TERMINOLOGI
DALAM STATISTIK
Sampel:
Bagian dari polulasi
Dari contoh diatas: bisa 10 mahaiswa T.LXTRO
atau 100 mahasiswa T.LXTRO, atau 25 dosen
T.LXTRO dsb.
Populasi
Sampel 2
Sampel 1
TIPE DATA
1. Data kuantitatif
Hasil observasi (pengamatan) atau sesuatu hal yang
bisa dinyatakan dalam angka (numerik)
Contoh: data penjualan barang, jumlah mahasiswa,
dsb.
2. Data kualitatif
Hasil pengamatan yang outputnya hanya bis
dimasukkan dalam suatu katagori.
Contoh: Sikap mahasiswa terhadap cara mengajar
dosennya. Kepadanya akan diberi pilihan, Puas
Ragu-ragu Tidak puas
Dalam hal tersebut responden akan hanya memilih satu
pendapat, dan tidak bisa lebih dari satu
Pengukuran Data
Ada 4 jenis data berdasarkan tingkat
pengukuran (level of measurement)
1.Data Nominal
2.Data Ordinal
3.Data Interval
4.Data Rasio
Data Nominal
Data yang diukur dengan skala nominal
adalah data kualitatif yang bersifat setara
(sama) antar data yang satu dengan data
yang lain. Tidak ada urutan diantara data
yang ada.
Contoh:
Kota tempat tinggal, Tempat kuliah,
Gender, Pekerjaan seseorang, dsb.
Data Ordinal
Pada dasarnya sama dengan data nominal, hanya
disini kedudukan data tidak setara, ada urutan
(order) antara data satu dengan data lainnya.
Contoh:
Data Interval
Data yang diukur dengan skala interval
adalah data kuantitatif, mempunyai
perbedaan antara data satu dengan yang
lain, dan perbedaan tersebut jelas terukur
Tidak mempunyai angka nol
Cotoh:
Temperatur Udara, 0o C artinya suhu
udara tidak nol, tidak sama dengan 0 oF,
dsb.
Data Rasio
Pada dasarnya sama dengan data interval,
yakni data kuantitatif, perbedaan antara
data bisa diukur dengan jelas
Data Rasio mempunyai angka nol (zero)
yang mutlak.
Hasi pengukuran untuk nilai sesungguhnya
PEMBAGIAN DATA
HIRARKI DATA
D ATA
DATA
R AS I O
DATA
KUALITATIF
DATA
NOMINAL
DATA
ORDINAL
DATA
KUANTITATIF
DATA
INTERVAL
DATA
RAS I O
DATA
INTERVAL
DATA
ORDINAL
DATA
NOMINAL
DATA
STATISTIK DISKRIPTIF
Diorganisasikan dalam kriteria tertentu
Diringkas angka-angkanya
Ditampilkan dalam gambar dan tabel
STATISTIK INDUKTIF
Uji hipotesa
Uji hubungan antar variable, dll
INFORMASI / KESIMPULAN
RINGKASAN DATA
DATA
STATISTIK
ANGKA INDEKS
Indeks Laspeyers,
Fisher, dll
Indeks
TIME SERIES
Trend,
Dekomposisi data time series
TABEL KONTINGENSI/KATAGORI
JENIS KELAMIN, PENDIDIKAN, PEKERJAAN, DSB
MELIPUTI DATA DENGAN PENGUKURAN NOMINAL ATAU ORDINAL
Contoh:
Tabel 1. Pemancar radio di Jawa
Jenis gelombang
Radio
Kota di Jawa
Jakarta
Surabaya
Bandung
Bogor
Total
AM
14
25
FM
34
11
21
69
Total
38
25
26
94
DISTRIBUSI FREKUENSI
Menyusun dan Mengatur data kuantitatif mentah kedalam beberapa
kelas data yang sama, sehingga setiap kelas bisa menggambarkan
karakteristik data yang ada.
Contoh: Nilai ujian Matakuliah dari 50 mahasiswa pada sebuah PT
62.5
40
17.5
80
61.7
45
17.5
90
87
70
40
66
67.5
79.6
71.5
65
80.2
61.8
79.2
80.6
40.3
95.8
5.5
94.3
45.9
94
97
78
39.5
23
78.9
15
79
58.2
25
23
25
85.2
59
24.8
98
43
75
23.9
10.5
NILAI
No.
NILAI
No.
NILAI
No.
NILAI
No.
NILAI
4.0 11
23.0 21
43.0 31
67.5 41
80.2
4.0 12
23.0 22
45.0 32
70.0 42
80.6
4.0 13
23.9 23
45.9 33
71.5 43
85.2
5.0 14
24.8 24
58.2 34
75.0 44
87.0
5.0 15
25.0 25
59.0 35
78.0 45
90.0
5.5 16
25.0 26
61.7 36
78.9 46
94.0
10.5 17
39.5 27
61.8 37
79.0 47
94.3
15.0 18
40.0 28
62.5 38
79.2 48
95.8
17.5 19
40.0 29
65.0 39
79.6 49
97.0
10
17.5 20
40.3 30
66.0 40
80.0 50
98.0
No.
NILAI
No.
NILAI
No.
NILAI
No.
NILAI
No.
NILAI
21
23
41
45
61
70
81
80.2
22
23.9
42
45.9
62
70
82
80.6
23
23.9
43
45.9
63
71.5
83
80.6
24
24.8
44
58.2
64
71.5
84
85.2
25
24.8
45
58.2
65
75
85
85.2
5.5
26
25
46
59
66
75
86
87
5.5
27
25
47
59
67
78
87
87
28
25
48
61.7
68
78
88
90
29
25
49
61.7
69
78
89
90
10
10.5
30
39.5
50
61.8
70
78.9
90
90
11
10.5
31
39.5
51
61.8
71
78.9
91
94
12
15
32
40
52
62.5
72
79
92
94
13
15
33
40
53
62.5
73
79
93
94.3
14
17.5
34
40
54
65
74
79.2
94
94.3
15
17.5
35
40
55
65
75
79.2
95
95.8
16
17.5
36
40.3
56
66
76
79.6
96
95.8
17
17.5
37
40.3
57
66
77
79.6
97
97
18
23
38
43
58
67
78
80
98
97
19
23
39
43
59
67.5
79
80
99
98
20
23
40
45
60
67.5
80
80.2
100
98
1.
2.
3.
4.
1.
= 1+3,322 log n
k = jumlah kelas
n = jumlah data
Untuk contoh nilai mahasiswa diatas:
k = 1+3,322 log 100 = 7.644 dibulatkan 8
Dengan demikian, 100 data nilai mahasiswa akan dibuat
distribusi frekuensi dengan jumlah kelas adalah 8
Catatan: Rumus diatas hanyalah sebuah alternatif, tidak harus
digunakan pada setiap kasus
2.
Rumus
range
i
k
= interval kelas
range
= jumlah kelas
98 4
i
Dibulatkan menjadi 12
8
94
11,75
8
Frekuensi
0 - 12
12 - 24
24 - 36
36 - 48
48 - 60
60 - 72
72 - 84
84 - 96
96 108*
96 - 108
4. Perbaikan Tabel
Nilai ujian
mahasiswa
Frekuensi
Nilai ujian
mahasiswa
4 - 14
3,99 13,99
14 - 24
13,99 23,99
24- 34
23,99 33,99
34 - 44
33,99 43,99
44 - 54
43,99 53,99
54 - 64
53,99 63,99
64 - 74
63,99 73,99
74 - 84
73,99 83,99
84 - 94
83,99 93,99
94 - 104
93,99 103,99
Frekuensi
3,99 13,99
13,99 23,99
23,99 33,99
33,99 43,99
43,99 53,99
53,99 63,99
63,99 73,99
73,99 83,99
83,99 93,99
93,99 103,99
Frekuensi
11
12
6
10
4
10
11
19
7
10
Latihan 1.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
Kota di Jawa
Jakarta
Surabaya
Bandung
Bogor
Total
AM
14
25
FM
34
11
21
69
Total
38
25
26
94
KARAKTERISTIK DATA
(UKURAN-UKURAN STATISTIK)
PADA PRINSIPNYA ADA 3 JENIS KARAKTERISTIK DATA
1. CENTRAL TEDENCY
Ukuran terpusat, menggambarkan keseluruhan data dengan
satu ukuran data tertentu saja.
- rata-rata tinggi badan anak 100 cm semua tinggi badan
anak 100 cm
2. DISPRESION
Variasi data, seberapa besar data tersebar dari rata-ratanya
- Tinggi badan bervariasi 10 cm, tinggi antara 90 110 cm
3. SHAPE OF DATA
CENTRAL TEDENCY
Tiga ukuran Central Tedency
1. Mean (rata-rata data),
2. Median (titik tengah data)
3. Modus (frekuensi terbanyak data)
Mean
Mean = rata-rata = merupakan hasil bagi dari
sejumlah skor dengan banyaknya responden (n).
Ada beberapa macam mean:
Rata-rata Hitung: tepat diterapkan untuk skor yang
berderet hitung
Rata-rata ukur: tepat diterapkan untuk skor yang
berderet ukur
Rata-rata Harmonik: tepat diterapkan untuk beberapa
kelompok data yang banyak n-nya tidak sama
Grand mean: tepat diterapkan untuk menghitung ratarata total berdasarkan rata-rata kelompok, menghitung
rata-rata dari beberapa rata-rata.
Mean
RUMUS ; rata-rata hitung sederhana tanpa
frekuensi
Xi
i 1
Mean
Rata-rata hitung ; untuk data murni/tak berkelompok, deret
hitung
Kelas A
10
Xi Xi
i 1
Kelas B
i 1
10
55
5,5
10
10
Xi Xi
i 1
i 1
10
55
5,5
10
Mean
i 1
fi X i
i 1
fi
Mean
Contoh rata-rata hitung
X
X.f
90
270
85
425
80
480
75
450
70
560
65
455
60
360
55
275
50
100
45
40
40
Jumlah
43
3.415
Rata-rata:
3.415 : 43 = 79,42
Mean
Rata-rata ukur ; data deret ukur, rata-rata geometri
X 1 x X 2 x X 3 x ... X n
Atau
1 n
Log U Log X i
n i 1
Contoh data deret ukur
Rata-rata ukur:
2 4 8 16 32 64
U
2 x 4 x 8 x 16 x 32 x 64
Atau
11,31
1
U Anti log { ( Log 2 Log 4 Log 8 Log 16 Log 32 Log 64)}
6
1
anti log { (6,32)} 11,31
6
Mean
Untuk data berkelompok (distribusi frekuensi), rata-rata
ukur dihitung dengan rumus ;
1
log U
n
f
log
Xi
i
i 1
Mean
Rata-rata harmonik
i 1
1
Xi
2 3 4 5
4
4
i 1
1
Xi
4
1 1 1 1
345
2
4
3,12
1,28
Mean
GM ( X 1 X 2 X 3 ... X k ) : k
k = Banyaknya rata-rata yang akan dicari GM-nya
( n1 X 1 n2 X 2 n3 X 3 ... nk X k )
GM
n1 n2 n3 ... nk
Mean
Contoh:
Kelas Rata-rata
60
10
70
10
65
10
80
10
Kelas Rata-rata
GM (60 70 65 80 ) : 4
68,75
60
10
70
65
80
15
GM
(10 x 60 8 x 70 7 x 65 15 x 80 )
10 8 7 15
2815
70,375
40
Median
Kelemahan mean
1.
2.
Konsep Median
mengurutkan dan membagi data menjadi dua bagian
dan kemudian menghitung nilai data yang membagi
data menjadi dua bagian tersebut
n 1
Md
2
Bila jumlahnya ganjil, menentukan skor mudah skor
yang terletak ditengah-tengah barisan.
Bila jumlahnya genap, maka median merupakan ratarata dari dua skor yang paling dekat dengan median
n 1 9 1
Md
5
2
2
Data yang ke 5
n 1 10 1
Md
5,5
2
2
(5+7)/2 = 6
Contoh ..
fk
95 99
90 94
85 89
N (75) = 37,5.
80 84
75 79
15
70 74
13
28
65 69
19
47
60 64
12
59
55 59
10
69
40 54
73
45 49
75
40 44
75
i=5
N = 75
i
(1 / 2 N f k .b )
fm
5
Md 65
(1 / 2 x 75 28) 65 2,5 67,5
19
MODUS
Menghitung jumlah data yang paling sering muncul dalam sekelompok data
Dapat dicari dalam distribusi frekwensi
Frekwensi terbanyak.
X
modus
median
mean
median modus
mean
Distribusi
simetri/normal
Distribusi binominal
Modus
Modus, median, mean
Modus
mean
modus
Median
median
median modus
mean
mean
Median
mean
Lokasi data
Kuartil (quartil), membagi sekelompok data
menjadi empat bagian (Q1, Q2, Q3, Q4)
Desil (decile), 10 bagian (D1.D10)
Persentil (percentile), 100 bagian
(P1 P100)
k (n 1)
Qk
4
nk
Pk
100
Tugas 2 perorangan
1.
2.
3.
Ada berapa central tedency yang saudara ketahui? Sebutkan dan jelaskan
masing-masing.
Ada berapa macam rata-rata, sebutkan dan jelaskan
Dari hasil pengumpulan jawaban benar 60 responden atas soal multiple choise
sebanyak 20 item sbb:
a. Hitunglah rata-rata
skor yang diperoleh
b. Buatlah tabel
distribusi frekuensi
c. Hitung median
17 12
13
9 15
12 13 10
13
12 17 10
15 12 17
9 14
9 18 12
13 12 17
8 16 12 16
d. Tentukan modus
11 16
e. Buat grafik
12 15 16
11 16
4 13
11 13 10 20 14
13 18 10 13
11 15
11 15
7 20 14 14 15 12 13
DISPRESION
VARIABILITAS
1. Range
2. Interquartile Range
(Quartile Deviation)
3. Simpangan Baku
(Standar Deviation, SD)
Range (rentang)
Cara yang paling sedehana dalam mengukur
variasi data.
Semakin besar nilai range berarti semakin
besar perbedaan antara skor terbesar dan
skor terkecil data makin bervariasi
INTERQUARTIL RANGE
Modifikasi range sederhana
Jika pada range sederhana dicari perbedaan antara skor terbesar
dan skor terkecil, maka pada interquartil data yang digunakan
adalah data yang lebih dekat ketitik pusat data
Karena biasanya sifat data,
data bergerombol pada pusat data
Pengukuran menjadi lebih tepat
dalam memperkirakan variasi data
Q = Q 3 Q1
Catatan: Kedua cara diatas merupakan perhitungan variabilitas yang masih kasar
disarankan tidak dipergunakan secara mandiri
Variance
(
X
X
)
2
Sd
n 1
SIMPANGAN BAKU
Sd Sd
2
Sd
(X X )
n 1
Contoh
1 2 3 4 5
X 15 / 5 3
X
X- X
(X - X )2
-2
-1
15
10
Ruang sampel
Kumpulan dari semua hasil
dari percobaan statistik,
dinyatakan dengan notasi S
Contoh :
Percobaan pelemparan mata
uang
Kejadian
Dari setiap percobaan kita mungkin ingin mengetahui
munculnya elemen-elemen dari ruang sampel yang
mempunyai ciri tertentu.
Sekelompok titik sampel itu membentuk
himpunan bagian dari S
Contoh : Percobaan pelemparan 3 koin
Definisi 2
Dua kejadian A dan B saling terpisah bila
AB=0
Contoh : Sebuah dadu dilantunkan.
A menyatakan kejadian bahwa
bilangan genap muncul di sebelah atas dan
B kejadian bahwa bilangan ganjil yang
muncul di sebelah atas.
Definisi 3
Gabungan dua kejadian A dan B,
dinyatakan dengan lambang A B ialah
kejadian yang mengandung semua unsur
yang termasuk A dan B atau keduanya.
Contoh : Tentukan gabungan dari kejadian
A = {1,2,3,4,5} dengan B = {2,4,6,8}
Definisi 4
Komplemen suatu kejadian A terhadap S ialah
himpunan semua unsur S yang tidak termasuk A.
Komplemen A dinyatakan dengan lambang A'.
Contoh :
Q menyatakan kejadian bahwa seorang
karyawan yang dipilih secara acak dari suatu pabrik
adalah seorang perokok. Nyatakan
kejadian
komplemen Q ?
Teorema 2
Bila suatu operasi dapat dikerjakan dengan n1
cara, dan bila untuk setiap cara ini operasi kedua
dapat dikerjakan dengan n2 cara , dan bila untuk
setiap kedua cara operasi tersebuat operasi ketiga
dapat dikerjakan dengan n3 cara, dan seterusnya,
maka deretan k operasi dapat dikerjakan dengan
n1n2nk cara.
Contoh :
Berapa macam hidangan dapat disajikan jika masingmasing hidangan dapat terdiri dari sop, nasi goreng,
bakmi, dan soto bila tersedia 4 macam soto, 3
macam
nasi goreng, 5 macam bakmi, dan 4 macam soto.
Definisi 5
Suatu permutasi ialah suatu susunan
urutan yang dapat dibentuk dari suatu
kumpulan benda yang diambil
sebagian atau seluruhnya.
Contoh : Ambil tiga huruf a, b dan c.
Teorema 3
Banyak permutasi n benda yang
berlainan adalah n!
Contoh :
Permutasi empat huruf a,b,c, dan d
adalah 4!=24
Teorema 4
Banyak permutasi n benda berlainan bila diambil r
sekaligus adalah
Contoh :
Dari 20 lotere, dua diambil untuk hadiah
pertama dan kedua. Hitunglah banyak
titik sampel dalam ruang S.
Teorema 5
Banyak permutasi n benda berlainan
yang disusun melingkar adalah (n-1)!
Contoh :
Dalam suatu permainan bridge ada
empat pemain duduk melingkar. Berapa
susunan duduk yang berlainan dalam
permainan tersebut?
Teorema 6
Banyak permutasi yang berlainan dari n
benda bila n1 diantaranya berjenis pertama,
n2berjenis kedua,, nk berjenis ke k adalah
Contoh :
Suatu pohon natal dihias dengan 9 bola lampu
yang dirangkai seri. Ada berapa cara menyusun 9
bola lampu itu bila tiga diantaranya berwarna
merah, empat kuning dan dua biru?
Teorema 7
Banyaknya cara menyekat n benda dalam r sel,
masing-masing berisi n1 elemen dalam sel pertama,
n2 dalam sel ke dua dst, adalah
Contoh :
Berapa banyak cara untuk menampung tujuh
petinju dalam tiga kamar hotel, bila satu kamar
bertempat tidur tiga sedangkan dua lainnya
mempunyai dua tempat tidur ?
Teorema 8
Jumlah kombinasi dari n benda yang berlainan
bila diambil sebanyak r adalah :
Contoh :
Bila ada empat kimiawan dan tiga fisikawan,
carilah banyaknya panitia tiga orang yang dapat
dibuat beranggotakan dua kimiawan dan satu
fisikawan.
Klik
Pendefinisian
variabel
Nama
variabel
DATA EDITOR
Windows ini merupakan tampilan default dari spss, secara otomatis terbuka
setelah ada tampilan membuka file, sprgbrk:
Utilities,
Windows, mengatur ukuran jendela
Help, bantuan informasi yang berkaitan
dgn SPSS
OUTPUT WINDOW
Keluaran dari suatu proses analisa data SPSS
Viewer
Pada output window memliki menu yang hampir sama dengan menu pada
data editor, tetapi mempunyai tambahan pada menu Insert dan format.
Insert, untuk menambahkan judul, teks, judul halaman, grafik, ataupun obyek
Hasil perubahannya:
Hasil