SN-07 - Data Science (Basic Statistic)

Disusun oleh :
Team Coach Data

Kode Materi : Science
SN-07-01
SN-07-02 BASIC STATISTIC
SN-07-03
Proprietary document of Orbit Future Academy, 2021 AI for Gen Y and AI for Start-Up
Menu Hari ini
Apa itu Statistik
Statistik Deskriptif
Distribusi Statistik
Statistik Inferensial Dasar

Session I
Apa itu Statistik?
Apa itu Statistika?
Ilmu yang berkaitan dengan pengumpulan,

penataan, penyajian, analisis, dan
interpretasi data menjadi informasi untuk
Lantas, kalau statistik apa, ya?
membantu pengambilan keputusan yang
efektif.
Statistik
Statistik ada hubungan dengan

pengukurannya, seperti: mean,
median, modus, dll.
Penyajian data statistik dapat

berbentuk tabel, grafik, diagram,
deretan angka dan visualisasi angka
Statistik vs Statistika
Data
Cara
memperoleh Waktu
Sumber pengambilan
Sifat
Time Cross
Primer Sekunder Skala Internal Eksternal Series Section
pengukuran
Kualitatif Kuantitatif
Diskrit Kontinu Nominal Ordinal Interval Rasio
AI for Gen Y and AI for Start-Up

Step of Statistics
Aktifitas Statistika
Deskriptif Inferensial
Mendeskripsikan dan menganalisis Menganalisa sampel untuk

sampel data tanpa melakukan mengestimasi dan membuat
proses penarikan kesimpulan kesimpulan mengenai populasi
Populasi, Sampel, Teknik Sampling
Sumber gambar :
https://datatab.net/tutorial/descriptive-inferent
ial-statistics
Teknik Sampling
Probability Sampling vs Non-Probability Sampling
Seberapa banyak sampel yang dibutuhkan?
Bergantung pada :
● Apakah populasinya berhingga atau tidak? Homogen/heterogen? (jika tak hingga dan
heterogen tentu butuh lebih banyak sampel)
● Teknik sampling yang digunakan
● Kebiasaan kasus di tiap domain ilmu
misalnya dalam kasus kesehatan, menemukan data pasien penyakit tertentu sangat sulit
sehingga 5-10 data sudah cukup
● Metode analisis/model yang akan digunakan.
Model yang nonlinier seperti neural network cenderung membutuhkan lebih banyak data
dibandingkan regresi linier.
Jika menggunakan machine learning, belum ada teori pasti minimal sampelnya (baca :
https://sites.uab.edu/periop-datascience/2021/06/28/sample-size-in-machine-learning-an
d-artificial-intelligence/
) namun jika menggunakan metode statistik, ada beberapa rumus yang bisa digunakan:
Contoh rumus ukuran sampel
yang terkenal
Rumus Slovin : Rumus Lemeshow: Rumus Cochran:
N = total populasi z = nilai z (tabel

e = margin error dari normal) z = nilai z (tabel dari
(misalnya 5%) e = margin error normal)
(misalnya 5%) e = margin error
p = proporsi (misalnya 5%)
kategori p 𝛔2 = varians dari
populasi
Session II
Statistik Deskriptif, Distribusi,
Statistika Inferensial
Ada yang masih
ingat apa itu Statistik
Deskriptif?
Measures of Central
Tendency
Bagaimana mendapatkan beberapa
informasi, tanpa membaca poin data?
Mean Median Mode
Jumlah semua Bilangan tengah Nilai yang paling

nilai dalam suatu dari sekumpulan sering dalam
himpunan, dibagi bilangan yang satu set.
dengan jumlah disusun menurut
nilai. urutan bilangan.
Contoh 1
Kita punya data :

Data = {1, 1, 1, 2, 2, 3, 3, 3, 100}
Mean = 1+1+1+2+2+3+3+3+100 = 24
9
Trimmed Mean = 1+1+2+2+3+3+3 = 2.14

7
Contoh 2
Median : Median tidak terpengaruh oleh nilai ekstrim (outlier)
Data = {9, 13, 7, 5, 21, 23, 39, 23, 40, 23}

Tugas :
- Urutkan dataset
{5, 7, 9, 13, 21, 23, 23, 23, 39, 40}
Formula : med =
Ganjil Genap
Contoh 3
Data : {1, 1, 2, 3, 5, 8}
Mode = 1 (unimodal)
Data = {1, 3, 5, 7, 9, 9, 21, 25, 25, 31}
Mode = 9 and 25 (bimodal)
Measures of Dispersion
Mengambil “insight” suatu data
dari sebaran data
Standard
Range Variance IQR
Deviation
Selisih antara Ukuran Jarak antara titik Jarak antara

nilai terbesar dan bagaimana item data ke rata- kuartal 1 dan
terkecil dari suatu tersebar tentang ratanya. kuartal 3
himpunan. rata-rata mereka.
Contoh 1
Range
Range : sangat rentan terhadap nilai extreme (outliers)
Alternatif : IQR = Q3 - Q1
Contoh 2
Variance
Standard
Deviation
Note: pembagi yang “n-1” itu untuk sampel, “n” itu buat populasi, aslinya standar deviasi ya akar dari
varians jadi rumusnya sama tinggal dipakein akar yang buat stdv)
Contoh 3
Kuartil Median dan Kuartil
Kuartil 1 Median/Kuartil 2 Kuartil 3

(Lower Quartile) (Middle Quartile) (Upper Quartile)
25% 25% 25% 25%
Jarak
Interkuartil
Proprietary document of Orbit Future Academy, 2021
Q3 - Q1 AI for Gen Y and AI for Start-Up
Outlier
Kemiringan (Skewness)
Modus < Median < Mean Modus = Median = Mean Modus > Median > Mean
Keruncingan (Kurtosis)
Negative Kurtosis Positive Kurtosis
Leptokurtic curve menunjukkan data yang rentan terhadap nilai yang ekstrem, contoh
dalam kasus keuangan kurtosis yang tinggi pada grafik return saham menunjukkan resiko
yang tinggi terhadap return yang sangat besar atau sangat kecil.
Yang cocok yang mana?
Best Measure of
Tipe Data
Central Tendency
Nominal = Mode
Ordinal = Median
Interval / Ratio = Median
(Skewed)
Interval / Ratio = Mean
(Non-Skewed)
LATIHAN
Okay guys,
Saat ini coba kalian pikirkan sebuah narasi informatif yang menggambarkan
data statistika deskriptif dan juga statistika inferensial.
Buatlah contoh yang paling berhubungan dengan kesibukan/hobby/kesukaan

kalian masing-masing ya.
Sajikan dalam bentuk informasi grafis!
Distribusi
Distribusi
Distribusi yaitu fungsi yang menunjukkan semua nilai dari sebuah data
dan seberapa sering nilai tersebut terjadi. Untuk mengeceknya bisa
menggunakan grafik, misalnya histogram atau kurva garis.
Tiap distribusi memiliki peluang munculnya suatu nilai yang

dinamakan probability density function (pdf) untuk data kontinu atau
probability mass function (pmf) untuk data diskrit
Distribusi Statistik
Disini yang akan kita
bahas hanya 3 distribusi:
1) Data Kontinu →
Distribusi Normal
2) Data Diskrit →
Bernoulli dan
Binomial
Distribusi Bernoulli & Binomial
Distribusi Bernoulli adalah distribusi diskrit dimana kejadian

hanya memiliki 2 hasil, misalnya sukses atau gagal.
Jika kejadian ini terjadi sebanyak “n” kali dan saling bebas,
maka distribusi tsb disebut binomial.
Distribusi Bernoulli & Binomial
Misalkan p = peluang sukses, q = 1-p peluang gagal, maka:
Distribusi Bernoulli (Bern(p)) Binomial (B(n, p))

PMF f(x) = p, jika x = 1, sukses
q, jika x = 0, gagal
mean p np
varians pq npq
Distribusi Binomial
Contoh:
Sebuah mata uang dilempar sebanyak 5 kali. Berapa probabilitas munculnya sisi gambar
sebanyak 2 kali?
Jawab:
Diketahui:
n=5
x=2
P (x,n) = nCx . px . q(n-x)
P (2,5) = 5C2 (1/2)2 x (1/2)(5-2)
= 10 x 1/8 x ⅛
= 10/32
= 5/16
Distribusi Normal
Distribusi Normal adalah distribusi kontinu dimana data tersebar di sekitar

rata-rata dan membentuk kurva histogram yang simetris (berbentuk
lonceng dengan mean, median, mode di tengah)
Pdf: f(x) =
Distribusi Normal
Distribusi Normal berperan penting di statistik mengingat banyak uji

statistik mensyaratkan data berdistribusi normal.
Ada beberapa cara mengecek normalitas data:

● Dengan histogram
● Uji Kolmogorov-Smirnov
● Uji Shapiro-Wilk
● Uji Skewness & Kurtosis
Distribusi Normal
Dari histogram
disamping, kira-
kira warna apa
yang
berdistribusi
normal?
Teorema Limit Pusat
Teorema Limit Pusat (Central Limit Theorem) memainkan

peranan penting dalam data science, teorema ini menyatakan
bahwa jika ukuran sampel semakin besar, maka distribusi
datanya semakin mendekati distribusi normal. Sifat rata-rata
dan variansnya akan mendekati distribusi normal (Ilustrasi
ada di slide selanjutnya)
Seberapa besar? Tidak ada teori pastinya namun secara

praktis sebagian besar menetapkan n=30.
Teorema Limit Pusat
Statistik Inferensial
Estimasi
Estimasi
Populasi Sampel Acak
Akan diperkirakan
Estimasi
Estimasi
Perkiraan pendapatan di suatu kota
Sampling
XYZ University 𝑋2 = 10.000.000 /𝑚𝑜𝑛𝑡ℎ
Estimasi Menggunakan
Regresi Linier Sederhana
Dengan:
Atau Y = ax+b a = slope
b = intercept
Estimasi ini bisa dilakukan jika

hanya ada satu variabel berubah
dan tidak ada variabel tambahan
yang bisa menjadi pertimbangan
perubahan data
Contoh
Waktu Jumlah
penjualan product yang Seorang manager ingin mengetahui hubungan antara
terjual (Y)
lamanya tenaga penjualan melakukan penjualan dalam
1 2 satuan jam (x) dengan banyaknya produk yang berhasil
5 4 terjual (y). Dari sampel sebanyak 5 orang tenaga
4 6
penjualan, diperoleh data lamanya dan banyaknya
penjualan sebagai berikut,
2 4
3 2 Buatlah model regresi hubungan lamanya melakukan penjualan dan

banyaknya penjualan produk tersebut
Contoh
Xi Yi X2 XiYi
1 2 1 2
5 4 25 20
4 6 16 24
2 4 4 8
3 2 9 6
15 18 55 60
Estimasi Interval
Contoh
n = 36 Students
𝑋2 = 100 minutes
σ = 20 minutes
Confidence Interval = 95 %
Perkirakan waktu
belajar rata-rata
Hipotesis
𝐻0 : Hipotesis Nol 𝐻a : Hipotesis Alternatif
Hipotesis nol sering kali merupakan Hipotesis alternatif adalah pernyataan

klaim awal yang didasarkan pada yang digunakan peneliti untuk
analisis sebelumnya atau membuktikan suatu kebenaran
pengetahuan khusus. berdasarkan data sampel
Z Score
Metrik untuk membuat data dapat dibandingkan
Uji Statistik
Types of Error
- Penolakan hipotesis nol padahal benar disebut kesalahan

tipe I. (α) (Tingkat Signifikan)
- Non-penolakan hipotesis nol ketika itu salah disebut

kesalahan tipe II. (β)
Activity
Total
Tahun
(Ton/Tahun)
Pemerintah Indonesia ingin memprediksi angka
2012 1.826,302 kebutuhan bahan kimia “XXX” di tahun 2021 dan
kebutuhannya di tahun 2045 nanti
2013 4.121,514
2014 4.606,627 Show data hasil kalian dan sampaikan dalam bentuk
yang informatif
2015 5.319,637
2016 6.946,482
Referensi :
Sumber Website:
5 konsep dasar nya statistik untuk DS
https://towardsdatascience.com/the-5-basic-statistics-concepts-data-scientists-need-to-
know-2c96740377ae
Basic stastics
https://towardsdatascience.com/basic-statistics-you-need-to-know-for-data-science-1fd
d290f59b5
Stastik untuk data analisis
http://makemeanalyst.com/basic-statistics-for-data-analysis/
Konsep stastik untuk data sceince
https://www.mastersindatascience.org/learning/statistics-data-science/
Perhitungan Regresi Linier Sederhana
https://www.rumusstatistik.com/2020/05/regresi-linier-sederhana.html
Referensi :
Sumber Buku Daftar Pustaka:
Furqon. 1999. Statistika Terapan Untuk Penelitian. Bandung : Alfabeta.
Kadir. 2016. Statistika Terapan. Jakarta: PT. Raja Grafindo Persada.
Landau, S & Everitt, B. S. 2004. A Handbook of Statistical Analyses Using SPSS.
New York: A CRC Press Company.
Rasyad, Rasdihan. 1998.Metode Statistik Deskriptif. Jakarta : Grasindo.
Somantri, Ating dan Sambas Ali Muhidin. 2006. Aplikasi Statistika dalam
Penelitian. Bandung : Pustaka Ceria.
Spiegel. M. R. & Stephens, L. J. 2004. Statistik. Jakarta: Erlangga.
Subana, dkk. 2000. Statistik Pendidikan. Bandung : Pustaka Setia.
Sudijono, Anas. 2008. Pengantar Statistik Pendidikan. Jakarta : Raja Grafindo
Persada.
Sudjana, M.A., M.SC.2005. Metode Statistika. Bandung : Tarsito.
Sugiyono. 2015. Statistika Untuk Penelitian. Bandung: Alfabeta.
Walpole, Ronald E, 1995. Pengantar Statistik Edisi Ke-4. Jakarta : PT Gramedia.
Walpole, Ronald E., et al. 2007. Probability & Statistics for Engineers &Scientists. New York: Prentice Hall
Rangkuman
Quiz :
1. Apa perbedaan statistik dan statistika?
2. Perbedaan Median dan IQR?
3. Bagaimana mengambil “insight” suatu data dari sebaran
data?
4. Sebutkan 2 jenis Hipotesa!
5. Ceritakan tentang Regresi Linier Sederhana dan
penggunaanya.
THANK YOU
Proprietary document of Orbit Future Academy, 2021 AI For Gen Y and AI For Startup

SN-07 - Data Science (Basic Statistic)

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

SN-07 - Data Science (Basic Statistic)

Diunggah oleh

Hak Cipta:

Format Tersedia

Disusun oleh :

Team Coach Data

Apa itu Statistik

Statistik Inferensial Dasar

Ilmu yang berkaitan dengan pengumpulan,

Statistik ada hubungan dengan

Penyajian data statistik dapat

Diskrit Kontinu Nominal Ordinal Interval Rasio

AI for Gen Y and AI for Start-Up

Mendeskripsikan dan menganalisis Menganalisa sampel untuk

Probability Sampling vs Non-Probability Sampling

Rumus Slovin : Rumus Lemeshow: Rumus Cochran:

N = total populasi z = nilai z (tabel

Mean Median Mode

Jumlah semua Bilangan tengah Nilai yang paling

Kita punya data :

Trimmed Mean = 1+1+2+2+3+3+3 = 2.14

Median : Median tidak terpengaruh oleh nilai ekstrim (outlier)

Data = {9, 13, 7, 5, 21, 23, 39, 23, 40, 23}

Data = {1, 3, 5, 7, 9, 9, 21, 25, 25, 31}

Mode = 9 and 25 (bimodal)

Selisih antara Ukuran Jarak antara titik Jarak antara

Range : sangat rentan terhadap nilai extreme (outliers)

Kuartil Median dan Kuartil

Kuartil 1 Median/Kuartil 2 Kuartil 3

25% 25% 25% 25%

Negative Kurtosis Positive Kurtosis

Buatlah contoh yang paling berhubungan dengan kesibukan/hobby/kesukaan

Sajikan dalam bentuk informasi grafis!

Tiap distribusi memiliki peluang munculnya suatu nilai yang

Distribusi Bernoulli adalah distribusi diskrit dimana kejadian

Distribusi Bernoulli (Bern(p)) Binomial (B(n, p))

Distribusi Normal adalah distribusi kontinu dimana data tersebar di sekitar

Distribusi Normal berperan penting di statistik mengingat banyak uji

Ada beberapa cara mengecek normalitas data:

Teorema Limit Pusat (Central Limit Theorem) memainkan

Seberapa besar? Tidak ada teori pastinya namun secara

Populasi Sampel Acak

Perkiraan pendapatan di suatu kota

XYZ University 𝑋2 = 10.000.000 /𝑚𝑜𝑛𝑡ℎ

Estimasi ini bisa dilakukan jika

3 2 Buatlah model regresi hubungan lamanya melakukan penjualan dan

Hipotesis nol sering kali merupakan Hipotesis alternatif adalah pernyataan

Metrik untuk membuat data dapat dibandingkan

- Penolakan hipotesis nol padahal benar disebut kesalahan

- Non-penolakan hipotesis nol ketika itu salah disebut

Anda mungkin juga menyukai