai yang paling banyak berada ditengah dan makin besar semakin sedikit, makin kecil makin sedikit pula, nilai-nilai ekstrim yang besar maupunyang kecil hampir tidak ada). b. Median (Nilai Tengah) Ukuran pemusatan yang menempati posisi tengah jika data diurutkan menurut besarnya.Median adalah nilai yang berada ditengah-tengah data setelah diurutkan dari yangterkecil sampai terbesar.Median cocok digunakan bila data yang kita miliki tidak menyebar normal atau memiliki nilai yang berbeda-beda secara signifikan. c. Modus (Data Yang Sering Muncul) Modus adalah suatu angka atau bilangan yang paling sering terjadi / muncul tetapikalau pada data distribusi frekuensi interval modus terletak pada frekuensi yang paling besar. d. Kuartil Kuartil adalah suatu harga yang membagi histogram frekuensi menjadi 4 bagian yangsama, sehingga disini akan terdapat 3 harga kuartil yaitu kuartil I ( K1), kuartil II (K2) dankuartil III (K3), dimana harga kuarti II sama dengan harga median. e. Desil Untuk kelompok data dimana n 10, dapat ditentukan 9 nilai bagian yang sama,misalnya D1, D2,....Q9, artinya setiap bagian mempunyai jumlah observasi yang sama,sedemikian rupa sehingga nilai 10% data/observasi sama atau lebih kecil dari D1, nilai 20%data/observasi sama atau lebih kecil dari D2,dan seterusnya. Nilai tersebut dinamakan desil pertama, kedua dan seterusnya sampai desil kesembilan. f. Persentil Untuk kelompok data dimana n 100, dapat ditentukan 99 nilai, P1, P2,....P99, yang disebut persentil pertama, kedua dan ke-99, yang membagi kelompok data tersebut menjadi100 bagian,masing-masing mempunyai bagian dengan jumlah observasi yang sama, dansedemikian rupa sehingga 1% data/observasi sama atau lebih kecil dari P1,2% data/observasi sama atau lebih kecil dari P2.

UKURAN VARIASI (DISPERSI) Dispersi atau variasi atau keragaman data adalah ukuran penyebaran suatu kelompok data terhadap pusat data. a. Range Range merupakan selisih antara nilai data terbesar dengan data terkecil dari sekelompok data. Rumusannya adalah R= Nilai maksimal-Nilai minimal b. Simpangan rata-rata Simpangan Rata-Rata (Sr) : Yang dimaksud dengan simpangan (deviation) adalahselisih antara nilai pengamatan ke-i dengan nilai rata-rata, atau antara xi dengan X (X Rata-Rata) Penjumlahan daripada simpangan-simpangan dalam pengamatan kemudian dibagidengan jumlah pengamatan, n, disebut dengan simpangan rata-rata. Dalam setiap nilai Xi akan mempunyai simpangan sebesar xi - X. Karena nilai xi bervariasi di atas dan di bawah nilai rata-ratanya maka jika nilai simpangan tersebutdijumlahkan akan sama dengan nol. Untuk dapat menghitung rata-rata dari simpangantersebut maka nilai yang diambil adalah nilai absolut dari simpangan itu sendiri,

artinya tidak menghiraukan apakah nilai simpangan tersebut positif (+) atau negatif (-).an rata-rata. c. Variansi (variance) Variansi (variance) adalah rata-rata kuadrat selisih atau kuadrat simpangan darisemua nilai data terhadap rata-rata hitung.Varians untuk sampel dilambangkan dengan S2.Sedangkan untuk populasi dilambangkan dengan toh kuadrat. d. Simpangan Baku (Standard Deviation) Standar deviasi (standard deviation) adalah akar pangkat dua dari variansi. Standar deviasi seringkali disebut sebagai simpangan baku. e. Jangkauan Kuartil. Jangkauan Kuartil atau simpangan kuartil adalah setengah dari selisih antara kuartilatas (Q3) dengan kuartil bawah (Q1). Dengan rumus :JK=1/2 (Q3-Q1) f. Jangkauan Persentil Jangkauan Persentil adalah selisih antara persentil ke-90 dengan persentil ke10.Dengan rumus :JP (10-90) = P90-P10