DESAIN EKSPERIMEN

&
KEMOMETRIKA(2 sks)
 Pustaka
• STATISTICS PRINCIPLES AND METHODS
(RICHARD A.JOHNSON & GOURI K.
BHATTACHARYYA)
• COMPLETE BUSINESS STATISTICS
(AMIR D. ACZEL & JAYAVEL SOUNDERPANDIAN )
• METODA STATISTIKA
( SUDJANA )
 BAHAN KAJIAN
PERTE TOPIK BAHAN KAJIAN
MUAN
1 PENDAHULUAN Statistika: arti dan kegunaan, SP, Univariat dan
Multivariat, Peluang, Pembagian Stat, dll

2 UKURAN-UKURAN STAT UGP

Ukuran Variasi
3 SAMPLING Metode Sampling
Distribusi Sampling
4 STAT INFERENSIAL Penaksiran Parameter
Satu Parameter, Dua Parameter
5 STAT INFERENSIAL Pengujian Hipotesis : satu, dua dan k
parameter
Nilai KUIS , UTS, UAS ….masing2
Akhir bobotnya 30%
Statistika (Statistics)?
Kemometrika ?
Kapan digunakannya?
Univariate & Multivariate
Survei & Eksperimental
Statistika – Parametrik & Nonparametrik
 Statistika merupakan ilmu pengetahuan
yang berhubungan dengan cara-cara :
• Mengumpulkan data
• Mengolah, menyajikan dan menganalisis
data
• Mengambil kesimpulan dan membuat
keputusan atas data yang terkumpul
Data nya bisa kuantitatif atau kualitatif
…apa yang dimaksud dengan DATA?
Kemometri
Muhamad Zainnudin (pidato GB Unair)
Kemometri mrpkn perpaduan antara ilmu kimia
dan Statistika (khususnya kimia analitik)
Kimia Analisis :
Bbrp konsep untuk mengetahui :
Unsur atau senyawa apa yg terkandung dlm
suatu bahan (kualitatif) dan Brp jumlahnya
(kuantitatif)
Kemometrik bertujuan :
1.Merancang dan memilih suatu prosedur dan
eksperimen analisis yg optimal
2. Memberikan informasi kimiawi secara
maksimal dan relevan melalui analisis data
kimiawi
Kedua tujuan di atas jika digunakan statistika ,
maka bisa digunakan Desain Eksperimen dan
Analisis data dg Multivariat
Penegertian dasar &
Stat.Deskriptif
 Introduction
 Using Statistics
 Percentiles and Quartiles
 Measures of Central Tendency
 Measures of Variability
 Skewness and Kurtosis
 Relations between the Mean and Standard Deviation
 Methods of Displaying Data
 LEARNING OBJECTIVES

After studying this chapter, you should be able to:

 Distinguish between qualitative data and
quantitative data.
 Describe nominal, ordinal, interval, and ratio
scales of measurements.
 Describe the difference between population
and sample.
 Calculate and interpret percentiles and
quartiles.
 Explain measures of central tendency and how
to compute them
 Population and Sample
 A population consists of the set of all
measurements for which the investigator is
interested.
 A sample is a subset of the measurements selected
from the population.
 A census is a complete enumeration of every item
in a population.
Samples and Populations

Population (N) Sample (n)

Population and Sample
 Why Sample?

Census of a population may be:

 Impossible
 Impractical
 Too costly
 Simple Random Sample
 Sampling from the population is often done
randomly, such that every possible sample of
equal size (n) will have an equal chance of being
selected.
 A sample selected in this way is called a simple
random sample or just a random sample.
 A random sample allows chance to determine its
elements.
Using Statistics (Two Categories)

 Descriptive Statistics  Inferential Statistics

 Collect  Predict and forecast
 Organize values of population
 Summarize parameters
 Display  Test hypotheses about
values of population
 Analyze
parameters
 Make decisions
 Types of Data - Two Types

 Qualitative -  Quantitative -
Categorical or Measurable or
Nominal: Countable:
Examples are- Examples are-
 Color  Temperatures
 Gender  Salaries
 Nationality  Number of points
scored on a 100
point exam
 Types of Variables

Data

Categorical Numerical
Examples:
 Marital Status
 Political Party Discrete Continuous
 Eye Color
Examples: Examples:
(Defined categories)
 Number of Children  Weight
 Defects per hour  Voltage
(Counted items) (Measured characteristics)
 Scales of Measurement
• Nominal Scale - groups or classes
Gender
• Ordinal Scale - order matters
Ranks (top ten videos)
• Interval Scale - difference or distance matters –
has arbitrary zero value.
Temperatures (0F, 0C)
• Ratio Scale - Ratio matters – has a natural zero
value.
Salaries
 DESKRIPSI DATA
NUMERIK / KUANTITATIF

• UKURAN PEMUSATAN
• UKURAN LETAK
• UKURAN PENYEBARAN
Sample statistics versus population
parameters

Measure Population Sample

Parameter Statistic
Mean
 X
Variance
2 S2
Standard
 S
Deviation
 APA UKURAN PEMUSATAN?
Suatu gambaran (informasi) yang memberikan
penjelasan bahwa data memiliki satu (mungkin lebih)
titik nilai dimana data tersebut memusat atau
terkumpul (ukuran yg menunjukkan dimana
terpusatnya data)
• Rata-rata/Mean/Nilai Tengah
• Median
• Modus
 Ukuran Pemusatan
Rata – rata Hitung
 The arithmetic mean (mean) : ukuran gejala pusat
yang paling umum

Untuk ukuran sampel n :

n

X i
X1  X2    Xn
X i1

n n

Ukuran Sampel Nilai Observasi

 The Arithmetic Mean

Dipengaruhi oleh nilai ekstrim (outliers)

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Mean = 3 Mean = 4
1  2  3  4  5 15 1  2  3  4  10 20
 3  4
5 5 5 5
 The Median

 Data diurutkan: median nilai tengah (50% di bawah , 50% di

atas)

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10

Median = 4 Median = 4

 Tidak dipengaruhi oleh nilai ekstrim

 Quartile Measures
Bagi data terurut menjadi 4 bagian yang sama

25% 25% 25% 25%

Q1 Q2 Q3

 Quartil bawah atau Q1 adalah ….

 Q2 = median (50% are smaller, 50% are larger)
 Hanya 25% dari data nilai ya lebih besar dari Quatil atas atau
Q3
Contoh:
Waktu reaksi hasil 16 percobaan kimia dalam satuan detik

26, 38, 35, 12, 11, 24, 20, 28, 30, 18, 15, 30, 27, 34, 42, 36
(data rekaan )
 Ukuran Letak
• Quartil
• Desil
• Persentil
• Nilai Minimum
• Nilai Maksimum
 Ukuran Penyebaran
Ukuran penyebaran data memberikan gambaran seberapa besar data menyebar
dalam kumpulannya. Dengan ukuran penyebaran kita dapat melihat seberapa jauh
data menyebar dari titik pemusatannya

• Jangkauan/wilayah (Range)
• Jangkauan antar kuartil (RAK/IQR)
• Ragam (Varians)
• Simpangan baku (Standard Deviation)
• Koefisien keragaman (CV)