ANALISIS DATA

CSI2F3
 PERKULIAHAN
• Jadwal kuliah : Jumat 08:30 - 11:30
• Kuliah daring synchronous/ tatap muka daring dilakukan: 4 sampai 7 pertemuan
• Minggu 8 dan 16 evaluasi CLO dilakukan secara onsite di kelas, mahasiswa mengerjakan
soal menggunakan LMS
• Semua evaluasi dilakukan menggunakan LMS
• Apabila kuis akan dilakukan dalam bentuk essay, maka hasilnya disubmit ke LMS
• Kegiatan remedial atas hasil evaluasi dapat terdiri dari:
1. Remedial assesmen CLO, dilakukan pada masa perkuliahan.
2. Remedial Mata Kuliah, dilakukan pada masa evaluasi capaian pembelajaran OBE
sesuai kalender Pendidikan Telkom University (Semester Genap 22/23: 19-24 Juni
2023) dan dapat diikuti oleh mahasiswa yang memiliki activity completion minimal 75%.
Course Learning Outcomes (CLO)

CLO-1 Mahasiswa mampu menjelaskan definisi penaksir parameter dan dapat

menghitung Selang Kepercayaan untuk Rataan, dan Variansi
CLO-2 Mahasiswa mampu menjelaskan dan melakukan Pengujian Hipotesis secara
statistika
CLO-3 Mahasiswa mampu memahami Analisis Ragam (ANOVA)

CLO-4 Mahasiswa mampu memahami Analisis Regresi Sederhana dan Berganda

Evaluasi

Bobot per Bentuk Penilaian

Id CLO
PR/Quis ASESMEN TUGAS BESAR
CLO-1 5 15  
CLO-2 5 15  
CLO-3 5 15  
CLO-4 5 15 20
Total per
penilaian 20 60 20
Minggu MATERI
Pendahuluan
review ukuran-ukuran Statistika
1 Penaksiran Titik dan Penaksiran Selang untuk Rataan 1 populasi
1. Penaksiran Titik dan Penaksiran Selang untuk Rataan 2 populasi
2. Penaksiran Titik dan Penaksiran Selang untuk Variansi
2
Penaksiran Titik dan Penaksiran Selang untuk Proporsi
3
Definisi Pengujian Hipotesis Statistika
4
Uji Hipotesis untuk Rataan 1 populasi dan Rataan 2 populasi
5
Uji Hipotesis untuk : Variansi 1 populasi dan 2 populasi, Proporsi 1 populasi dan 2
6 populasi
7 Review
8 Ujian CLO 1 dan CLO2
Minggu MATERI
Analisis Ragam (Variansi)
9
Analisis Ragam (Variansi)
10
11 Review CLO 3
Analisis Korelasi dan Regresi Linier Sederhana

12
Analisis Korelas dan Regresi Linier Berganda

13
Review CLO 4
14
15 Presentasi Tugas Besar
16 Ujian CLO3 dan CLO4
REFERENSI :

[1 ] Forsyth, David . 2018, Probability and Statistics for Computer Science, Springer
International Publishing AG
[2 ]Walpole, E. Ronald, Myers, H. Raymond, 2011, Probability & Statistics for Engineers &
Scientists, Prentice Hall
 KALENDER AKADEMIK
18 Feb: Isra’ Mi’raj

22 Mar: Hari Raya Nyepi

7 Apr: Jumat Agung

07/02/2023 8
 Kalender akademik

1 Mei: Hari Buruh

6 Mei: Hari Raya Waisak

18 Mei: Kenaikan Isa

Almasih

1 Juni: Hari Lahir

Pancasila

29 Juni: Idul Adha

07/02/2023 9
 CONTENT

• PENDAHULUAN
• REVIEW UKURAN-UKURAN STATISTIKA
• PENAKSIRAN TITIK DAN PENAKSIRAN SELANG UNTUK RATAAN 1 POPULASI
 UKURAN-UKURAN
STATISTIK

Ukuran Pemusatan
•  Mean, Median

Ukuran Penyebaran
•  Variansi, Standard Deivasi
 REVIEW UKURAN STATISTIKA

Data berikut ini adalah nilai UTS mata 24 13 13 15 8 8

kuliah Statistika untuk 30 orang 15 20 17 12 6 19
mahasiswa. Hitunglah: 27 19 6 16 13 11
a. Mean dan Median dari sampel 10 16 17 11 17 11
tersebut. 20 33 18 16 12 24
b. Variansi dan standard deviasinya
𝑛
1
𝑀𝑒𝑎𝑛 𝑠𝑎𝑚𝑝𝑒𝑙: 𝑥= ∑ 𝑥 𝑖 Standard deviasi
𝑛 𝑖=1

Variansi
 INFERENSI STATISTIKA

Inferensi statistik : Metode-metode untuk membuat inferensi (kesimpulan)

atau generalisasi tentang populasi.

Inferensi statistik

Klasik : Berdasarkan data sampel yang diambil dari populasi

Bayes : Berdasarkan pengetahuan subjektif tentang parameter data

Area dari inferensi statistik
Penaksiran Parameter
Penaksiran Titik dan Penaksiran Selang untuk Rataan 1
populasi
Penaksiran Titik dan Penaksiran Selang untuk Rataan 2
populasi
Penaksiran Titik dan Penaksiran Selang untuk Variansi

Penaksiran Titik dan Penaksiran Selang untuk Proporsi

Pengujian Hipotesis
Uji Hipotesis untuk Rataan 1 populasi dan Rataan 2 populasi
Uji Hipotesis untuk
- Variansi 1 populasi dan 2 populasi
- Proporsi 1 populasi dan 2 populasi
PENAKSIRAN PARAMETER
 Populasi : 1. Pengetahuan mengenai distribusi
sampling
Parameter
2. Distribusi Normal, Distribusi t-
student
Sampel :
Statistik

Statistik merupakan PENDUGA/ PENAKSIR bagi parameter populasi

Syarat Penduga yang baik ?

 CIRI-CIRI PENAKSIR PARAMETER

• TIDAK BIAS: MEAN DARI DISTRIBUSI SAMPLING = MEAN POPULASI

• EFISIEN: VARIANSI MINIMUM
• KONSISTEN: SEMAKIN BESAR SAMPEL YANG DIAMBIL, VARIASI SAMPEL
MEAN DARI POPULASI MEAN MENURUN
 Penaksir tidak bias

Statistik dikatakan penaksir tidak bias dari parameter populasi jika E() =

Contoh : = adalah penaksir tidak bias dari

Karena =E(
Penaksir Efisien

Definisi : Penaksir tak bias dengan variansi terkecil disebut penaksir efisien

Manakah penaksir efisien ?

^
𝜃 1 ?

^
𝜃 2 ?

^
𝜃 3 ?
 Konsisten

Penaksir titik rataan populasi () adalah

𝜎2 semakin besar sampel ( n >>>) maka variansi dari rata-rata

Var(): ¿
𝑛 sampel semakil kecil atau merupakan taksiran yang amat
tepat jika n besar
 STATISTIK merupakan PENDUGA bagi PARAMETER

Penduga memiliki distribusi tertentu kesalahan penduga

terhadap parameter populasi memiliki distribusi peluang
TARGET tertentu.
PENDUGA
TITIK
PENDUGA
SELANG

Penduga titik tidak selalu tepat menduga parameter populasi maka digunakan
pendugaan dalam bentuk selang interval
Dalam setiap pendugaan mengandung PELUANG kesalahan
penduga selang  konsep probability  SELANG KEPERCAYAAN
(CONFIDENCE INTERVAL)
 SELANG KEPERCAYAAN

• Taksiran selang suatu parameter populasi θ adalah

suatu selang yang berbentuk :
Bentuk umum : , untuk 𝜃
artinya:
Dengan peluang sampel acak yang diambil akan 𝛼 1− 𝛼 𝛼
2 2
menghasilkan suatu selang yang mengandung nilai θ.
^ ^
𝜃
𝜃 2
• disebut dengan tingkat signifikansi, 1

• sedangkan disebut tingkat kepercayaan.

 SELANG KEPERCAYAAN

• disebut dengan selang kepercayaan

• merupakan batas bawah selang, dan merupakan batas atas selang
Contoh:
• Untuk nilai α = 5%, maka diperoleh selang kepercayaan 95%
• Untuk nilai α = 1%, maka diperoleh selang kepercayaan 99%
Penaksir selang untuk rataan 1 populasi

Dari teorema limit pusat diperoleh bahwa berdistribusi normal dengan

dan

𝑋 −𝜇
𝑍= 𝑁 (0,1)
𝜎
√𝑛
Misal adalah nilai z sehingga daerah sebelah kanannya
seluas sehingga

( )
𝑃 − 𝑧 𝛼 < 𝑍 < 𝑧 𝛼 =1 − 𝛼
2 2
 (
𝑃 − 𝑧 𝛼 < 𝑍 < 𝑧 𝛼 =1 − 𝛼
2 2
)

( )
𝑋 −𝜇
𝑃 − 𝑧 𝛼< < 𝑧 𝛼 = 1− 𝛼
2
𝜎 2
√𝑛

𝑃 −𝑧
( 𝛼 .
2
𝜎
√𝑛
< 𝑋 − 𝜇< 𝑧 𝛼 .
2
𝜎
√𝑛 )
=1 − 𝛼

(
𝑃 − 𝑋 − 𝑧𝛼 .
2
𝜎
√𝑛
<− 𝜇 <− 𝑋 + 𝑧 𝛼 .
2
𝜎
√𝑛 )
=1 − 𝛼

𝑃
( 𝑋−𝑧 𝛼
2
.
𝜎
√ 𝑛
< 𝜇< 𝑋 + 𝑧 𝛼 .
2
𝜎
√ 𝑛)=1 − 𝛼
 Selang kepercayaan untuk , dengan

Bila adalah rataan sampel acak berukuran n dari suatu populasi

dengan variansi , maka selang kepercayaan (1- )100%
untuk adalah

𝜎 𝜎
𝑋−𝑧 𝛼 . < 𝜇< 𝑋 + 𝑧 𝛼 .
2 √𝑛 2 √𝑛

Dimana adalah nilai z sehingga daerah sebelah kanannya

seluas
Taksiran selang
Contoh 1 : Rataan nilai matematika dari 36 orang mahasiswa sarjana adalah 2.6.
Hitung selang kepercayaan 95% dan 99% untuk rataan nilai matematika semua
mahasiswa tingkat sarjana. Anggap bahwa simpangan baku populasinya 0.3

Selang kepercayaan 95% 𝛼=0.05 𝛼 /2=0.025

Luas daerah sebelah kiri = 0.975 1.96 (table normal)

Sehingga selang kepercayaan 95% adalah

2.6-1.96 (0.3/6) + 1.96 (0.3/6)

2.502
Selang kepercayaan 99% 𝛼=0.01 𝛼 /2=0.005

Luas daerah sebelah kiri = 0.995 2.575 (table normal)

Sehingga selang kepercayaan 95% adalah

2.6-2.575 (0.3/6) + 2.575 (0.3/6)

2.47
Error (galat) jika digunakan sebagai penaksir

Jika digunakan sebagai penaksir maka dengan kepercayaan (1- )100%

galatnya akan kurang dari

𝑃
( 𝑋−𝑧 𝛼
2
.
𝜎
√𝑛
< 𝜇< 𝑋 + 𝑧 𝛼 .
2
𝜎
)
√𝑛
=1 − 𝛼

(
𝑃 | 𝑋 − 𝜇|< 𝑧 𝛼 .
2
𝜎
√𝑛)=1 − 𝛼
Contoh 2 : Tentukan besar sampel yang diperlukan pada contoh 1 bila kita ingin
percaya 95% bahwa taksiran 0,05

g= =.g =

Selang kepercayaan 95% 𝛼=0.05 𝛼 /2=0.025

Luas daerah sebelah kiri = 0.975 1.96 (table normal)

= = 138.3
 Selang kepercayaan untuk ,

Bila adalah rataan sampel acak berukuran n dari suatu populasi

dengan standard deviasi sampel S, maka

Berdistribusi-t Student dengan derajat kebebasan n-1.

√
𝑛
1 2
𝑆= ∑
𝑛− 1 𝑖=1
(𝑥 𝑖 − 𝑥)
 t-Student DISTRIBUTION

Distribusi t Ditemukan Oleh W.S. Gosset, Ahli Kimia Yang Bekerja Pada Pabrik Bir
Guinness Di Irlandia.
Publikasi atas penemuannya dilakukan pada 1908 dengan nama samaran “
student”
Seperti kita ketahui bahwa :
 2  X 
X ~ N OR   ,  , dan  ~ N OR (0,1)
 n  n

Jika 2 tidak diketahui, maka sebagai penggantinya adalah , karena E (s2) = 2 

s2 adalah merupakan unbiased estimate bagi 2

02/07/23 34
 t- Student Distribution
Teorema :
Misalkan s adalah simpangan baku sampel dari sampel acak berukuran n yang diambil
dari distribusi normal, maka
1. dan s adalah peubah acak yang saling bebas  fungsi dari sampel acak.
X 
2. s terdistribusi t(n-1) , dimana tv dinotasikan sebagai
n

distribusi t-student dengan derajat kebebasan v.

02/07/23 35
 DERAJAT KEBEBASAN (DEGREE OF FREEDOM)

• Banyaknya informasi yang bebas dalam sampel setelah nilai mean sampel dihitung
Contoh :
• Bila μ tidak diketahui, maka 1 derajat kebebasan telah berkurang, atau 1 derajat kebebasan telah
hilang dalam menaksir μ (karena μ diganti oleh )
Mean dari nilai 1,2,3 adalah 2
X1 = 1 (dihitung)
X2 = 2 (tidak termasuk)
X3 = 3 (dihitung)
Mean = 2
Sehingga derajat kebebasannya adalah: n – 1 = 3 – 1 =2

[MA 513] PROBSTAT 02/07/23 36

Perbandingan dist Normal Baku
dan dist. t-student
• Distribusi t mirip dengan
distribusi Z (normal baku) ;
keduanya setangkup terhadap
μ = 0.
• Distribusi t dan z berbeda
karena variansi t tergantung
pada ukuran sampel, n. Hanya
bila n  ∞ kedua distribusi
menjadi sama.
02/07/23 37
Misal adalah nilai t dengan derajat kebebasan n – 1 sehingga daerah
sebelah kanannya seluas sehingga

( )
𝑃 − 𝑡 𝛼 <𝑇 <𝑡 𝛼 =1 − 𝛼
2 2
 (
𝑃 − 𝑡 𝛼 <𝑇 <𝑡 𝛼 =1 − 𝛼
2 2
)

( )
𝑋 −𝜇
𝑃 −𝑡 𝛼< <𝑡 𝛼 =1 − 𝛼
2
𝑆 2
√𝑛

(
𝑃 −𝑡 𝛼 .
2
𝑆
√𝑛
< 𝑋 − 𝜇< 𝑡 𝛼 .
2
𝑆
√𝑛 )
=1 − 𝛼

(
𝑃 − 𝑋 − 𝑡𝛼 .
2
𝑆
√𝑛
<− 𝜇 <− 𝑋 + 𝑡 𝛼 .
2
𝑆
√𝑛 )
= 1− 𝛼

𝑃
( 𝑋 −𝑡 𝛼 .
2
𝑆
√ 𝑛
< 𝜇< 𝑋 +𝑡 𝛼 .
2 √
𝑆
𝑛 )
=1− 𝛼
 Selang kepercayaan untuk ,

Bila dan s adalah rataan dan simpangan baku sampel acak berukuran n dari
suatu populasi dengan variansi , maka selang kepercayaan
(1- )100% untuk adalah

𝑠 𝑠 dengan
𝑋 −𝑡 𝛼 . < 𝜇< 𝑋 +𝑡 𝛼 .
2 √ 𝑛 2 √𝑛

Dimana adalah nilai dari distribusi t dengan derajat kebebasan n – 1

sehingga daerah sebelah kanannya seluas
Tujuh botol yang mirip masing-masing berisi asam sulfat 9.8 , 10.2, 10.4 , 9.8,
10.0, 10.2, dan 9.6 liter . Carilah selang kepercayaan 95% untuk rataan isi
botol semacam ini jika distribusinya dianggap hamper normal

= (9.8 + 10.2 + 10.4 + 9.8 + 10.0 + 10.2, + 9.6 )/7 = 10.0

++ + + ]

= 0.283
Dari tabel distibusi t diperoleh untuk derajat kebebasan 6.
Jadi selang kepercayaan 95% untuk adalah
0.283 0.283
10 −2.447 . <𝜇< 10+2.447 .
√7 √7
9 .74< 𝜇<10.26
 SOAL
1. The mean μ of the tear strength of a certain paper is under consideration. The n = 22
determinations (taken at random) yielded = 2.4 pounds.
a. If the standard deviation of an individual measurement is known to be σ = 0.2, find an approximate 95%
confidence interval for μ
b. If the standard deviation σ is unknown, but the sample standard deviation is s = 0.2, determine a 95%
confidence interval for μ
c. Kerjakan soal a dan b dengan derajat kepercayaan 99%

2. Diketahui nilai akhir MK statistika berdistribusi normal. Tentukan selang kepercayaan 95% dan 99%
untuk47rataan50populasi
53 μ, apabila
65 diambil
33 sampel66
67 nilai dari
50 16 orang mahasiswa sbb :
73 54 48 47 47 67 68 60

a. Apabila simpangan baku populasi diketahui σ = 15.254.

b. Apabila simpangan baku populasi tidak diketahui. Nilai simpangan baku sampel perlu dihitung terlebih dahulu