STATISTIKA
PEMUSATAN &
SEBARAN DATA
Smno.statistika.agroekotek.fpub.2013
DISTRIBUSI
Distribusi frekuensi adalah
pengelompokkna data ke dalam beberapa
kelompok (kelas) dan kemudian dihitung
banyaknya data yang masuk kedalam
tiap kelas.
Statistical distribution - (statistics) an
arrangement of values of a variable
showing their observed or theoretical
frequency of occurrence.
Diunduh dari: http://www.thefreedictionary.com/statistical+distribution 12/9/2012
75
76
77
67
74
74
73
72
72
73
73
72
79
71
70
75
78
72
74
74
75
74
72
74
75
74
72
68
79
71
80
69
71
70
70
80
Interval Kelas:
Setiap kelompok
disebut interval kelas
atau sering disebut
interval atau kelas.
65 67
pertama
68 70
71 73
tiga
74 76
empat
77 79
lima
80 82
enam
Interval kelas
Interval kelas ke dua
Interval kelas ke
Interval kelas ke
Interval kelas ke
Interval kelas ke
b. Batas Kelas
Berdasarkan tabel distribusi frekuensi di atas, angka 65, 68,
71, 74, 77, dan 80 merupakan batas bawah dari tiap-tiap
kelas, sedangkan angka 67, 70, 73, 76, 79, dan 82 merupakan
batas atas dari tiap-tiap kelas.
c. Tepi Kelas (Batas Nyata Kelas)
Untuk mencari tepi kelas dapat dipakai rumus berikut ini.
Tepi bawah = batas bawah 0,5
Tepi atas = batas atas + 0,5
Dari tabel di atas maka tepi bawah kelas pertama 64,5 dan
tepi atasnya 67,5, tepi bawah kelas kedua 67,5 dan tepi
atasnya 70,5 dan seterusnya.
d. Lebar kelas
Untuk mencari lebar kelas dapat dipakai rumus:
Lebar kelas = tepi atas tepi bawah
Jadi, lebar kelas dari tabel diatas adalah 67,5 64,5 = 3.
Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012
e. Titik Tengah
HISTOGRAM
Tanaman
berbunga
Diunduh dari:
Data banyaknya
tanaman yang
berbunga dalam 8
hari berurutan
http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012
Waktu Tunggu
Persentase
Valid (%)
< 1 Bulan
3.57
1 - 6 Bulan
73.81
7 - 12 Bulan
19.05
13 - 18 Bulan
1.19
19 -24 Bulan
2.38
Total
100.0
STATISTICAL DISTRIBUTIONS
DISTRIBUSI BINOMIAL
Distribusi Binomial mengukur peluang terjadinya
sejumlah tertentu sukses dalam suatu trial tertentu ,
dimana kejadian sukses mempunyai peluang tertentu.
In the simplest scenario of a coin toss (with a fair coin),
where the probability of getting a head with each toss is
0.50 and there are a hundred trials, the binomial
distribution will measure the likelihood of getting
anywhere from no heads in a hundred tosses (very
unlikely) to 50 heads (the most likely) to 100 heads (also
very unlikely).
Gambar berikut menyajikan distribusi binomial untuk
tiga skenario, dua skenario dengan peluang sukses
50% dan satu skenario dengan peluang sukses 70% ,
dan ukuran percobaan (trial)nya berbeda.
Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012
DISTRIBUSI BINOMIAL
STATISTICAL DISTRIBUTIONS
Distribusi Poisson
Distribusi Poisson mengukur
likelihood sejumlah
kejadian yang terjadi di dalam
selang waktu tertentu, dimana
parameter kunci yang
diperlukan adalah rata-rata
banyaknya kejadian dalam
interval tertnetu (l).
Distribusi yang dihasilkan
mirip dengan Binomial,
dengan skewness positif
tetapi menurun dengan l.
Gambar menyajikan distribusi
Poisson dengan l berkisar
dari 1 hingga 10.
Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012
STATISTICAL DISTRIBUTIONS
Distribusi
Geometrik
Dalam distribusi ini
yang diukur adalah
likelihood terjadinya
sukses yang
pertama.
Misalnya, dengan percobaan lempar coin yang adil, ada kesempatan
50% sukses pertama akan terjadi pada percobaan pertama, kesempatan
25% yang akan terkjadi pada percobaan ke dua, dan kesempatan 12.5%
akan terkadi pada p[ercobaan ke tiga.
Distribusi yang dihasilkan positively skewed dan mengikuti tiga
skenario peluang yang berbeda.
Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012
Macam-macam Distribusi
DISTRIBUSI NORMAL
Distribusi Normal adalah
model distribusi
kontinyu yang paling
penting dalam teori
probabilitas.
Distribusi Normal
diterapkan dalam
berbagai permasalahan.
Distribusi normal
memiliki kurva
berbentuk lonceng yang
simetris.
Dua parameter yang
menentukan distribusi
normal adalah rataan /
ekspektasi () dan
standar deviasi ().
Distribusi Normal
Distribusi peluang yang penting
dalam statistika adalah Distribusi
Normal atau Gaussian.
Jenis Peubah Acak Kontinyu
digunakan untuk mengkaji fenomena
alam, industri, perdagangan,
pendapatan rumahtangga, dll.
DISTRIBUSI NORMAL
Fungsi kerapatan peluang peubah acak X dengan
rataan dan ragam 2 yang memiliki distribusi
normal adalah:
1
n( x; , )
e
2
1
2
(
x
)
2 2
Sifat-Sifat Distribusi
Normal:
Mean
Varians
Deviasi Standar
Koefisien momen kemiringan
Koefisien momen kurtois
Deviasi mean
Sifat-Sifat Distribusi
Normal:
1. Rata-rata (mean) = , dan simpangan baku =
2.
3.
4.
5.
6.
Sifat-Sifat Distribusi
Normal:
Bentuk kurva distribusi
normal ditentukan oleh
dan .
2
1
2
1 = 2 1 >
2
1
1 < 2 1 =
2
2
1
1 < 2 1 <
2
x1
x2
xmengkoversi
distribusi normal
z
TRANSFORMASI NILAI
X MENJADI Z
TRANSFORMASI NILAI
X MENJADI Z
Contoh :
Diketahui data dengan distribusi normal, nilai
rataan m = 55 dan simpangan baku = 15
x Np
z
Npq
Pendekatan ini semakin baik kalau nilai N
semakin besar. Dalam praktiknya,
pendekatannya sangat bagus jika Np dan Nq
kedua-duanya lebih besar dari 5.
P(x<x0) = 45%
b)
P(x>x0)=14%
Jawab.
c) Kita mulai dengan mencari nilai Z yang sama luasnya.
P(z<z0) = 45% = 0.45 dari tabel z0 = -0.13
z0 = (x0-)/ x0 = + z0 = 40 +6*(-0.13) = 39.22
Soal:
1) Dalam suatu ujian akhir Matematika, mean nilai
adalah 72 sementara deviasi standarnya adalah 15.
tentukan angka-angka standar (yaitu nilai-nilai
dalam satuan deviasi standar) dari siswa-siswa
yang memperoleh nilai (a) 60
(b) 93
(c) 72
2) Sebuah koin yang seimbang dilemparkan sebanyak
500 kali. Carilah probabilitas bahwa selisih
banyaknya kemunculan tanda gambar dengan 250
kali adalah
(a) tidak lebih dari 10
(b) tidak lebih dari 30
Soal
3)
4)
Soal
5)
TENDENSI SENTRAL
Tendensi sentral mencerminkan
nilai "middle" atau nilai tipikal
dari data, dan diukur dengan
menggunakan mean, median,
atau mode.
Masing-masing ukuran ini
dihitung dengan cara yang
berbeda, dan cara yang terbaik
tergantung situasi.
Diunduh dari: http://www.quickmba.com/stats/centralten/ 12/9/2012
Nominal
(Categorical)
Mode
Ordinal
Median
Interval
Ratio
PEMUSATAN
Ukuran pemusatan data merupakan nilai
tunggal yang mewakili semua data, nilai
tersebut menunjukkan pusat data.
Ukuran pemusatan data:
1. Rata-rata hitung
2. Median
3. Modus
4. Rata-rata ukur
5. Rata-rata harmonis
Diunduh dari: 12/9/2012
RATAAN HITUNG
Rumus :
X1 X 2 ... X n
X
n
n
f1X1 f 2 X 2 ... f n X n
fX
X
f1 f 2 ... f n
f
RATAAN HITUNG
1. Dalam Tabel Distribusi Frekuensi
Interval Kelas
Frekuensi
fX
9-21
22-34
35-47
48-60
61-73
74-86
87-99
15
28
41
54
67
80
93
3
4
4
8
12
23
6
45
112
164
432
804
1840
558
f = 60
fX = 3955
fX 3955
X
65,92
f
60
RATAAN HITUNG
2. Dengan Memakai Kode (U)
Interval Kelas
Frekuensi
fU
9-21
22-34
35-47
48-60
61-73
74-86
87-99
15
28
41
54
67
80
93
-3
-2
-1
0
1
2
3
3
4
4
8
12
23
6
-9
-8
-4
0
12
46
18
f = 60
fU = 55
fU
55
X X0 c
54 13
65,92
f
60
RATAAN HITUNG
3. Dengan pembobotan
Masing-masing data diberi bobot.
Misal A memperoleh nilai 65 untuk tugas,
76 untuk mid dan 70 untuk ujian akhir.
Bila nilai tugas diberi bobot 2, Mid 3 dan
Ujian Akhir 4, maka rata-rata hitungnya
adalah :
MEDIAN
Untuk data berkelompok
-F
Med L 0 c 2
f
MEDIAN
Contoh :
Interval
Kelas
Frekuensi
9-21
22-34
35-47
48-60
61-73
74-86
87-99
3
4
4
8
12
23
6
f = 60
- 19
72,42
Med 60,5 13 2
12
MODE = MODUS
Untuk data berkelompok
b1
Mod L 0 c
b1 b 2
L 0 batas bawah kelas modus
b1 selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sebelum kelas modus
b 2 selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sesudah kelas modus
MODE = MODUS
Contoh :
Interval
Kelas
Frekuensi
9-21
22-34
35-47
48-60
61-73
74-86
87-99
3
4
4
8
12
23
6
f = 60
X - Mod 3 X Med
RATAAN UKUR
Digunakan apabila nilai data satu dengan
yang lain berkelipatan.
n
G X1.X 2 ....X n
G antilog
RATAAN UKUR
Contoh :
Interval
Kelas
Nilai Tengah
(X)
Frekuensi
log X
f log X
9-21
22-34
35-47
48-60
61-73
74-86
87-99
15
28
41
54
67
80
93
3
4
4
8
12
23
6
1,18
1,45
1,61
1,73
1,83
1,90
1,97
3,54
5,8
6,44
13,84
21,96
43,7
11,82
f = 60,1
107
G antilog
60,95
60
f log X = 107,1
RATAAN HARMONIS
Biasanya digunakan apabila data dalam
bentuk pecahan atau desimal.
n
Untuk data tidak berkelompok
RH
1
X
f
RH
f
X
RATAAN HARMONIS
Contoh :
Interval
Kelas
9-21
22-34
35-47
48-60
61-73
74-86
87-99
15
28
41
54
67
80
93
60
RH
53,52
1,121
f/X
3
4
4
8
12
23
6
0,2
0,143
0,098
0,148
0,179
0,288
0,065
f = 60
f / X = 1,121
1. Kuartil
Kelompok data yang sudah
diurutkan (membesar atau
mengecil) dibagi empat bagian yang
sama besar.
Ada 3 jenis yaitu kuartil pertama
(Q1) atau kuartil bawah, kuartil
kedua (Q2) atau kuartil tengah, dan
kuartil ketiga (Q3) atau kuartil atas.
KUARTIL
Untuk data tidak berkelompok
Q i nilai ke -
i n 1
, i 1,2,3
4
, i 1,2,3
Q i L 0 c 4
f
KUARTIL
Contoh :
Interval
Kelas
9-21
22-34
35-47
48-60
61-73
74-86
87-99
Nilai
Tengah
(X)
Frekuensi
15
28
41
54
67
80
93
3
4
4
8
12
23
6
f = 60
Sehingga :
Q1 terletak pada 48-60
Q2 terletak pada 61-73
Q3 terletak pada 74-86
KUARTIL
Untuk Q1, maka
1.60
11
:
54
Q1 47,5 13 4
8
2.60
- 19
72,42
Q 2 60,5 13 4
12
3.60
- 31
81,41
Q 3 73,5 13 4
23
DESIL
2. Desil
Kelompok data yang sudah
diurutkan (membesar
atau mengecil) dibagi
sepuluh bagian yang
sama besar.
DESIL
Untuk data tidak berkelompok
D i nilai ke -
i n 1
, i 1,2,3,...,9
10
-F
Di L0 c
, i 1,2,3,...,9 D
i
f
DESIL
Contoh :
Interval
Kelas
Nilai
Tengah
(X)
Frekuensi
9-21
22-34
35-47
48-60
61-73
74-86
87-99
15
28
41
54
67
80
93
3
4
4
8
12
23
6
f = 60
Sehingga :
D3 berada pada 48-60
D7 berada pada 74-86
DESIL
3.60
- 11
58,875
D 3 47,5 13 10
8
7.60
31
79,72
D 7 73,5 13 10
23
in
100
, i 1,2,3,...,99
Pi L 0 c
f
DISPERSI = SEBARAN
Dalam statistika, dispersi statistik (juga
disebut keragaman statistik atau variasi)
merupakan variabilitas atau sebaran
suatu peubah atau suatu distribusi
peluang.
Contoh ukuran dispersi statistik adalah
ragam (variance), simpangan baku
(standard deviation) dan kisaran interquartil.
Dispersion is contrasted with location or
central
tendency,
and together
they are
Diunduh
dari: http://en.wikipedia.org/wiki/Statistical_dispersion
12/9/2012
UKURAN SEBARAN
Ukuran dispersi statistik merupakan bilangan riil nonnegatif, sehingga nilainya nol kialau semua data sama dan
nilainya meningkat kalau datanya mernjadi lebih beragam.
Most measures of dispersion have the same scale as the
quantity being measured. In other words, if the
measurements have units such as metres or seconds, the
measure of dispersion has the same units.
Ukuran dispersi meliputi:
Standard deviation = Simpangan Baku
Interquartile range or Interdecile range
Range = Kisaran = Jangkauan
Mean difference = Rataan
Median absolute deviation
Rataan simpangan absolut (atau simpangan rata-rata)
Jarak simpangan baku
Diunduh dari: http://en.wikipedia.org/wiki/Statistical_dispersion 12/9/2012
UKURAN SEBARAN
Ukuran lain dari dispersion tidak berdimensi (bebas
sekala). Dengan kata lain, ukuran dispersi itu tidak
mempunyai satuan, meskipun peubahnya mempunyai
satuan.
SUMBER SEBARAN
Dalam ilmu-ilmu biologis, kuantitas yang diukur
biasanya tidak stabil, dan variasi yang terjadi
dapat bersifat intrinsic pada fenomenanya:
It may be due to inter-individual variability, that
is, distinct members of a population differing
from each other.
Also, it may be due to intra-individual variability,
that is, one and the same subject differing in
tests taken at different times or in other
differing conditions.
Tipe-tipe variabilitas seperti itu juga tampak di
arena produk-produk manufaktur; bahkan para
sarjana meticulous juga menemukan adanya
variasi.
Diunduh dari: http://en.wikipedia.org/wiki/Statistical_dispersion 12/9/2012
SEBARAN DATA
Ukuran penyebaran data adalah
suatu ukuran yang menyatakan seberapa besar nilai-nilai
data berbeda atau bervariasi dengan nilai ukuran pusatnya
atau seberapa besar penyimpangan nilai-nilai data dengan
nilai pusatnya.
1. Jangkauan
(Jangkauan
Range ) adalah selisih antara nilai maksimum dan nilai
minimum yang terdapat dalam data.
Jangkauan dapat dihitung dengan rumus:
R = X maks X min
Contoh :
Tentukan range dari data : 10, 6, 8, 2, 4
Jawab :
R = Xmaks Xmin = 10 2 = 8
Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012
SEBARAN DATA
2. Simpangan Rata-rata
Simpangan rata-rata dari sekumpulan bilangan adalah:
nilai rata-rata hitung harga mutlak simpangan-simpangannya.
a. Data tunggal
SR =
xx
n
Contoh :
Nilai ulangan matamatika dari 6 siswa
adalah : 7, 5, 6, 3, 8, 7.
Tentukan simpangan rata-ratanya!
Diunduh dari:
iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012
SEBARAN DATA
b. Data berbobot / data kelompok
SR =
f x x
f
SEBARAN DATA
3.Simpangan Baku / standar deviasi
Simpangan Baku (S) dari sekumpulan bilangan adalah akar dari
jumlah deviasi kuadrat dari bilangan-bilangan tersebut dibagi dengan
banyaknya bilangan atau akar dari rata-rata deviasi kuadrat.
a. Data Tunggal
S =
S =
x x
atau
x
n
In statistics, standard
deviation (represented by the
symbol sigma, ) shows how
much variation or
"dispersion" exists from the
average (mean, or expected
value).
A low standard deviation
indicates that the data points
tend to be very close to the
mean, whereas high standard
deviation indicates that the
data points are spread out
over a large range of values.
SEBARAN DATA
Contoh :
Tentukan simpangan baku dari data :
2, 3, 5, 8, 7.
x
Jawab :
2358 7
5
=5
S =
x
i
26
5
x x x x
-3
-2
4
26
5,2
SEBARAN DATA
b. Data berbobot / berkelompok
S =
f x x
f
S =
fx
f
f.x
atau
Diunduh dari:
SEBARAN DATA
4.Kuartil
Kuartil adalah nilai yang membagi kelompok data atas empat bagian
yang sama setelah bilangan-bilangan itu diurutkan.
Dengan garis bilangan letak kuartil dapat ditunjukkan sebagai berikut:
Q1
Q2
Q3
i (n 1)
Letak Qi = data ke
4
dengan i = 1, 2, 3
SEBARAN DATA
Contoh :
Hasil pendataan usia, dari 12 anak balita (dalam tahun) diketahui
sebagai berikut : 4, 3, 4, 4, 2, 1, 1, 2,1, 3, 3, 4 , tentukan :
a. Kuartil bawah (Q1)
b. Kuartil tengah (Q2)
c. Kuartil atas (Q3)
Jawab :
Data diurutkan : 1, 1, 1, 2, 2, 3, 3, 3, 4, 4, 4, 4
1(12 1)
4
a. Letak Q1 = data ke
= data ke- 3
SEBARAN DATA
Nilai Q1 = data ke-3 + (data ke4 data ke3)
= 1 + (2 1) = 1
2(12 1)
4
b. Letak Q2 = data ke
= data ke 6
Nilai Q2 = data ke 6 + (data ke7 data ke6)
= 3 + (3 3) = 3
Diunduh
Hal.:
94dari:
STATISTIK
iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012
SEBARAN DATA
c. Letak Q3 = data ke
= data ke 9
Nilai Q3 = data ke 9 + (data ke10 - data ke 9)
= 4 + (4 4) = 4
SEBARAN DATA
Jangkauan Semi Inter Kuartil /Simpangan Kuartil (Q d)
didefinisikan sebagai berikut:
Qd = (Q3 Q1)
b. Data Kelompok
i.n
4 F
Nilai Qi = b + p f
dengan i = 1, 2, 3
b
p
F
f
n
SEBARAN DATA
5. Persentil
Persentil dari sekumpulan bilangan adalah nilai yang membagi
kelompok bilangan tersebut atas 100 bagian yang sama banyaknya
setelah bilangan bilangan tersebut diurutkan dari yang terkecil
sampai yang terbesar.
a. Data tunggal / berbobot
Letak Pi = data kei (n 1)
100
dengan i = 1, 2, , 99
Contoh :
Diketahui data : 9, 3, 8, 4, 5, 6, 8, 7, 5, 7
Tentukan P20 dan P70
Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012
SEBARAN DATA
Jawab :
Data diurutkan : 3 ,4, 5, 5, 6, 7, 7 ,8, 8, 9
Letak P20 = data ke 20(10 1) = data ke 2
100
1
5
1
= 4 + (5 4)
5
1
=4
SEBARAN DATA
Letak P70 = data ke 70(10 1)
100
= data ke 7
Nilai P70
7
10
7
= data ke 7 +
(data ke 8 - data ke7)
10
7
=7+
(87)
10
=7 7
10
SEBARAN DATA
b. Data kelompok
in
100 F
Nilai Pi = b + p
, dengan i = 1,2,..,99
VARIANCE = RAGAM
Ragam merupakan parameter yang
mencerminkan bagian dari distribusi peluang
aktual dari populasi angka yang diamati,
atau distribusi peluang teoritis suatu sampel
angka.
Sampel data dari distribusi dapat digunakan
untuk menghitung estimasi ragamnya:
Dalam hal yang paling sederhana, estimasi
ini dapat menjadi ragam sampel.
KK = KOEFISIEN KERAGAMAN
6. Koefisien Variasi = Koefisienj Keragaman =KK
Koefisien variasi adalah perbandingan antara simpangan
baku dengan nilai rata-rata yang dinyatakan dengan
persentase.
Koefisien variasi berguna untuk melihat sebaran data dari
rata-rata hitungnya.
Besarnya Koefisien Keragaman dinyatakan dengan
rumus,
S
KKx =
KK = koefisien keragaman
xS = simpangan baku
= rataan
x 100%
SEBARAN DATA
Contoh 1:
Nilai rata-rata matematika Kelas III Mesin1 adalah 80 dengan
simpangan
standar 4,5. Jika nilai rata-rata Kelas III Mesin 2 adalah 70
dengan simpangan standar 5,2.
Hitunglah koefisien variasi masing-masing.
Jawab :
S
KV III Mesin 1 =
4,5
80
=
5,6%
5,2
KV III Mesin 2 =70
7,4%
x 100%
x 100% =
x 100% =
SEBARAN DATA
Contoh 2 :
Standar deviasi sekelompok data adalah 1,5 sedang
koefisien variasinya adalah 12,5%. Mean kelompok
data tersebut adalah.
Jawab :
S
KV =
x
12,5% =1,5
x
150%
12,5%=
x 100%
x 100%
= 12
ANGKA BAKU
7. Angka Baku
Angka Baku digunakan untuk mengetahui kedudukan suatu
objek yang sedang diselidiki dibandingkan terhadap nilai
rata-rata kumpulan objek tersebut.
xx
=
s
x = nilai data
x = nilai rata-rata
s = standar deviasi
Diunduh dari: 12/9/2012
ANGKA BAKU
Contoh 1:
Seorang siswa mendapat nilai matematika 70 dengan rata-rata 60
dan standar deviasi12, nilai Bahasa Inggris 80 dengan rata rata 75
dan simpangan bakunya 15, manakah kedudukan nilai yang
paling baik ?
Jawab :
Zm =70 60
= 0,83
Zb =80 75
= 0,33
12
15
Jadi kedudukan nilai matematika lebih baik dari pada nilai
Bahasa Inggris.
Diunduh dari: 12/9/2012
UKURAN KURTOSIS
Ukuran Keruncingan /
Kurtosis
Q3 Q1
2( P90 P10 )
Diunduh dari: 12/9/2012
UKURAN KURTOSIS
Keterangan :
Jika nilai KK > 3 kurva leptokurtis (puncaknya runcing sekali)
KK < 3 kurva platikurtis (puncaknya agak mendatar)
KK = 0 kurva mesokurtis (puncaknya tidak begitu runcing atau
distribusi normal)
Contoh :
Dari sekelompok data yang disusun dalam tabel
distribusi frekuensi diketahui nilai Q1 = 55,24 ; Q3 =
73,64 ; P10 = 44,5 ;P90 = 82,5. Besarnya koefisien
kurtosis kurva data tersebut adalah.
UKURAN KURTOSIS
Jawab :
KK =
=
73,64 55,24
2(82,5 44,5)
18,4
2(38)
= 0,242
Karena KK < 3 maka kurva distribusi tersebut platikurtik.
Dengan :
S2 = ragam atau varians
n = banyaknya data
xi = data ke-i
=rataan hitung
Dengan :
S2 = ragam atau varians
n = banyaknya data
k = banyaknya kelas ke-i
fi = frekuensi kelas ke-i
xi = data ke-i
=rataan hitung
Contoh :
Tentukan ragam dan simpangan baku dari data berikut :
Skor
Frekuensi
40-49
50-59
60-69
70-79
14
80-89
10
90-99
Jawab:
Skor
fi
40-49
1
50-59
4
60-69
8
70-79 14
80-89 10
90-99
3
Jumlah 40
xi
fixi
44,5
54,5
64,5
74,5
84,5
94,5
44,5
218
516
1083
845
283,5
2950
-29,25
-19,25
-9,25
0,75
10,75
20,75
855,56
370,56
85,56
0,56
115,56
430,56
855,56
1. 482,25
684,48
7,88
1.155,63
1.291,69
5.477,49
SOAL
1. Tentukan ragam untuk data berikut : 10, 44, 56,
62, 65, 72, 76
2. Pada tabel berat badan anak berikut tentukan
ragam (varians) nya
Berat Badan
Frekuensi
21-25
26-30
31-35
36-40
41-45
46-50
ANALISIS RAGAM
Ragam mencerminkan perbedaan antara hasil
aktual dengan hasil yang diharapkan.
Proses menganalisis total perbedaan antara
hasil baku dan hasul aktual disebut ANALISIS
RAGAM.
ANALISIS RAGAM
Dalam statistika, analisis ragam (Sidik Ragam = ANOVA)
merupakan sekumpulan model-model statistik, dan
prosedur-prosedurnya, dimana ragam pada peubah
tertentu dipilah m,enjadi komponen-komponenya sesuai
dengan sumber keragamannya.
In its simplest form, ANOVA provides a statistical test of
whether or not the means of several groups are all equal,
and therefore generalizes t-test to more than two groups.
Melakukan uji-t dua sampel ganda menghasilkan
peningkatan peluang melakukan kesalahan Tipe I. Oleh
karena itu, ANOVAs merupakan pembandingan yang
bagus bagi dua nilai rata-rata atau elebih.
Diunduh dari: http://en.wikipedia.org/wiki/Analysis_of_variance 12/9/2012
ANALISIS RAGAM
Analisis ragam merupakan suatu cara yang dapat
digunakan untuk menguji rataan populasi.
Teknik analisis ragam digunakan untuk menganalisis
atau menguraikan total ragam menjadi bagian-bagian
yang bermakna.
Analisis ragam digunakan untuk menguji k buah
rataan populasi (k > 2).
Populasi-populasi itu dianggap saling bebas dan
menyebar normal dengan nilai rataan 1,2,,k dan
ragamnya sama dengan 2.
ERROR = GALAT
Kata error Mengandung beragam makna dan pengertian.
Makna konkrit dari kata Latin "error" adalah "wandering"
atau "straying".
Misalnya, seseorang yang menggunakan terlalu banyak
bahan campuran dalam suatu resep dan ternyata
produknya tidak berhasil, maka ia dapat mempelajari jumlah
bahan yang tepat untuk digunakan dan dapat menghindari
terulangnya kesalahan.
Akan tetapi, beberapa error dapat terjadi meskipun
seseorang telah berkompeten untuk melaksanakan tuga
dengan benar.
Diunduh dari: http://en.wikipedia.org/wiki/Error 12/9/2012
ERROR = GALAT
Dalam statistika dan matematika stokastik, galat (bahasa
Inggris: error) adalah sumber variasi data yang tidak dapat
dimasukkan ke dalam model.
Dalam literatur statistika, galat dikenal pula sebagai sesatan,
pengotor, sisa, residu, atau noise.
Pada suatu model data sederhana, masing-masing nilai
pengamatan dapat dipilah menjadi rataan (mean) dan
simpangannya (deviation). Dalam hal ini, galat sama dengan
simpangan. Galat yang demikian ini disebut sebagai galat
pengamatan.
Dalam pengambilan contoh (sampel) data dari suatu
populasi, galat diukur dari penyimpangan nilai rerata contoh
dari rerata populasi. Galat ini dikenal sebagai galat
pengambilan contoh (sampling error) atau galat contoh saja.
Diunduh dari: http://id.wikipedia.org/wiki/Galat 12/9/2012
BERGALAT
SILAP
CACAT
GALAT
SALAH
KELIRU
CELA
Terima
kasih
atas perhatian
nya