Perbedaan statistik dan statistika???

Statistik hasil penerapan algoritma

statistika pada suatu data sampel
Statistika ilmu yang berkenaan dengan
data yaitu tentang perencanaan,
pengumpulan, analisis, intrepretasi dan
presentasi data.
 Statistik Deskriptif: berkenaan dengan
bagaimana data dapat digambarkan,
dideskripsikan, disimpulkan baik secara
numerik maupun grafis untuk mendapatkan
gambaran sekilas mengenai data tersebut.
Statistik Inferensial: berkenaan dengan
pemodelan data dan melakukan pengambilan
keputusan berdasarkan analisis data.
 Statistik Parametrik : suatu uji yang
modelnya menetapkan adanya syarat-syarat
tertentu (asumsi-asumsi) tentang variabel
random atau populasi yang merupakan
sumber sampel penelitian, lebih banyak
menggunakan datanya yang berskala rasio
dan interval dilandasi dengan uji normalitas.
Statistik non Parametrik: tidak memerlukan
adanya syarat-syarat tersebut, lebih banyak
menggunakan datanya yang berskala nominal
dan ordinal.
 Menurut cara memperolehnyaTerbagi atas:
a. Data primer
b. Data sekunder
Menurut sifatnya terbagi atas:
a. Data kualitatif
b. Data kuantitatif
Data kuantitatif terbagi atas:
a. Data diskrit: berdasarkan hasil membilang
b. Data kontinu: berdasarkan hasil pengukuran
Populasi Sampel

 Simple random sampling
Systematic sampling
Stratified sampling
Cluster sampling
Nonprobability sampling
 Sampling = pendataan sebagian anggota
populasi = penarikan contoh = pengambilan
sampel
Jumlah Sampel Acak yang dapat ditarik dari
suatu populasi adalah sangat banyak.
Nilai setiap Statistik Sampel akan
bervariasi/beragam antar sampel.
 Suatu statistik dapat dianggap sebagai
peubah acak yang besarnya sangat
tergantung dari sampel yang kita ambil.
Karena statistik sampel adalah peubah acak
maka ia mempunyai distribusi yang kita sebut
sebagai : Distribusi peluang statistik sampel =
Distribusi Sampling = Distribusi Penarikan
Sampel
N n
N 1
disebut sebagai FAKTOR KOREKSI populasi
terhingga
Faktor Koreksi (FK) akan menjadi penting jika
sampel berukuran n diambil dari populasi
berukuran N yang terhingga/ terbatas besarnya
 Jika
sampel berukuran n diambil dari
populasi berukuran N yang sangat besar maka
FK akan mendekati 1 N n
1
N 1
, hal ini mengantar kita pada dalil ke-3 yaitu
 Dalil Limit Pusat berlaku untuk : -
penarikan sampel dari populasi yang sangat
besar,
- distribusi populasi tidak dipersoalkan
Beberapa buku mencatat hal berikut :
Populasi dianggap BESAR jika ukuran sampel
KURANG DARI 5 % ukuran populasi atau

n
5%
N
Dalam setiap kasus kita tertarik mengestimasi
mean populasi dari pengukuran yang dibedakan besar
populasinya.

1.Selang kepercayaan Sampel besar untuk mean populasi.

Menurut Teorema Limit Pusat, dist sampling dari mean
sampel mendekati dist normal utk sampel besar.

X 2 x = X (2)/n , mempunyai arti selang

2 SD dibawah mean s.d 2 2SD diatas mean.
 2X 2X

Gbr selang kepercayaan pada 2 SD

Beberapa istilah penting

a.Estimasi selang atau selang kepercayaan, yaitu

rumus/bentuk yang mengataakan pada kita bagaimana
menggunakan data sampel utk menghitung selang yang
mengestimasi parameter populasi.

b.Koefisien kepercayaan, yaitu probabilitas bahwa estimator

selang memuat/mencakup parameter populasi.
c.Tingkat kepercayaan/TK, yaitu koefisien kepercayaan yang
dinyatakan dalam persentase. Jika TK kita 95% berarti dalam
jangka panjang, 95% dari selang kepercayaan sampel akan
memuat
TK 100(/2 /2 Z/2/2

90% 0.10 0.05 1.64

95% 0.05 0.025 1.96
99% 0.01 0.005 2.58

Selang kepercayaan 100 (1-)% Sampel besar utk

mempunyai bentuk.
X Z/2 x = X Z/2 /n atau
X - Z/2 /n X + Z/2 /

Parameter adalah SD utk populasi sampel dan n

adalah besar sampel. Bila tidak diketahui dan n besar
(n 30) maka dapat diduga dengan s (SD sampel).
Contoh.
Suatu penelitian dengan sampel diambil scr random 100 dari
populasi yang -nya tidak diketahui dan = 8. Jika mean sampel
=42.7, hitung selang kepercayaan 95% untuk .
Jawab.
Selang kepercayaan 95% untuk adalah
X Z/2 * /n = 42.7 1.96 *8100 = 42.7 1.568
atau
( 41.132 ; 44.268 ) atau 41.132 44.268
Artinya kita percaya 100 (1-)% bahwa terletak diantara batas
bawah dan batas atas selang kepercayaan tsb.
2. Selang kepercayaan Sampel kecil untuk mean populasi.
Penggunaan sampel kecil menimbulkan 2 masalah karena:

Bentuk distribusi samplingnya mungkin menyimpang dari asumsi

normalitas (Teorema Limit Pusat hanya berlaku utk sampel besar).
SD hampir selalu tidak diketahui dan x = /n. Jika sampel
kecil, maka s merupakan pendekatan yang buruk utk .

Oleh karena itu untuk jumkah sampel besar digunakan statistik

Z= { X- }/x = { X- }/{/n}

Sedangkan untuk sampel kecil digunakan statistik

t = { X- }/{s/n}
Distribusi ini lebih dikenal sbg distribusi t statistik yang
ditemukan oleh W.S Goset (1908) dengan nama
samaran student.

Perbedaan utama distribsi t dan distribusi z terletak

pada variabilitasnya. Dist t lebih memencar (memiliki
variabilitas lebih besar) dibanding dist z, karena
memuat 2 kuantitas acak (X dan s). dist z hanya
memuat 1 kuantitas saja (X). Konkritnya variabilitas
dist sampling t bergantung pada ukuran sampel (n).
cara menyatakannya adalah t memiliki degree of
freedom/derajat kebebasan) n-1, Kuantitas (n-1)
berasal dari pembagi untuk
rumus s2.
 Dist Z

Dist t

Gbr Distribusi t dan distribusi z

STAT_INFERENS s.wiyono 25
Selang kepercayaan sampel kecil utk berbentuk n-1.
Contoh:
Hasil pengukuran 15 sampel sbb:
1.13; 1.55; 1.43; 0.92; 1.25; 1.36; 1.32; 0.85;
1.07; 1.48; 1.20; 1.33; 1.18; 1.22; 1.29

Tentukan selang kepercayaan 99% untuk mean-nya!

Jawab.
=0.01; /2 = 0.005 dan X = 1.24 dan s = 0.19
t/2 = t0.005=2.977 (dari tabel dist t)
dengan df n-1=15-1=14.
X t0.005 {s/n} = 1.242.977 {0.19/15 = 1.240.15
atau 1.09 1.39`

STAT_INFERENS s.wiyono 26