Statistika Deskriptif
Serangkaian teknik yang meliputi teknik pengumpulan,
penyajian dan peringkasan data
Statistika inferensial
Serangkaian teknik yang digunakan untuk mengkaji,
menaksir, dan mengambil kesimpulan sebagian data
(data sampel) yang dipilih secara acak dari seluruh data
yang menjadi objek kajian.
Populasi dan Sampel
Populasi
adalah keseluruhan elemen himpunan dengan ciri-ciri
tertentu yang sama. Variabel yang diperoleh dari
Populasi disebut PARAMETER
Sampel
Himpunan Bagian dari Populasi yang diambil
berdasarkan SAMPLING. Variabel yang diperoleh dari
Populasi disebut STATISTIK.
Contoh KASUS
Tim Pansus akan mencari keterangan
Karyawan Bank Indonesia terkait masalah
Skandal bank Century. Namun yang dipanggil
hanya ibu Sri Mulyani dan beberapa pejabat
tinggi di Bank Indonesia.
1 58 - 65 III 3
2 66 - 73 II 2
3 74 - 81 IIIII III 8
4 82 - 89 IIIII I 6
5 90 - 97 I 1
Distribusi Frekuensi Relatif
1 58 - 65 3 15
2 66 - 73 2 10
3 74 - 81 8 40
4 82 - 89 6 30
5 90 - 97 1 5
1 58 - 65 3
2 66 - 73 2
3 74 - 81 8
4 82 - 89 6
5 90 - 97 1
1 58 - 65 61,5
2 66 - 73 69,5
3 74 - 81 77,5
4 82 - 89 85,5
5 90 - 97 93,5
1 58 - 65 3 57,5
2 66 - 73 2 65,5
3 74 - 81 8 73,5
4 82 - 89 6 81,5
5 90 - 97 1 89,5
97,5
3 74 - 81 8 5
4 82 - 89 6 13
5 90 - 97 1 19
20
Frekuensi kumulatif lebih dari
• Merupakan pengurangan dari jumlah data
(n) dengan frekuensi setiap kelas dimulai
dari kelas terendah dan jumlah akhirnya
adalah nol
Frekuensi Kumulatif
Kelas Interval Jumlah Frekuensi
20 – 0 = 20
Lebih Dari
1 58 - 65 3 20
2 66 - 73 2 17
20 – 3= 17
3 74 - 81 8 15
4 82 - 89 6 7
5 90 - 97 1 1
0
Jadi Frekuensi Kumulatif
Frekuensi Frekuensi
Jumlah
Kelas Interval Nilai Tepi Kelas Kumulatif Kurang Kumulatif Lebih
Frekuensi
Dari Dari
1 58 - 65 3 57,5 0 20
2 66 - 73 2 65,5 3 17
3 74 - 81 8 73,5 5 15
4 82 - 89 6 81,5 13 7
5 90 - 97 1 89,5 19 1
97,5 20 0
Grafik
• Grafik dapat digunakan sebagai laporan
• Mengapa menggunakan grafik ?
– Manusia pada umunya tertarik dengan gambar
dan sesuatu yang ditampilkan delam bentuk visual
akan lebih mudah diingat dari pada dalam bentuk
angka
• Grafik dapat digunakan sebagai kesimpulan
tanpa kehilangan makna
Grafik Histogram
• Histogram merupakan diagram balok
• Histogram menghubungkan antara tepi
kelas interval dengan pada sumbu
horizontal (X) dan frekuensi setiap kelas
pada sumbu vertikal (Y)
Kelas Interval Jumlah Frekuensi
1 58 - 65 3
2 66 - 73 2
3 74 - 81 8
4 82 - 89 6
5 90 - 97 1
Histogram
Harga saham
14
12
10
8
6
4
2
0
Tepi Kelas
Grafik Polygon
• Menggunakan garis yang mengubungkan titik
– titik yang merupakan koordinat antara nilai
tengah kelas dengan jumlah frekuensi pada
kelas tersebut
16
14
12
10
Jumlah
8
Frekuensi (F)
6
4
2
0
1 2 3 4 5
Kurva Ogif
25
20
15 Kurang dari
10 Lebih dari
5
0
1 2 3 4 5 6
Interval kelas
Ukuran Pemusatan
Ukuran Lokasi
53
UKURAN-UKURAN STATISTIK
3. Ukuran Dispersi/Persebaran (Dispersion measurement):
Jarak (Range)
Ragam/Varian (Variance)
Simpangan Baku (Standard deviation)
Rata-rata deviasi (Mean deviation)
54
UKURAN TENDENSI SENTRAL
(Central tendency measurement)
1. Rata-rata (mean)
Jika data berasal dari suatu sampel, maka rata-rata
(mean) dirumuskan
Data Tidak Berkelompok
x
x i
Data Berkelompok n
x
f x
i i
Dimana
f i
x = nilai tengah kelas ke-i
i
fi = frekuensi kelas ke-i
55
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
x i
Data Berkelompok N
fi xi
f i
Dimana xi = nilai tengah kelas ke-i
fi = frekuensi kelas ke-i
56
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
2. Median
Merupakan suatu nilai yang terletak di tengah-tengah
sekelompok data setelah data tersebut diurutkan dari
yang terkecil sampai terbesar.
Suatu nilai yang membagi sekelompok data dengan
jumlah yang sama besar.
Untuk data ganjil, median merupakan nilai yang
terletak di tengah sekumpulan data, yaitu di urutan
ke-
Untuk data genap, median merupakan rata-rata nilai
yang terletak pada urutan ke- dan
57
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
2. Median – (Lanjutan)
Jika datanya berkelompok, maka median dapat
dicari dengan rumus berikut:
fkum
n
Median LB 2
.I
fmedian
Dimana
LB = Lower Boundary (tepi bawah kelas median)
n = banyaknya observasi
fkum< = frekuensi kumulatif kurang dari kelas median
fmedian = frekuensi kelas median
I = interval kelas
58
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
3. Modus
Merupakan suatu nilai yang paling sering muncul
(nilai dengan frekuensi muncul terbesar)
Jika data memiliki dua modus, disebut bimodal
Jika data memiliki modus lebih dari 2, disebut
multimodal
59
UKURAN TENDENSI SENTRAL
(Central tendency measurement) (L)
3. Modus – (Lanjutan)
Jika data berkelompok, modus dapat dicari dengan
rumus berikut:
fa
Modus LB .I
fa fb
Dimana
LB = Lower Boundary (tepi bawah kelas dengan
frekuensi terbesar/kelas modus)
fa = frekuensi kelas modus dikurangi frekuensi kelas
sebelumnya
fb = frekuensi kelas modus dikurangi frekuensi kelas
sesudahnya
I = interval kelas
60
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan)
DATA TIDAK BERKELOMPOK
Berikut adalah data sampel tentang nilai sewa bulanan
untuk satu kamar apartemen ($). Berikut adalah data yang
berasal dari 70 apartemen di suatu kota tertentu:
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
61
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan) (L)
Rata-rata Hitung (Mean)
x
x i
34.356
490,80
n 70
Median
Karena banyaknya data genap (70), maka median
merupakan rata-rata nilai ke-35 dan ke-36, yaitu
(475 + 475)/2 = 475
62
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan) (L)
63
UKURAN TENDENSI SENTRAL
(Contoh Penghitungan) (L)
x
fxi i
3915,0
78,3
f i 50
Median
50
15
Median 69,5 2
.10 75,75
16
Modus
3
Modus 69,5 .10 72
39
64
KELEBIHAN & KEKURANGAN RATA-RATA
, MEDIAN & MODUS
Rata-rata Hitung (Mean)
Kelebihan:
Melibatkan seluruh observasi
Tidak peka dengan adanya penambahan data
Contoh dari data :
3 4 5 9 11 Rata-rata = 6,4
3 4 5 9 10 11 Rata-rata = 7
Kekurangan:
Sangat peka dengan adanya nilai ekstrim (outlier)
Contoh: Dari 2 kelompok data berikut
Kel. I : 3 4 5 9 11 Rata-rata = 6,4
Kel. II : 3 4 5 9 30 Rata-rata = 10,2
65
KELEBIHAN & KEKURANGAN RATA-RATA
, MEDIAN & MODUS
Median
Kelebihan:
Tidak peka terhadap adanya nilai ekstrim
Contoh: Dari 2 kelompok data berikut
Kel. I : 3 4 5 13 14
Kel. II : 3 4 5 13 30
Median I = Median II = 5
Kekurangan:
Sangat peka dengan adanya penambahan data (sangat
dipengaruhi oleh banyaknya data)
Contoh: Jika ada satu observasi baru masuk ke dalam
kelompok I, maka median = 9
66
KELEBIHAN & KEKURANGAN RATA-
RATA , MEDIAN & MODUS
• Modus
– Kelebihan:
• Tidak peka terhadap adanya nilai ekstrim
• Contoh: Dari 2 kelompok data berikut
Kel. I : 3 3 4 7 8 9
Kel. II : 3 3 4 7 8 35
Modus I = Modus II = 3
– Kekurangan:
• Peka terhadap penambahan jumlah data
• Cohtoh: Pada data
3 3 4 7 8 9 Modus = 3
3 3 4 7 7 7 8 9 Modus = 7
67
UKURAN LOKASI
(Location measurement)
1. Persentil (Percentiles)
– Persentil merupakan suatu ukuran yang membagi
sekumpulan data menjadi 100 bagian sama besar.
– Persentil ke-p dari sekumpulan data merupakan nilai
data sehingga paling tidak p persen obyek berada
pada nilai tersebut atau lebih kecil dan paling tidak
(100 - p) percent obyek berada pada nilai tersebut
atau lebih besar.
68
UKURAN LOKASI
(Location measurement)
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615 70
UKURAN LOKASI
(Location measurement)
2. Kuartil (Quartiles)
– Kuartil merupakan suatu ukuran yang membagi data
menjadi 4 (empat) bagian sama besar
– Kuartil merupakan bentuk khusus dari persentil,
dimana
• Kuartil pertama = Percentile ke-25
• Kuartil kedua = Percentile ke-50 = Median
• Kuartil ketiga = Percentile ke-75
71
UKURAN LOKASI
(Contoh Penghitungan)
Berdasarkan kasus sewa kamar apartemen
• Kuartil ke-3
– Kuartil ke-3 = Percentile ke-75
– Yaitu data ke-(p/100)n = (75/100)70 = 52.5 = 53
– Jadi kuartil ke-3 = 525
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
72
UKURAN LOKASI
(Location measurement)
3. Desil (Deciles)
– Merupakan suatu ukuran yang membagi sekumpulan
data menjadi 10 bagian sama besar
– Merupakan bentuk khusus dari persentil, dimana:
• Desil ke-1 = persentil ke-10
• Desil ke-2 = persentil ke-20
• Desil ke-3 = persentil ke-30
…
…
• Desil ke-9 = persentil ke-90
73
UKURAN LOKASI
(Contoh Penghitungan)
Berdasarkan kasus sewa kamar apartemen
• Desil ke-9
– Desil ke-9 = Percentile ke-90 = 585
425 430 430 435 435 435 435 435 440 440
440 440 440 445 445 445 445 445 450 450
450 450 450 450 450 460 460 460 465 465
465 470 470 472 475 475 475 480 480 480
480 485 490 490 490 500 500 500 500 510
510 515 525 525 525 535 549 550 570 570
575 575 580 590 600 600 600 600 615 615
74
Ukuran Sebaran
Contoh:
Dalam pemilihan 2 suplier A atau B, umumnya kita tidak
cukup hanya dengan melihat lamanya rata-rata waktu
pengiriman barang yang dilakukan masing-masing suplier,
namun juga variasi/persebaran lamanya waktu pengiriman
barang.
UKURAN PERSEBARAN / DISPERSI
(Dispersion Measurement)
1. Jarak (Range)
Range = selisih nilai terbesar dan nilai terkecil
Range merupakan ukuran keragaman yang paling
sederhana
Sangat peka terhadap data dengan nilai terbesar dan
nilai terkecil
Contoh: Kasus sewa kamar apartemen
Range = 615 - 425 = 190
UKURAN PERSEBARAN / DISPERSI
(Dispersion Measurement)
2. Varian (Variance)
– Merupakan ukuran keragaman yang melibatkan
seluruh data
– Didasarkan pada perbedaan antara nilai tiap observasi
(xi) dan rata-ratanya (x untuk sampel, untuk
populasi)
– Rumus Hitung
Sample: Populasi:
Varian = Varian =
n N
(x x)
i
2
i
( x ) 2
s
2 i 1
2 i 1
n 1 N
UKURAN PERSEBARAN/ DISPERSI
(Dispersion Measurement)
fi ( xi x ) 2
i i
f ( x ) 2
s2 i 1
2 i 1
k
k
fi 1 f i
i 1 i 1
s2 ( xi x )2
2 , 996.16
n 1
– Simpangan Baku
s s 2 2996.47 54.74
– Koefisien Variasi
s 54.74
100 100 11.15
x 490.80
UKURAN PERSEBARAN/
DISPERSI (Dispersion measurement)
DATA BERKELOMPOK
• Contoh Kasus Bengkel Hudson Auto
– Varian k 2
f (x 2
i i
2
x) f x i i
s
2 i 1
i 1
x 2 187,56
k k
fi 1 f i
i 1 i 1
– Simpangan Baku
s s 2 187,56 13,70
– Koefisien Variasi
s 13,70
100 100 17.49
x 78,3
DISTRIBUSI TEORITIS
• Variabel Acak
• Distribusi Teoritis
• Binomial
• Poisson
• Normal
0,4
X P(X) 0,35
0 1/16 = 0,0625 0,3
P( X x) C xn . p x .q n x
Dimana :
n!
C
n
dan q=1–p
x!(n x)!
x
n
PBK C xn . p x .q n x
x 0
n
P( X x)
x 0
P( X 0) P( X 1) P( X 2) .... P( X n)
Prepared By Parko Prahima Statistika
Ekonomi I 06 April 2010
Contoh :
Sebuah dadu dilemparkan keatas sebanyak 4 kali. Tentukan probabilitas
dari peristiwa berikut :
a). Mata dadu 5 muncul 1 kali
b). Mata dadu genap muncul 2 kali
c). Mata dadu 2 atau 6 muncul sebanyak 4 kali.
Penyelesaian :
a). Karena dadu memiliki 6 sisi, yaitu 1, 2, 3, 4, 5, 6, sehingga setiap sisi
memiliki probabilitas 1/6. Jadi, probabilitas untuk mata 1 adalah 1/6,
sehigga :
p=1/6; q=5/6; n=4; x=1 (muncul 1 kali )
P(X=1) = C14.p1.q3
= 4(1/6)1(5/6)3
= 0,386
Prepared By Parko Prahima Statistika
Ekonomi I 06 April 2010
b). Mata dadu genap ada 3, yaitu 2,4, dan 6, sehingga :
p = 3/6 = 1/2; q = 1/2; n = 4; x = 2
P(X=2) = C24.p2.q2
= 6(1/2)2(1/2)2
= 0,375
1 ( x )2
1
f ( x) e 2
2
Keterangan :
X = nilai data = rata-rata x
= 3,14 e = 2,71828
= Simpangan baku Prepared By Parko Prahima Statistika
Ekonomi I 06 April 2010
Karakteristik Distribusi Normal
Distribusi probabilitas normal dan kurva normal yang
menyertainya memiliki beberapa karakteristik sebagai
berikut :
1. Kurva normal berbentuk lonceng
2. Simetris
3. Asimtotis