Statistik Deskriptif
Statistik Inferensia
Mengapa Statistik diperlukan?
Untuk bisa mengidentifikasi dan menggambarkan
hubungan-hubungan yang terdapat pada data
yang dikumpulkan, diproses dan disajikan pada
kegiatan yang membutuhkannya
Alat bantu pengambilan keputusan
Penerapan Statistik di bidang Teknik Sipil
Pencegahan kegagalan dalam suatu desain
bangunan,
Pengendalian mutu bangunan,
1. Identifikasi Masalah
2. Pengumpulan fakta yg ada,
3. Pengumpulan data baru : Alat bantu dan sampel,
a) Judgement Sample
b) Probability Sample :
Simple Random Sample
Systematic Sample
Stratified sample
Cluster Sample
4. Pengklasifikasian dan Peringkasan Data
5. Penyajian dan Analisis data
6. Pengambilan keputusan
Statistik Deskriptif
Tahapannya meliputi :
1. Pengumpulan
2. Pengorganisasian (klasifikasi, meringkas,
interpretasi)
3. Penyajian
Tanpa menganalisis dan menarik kesimpulan
untuk kelompok yang lebih luas.
Statistik Inferensia
pengambilan kesimpulan mengenai parameter
populasi berdasarkan informasi yang diperoleh
dari sampel
Mulai
Kumpulan Data
Gunakan informasi
Informasi dari sampel untuk
Statistik Inferensia
dari sampel menyimpulkan
populasi
Selesai
Proses Inferensi secara
Statistik
Pemilihan Sampel
DATA DATA
INTERVAL RASIO
Dari data pada tabel berikut :
1. Hitung rata-rata dan deviasi standar untuk data
terkelompok dan tidak terkelompok.
2. Buatlah distribusi frekuensinya,
a) Gambarkan grafiknya,
b) Hitung rata-rata, deviasi standar, koefisien
variasi, koefisien skewness dan koefisien
kurtosisnya,
3. Berikan pendapat anda pada hasil perhitungan
di atas.
1171 1186 1264 1205 1316 1437 1185 1150 1338 1290
1042 1110 1192 1196 1406 1161 1492 1170 1258 1152
1218 1181 1273 1020 1042 1136 1233 1158 1233 1312
1141 1040 1217 1175 1273 1163 1235 931 1270 1246
1298 1185 1051 1218 1303 1055 1081 1162 1333 1285
1083 1197 1146 1231 923 1393 1302 1249 1368 1327
1225 1095 1051 1250 1021 1152 1482 1028 1341 1106
939 1124 1200 1058 1449 1094 1254 1160 1141 1062
1077 1065 1141 1416 1055 1399 924 1361 1216 1289
1275 1464 1133 1208 1314 1209 1146 1274 1156 1090
Tabel 1. Pengujian tegangan rusak ( Breaking Stress ) logam
X
No. Breaking Stress Jumlah Persentase
(kN/m2) (f) ( f/nx100%)
1 900 - 999 4 4%
2 1000 -1099 19 19%
3 1100 - 1199 29 29%
4 1200 - 1299 28 28%
5 1300 - 1399 13 13%
6 1400 - 1499 7 7%
Total N 100 100%
0.2308 0.2089 0.2839 0.2703 0.2000 0.2632
0.2353 0.2038 0.2222 0.2961 0.2370 0.3265
0.2500 0.2484 0.4354 0.2651 0.2532 0.2686
0.2679 0.1856 0.3733 0.2654 0.2688 0.2388
0.1882 0.2038 0.2699 0.4507 0.2645 0.1975
0.2222 0.2160 0.3577 0.4194 0.2092 0.2384
0.2500 0.1895 0.2895 0.2752 0.2651 0.2733
0.3280 0.2209 0.2450 0.2000 0.2162 0.4344
0.3008 0.2878 0.3514 0.2069 0.2977 0.3636
0.2806 0.2697 0.2416 0.2130 0.3786 0.3947
Interval kelas dan batas kelas
Berdasarkan contoh diatas 900 – 999, 1000 – 1099, dst
900, 999, 1000, 1099, . . . merupakan batas kelas atas/bawah
Batas nyata kelas
899,5 sampai 999,5 batas nyata kelas pada kelas 1
Lebar Interval kelas
C = 999,5 – 899,5 = 1099,5 – 999,5 = . . . . dst =100
Pertimbangan dalam penyusunan Distribusi Frekuensi
interval kelas harus dipilih untuk seluruh data dan setiap unit data
hanya dimasukkan 1 x pada satu kelas interval
Jumlah interval yg digunakan 5 – 20, tgt faktor jmlh data, tujuan
penyusunan distr frek dan kepentingan analis.
Lebar kelas ; C = R/K atau dg pendekatan rumus Sturge
k = 1+3,3 log n
Interval kelas terbuka dihindari
Interval kelas dipilih sdmkn rupa shg nilai tengah kelas yg
bersesuaian dg nilai dimana data aktual terkonsentrasi
Rata-rata ( average )
◦ Mean aritmatik
◦ Mean aritmatik terbobot
◦ Mean geometrik
◦ Mean Harmonik
Median
Modus
MEAN ARITMATIK
Untuk data tidak terkelompok
n
x i
x i 1 SAMPEL
n
x i
μ i 1
POPULASI
N
X = mean aritmatik sampel
= mean aritmatik populasi
xi = nilai dari data ( variebel x)
n = banyaknya data x dalam suatu sampel
N = banyaknya data x dalam suatu populasi
Untuk data terkelompok
k k
f x i m, i f x i m, i
x i 1
k
i 1
SAMPEL
f
n
i
i 1
k k
f x i m, i f x i m, i
μx i 1
k
i 1
POPULASI
f
N
i
i -1
X = mean aritmatik sampel
x = mean aritmatik populasi
xi = nilai dari data ( variabel x)
k = jumlah interval kelas dalam satu sampel
K = jumlah interval kelas dalam satu populasi
n = banyaknya data x dalam suatu sampel
N = banyaknya data x dalam suatu populasi
fi = frekuensi atau jumlah pengamatan dlm satu klas intreval
xm.i = nilai tengah dari interval kelas.
MEAN ARITMATIK TERBOBOT
n
w
n 1
i
Contoh
Perhitungan curah hujan rata-rata
POLIGON THIESSEN
x i x
MD x i 1
n
Data terkelompok :
k k
f i x m, i x f i x m, i x
MD x i 1
k
i 1
fi
n
i 1
MD x simpanganm utlakrata rata
x meanaritma tiksampel
fi jmlh pengamatan atau frekuensi dalam sebuah interval kelas
f median frekuensi kelas median
n banyaknya data x dalam suatu sampel
k jumlah interval kelasdalam suatu sampel
x m,i nilai tengah dari interval kelas
2
x
n
n
2 n
n x i x i
2
i x
sx i 1
i1 i1 sampel
n -1 n n 1
f x
N
N 2
xi
2
i i x
σx i 1
i1 μ 2
x populasi
N N
f x
k
k
2 k
n f i x m,i f i x m,i
2
i m,i x
sx i 1
i1 i1 sampel
n -1 n n 1
K 2
f x μx
K
i m,i
2
f i x m,i
σx i 1
i1 μ 2
x populasi
N N
Varians ; kuadrat dari deviasi standard
sx2 : sampel
x2 : populasi
Koefisien Variasi
Ukuran penyebaran data ditentukan dg standard deviasi atau
penyebaran mutlak, tapi untuk mengukur variasi misalnya 1 m
thd 1000 m dan 1 m thd 20 m dibedakan dg ukuran penyebaran
relatif yg didefinisikan sbg,
penyebaran mutlak
Penyebaran relatif
nilai rata rata
sx
Vx sampel
x
σx
υx populasi
μx
Momen, Skewness dan kurtosis
Menghitung momen simpangan thd mean yg ke 1,2,3
dan ke 4. data terdiri dari n =100 data, lebar interval
kelas c = 100 dan 𝑥ҧ = 1197.5.
i m, i x
0
m1,x i 1
0
n 100
f x
k
2
i m, i x
1549600
m 2,x i 1
15496
n 100
f x
k
3
i m, i x
35798400
m 3,x i 1
357984
n 100
f x
k
4
i m, i x
59774195200
m 4,x i 1
59774195200
n 100
Dengan metode pengkodean
x m, i A
xm,i fi ui fi i fi i 2 fi i 3 fi i 4
c
950 4 -2 -8 16 -32 64
1,050 19 -1 -19 19 -19 19
1,150 29 0 0 0 0 0
1,250 28 1 28 28 28 28
1,350 13 2 26 52 104 208
1,450 7 3 21 63 189 567
S 100 48 178 270 886
k
fiμ i
1
48
m' 1,x c1 i 1
k
100 0.48
f
100
i
i 1
Xm,i fi 𝑥𝑚,𝑖 −𝐴 fiui fiui2 fiui3 fiui4
𝑢𝑖 = ( )
𝑐
950 4
1050 19
1150 29
1250 28
1350 13
1450 7
fiμ i
2
178
m' 2,x c 2 i 1
k
100 2 17800
f
100
i
i 1
f iμ i
3
270
m' 3,x c 3 i 1
k
1003
2.7 *10 6
f
100
i
i 1
fiμ i
4
886
m' 4,x c 4 i 1
k
100 4
8.86 *10 8
f
100
i
i 1
Maka,
m1,x =0
m2,x = m’2,x - m’1,x = 17800 – 48 2 = 15496
m3,x = m’3,x - 3m’1,x m’2,x + 2 m’1, x3
= 2.7*106 -3(48)(17800)+2(483) = 357984
m4,x = m’4,x - 4 m’1,x m’3,x + 6 m1,x2 m’2,x - 3 m’1,x4
= 8,86 x 108 – 4 (48 )( 2,7 x 106 ) + 6
(482)(17800)-3(484)
= 5,98 x 108
Skewness ketidak simetrisan atau penyimpangan
suatu distribusi
30 30 30
25 25 25
20 20 20
15 15 15
10 10 10
5 5 5
0 0
0
40 50 60 70 80 90 100 40 50 60 70 80 90 100
40 50 60 70 80 90 100
Mean Mean Median Modus Modus Median Mean
Median Modus
x x̂
Cs
s
3( x ~
x)
Cs dg : C s Faktor/koe fisien kemencenga n
s
x mean, x̂ median, ~ x modus
Rumus yg paling banyak di aplikasikan di bidang
teknik adalah dengan menggunakan momen
simpangan terhadap mean ke tiga dalam bentuk tak
berdemensi yg dinyatakan sebagai koef
kemencengan
m 3,x m 3,x m 3,x
a 3,x
s 3
m 2,x
3
m 32,x
untuk kurva yg simetris sempurna , misalnya
kurva normal (gaussian) a3,x = b1,x
Kurtosis (Ck)
Kurtosis adalah derajat keruncingan (peakedness)
atau keceperan(flatness) dari suatu distribusi relatif
terhadap distribusi normal. Sebuah distribusi yg
memiliki relatif tinggi disebut kurva leptocurtic, yg
normal mesocurtic dan yg tidak runcing/ceper
platycurtic. Salah satu ukuran kurtosis menggunakan
momen simpangan thd mean ke 4 dalam bentuk tidak
berdimensi yg didefinisikan sebagai koefisien momen
keruncingan (kurtosis) :
m 4,x m 4,x
a 4,x 4
s m 22,x
1 Normal Cs = 0 Tidak
Ck = 3 Cs = 2,23 Memenuhi
2 Ck = 6,49
2 Log Normal Cs = 3Cv+Cv = 3 Tidak
Cv = 0,50
Ck = 5,383 Memenuhi