AGENDA

1. Pendahuluan
2. Kemiringan Distribusi Data
3. Analisis Data Berkala
4. Regresi Dan Korelasi
5. Kesimpulan
1. Pendahuluan
 Dispersi: ukuran penyebaran suatu
kelompok data terhadap pusat data
 Alasan perlunya mempelajari dispersi
data:
1. Pusat data memberi informasi yang
terbatas
2. Dispersi perlu untuk mengetahui
distribusi dua data atau lebih
1. Pendahuluan (Con’t)
 Jenis dispersi data
1. Jangkauan (range)
2. Simpangan rata-rata (mean deviation)
3. Variansi (variance)
4. Standar deviasi (standard deviation)
5. Simpangan kuartil (quartile deviation)
6. Koefisien variasi (coefficient of variation)
1. Pendahuluan (Con’t)
A. Jangkauan (range, r)
r = nilai maksimum – nilai minimum
 Makin kecil r, kualitas data makin baik; makin

besar r, kualitas data makin tidak baik

 Jangkauan tidak digunakan untuk analisa

data yang memerlukan ketelitian yang tinggi

(-), jangkauan paling mudah dihitung (+)
1. Pendahuluan (Con’t)
B. Simpangan Rata-rata (SR)
 Jumlah nilai mutlak dari selisih semua nilai

dengan rata-rata hitung dibagi banyaknya

data
SR 
 X X data tidak berkelompok
n

SR 
 f X X
, dimana n   f data berkelompok
n
1. Pendahuluan (Con’t)
C. Variansi
 Rata-rata kuadrat selisih dari semua nilai data

terhadap rata-rata hitung

  X X
2

S2 
n 1
non-kelompok

 f X  X 
2

S2  , dimana n   f kelompok
n 1
1. Pendahuluan (Con’t)
D. Standar Deviasi/Simpangan Baku
 X  X 
2
non-kelompok
S
n 1

n X 2   X 
2

S
n(n  1)

 f X  X 
2

S , dimana n   f kelompok
n 1

n fX 2   fX 
2

S
n(n  1)
1. Pendahuluan (Con’t)
E. Jangkauan Quartil & Persentil

Q3  Q1 
JK Q  JK10%  P90  P10
2

S
F. Koefisien Variasi KV  x100%
X

G. Nilai Baku
Xi  X
Zi  , dimana i  1, 2, 3, ..., n
S
2. Kemiringan Distribusi Data
3 cara menentukan derajat kemiringan distribusi
1. Rumus Pearson   X  Mod atau   3X  Med 
S S
 = 0, distribusi simetri
 < 0, distribusi miring ke kiri
 > 0, distribusi miring ke kanan
2. Rumus Momen    X  X  atau    f X  X 
3 3

3 3 3 3
nS nS
 = 0, distribusi simetri
 < 0, distribusi miring ke kiri
 > 0, distribusi miring ke kanan
2. Kemiringan Distribusi Data
3. Rumus Bowley
Q3  Q1  Q2

Q 3 Q1
2. Kemiringan Distribusi Data

mean
median
modus

modus median mean mean median modus

2. Keruncingan Distribusi Data
Keruncingan distribusi data
Derajat keruncingan distribusi data
(kurtosis)
a. Leptokurtis (puncak runcing)
b. Mesokurtis (puncak normal)
c. Platikurtis (puncak tumpul/rendah)
 Puncak normal

Mesokurtis

Puncak runcing Puncak tumpul

Leptokurtis Platikurtis
2. Keruncingan Distribusi Data (Con’t)
 Data berkelompok  X X
4

4 
nS 4

 Data tidak berkelompok   f XX 

4

4 
nS 4
c4   fU 4  fU 3  fU   fU 2  fU   fU  
2 4

4  4   4    6     

S  n  n  n   n  n   n  

(Q3  Q1 ) / 2
 Metode Jangkauan Kuartil k
P90  P10
& Persil
3. Data Berkala
 Membentuk trend yang mungkin dapat
diprediksi
 Persamaan trend, Y = a + bX
 Metode bebas
 Metode setengah rata-rata
 Metode kuadrat terkecil
3. Data Berkala
 Metode Bebas
 Pilih dua titik sembarang untuk
menentukan trend, (x1,y1) dan (x2,y2)
 Dapat juga menggunakan

y - y1 
y 2  y1 
x - x1 
x2  x1 
 Dapat bersifat subjektif, sehingga dapat
berbeda
3. Data Berkala
 Metode Setengah Rata-rata
 Bagi data menjadi 2 bagian sama banyak
 Tentukan rata-rata hitung tiap kelompok
 Tentukan 2 titik (x1,y1) dan (x2,y2), buat
persamaan trendnya
3. Data Berkala
 Metode Kuadrat Terkecil
 Untuk data ganjil, gunakan nilai x adalah
…, -3, -2, -1, 0, 1, 2, 3, …
 Untuk data genap, gunakan nilai x adalah
…, -5, -3, -1, 1, 3, 5, …
 Tentukan persamaan trend dengan nilai a
dan b adalah
a
 Y
, dan b 
 XY
n X 2
3. Regresi dan Korelasi
 Regresi Linear
 Garis regresi: garis linear yang merupakan garis
taksiran/perkiraan untuk mewakili pola
hubungan antara variabel X dan Y

yˆ  a  bX
 X adalah variabel bebas, ŷ adalah taksiran
variabel tak bebas/terikat Y
 Linier positif Linier negatif Curvelinier

Curvelinier positif Curvelinier negatif Taktentu

3. Regresi dan Korelasi
 Sifat Regresi Linear
 Deviasi positif sama dengan deviasi negatif

  y   y - ŷ   0
 Kuadrat simpangan adalah minimum

 y    y - ŷ   minimum
2 2
3. Regresi dan Korelasi
y

yˆ  a  bX
y (0)
y (+)

y (-)
y (+)

y (0)

y (-)

y (+)

y (-)
y (+)
y (-)

x
3. Regresi dan Korelasi
 Dengan metode kuadrat kesalahan
terkecil (least squared error method)
didapat a dan b
 Y  X   X  XY 2
n XY   X  Y
a b
n X   X  n X   X 
2 2 2
2

n XY   X  Y
b
n X   X  2 a
 Y X 
 b
2

n n 
 
 Kesalahan baku
 Y  Yˆ 
2

S yˆ , x  
Y 2
 a  Y  b XY
n n
3. Regresi dan Korelasi
 Koefisien Korelasi
r 2

 Yˆ  Y 2

 Y  Y 
2

 r = -1, korelasi negatif artinya terdapat

hubungan negatif yang sempurna antara
variabel X dan Y
 r = 1, korelasi positif artinya terdapat hubungan
positif yang sempurna antara variabel X dan Y
 r = 0, tidak berkorelasi artinya tidak ada
hubungan antara variabel X dan Y
3. Regresi dan Korelasi
n XY   X  Y
 Koefisien korelasi r
n X 2

  X  n Y 2   Y 
2 2

 0,9 < r < 1,0 atau -1,0 < r < -0,9, sangat kuat
 0,7 < r < 0,9 atau -0,9 < r < -0,7, kuat
 0,5 < r < 0,7 atau -0,7 < r < -0,5, moderat
 0,3 < r < 0,5 atau -0,5 < r < -0,3, lemah
 0,0 < r < 0,3 atau -0,3 < r < 0,0, sangat lemah