MK.

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

Distribusi Frekuensi Tunggal

Data tunggal seringkali
dinyatakan dalam
bentuk daftar bilangan,
namun kadangkala
dinyatakan dalam
bentuk tabel distribusi
frekuensi.
Tabel distribusi
frekuensi tunggal
merupakan cara untuk
menyusun data yang
relatif sedikit.
Perhatikan contoh data
berikut.
5, 4, 6, 7, 8, 8, 6, 4, 8,
6, 4, 6, 6, 7, 5, 5, 3, 4,
6, 6
8, 7, 8, 7, 5, 4, 9, 10, 5,
6, 7, 6, 4, 5, 7, 7, 4, 8,
Diunduh dari: 7,
http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html
19/9/2012
6

Distribusi Frekuensi Ber-kelas

Tabel distribusi frekuensi bergolong biasa digunakan untuk
menyusun data yang memiliki kuantitas yang besar dengan
mengelompokkan ke dalam interval-interval kelas yang sama
panjang.
Perhatikan contoh data hasil nilai pengerjaan tugas
Matematika dari 40 siswa kelas XI berikut ini.
66
75
74
73

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

Apabila data di atas dibuat dengan menggunakan tabel

distribusi frekuensi tunggal, maka penyelesaiannya akan
panjang sekali.

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012

Distribusi Frekuensi Ber-kelas

Oleh karena itu dibuat tabel distribusi frekuensi ber-kelas
dengan langkah-langkah sebagai berikut.
1. Mengelompokkan ke dalam interval-interval kelas yang
sama panjang, misalnya 65 67, 68 70, , 80 82. Data
66 masuk dalam kelompok 65 67.
2. Membuat turus (tally), untuk menentukan sebuah nilai
termasuk ke dalam kelas yang mana.
3. Menghitung banyaknya turus pada setiap kelas, kemudian
menuliskan banyaknya turus pada setiap kelas sebagai
frekuensi data kelas tersebut. Tulis dalam kolom
frekuensi.
4. Ketiga langkah di atas direpresentasikan pada tabel
berikut ini.
Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012

Distribusi Frekuensi Ber-kelas

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

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012

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

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 19/9/2012

Distribusi Frekuensi Kumulatif

Distribusi kumulatif ada dua macam:
a. Distribusi kumulatif kurang dari (menggunakan tepi atas).
b. Distribusi kumulatif lebih dari (menggunakan tepi bawah).

Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html 12/9/2012

HISTOGRAM
Tanaman
berbunga

Diunduh dari:

Dari suatu data

yang diperoleh
dapat disusun
tabel distribusi
frekuensi dan
disajikan dalam
bentuk histogram.
Histogram dapat
disajikan dari
distribusi
frekuensi tunggal
maupun distribusi
frekuensi
bergolong.

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

Distribusi Frekuensi Waktu Tunggu

Dari hasil penelurusan alumni, diketahui bahwa rata-rata waktu tunggu
alumni kurang dari 5 bulan untuk mendapatkan pekerjaan pertamanya,
bahkan ada alumni yang bekerja setelah 2 hari dinyatakan lulus dengan gelar
sarjana statistika.
Secara umum terlihat mayoritas alumni waktu tunggunya berkisar antara 1
sampai dengan 6 bulan.

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

Diunduh dari: http://statistika.fmipa.unpad.ac.id/html/index.php?id=profil&kode=102&profil=Waktu%20Tunggu

Contoh Mawar angin (wind rose)

Sumber: sumber gambar :http://alternativeenergyatunc.wordpress.com

Fitting the Distribution

Kalau kita akan membuat distribusi suatu data
mentah, maka ada empat pertanyaan yang harus
dijawab:
1. The first relates to whether the data can take on only
discrete values or whether the data is continuous;
whether a new pharmaceutical drug gets FDA approval or
not is a discrete value but the revenues from the drug
represent a continuous variable.
2. The second looks at the symmetry of the data and if there
is asymmetry, which direction it lies in; in other words,
are positive and negative outliers equally likely or is one
more likely than the other.
3. The third question is whether there are upper or lower
limits on the data; there are some data items like
revenues that cannot be lower than zero whereas there
are others like operating margins that cannot exceed a
value
Diunduh
dari: (100%).
http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012

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

Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012

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

Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm 12/9/2012

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 ().

Grafik fungsi probabilitas distribusi

normal
Fungsi kerapatan
Diunduh
dari: aswinsuharsono.lecture.ub.ac.id/files/2011/.../Distribusi-Normal2.doc
.. 19/9/2012
probabilitas
dari

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

Peluang dinyatakan sebagai P (a < X < b)

Sifat Distribusi Normal:

Peubah acak yang mempunyai distribusi
normal :
pengukuran dalam meteorologi
pengukuran curah hujan
Dll.

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.

Mode (maximum) terjadi di x =

Bentuknya simetrik thd x =
Titik belok tepat di x =
Kurva mendekati nol secara asimptotis
semakin x jauh dari x =
Total luasnya = 1

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

CIRI DISTRIBUSI NORMAL

1. NILAI MEAN, MEDIAN DAN MODUS
adalah SAMA / BERHIMPIT.
2. Bentuk KURVANYA SIMETRIS
3. ASIMPTOTIK (fungsi yang dibatasi oleh
suatu fungsi n N yang cukup besar).
4. LUAS DAERAH YANG TERLETAK DI
BAWAH KURVA dan DI ATAS GARIS
sumbu mendatar = 1

KELUARGA DISTRIBUSI NORMAL

SEMAKIN BESAR NILAI , MAKA
KURVA AKAN SEMAKIN LANDAI,
SEMAKIN KECIL NILAI MAKA KURVA
AKAN SEMAKIN MELANCIP

Luas daerah di Bawah Kurva dan

Peluang
P(x1< x <x2) = probabilitas variabel random x memiliki
nilai antara x1 dan x2
P(x1< x <x2) = luas di bawah kurva normal antara x=x1
dan x=x2

x1

x2

Luas daerah di Bawah Kurva dan

Probabilitas
Perhitungan integral normal sulit
dilakukan, sehingga disusun tabel nilai
kerapatan peluang.
Akan tetapi karena nilai kerapatan peluang
tergantung pada nilai dan , senhingga
sangat tidak mungkin mentabelkan untuk
semua nilai dan

Kurva Distribusi Normal Baku

Distribusi normal baku adalah distribusi normal dengan nilai
rataan =0 dan simpangan baku =1.
Transformasi

xmengkoversi

distribusi normal
z

menjadi distribusi normal baku, sebab distribusi normal

dengan variabel z ini memiliki rataan =0 dan simpangan
baku = 1.

Kurva DIstribusi Normal Standard

Transformasi ini juga mempertahankan luas daerah di
bawah kurvanya, artinya:
Luas dibawah kurva
distribusi normal
antara x1 dan x2

Luas dibawah kurva

distribusi normal
standard antara z1
dan z2

Dengan z1 = (x1-)/ dan z2 = (x2-)/.

Sehingga cukup dibuat tabel distribusi normal baku
kumulatif saja!

TRANSFORMASI NILAI

X MENJADI Z

Diunduh dari: http://ningsetyamat.files.wordpress.com/2011/04/topics-3.pdf 19/9/2012

TRANSFORMASI NILAI

X MENJADI Z

Diunduh dari: http://ningsetyamat.files.wordpress.com/2011/04/topics-3.pdf 19/9/2012

Diunduh dari: http://www.six-sigma-material.com/Normal-Distribution.html 19/9/2012

Diunduh dari: http://ningsetyamat.files.wordpress.com/2011/04/topics-3.pdf 19/9/2012

Contoh :
Diketahui data dengan distribusi normal, nilai
rataan m = 55 dan simpangan baku = 15

Diunduh dari: http://ningsetyamat.files.wordpress.com/2011/04/topics-3.pdf 19/9/2012

Diunduh dari: http://ningsetyamat.files.wordpress.com/2011/04/topics-3.pdf 19/9/2012

Hubungan antara Distribusi Binomial

dan Distribusi Normal
Jika N cukup besar dan jika tak satu pun dari p
atau q yang mendekati nol maka distribusi
binomial dapat didekati dengan sebuah distribusi
normal dengan variabel baku :

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.

Contoh: Menghitung Luas daerah di bawah garis

kurva distribusi normal
Gunakan tabel distribusi normal standard untuk
menghitung luas daerah :
a) Di sebelah kanan z = 1.84
b) Antara z = -1.97 s/d z = 0.86
Jawab.
Ingat bahwa luas yg diberikan dalam tabel
distribusi normal kumulatif adalah luas dari z=-
s/d z0 tertentu: P(z<z0).
c)
d)

P(z>1.84) = 1 P(z1.84) = 1 -0.9671 = 0.0329

P(-1.97 <z<0.86) = P(z<0.86) P(z<-1.97)
= 0.8051 0.0244
= 0.7807

Contoh: Mencari Nilai Z

Carilah nilai Z=k pada tabel distribusi normal
standard sehingga
a) P(Z>k) = 0.3015
b) P(k<Z<-0.18) =0.4197
Jawab:
c) P(Z>k) = 0.3015 berarti P(Z<k) = 1- P(z>k) = 1
0.3015 = 0.6985
Dari tabel terbaca luas ke kiri = 0.6985 adalah
untuk Z = 0.52.
b) P(k<Z<-0.18) = P(Z<-0.18) P(Z<k) = 0.4197
= 0.4286 P(Z<k) = 0.4197
Jadi P(Z<k) = 0.4286- 0.4197 = 0.0089
Dari tabel Z = -2.37

Contoh: Luas di bawah kurva distribusi

normal yang tidak baku (non standard)
Contoh.
Variaber X tersebar normal dengan rataan 50 dan
simpangan baku = 10. Carilah peluang untuk menemukan
X = 45 - 62?
Jawab.
Dalam soal ini = 50 dan =10. x1 = 45 dan x2 =62
Pertama-tama kita konversi X menjadi Z (melakukan
normalisasi atau standardisasi):
z1 = (x1 -)/ z1 = (45-50)/10 = -0.5
z2 = (x2 -)/ z2 = (62-50)/10 = 1.2
Sehingga:
P(45 <X< 62) = P(-0.5< Z <1.2)
P(-0.5<Z<1.2) = P(Z<1.2) P(Z<-0.5) = 0.8849-0.3085 =

Memakai Distribusi Normal Dalam Arah

Kebalikan
Diketahui luas daerah di bawah kurva distribusi normal
yang diinginkan yang terkait dengan besarnya
peluang, ingin dicari nilai peubah acak X yang terkait.
Contoh.
Misalkan distribusi normal memiliki =40 =6, carilah
nilai x0 sehingga:
a)

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

Memakai Distribusi Normal Dalam Arah

Kebalikan
Jawab.
b) Kita mulai dengan mencari nilai Z yg sama
luasnya.
P(z>z0) = 14% P(z<z0) = 1- P(z>z0) = 1-0.14 =
0.86
P(z<z0) = 0.86 dari tabel z0 = 1.08
z0 = (x0-)/ x0 = + z0 = 40 +6*(1.08) =
46.48

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)

Diameter ball-bearing yg diproduksi sebuah pabrik memiliki

mean 3cm dengan standard deviasi 0.005 cm. Pembeli hanya
mau menerima jikalau ball bearingnya memiliki diameter
3.00.01cm.
a) berapakah persenkah dari produksi pabrik tersebut yg tidak
bisa diterima pembeli?
b) jikalau dalam sebulan pabrik tsb memproduksi 10000 ballbearing, berapa banyak yg harus dibuang tiap bulan karena
ditolak pembeli?
Sebuah pengukur diameter bola besi dipasang secara otomatis
dalam sebuah pabrik. Pengukur tsb hanya akan meloloskan
diameter bola 1.50d cm. Diketahui bahwa bola produksi pabrik
tersebut memiliki diameter yg terdistribusi normal dengan ratarata 1.50 dan standard deviasi 0.2 cm. Jikalau diinginkan bahwa
95% produksinya lolos seleksi berapakah nilai d harus
ditetapkan?

Soal
5)

Rata-rata nilai kuliah statistik diketahui 65

dengan standard deviasi 15. a) Jikalau
diinginkan 15% murid mendapat nilai A dan
diketahui distribusi nilai normal, berapakah
batas bawah nilai agar mendapat A? (b)
Selanjutanya diinginkan yg mendapat B
adalah sebanyak 25%. Berapakah batas
bawah B? (c) Seandainya diinginkan yg tidak
lulus paling banyak 25%, berapakah batas
bawah agar siswa lulus?

Diunduh dari: 12/9/2012

Diunduh dari: 12/9/2012

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

Kapan menggunakan Mean, Median, dan

Mode
Berikut ini adalah metode-metode yang sesuai untuk
menentukan nilai middle atau typical dari seperanghkat
data berdasarkan sekala pengukuran data.
Sekala Pengukuran

Ukuran terbaik untuk

"Middle"

Nominal
(Categorical)

Mode

Ordinal

Median

Interval

Symmetrical data: Mean

Skewed data: Median

Ratio

Symmetrical data: Mean

Skewed data: Median

Diunduh dari: http://www.quickmba.com/stats/centralten/ 12/9/2012

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

Mean, median, and mode for a

symmetric histogram and
frequency distribution curve.

Mean, median, and mode for a

histogram and frequency distribution
curve skewed to the right.

Mean, median, and mode for a

histogram and frequency distribution
curve skewed to the left.

RATAAN HITUNG

Rumus :

Jumlah semua nilai data

Rataan hitung
Banyaknya nilai data
1. Untuk data yang berulang
X

X1 X 2 ... X n
X

n
n

2. Untuk data yang berulang dengan frekuensi

tertentu

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

Nilai Tengah (X)

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

Nilai Tengah (X)

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 :

(2)65 (3)76 (4)70

X
70,89
23 4

MEDIAN
Untuk data berkelompok

-F

Med L 0 c 2
f

L 0 batas bawah kelas median

F jumlah frekuensi semua kelas sebelum
kelas yang mengandung median
f frekuensi kelas median

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

Letak median ada pada

data ke 30, yaitu pada
interval 61-73, sehingga :
L0 = 60,5
F = 19
f = 12
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

Data yang paling sering

muncul adalah pada
interval 74-86, sehingga :
L0 = 73,5
b1 = 23-12 = 11
b2 = 23-6 =17
11
Mod 73,5 13
78,61
11 17

HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA

HITUNG, MEDIAN, DAN MODUS

Ada 3 MACAM kurva distribusi data :

1) Jika nilai ketiganya hampir sama maka

kurva mendekati simetri.
2) Jika Mod<Med<rata-rata hitung, maka
kurva miring ke kanan.

3) Jika rata-rata hitung<Med<Mod, maka

kurva miring ke kiri.

HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA

HITUNG, MEDIAN, DAN MODUS

Jika distribusi data tidak simetri,

maka hubungannya :
Rataan hitung - Modus = 3 (Rata-rata hitungMedian)

X - Mod 3 X Med

RATAAN UKUR
Digunakan apabila nilai data satu dengan
yang lain berkelipatan.
n

G X1.X 2 ....X n

Untuk data tidak berkelompok

log X
G antilog

Untuk data berkelompok

f log X

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

Untuk data berkelompok

f
RH
f

X

RATAAN HARMONIS
Contoh :
Interval
Kelas

9-21
22-34
35-47
48-60
61-73
74-86
87-99

Nilai Tengah Frekuensi

(X)

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

KUARTIL, DESIL, PERSENTIL

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

Untuk data berkelompok

in
-F

, i 1,2,3
Q i L 0 c 4
f

L0 = batas bawah kelas kuartil

F = jumlah frekuensi semua
kelas sebelum kelas
kuartil Qi
f = frekuensi kelas kuartil Qi

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

Q1 membagi data menjadi 25 %

Q2 membagi data menjadi 50 %
Q3 membagi data menjadi 75 %

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

Untuk Q2, maka :

2.60

- 19

72,42
Q 2 60,5 13 4
12

Untuk Q3, maka :

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

Untuk data berkelompok

L0 = batas bawah kelas desil Di
F = jumlah frekuensi semua
in

-F

kelas sebelum kelas desil

10

Di L0 c
, i 1,2,3,...,9 D
i
f

f = frekuensi kelas desil Di

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

D3 membagi data 30%

D7 membagi data 70%

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

KUARTIL, DESIL, PERSENTIL

3. Persentil
Untuk data tidak berkelompok
i n 1
Pi nilai ke , i 1,2,3,...,99
100

Untuk data berkelompok

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.

Ukuran dispersi ini meliputi:

Coefficient of variation = Koefisien Keragaman
Quartile coefficient of dispersion = Quartil
Relative mean difference, equal to twice the Gini
coefficient

Ukuran dispersi yang lainnya :

RAGAM (kuadrat simpangan baku) lokasinya tidak
beragam tetapi sekala tidak linear.
Variance-to-mean ratio mostly used for count data when
the term coefficient of dispersion is used and when this
ratio is dimensionless, as count data are themselves
dimensionless: otherwise this is not scale-free.
Diunduh dari: http://en.wikipedia.org/wiki/Statistical_dispersion 12/9/2012

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

x = data ke-i (data berbobot )

= titik tengah kelas interval ke-i (data kelompok )
f = frekuensi

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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.

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

SEBARAN DATA
b. Data berbobot / berkelompok
S =

f x x
f

S =

fx
f

f.x

atau

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

Aturan Distribusi Normal

Teori central limit menyatakan bahwa distribusi
rata-rata peubah acak independent yang
terdistribusi secara identik cenderung ke arah
distribusi normal berbentul lonceng, dengan fungsi
kerapatan peluang :

where is the expected value of the random variables,

equals their distribution's standard deviation divided by n1/2,
and n is the number of random variables. The standard
deviation therefore is simply a scaling variable that adjusts
how broad the curve will be, though it also appears in the
normalizing constant.
Diunduh dari: http://en.wikipedia.org/wiki/Standard_deviation 12/9/2012

Aturan Distribusi Normal

Zone biru tua kurang
dari satu SD dari nilai
rataan. For the normal
distribution, this
accounts for 68.27
percent of the set;
while two standard
deviations from the
mean (medium and
dark blue) account for
95.45 percent; three
standard deviations
(light, medium, and
dark blue) account for
99.73 percent; and four
standard deviations
account for 99.994
percent.

Diunduh dari:

Dua titik pada kurva

yang satu SD dari ratahttp://en.wikipedia.org/wiki/Standard_deviation
rata , 12/9/2012
juga merupakan

Aturan Distribusi normal

Diunduh dari: http://www.six-sigma-material.com/Normal-Distribution.html 19/9/2012

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

Menentukan nilai Kuartil

a. Data tunggal

i (n 1)
Letak Qi = data ke
4
dengan i = 1, 2, 3

dan n = banyaknya data

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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

= tepi bawah kelas Qi

= panjang kelas
= jumlah frekuensi sebelum kelas Qi
= frekuensi kelas Qi
= jumlah data

Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt 12/9/2012

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

Nilai P20 = data ke 2 + 1 (data ke 3 data ke2)

1
= 4 + (5 4)
5
1
=4

Diunduh dari: 12/9/2012

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

Diunduh dari: 12/9/2012

SEBARAN DATA
b. Data kelompok

in

100 F
Nilai Pi = b + p

, dengan i = 1,2,..,99

Jangkauan Persentil = P90 P10

Diunduh dari: 12/9/2012

STANDARD ERROR = SALAH BAKU

Salah baku merupakan simpangan baku dari distribusi
sampling suatu data.
Istilah ini juga digunakan untuk menyatakan suatu estimasi
simpangan baku, yang berasal dari sampel tertentu yang
dipakai untuk menghitung estimasi tersebut.

For example, the sample mean is the usual

estimator of a population mean. However, different
samples drawn from that same population would in
general have different values of the sample mean.
Salah baku rata-rata (yaitu menggunakan rataan sampel
sebagai metode untuk estimasi rataan populasi) merupakan
simpangan baku dari semua rata-rata sampel yang mungkin
diambil dari populasi.
Salah baku rata-rata juga mencerminkan estimasi simpangan
baku, yang dihitung dari sampel data yang dianalisis pada
Diunduh dari: http://en.wikipedia.org/wiki/Standard_error_%28statistics%29 12/9/2012

SALAH BAKU RATA-RATA

The standard error of the mean (SEM) is the standard deviation of the
sample-mean's estimate of a population mean. (It can also be viewed as
the standard deviation of the error in the sample mean relative to the true
mean, since the sample mean is an unbiased estimator.)
SEM is usually estimated by the sample estimate of the population
standard deviation (sample standard deviation) divided by the square root
of the sample size (assuming statistical independence of the values in the
sample):
Where:
s is the sample standard deviation (i.e., the
sample-based estimate of the standard
deviation of the population), and
n is the size (number of observations) of the
sample.
Diunduh dari: http://en.wikipedia.org/wiki/Standard_error_%28statistics%29 12/9/2012

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.

Diunduh dari: http://en.wikipedia.org/wiki/Variance 12/9/2012

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%

Diunduh dari: 12/9/2012

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% =

Diunduh dari: 12/9/2012

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

Diunduh dari: 12/9/2012

ANGKA BAKU
7. Angka Baku
Angka Baku digunakan untuk mengetahui kedudukan suatu
objek yang sedang diselidiki dibandingkan terhadap nilai
rata-rata kumpulan objek tersebut.

Angka Baku (nilai standar) dapat dihitung dengan

menggunakan rumus :
Z

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

Kurtosis adalah derajat kelancipan suatu

distribusi jika dibandingkan dengan Distribusi
normal
Untuk menghitung tingkat keruncingan suatu kurva
(koefisien kurtosis) dapat
Digunakan rumus :
KK =

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.

Diunduh dari: 12/9/2012

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.

Diunduh dari: 12/9/2012

RAGAM = VARIANS = VARIANCE

Dalam teori PELUANG dan statistika, varians
(dari bahasa Inggris: variance) atau ragam
suatu perubah acak (atau distribusi
probabilitas) adalah ukuran bagi sebaran
data.
Hal yang diukur adalah seberapa jauh data
tersebar di sekitar nilai rataannya).
Ragam merupakan salah satu parameter
bagi distribusi normal.
Akar dari ragam adalah simpangan baku
(standard deviation).
Diunduh dari: http://id.wikipedia.org/wiki/Varians 19/9/2012

RAGAM = VARIANS = VARIANCE

Jika sebuah variabel random X
mempunyai nilai rata-rata = E[X], maka
ragam dari X adalah:

Diunduh dari: http://id.wikipedia.org/wiki/Varians 12/9/2012

Ragam untuk Data Tunggal

Misalnya data x1, x2, x3, , xn mempunyai
rataan
, ragam atau varians
dapat
ditentukan dengan rumus:

Dengan :
S2 = ragam atau varians
n = banyaknya data
xi = data ke-i

=rataan hitung

Ragam untuk Data Berkelompok

Untuk ragam data berkelompok, nilai ragam
dapat ditentukan dengan rumus :

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

Diunduh dari: 12/9/2012

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

Jadi, nilai ragamnya

136,94 dan nilai
simpangan bakunya
11,70

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 merupakan analisis

penampilan ragam.
When actual results are better than the
expected results, we have a favourable
variance (F).
If, on the other hand, actual results are worse
Diunduh dari: http://www.globusz.com/ebooks/Costing/00000015.htm
12/9/2012
than expected
results, we have an adverse
(A).

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.

Diunduh dari: 12/9/2012

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

Diunduh dari: 12/9/2012

CELA

Terima
kasih

atas perhatian
nya