Central Limit Theorema

Masdalina Pane

1
 Pengukuran Statistik
Ukuran Sentral:
• Mean atau Arithmetic Mean
• Median
• Modus
•Ukuran Variasi:
• Range (min-max)
• Mean Deviasi
• Standar deviasi
• Coefisien Variasi
•Ukuran Posisi:
• Median
• Kuartil, Desil, Persentil

2
 Mean atau Arithmetic Mean
 Mean paling sering digunakan untuk menggambarkan
ukuran pemusatan data
 Rumus: x
n

i
i 1
x=
n
 Contoh:Lama rawat 10 pasien (hari)
 Data: 2, 3, 4, 2, 3, 5, 3, 6, ,3, 4
6
 Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 3.5 hari
 Sifat nilai Mean
 Proses perhitungannya melibatkan semua data
 Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
 Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4

31
Nilai Mean=(2+3+4+2+3+5+3+31+3+4)/10=6.0 hari
6.0

3
 Mean atau Arithmetic Mean
 Bila terhadap seluruh data ditambah dengan konstanta
c yaitu yi=xi+c, i=1,2…..n maka mean y=mean x + c
 Contoh:Lama rawat 10 pasien (hari)
 Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
 Masing-masing ditambah dengan angka 2
 Data: 4, 5, 6, 4, 5, 7, 5, 8, 5, 6 dan Mean 5.3 atau (3.5+2) hari
 Bila terhadap seluruh data dikalikan dengan konstanta
c yaitu yi=cxi i=1,2…..n maka mean y=(mean x)(c)
 Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 hari
 Masing-masing dikali dengan angka 2
 Data: 4, 6, 8, 4, 6, 10, 6, 12, 6, 8 dan Mean 7 atau (3.5x2) hari

4
 Median(Med)
 Median membagi data menjadi dua bagian yaitu
50% data berada di bawah nilai median dan 50%
data berada di atas nilai median
 Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar
2. Menentukan posisi median yaitu (n+1)/2
3. Nilai Median adalah nilai pada posisi median
 Contoh:Lama rawat 10 pasien (hari)
 Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
 Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6
 Posisi median (10+1)/2=5.5 Posisi median
 Nilai median adalah (3+3)/2= 3 hari
5
 Median(jika ada nilai ekstrim)
 Mean paling sering digunakan untuk menggambarkan ukuran pemusatan data
 Rumus:
 Tidak terpengauh oleh nilai ekstrim (kecil atau besar)

 Contoh:Lama rawat 10 pasien (hari)

 Data: 2, 3, 4, 2, 3, 5, 3, 6, ,3, 4
 Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 hari
 Median
 Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
 Diurut: 2 2 3 3 3 3 4 4 5 31
 Posisi Median: di urutan 5,5
 Nilai Median: (3+3)/2 = 31 3.0 hari

6
 Modus (Mode)
 Secara kuantitatif nilai yang paling banyak muncul
atau frekuensi paling besar atau nilai pada posisi
puncak suatu kurva/grafik histogram
 Proses perhitungannya
 Mengurutkan data dari terkecil ke terbesar

(mempermudah)
 Satu modus (unimodal), dua modus (bimodal), dst

 Tidak ada modus

 Contoh:
 Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4, Mod=3

 Data: 2, 3, 4, 2, 3, 5, 3, 2, 3, 2, Mod=2 dan 3

 Data: 2, 3, 4, 5, 6, 7, 8, 9, Tidak ada Modus

7
 Hubungan Empiris Mean, Median dan Modus

Simetris ‘Skewness’ positif

Miring ke kanan

Mean=Med=Mod Mod Md Mean

‘Skewness’ negatif

• Mean=Median=Modus simetris
• Modus<Median<Mean ‘Skewness’ Positif
• Mean<Median<Modus ‘Skewness’ Negatif

•Modus>Median>Mean ….miring ke kiri

Mean Med Mod

8
 Kelebihan dan Kekurangan Mean, Median dan Modus

Mean
Kelebihan Kekurangan
Mempertimbangkan semua nilai Sensitif /peka terhadap nilai ekstrim
Dapat menggambarkan mean populasi Kurang baik untuk data heterogen
Cocok untuk data homogen

Median
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data heterogen /homogen Kurang dapat menggambarkan mean
pop

Modus
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data homogen/heterogen Kurang menggambarkan mean populasi
Modus bisa lebih dari satu atau tidak
ada 9
Ukuran Letak/Posisi Data

Median (membagi 2)
Kuartil (membagi 4)
 Desil (membagi 10)
 Persentil (membagi 100)

10
Ukuran Letak/Posisi Data

Median

K1 K2 K3

D1 D9
P10 P25 P75 P90

11
 Ukuran Posisi Data
 Kuartil
 Kuartil membagi data menjadi 4 (empat) bagian yang sama
 K1 (25%), K2 (50%) dan K3 (75%)
 Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
 Posisi kuartil  Ki= i (n+1)/4, i=1,2,3 n= jml pengamatan
 Nilai kuartil (berada pd 1 titik)  Nilai pada posisi tsb
 Contoh
 Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12

 Posisi K1 adalah 1x (15+1)/4= 4 ada di posisi ke-4

 Nilai K1=5

 Posisi K2 adalah 2x (15+1)/4=8 ada di posisi ke-8

 Nilai K2=6

 Posisi K3 adalah 3x (15+1)/4=12 ada di posisi ke-12

 Nilai K3=9

12
 Ukuran Posisi Data
 Kuartil
 Kuartil membagi data menjadi 4 (empat) bagian yang sama
 K1 (25%), K2 (50%) dan K3 (75%)
 Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama dengan nilai K1.
 Posisi kuartil  Ki= i (n+1)/4 (i=1,2,3) (n= jml pengamatan)
 Nilai kuartil (posisi median berada antara 2 titik)

 Contoh
 Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11

 Posisi K1 adalah 1x (14+1)/4=3.75 ada diantara posisi 3 dan 4

 Nilai K1 = (4 + 5) / 2 =4. 5

 Posisi K2 adalah 2x (14+1)/4=7.5 ada diantara posisi 7 dan 8

 Nilai K2 = (6 + 6) / 2 = 6

 Posisi K3 adalah 3x (14+1)/4=11.25 ada diantara posisi 11 dan 12

 Nilai K3 = (8 + 9) / 2 = 8.5

13
 Ukuran Posisi Data
 Desil
 Desil membagi data menjadi 10 (sepuluh) bagian yang sama
 D1, D2, ……. , D9
 Posisi  Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
 Contoh
 Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11

 Posisi D1 adalah 1 x (14+1)/10=1.5 ada diantara posisi 1 dan 2

 Nilai D1=2 + 0.5 (3-2)=2.5

 Posisi D5 adalah 5 x (14+1)/10=7.5 ada diantara posisi 7 dan 8

 Nilai D2=6 + 0.5 (6-6)=6

 Posisi D7 adalah 7 x (14+1)/10=10.5 ada diantara posisi 10 dan 11

 Nilai D7=8 + 0.5 (8-8)=8
14
 Ukuran Posisi Data
 Desil
 Desil membagi data menjadi 10 (sepuluh) bagian yang sama
 D1, D2, ……. , D9
 Posisi  Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal
 Contoh
 Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12
 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12

 Posisi D1 adalah 1 x (15+1)/10=1.6 ada diantara posisi 1 dan 2

 Nilai D1=2 + 0.6 (3-2)=2.6

 Posisi D5 adalah 5 x (15+1)/10=8 ada di posisi 8

 Nilai D5=6

 Posisi D7 adalah 7 x (15+1)/10=11.2 ada diantara posisi 11 dan 12

 Nilai D7=8 + 0.2 (9-8)=8.2
15
 Ukuran Posisi Data
 Persentil
Persentil membagi data menjadi 100 (seratus) bagian yang sama
P1, P2, ……. , P99
Pi= i (n+1)/100, i=1,2, ………, 99
Contoh
 Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9
 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11

 Posisi P50 adalah 50 x (14+1)/100=7.5 ada diantara posisi 7 dan 8

 Nilai P50=6 + 0.5 (6-6)=6

 Posisi P75 adalah 75 x (14+1)/100=11.25 ada diantara posisi 11 dan 12

 Nilai P75=8 + 0.25 (9-8)=8.25

16
Ukuran Variasi Data

 Ukuran Variasi Mutlak

Range (min-max)
Mean Deviasi
Standar Deviasi
 Ukuran Variasi Relatif
Koefisien variasi (CoV)

17
 Ukuran Variasi Data
 Contoh:Lama rawat 10 pasien (hari) di Dua RS
 RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Mean=3.5 hari, median 3 hari
 RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Mean=3.5 hari , median 3 hari
 RS A dan RS B mempunyai nilai Mean yang sama tetapi mempunyai
variasi data yang berbeda
 Range RS-A = 2 sd 6 hari dan RS-B = 1 sd 8 hari
 SD RS A= 1.27 hari dan SD RS B=2.12 hari
 Bila hanya menampilkan informasi ukuran pemusatan data (misalnya
Mean) ternyata ada informasi yang hilang tanpa mengikutsertakan
ukuran variasi data.
 Ukuran Variasi Data (Mutlak): Range, Mean Deviasi dan Standar
Deviasi (SD)
 Ukuran Variasi Data (Relatif): Coefficient of Variation (COV)

18
 Range (Kisaran)
 Ukuran variasi data yang paling sederhana dibandingkan
dengan Mean Deviasi dan Standar Deviasi
 Proses perhitungannya:
 Urutkan data dari terkecil ke terbesar
 Nilai Range adalah selisih dari data terbesar terhaap data terkecil
 Contoh:Lama rawat 10 pasien (hari) di Dua RS
 RS A: 2,2,3,3,3,3,4,4,5,6 maka nilai Range=4 hari
 RS B: 1,1,2,3,3,3,4,5,5,8 maka nilai Range=7 hari
 Nilai range juga sensitif terhadap nilai-nilai ekstrim besar
atau kecil

19
 Mean Deviasi
 Rata-rata Penyimpangan (Mean Deviasi) dalam harga
mutlak dari masing-masing pengamatan terhadap nilai
Mean-nya
 Contoh:Lama rawat 10 pasien (hari) di Dua RS
 RS A: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
 RS A: (|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|4-3.5|
+|5-3.5|+|6-3.5|)/10 = 1 hari
 RS A: (1,5+1,5+0.5+0.5+0.5+0.5+0.5+0.5+1.5+2.5)/10 = 1 hr
 RS B: 1,1,2,3,3,3,4,5,5,8 dengan nilai mean=3.5 hari
 RS B: (|1-3.5|+|1-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-3.5|+|5-3.5|
+|5-3.5|+|8-3.5|)/10 =1.6 hari
 Mean deviasi juga sensitif terhadap nilai-nilai ekstrim besar atau kecil
20
 Ukuran Variasi Data
 Standar Deviasi
 Ukuran variasi data yang paling sering
digunakan
 Lebih menggambarkan variasi data yang
sesungguhnya dibandingkan Range & mean
deviasi
 Rumus Standar Deviasi Sampel
 x  x 
n
2
i
i 1
SD =
n 1
21
 Standar Deviasi Populasi


 x  x 
n
2
i
i 1
SD =
N

22
 (Standar Deviasi)2 = Varians
 Rata-rata kuadrat Penyimpangan dari masing-masing
pengamatan terhadap nilai Mean-nya
 Contoh:Lama rawat 10 pasien (hari) di RS-A
 Lama rawat: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 hari
 Varians: (2-3.5)2+(2-3.5)2+(3-3.5)2+(3-3.5)2+(3-3.5)2+(3-
3.5)2+(4-3.5)2+(4-3.5)2+(5-3.5)2+(6-3.5)2/10-1 = (1,5876)
 Varians:
(1,52+1,52+0.52+0.52+0.52+0.52+0.52+0.52+1.52+2.52)/9 =
(1,5876)
 SD=Akar (1,5876) = 1.269 hari
 RS B: 1,1,2,3,3,3,4,5,5,8 = SD = 2.121 hari
23
 Ukuran Variasi Data
 Coefisien Variasi (COV)
 Koefisien variasi adalah rasio perbandingan antara
standar deviasi dengan mean, yang dinyatakan dalam
persen
 Membandingkan variasi dua kelompok data yang
mempunyai unit atau satuan pengukuran atau gradasi
yang berbeda
SD
 Rumus COV = x100%
x
 Contoh:
 Mean BB=40.5 kg, SD=5 kg maka COV=(5/40.5)x100% =12.3%
 Mean TB=167 cm, SD=12 cm maka COV=(12/167) x 100%=7.2%

24
 Kemiringan Distribusi Data (Skewness)

Simetris ‘Skewness’ 0 ‘Skewness’ positif

Mean=Med=Mod Mod Md Mean

‘Skewness’ negatif
Pearson

x  Mod 3( x  Med )
= atau
SD SD
Mean Med Mod

25
Keruncingan distribusi data (Kurtosis)


y 4
( x  x)
4  i
4
nSD
Mesokurtis = 4 = 3
Leptokurtis= 4 >3

Platykurtis = 4 < 3

26
 Contoh soal
• Diketahui dari 200 mhs,
rata2 berat badannya adalah 60 kg,
median 50,0kg Std Deviasi 12 kg,
minimum 40 kg, maksimum 80 kg.
1. Berapa org mhs yg memiliki berat badan <50kg?
2. Berapa org mhs yg memiliki berat badan >50kg?

27
Contoh soal
• Diketahui dari 200 mhs, rata2 berat badannya adalah: 60 kg, kuartil-1:
45,0kg, Std Deviasi: 12 kg, minimum:40kg, dan maksimum:80 kg.
1. Berapa org mhs yg memiliki berat badan <45kg? = 25% * 200 = 50
org
2. Berapa org mhs yg memiliki berat badan >45kg? = 75% * 200 = 150
org

28
• Data kualitatif dan kuantitatif • Chi Square
• Manajemen data Statistik • Regresi Linier
Rumah Sakit • Regresi Logistik
• Bias • Manova
• Normalitas • Mancova
• Uji Parametrik • Manacova
• Uji Non Parametrik • Meta Analysis
• Z dan T tes • Path Analysis
• Korelasi dan Korelasi Parsial • Multi Level Analysis
Terima Kasih