DOSEN: ISCHAK P.L. TOBING, SSi, MSi.

MATERI KULIAH

STATISTIK 1
 1. PENYAJIAN DATA
PENYAJIAN DATA TERBAGI 2 YAITU:
1. TABEL
2. GRAFIK
1. TABEL ADALAH KUMPULAN ANGKA-ANGKA YANG
DISUSUN MENURUT KATEGORI-KATEGORI
SEHINGGA MEMUDAHKAN UNTUK PEMBUATAN
ANALISIS DATA
2. GRAFIK ADALAH GAMBAR-GAMBAR YANG
MENUNJUKKAN SECARA VISUAL DATA BERUPA
ANGKA YANG BIASANYA JUGA BERASAL DARI
TABEL-TABEL YANG TELAH DIBUAT.
 2. DISTRIBUSI FREKUENSI
DISTRIBUSI FREKUENSI ADALAH BENTUK
PENYUSUNAN DATA YANG TERATUR YANG
DIPEROLEH DARI DATA HASIL OBSERVASI DENGAN
CARA MENGELOMPOKKAN BESAR KECILNYA
ANGKA YANG BERVARIASI KEDALAM KELAS-KELAS
TERTENTU.
* LANGKAH-LANGKAH MENYUSUN DISTRIBUSI
FREKUENSI.
1. TENTUKAN JUMLAH KELAS.
K = 1 + 3,322 LOG N
2. MENGHITUNG KELAS INTERVAL (Ci)
Nilai maksimum – Nilai minimum
Ci =
K
3. MASUKKAN ANGKA-ANGKA KEDALAM KELAS
DENGAN SISTEM TALLY.
4. BENTUK DISTRIBUSI FREKUENSI
• PENYAJIAN GRAFIK FREKUENSI
1. HISTOGRAM DAN POLIGON
DATA YANG DIPERLUKAN:
- Tepi Kelas
- Frekuensi
2. Curva Ogive
Data yang diperlukan:
- Tepi kelas
- Frekuensi kumulatif kurang dari dan lebih dari
• Pengertian Distribusi Frekuensi Relatif
Suatu distribusi frekuensi dimana frekuensinya
dinyatakan dalam bentuk persentase atau proporsi.
 3. UKURAN LOKASI
Pengertian: Nilai yang mewakili sekelompok data,
dimana umumnya mempunyai kecenderungan
terletak ditengah-tengah dalam suatu kelompok
data yang disusun menurut besar kecilnya nilai.
- Ukuran lokasi disebut juga rata-rata.
• Beberapa Rumus Rata-Rata.
1. Rata-rata Hitung. ( X )
1
X = . Σ Xi Data tidak berkelompok
n
Keterangan:
n = jumlah observasi
Xi = nilai observasi
Σ f i . Xi
X = Data berkelompok
Σfi
Keterangan: f i = frekuensi ke i
Xi = titik tengah
• Median
Data berkelompok: { n/2 – (Σ fi )* }
Med = Lo + Ci
Fm
Keterangan:
Lo = Tepi kelas yang mengandung median
Ci = kelas interval
n/2 = letak median
( Σ f i )* = jumlah frekuensi sebelum kelas median
Fm = frekuensi dari kelas median
• Modus (Mo)
Data berkelompok: F1
Mo = Lo + Ci . { }
F1 + F2
Keterangan:
Lo = Tepi kelas yang mengandung modus
Ci = kelas interval
F1 = selisih frekuensi kelas modus dengan
frekuensi sebelumnya
F2 = selisih frekuensi kelas modus dengan
frekuensi sesudahnya
• Kuartil
Kuartil adalah nilai yang membagi kelompok data
menjadi 4 bagian yang sama.
Nilai kuartil terbagi 3 yaitu Q1, Q2 dan Q3.
Data Berkelompok:
i.n/4 – (Σ fi )*
Qi = Lo + Ci { }
Fq
Keterangan:
Lo = tepi kelas yang mengandung kuartil
Ci = kelas interval
In/4 = letak kuartil
(Σfi)* = jumlah frekuensi sebelum kelas kuartil
Fq = frekuensi kelas kuartil
 4. UKURAN DISPERSI/VARIASI
Ukuran dispersi adalah alat untuk mengukur besar
kecilnya dispersi dari seluruh nilai-nilai observasi.
• Varians (S2)
Data tidak berkelompok:
S2 = 1/n-1 . Σ (Xi – X ) 2
Data berkelompok
S2 = 1/n-1 . Σ (Xi – X ) 2 . f i
• Standard deviasi (S)
Data tidak berkelompok
S = √ 1/n-1 . Σ (Xi – X ) 2
Keterangan: n = jumlah observasi
Xi = nilai observasi
Data berkelompok
S = √ 1/n-1 . Σ (Xi – X ) 2 . f i
Koefisien Variasi (KV)
δ S
KV = X 100% KV = X 100%
μ X
Untuk populasi untuk sampel
 6. Konsep Probabiliti

Probabilita adalah suatu nilai yang digunakan untuk

mengukur tingkat terjadinya suatu kejadian yang
acak.
1.Peristiwa yang saling lepas (Mutually Exclusive)
Bila peristiwa A dan B saling lepas dan merupakan
peristiwa dalam ruang sampel yang terbatas.
Rumus: P (A U B) = P (A) + P (B)
2. Peristiwa tidak saling lepas
Rumus: P (A U B) = P (A) + P (B) – P (A  B)
3. Peristiwa yang independen
Dua peristiwa dikatakan bebas jika peristiwa yang satu
tidak akan mempengaruhi terjadinya peristiwa yang
lain/berikutnya.
Rumus: P (A ∩ B) = P (A) . P (B)
4. Peristiwa yang dependen
Dua peristiwa atau lebih dikatakan tidak bebas jika
terjadinya peristiwa yang satu akan mempengaruhi
terjadinya peristiwa yang lain.
Rumus: P (A ∩ B) = P (A/B) . P (B) atau
P (B/A) . P (A)
 9, 10. Distribusi Probabiliti
Distribusi teoritis merupakan alat untuk menentukan
apa yang dapat diharapkan, jika asumsi-asumsi
yang dibuat benar. Dengan distribusi teoritis, para
pembuat keputusan dapat memperoleh dasar
logika yang kuat untuk mengambil keputusan.
1. Distribusi Binomial
Suatu eksperimen dikatakan binomial bila memenuhi
4 syarat yaitu:
1. Banyaknya eksperimen merupakan bilangan tetap
2. Setiap eksperimen mempunyai 2 possible outcome
yaitu sukses dan gagal.
3. Probabilita sukses sama pada setiap eksperimen.
4. Setiap eksperimen bersifat independent.
Rumus: n!
P (X) = . px . q n - x
X ! . (n – x)!
Keterangan:
P (X) = probabilita peristiwa X sukses
n = jumlah percobaan
x = banyaknya sukses
2. Distribusi Poisson
Distribusi ini digunakan bila p kecil sekali (p< 0,1)
Serta n besar sekali (n > 50).
Rumus: μ X . e –μ
P (X) =
X!
Keterangan:
P (X) = probabilita sukses
μ = rata-rata terjadinya peristiwa (n.p)
e = bilangan natural (2,718)
X = banyaknya sukses
 11,12. Distribusi Normal dan Sampling
1. Distribusi Normal.
Distribusi normal merupakan distribusi teoritis dari
variance random kontinyu. Distribusi normal
adalah distribusi yang simetris, berbentuk lonceng
serta mempunyai jumlah frekuensi.
Rumus: x–μ
Z =
σ
Keterangan: X = nilai observasi
μ = nilai rata-rata
σ = standard deviasi