1 2 3 4 5 6 7
Kemampuan Akhir Metode Pengalaman Penilaian
Minggu
tiap tahapan Bahan Kajian/ Pokok Bahasan Pembela- Waktu Belajar Bobot
ke Kriteria & Indikator
pembelajaran jaran Mahasiswa (%)
Mahasiswa mampu (1) Data diskrit dan kontinyu Ceramah, 2x 50 Group Keaktifan
membedakan jenis Diskusi menit Discussion, dan mahasiswa
(2) Parameter statistic : Deskripsi
data dan Numerik, Nilai rata-rata, kelas. (tatap Studi Kasus dalam diskusi
penaksiran Deviasi Standar, Median, muka)
parameter statistik Dosen:
kuartil
deskriptif. HB, IS
(3) Deskripsi jenis data pada
3. bidang teknik sipil 3.
Data Diskrit : data yang diperoleh dari hasil menghitung; data yang sifatnya terputus-
putus, nilainya bukan merupakan pecahan (angka utuh).
Contoh : data jumlah penduduk; data jumlah kendaraan yang lewat di suatu
persimpangan jalan; data jumlah pelanggaran lalu lintas; data jumlah kecelakaan lalu
lintas; data jumlah kejadian banjir/gempa/longsor, dst.
Data Kontinyu : data yang diperoleh dari hasil mengukur; data yang sifatnya sinambung/
kontinyu, nilainya bisa berupa pecahan.
Contoh : data panjang sungai; data suhu udara setiap hari; data debit di suatu
saluran/sungai; data tinggi muka air saluran/sungai/waduk; data kuat tekan beton;
dst.
Contoh Data Tunggal
Tabel Data Jumlah Mobil Honda CRV yang Masuk Tol Bawen dalam waktu 15 menit
Tabel Data Jumlah Mobil yang Masuk Tol Bawen dalam waktu 15 menit
Tabel Data Waktu Pembayaran Tiket Masuk Tol Bawen dalam satuan detik
n n
x i x i
x i 1
SAMPEL μ i 1
POPULASI
n N
f x i m, i f x i m, i
x i 1
k
i 1
SAMPEL
f
n 𝑥ҧ = mean aritmatik sampel
i
i 1 x = mean aritmatik populasi
xi = nilai dari data ( variabel x)
k k
f x f x
k = jumlah interval kelas dalam satu sampel
i m, i i m, i K = jumlah interval kelas dalam satu populasi
μx i 1
k
i 1
POPULASI n = banyaknya data x dalam suatu sampel
f
N
i
i -1
C
Ukuran Penyebaran
1.Jangkauan / kisaran (range)
2.Simpangan mutlak rata-rata
3.Deviasi standard/simpangan baku
4.Varians ; kuadrat dari deviasi standard
5.Koefisien Variasi
Momen, Skewness dan kurtosis
1.Momen
2.Skewness
3.Kurtosis (Ck)
Simpangan mutlak rata-rata
n
x i x
Data tidak terkelompok : MD x i 1
n
k k
f i x m, i x f i x m, i x
Data terkelompok : MD x i 1
k
i 1
fi
n
i 1
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
i 1 i 1 sampel
n -1 n n 1
K 2
f x μx
K
i m,i
2
i m,i
f x
σx i 1
i 1 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 σx
Vx sampel υx populasi
x μx
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 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
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
Dari data pada tabel di atas :
1) Hitung rata-rata dan deviasi standar untuk data terkelompok dan tidak terkelompok.
2) Buatlah distribusi frekuensinya,
3) Gambarkan grafiknya,
4) Hitung koefisien variasi, koefisien skewness dan koefisien kurtosisnya,
Berikan pendapat anda pada hasil perhitungan di atas.
x i
119.907
x i 1
1199,07
n 100
f i x m, i x f i x m, i x
MD x i 1
k
i 1
fi
n
i 1
σ𝑘 ҧ 2
𝑖=1 𝑓𝑖 (𝑥𝑚,𝑖 −𝑥)
𝑠𝑥 = =……….
𝑛−1 Breaking Stress
35
30
25
Frekuensi
Gambarkan grafiknya, 20
15
10
5
0
900 - 999 1000 -1099 1100 - 1199 1200 - 1299 1300 - 1399 1400 - 1499
Breaking Stress (kN/m2)
Breaking Stress
35
30
25
Frekuensi
20
15
10
5
0
900 - 999 1000 -1099 1100 - 1199 1200 - 1299 1300 - 1399 1400 - 1499
Breaking Stress (kN/m2)
Breaking Stress
35%
30%
25%
20%
Frekuensi
15%
10%
5%
0%
900 - 999 1000 -1099 1100 - 1199 1200 - 1299 1300 - 1399 1400 - 1499
Breaking Stress (kN/m2)
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
f μ
1
i i
48
m' 1,x c1 i 1
k
100 0.48
f
100
i
i 1
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
100 3
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
Deskripsi jenis data pada bidang teknik sipil √
Confidence Intervals
(Rentang Keyakinan)
Confidence Intervals
Estimasi Parameter
Distribusi probabilitas memiliki sejumlah parameter.
Parameter-parameter tsb umumnya tak diketahui.
Nilai parameter tersebut diperkirakan (di-estimasi-kan) berdasarkan nilai yang diperoleh dari pengolahan data.
Estimasi
Estimasi tunggal (point estimates)
Rentang keyakinan (confidence intervals)
Estimasi Tunggal
Estimasi Tunggal
Contoh
• Nilai rata-rata sampel sbg estimasi nilai rata-rata populasi.
X
• Nilai simpangan baku sampel sbg estimasi nilai simpangan baku populasi.
sX → X
Estimasi Parameter
estimasi parameter
Dicari suatu interval [ L,U ] yang memiliki probabilitas (1 – α) bahwa interval tsb
mengandung
prob(L < < U) = (1 – ) → . . . . . . . . . . . . . . . . . . Pers (1)
L = batas bawah rentang keyakinan.
U = batas atas rentang keyakinan.
(1 – a) = tingkat keyakinan (confidence level, confidence coefficient).
L dan U = variabel random
Contoh
Data debit Sungai A selama tahun 1981 s/d 2000 menunjukkan bahwa debit rata-rata
adalah 77 m3/s.
Kita dapat memperkirakan debit rata-rata Sungai A adalah 77 m3/s.
Kita menyadari bahwa perkiraan tsb dapat salah; bahkan dari sisi pengertian probabilitas,
kita tahu bahwa debit rata-rata sama dengan 77 m3/s adalah hampir tidak mungkin
terjadi:
Prob (𝑄ത = 77 m3/s) = 0
Batas Bawah dan Atas
Metode Ostle: method of pivotal quantities
Dicari variabel random V yang merupakan fungsi parameter θ (θ = unknown), tetapi
distribusi V ini tidak bergantung pada parameter yang tidak diketahui.
Ditentukan v1 dan v2 sedemikian hingga:
Mulai
Parameter populasi
Apakah x Gunakan skor z dalam
terdistribusi
diketahui? perhitungan
normal?
Selesai
Chart Title
20
18
16
14
12
10
0
0 1 2 3 4 5 6 7 8