SEBARAN DATA
66 75 74 72 79 78 75 75 79 71
75 76 74 73 71 72 74 74 71 70
74 77 73 73 70 74 72 72 80 70
73 67 72 72 75 74 74 68 69 80
Interval Kelas:
Setiap kelompok disebut
interval kelas atau sering
disebut interval atau
kelas.
d. Lebar kelas
Untuk mencari lebar kelas dapat dipakai rumus:
Lebar kelas = tepi atas – tepi bawah
Jadi, lebar kelas dari tabel diatas adalah 67,5 – 64,5 = 3.
Data banyaknya
tanaman yang
berbunga dalam 8
hari berurutan
sebagai berikut.
Diunduh dari: http://rumus-soal.blogspot.com/2010/05/menyajikan-data-dalam-bentuk-tabel.html…… 19/9/2012
Distribusi Frekuensi Waktu Tunggu
Dari hasil penelurusan alumni, diketahui bahwa rata-rata waktu tunggu alumni kurang
dari 5 bulan untuk mendapatkan pekerjaan pertamanya, bahkan ada alumni yang
bekerja setelah 2 hari dinyatakan lulus dengan gelar sarjana statistika.
Secara umum terlihat mayoritas alumni waktu tunggunya berkisar antara 1 sampai
dengan 6 bulan.
1 - 6 Bulan 73.81
7 - 12 Bulan 19.05
13 - 18 Bulan 1.19
Total 100.0
1. The first relates to whether the data can take on only discrete values or
whether the data is continuous; whether a new pharmaceutical drug gets
FDA approval or not is a discrete value but the revenues from the drug
represent a continuous variable.
2. The second looks at the symmetry of the data and if there is asymmetry,
which direction it lies in; in other words, are positive and negative outliers
equally likely or is one more likely than the other.
3. The third question is whether there are upper or lower limits on the data;
there are some data items like revenues that cannot be lower than zero
whereas there are others like operating margins that cannot exceed a value
(100%).
4. Dalam beberapa data, nilai ekstrim jarang terjadi; dan dalam data lainnya
nilai ekstrim sering terjadi.
Diunduh dari: http://pages.stern.nyu.edu/~adamodar/New_Home_Page/StatFile/statdistns.htm…… 12/9/2012
STATISTICAL DISTRIBUTIONS
DISTRIBUSI BINOMIAL
Fungsi kerapatan
probabilitas dari distribusi Grafik fungsi probabilitas distribusi normal
normal :
Diunduh dari: aswinsuharsono.lecture.ub.ac.id/files/2011/.../Distribusi-Normal2.doc …….. 19/9/2012
Distribusi Normal
1
1 ( x ) 2
n( x; , )
2
2
e
2
0.3
0.25
0.2
0.15
σ
0.1
0.05
0
-6 -4 -2 0μ 2 4 6
x
Sifat Distribusi Normal:
Peubah acak yang mempunyai distribusi
normal :
pengukuran dalam meteorologi
pengukuran curah hujan
Dll.
Sifat-Sifat Distribusi Normal:
Mean µ
Varians
Deviasi Standar
Deviasi mean
Sifat-Sifat Distribusi Normal:
1. Rata-rata (mean) = μ, dan simpangan baku = σ
2. Mode (maximum) terjadi di x = μ
3. Bentuknya simetrik thd x = μ
4. Titik belok tepat di x = μ ± σ
5. Kurva mendekati nol secara asimptotis
semakin x jauh dari x = μ
6. Total luasnya = 1
Sifat-Sifat Distribusi Normal:
Bentuk kurva distribusi normal ditentukan oleh μ dan σ.
2
1 1
2
μ1 = μ2 σ1 > σ2 μ1 < μ2 σ1 = σ2
2
1
μ1 < μ2 σ1 < σ2
CIRI DISTRIBUSI NORMAL
x1 μ x2
Luas daerah di Bawah Kurva dan
Probabilitas
x Np
z
Npq
Pendekatan ini semakin baik kalau nilai N semakin
besar. Dalam praktiknya, pendekatannya sangat bagus
jika Np dan Nq kedua-duanya lebih besar dari 5.
Contoh: Menghitung Luas daerah di bawah garis kurva
distribusi normal
Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi
normal kumulatif adalah luas dari z=-∞ s/d z0 tertentu:
P(z<z0).
c) P(z>1.84) = 1 – P(z≤1.84) = 1 -0.9671 = 0.0329
d) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97)
= 0.8051 – 0.0244
= 0.7807
Contoh: Mencari Nilai Z
Jawab:
c) P(Z>k) = 0.3015 berarti P(Z<k) = 1- P(z>k) = 1 –
0.3015 = 0.6985
Dari tabel terbaca luas ke kiri = 0.6985 adalah untuk Z =
0.52.
Jawab.
Dalam soal ini μ = 50 dan σ=10. x1 = 45 dan x2 =62
Pertama-tama kita konversi X menjadi Z (melakukan normalisasi
atau standardisasi):
Sehingga:
P(45 <X< 62) = P(-0.5< Z <1.2)
P(-0.5<Z<1.2) = P(Z<1.2) – P(Z<-0.5) = 0.8849-0.3085 = 0.5764
Memakai Distribusi Normal Dalam Arah Kebalikan
Contoh.
Misalkan distribusi normal memiliki μ=40 σ=6, carilah nilai x0
sehingga:
a) P(x<x0) = 45%
b) P(x>x0)=14%
Jawab.
c) Kita mulai dengan mencari nilai Z yang sama luasnya.
P(z<z0) = 45% = 0.45 dari tabel z0 = -0.13
z0 = (x0-μ)/σ x0 = μ + σz0 = 40 +6*(-0.13) = 39.22
Memakai Distribusi Normal Dalam Arah Kebalikan
Jawab.
b) Kita mulai dengan mencari nilai Z yg sama luasnya.
P(z>z0) = 14% P(z<z0) = 1- P(z>z0) = 1-0.14 = 0.86
P(z<z0) = 0.86 dari tabel z0 = 1.08
Nominal
Mode
(Categorical)
Ordinal Median
9-21 15 3 45
22-34 28 4 112
35-47 41 4 164
48-60 54 8 432
61-73 67 12 804
74-86 80 23 1840
87-99 93 6 558
9-21 15 -3 3 -9
22-34 28 -2 4 -8
35-47 41 -1 4 -4
48-60 54 0 8 0
61-73 67 1 12 12
74-86 80 2 23 46
87-99 93 3 6 18
fU 55 Σf = 60 ΣfU = 55
X X0 c 54 13 65,92
f 60
RATAAN HITUNG
3. Dengan pembobotan
Masing-masing data diberi bobot.
n
-F
Med L 0 c 2
f
L 0 batas bawah kelas median
F jumlah frekuensi semua kelas sebelum
kelas yang mengandung median
f frekuensi kelas median
MEDIAN
Contoh :
Letak median ada pada data
Interval Frekuensi
ke 30, yaitu pada interval 61-
Kelas 73, sehingga :
9-21 3 L0 = 60,5
22-34 4
35-47 4 F = 19
48-60 8
61-73 12 f = 12
74-86 23
87-99 6
60
Σf = 60
- 19
Med 60,5 13 2 72,42
12
MODE = MODUS
Untuk data berkelompok
b1
Mod L 0 c
b1 b 2
L 0 batas bawah kelas modus
b1 selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sebelum kelas modus
b 2 selisih antara frekuensi kelas modus dengan
frekuensi tepat satu kelas sesudah kelas modus
MODE = MODUS
Contoh :
Interval Frekuensi Data yang paling sering
Kelas muncul adalah pada interval
74-86, sehingga :
9-21 3
22-34 4 L0 = 73,5
35-47 4
48-60 8 b1 = 23-12 = 11
61-73 12
74-86 23 b2 = 23-6 =17
87-99 6
11
Σf = 60 Mod 73,5 13 78,61
11 17
HUBUNGAN EMPIRIS ANTARA NILAI RATA-RATA
HITUNG, MEDIAN, DAN MODUS
X - Mod 3 X Med
RATAAN UKUR
Contoh :
Interval Nilai Tengah Frekuensi log X f log X
Kelas (X)
107
Σf = 60,1
Σf log X = 107,1
G antilog 60,95
60
RATAAN HARMONIS
Contoh :
Interval Nilai Tengah Frekuensi f/X
Kelas (X)
9-21 15 3 0,2
22-34 28 4 0,143
35-47 41 4 0,098
48-60 54 8 0,148
61-73 67 12 0,179
74-86 80 23 0,288
87-99 93 6 0,065
60 Σf = 60 Σf / X = 1,121
RH 53,52
1,121
KUARTIL, DESIL, PERSENTIL
1. Kuartil
Kelompok data yang sudah
diurutkan (membesar atau
mengecil) dibagi empat bagian yang
sama besar.
Contoh :
Interval Nilai Frekuensi Q1 membagi data menjadi 25 %
Kelas Tengah Q2 membagi data menjadi 50 %
(X) Q3 membagi data menjadi 75 %
9-21 15 3
22-34 28 4 Sehingga :
35-47 41 4
48-60 54 8
61-73 67 12 Q1 terletak pada 48-60
74-86 80 23
87-99 93 6
Q2 terletak pada 61-73
Q3 terletak pada 74-86
Σf = 60
KUARTIL
1.60
Untuk Q1, maka : - 11
Q1 47,5 13 4 54
8
Contoh :
Interval Nilai Frekuensi D3 membagi data 30%
Kelas Tengah
(X) D7 membagi data 70%
9-21 15 3
22-34
35-47
28
41
4
4
Sehingga :
48-60 54 8
61-73 67 12
3.60
- 11
D 3 47,5 13 10 58,875
8
7.60
- 31
D 7 73,5 13 10 79,72
23
KUARTIL, DESIL, PERSENTIL
3. Persentil
Untuk data tidak berkelompok
in 1
Pi nilai ke - , i 1,2,3,...,99
100
Untuk data berkelompok
in
- F
Pi L 0 c 100 , i 1,2,3,...,99
f
DISPERSI = SEBARAN
R = X maks – X min
Contoh :
a. Data tunggal
SR = xx
n
Contoh :
Nilai ulangan matamatika dari 6 siswa adalah : 7,
5, 6, 3, 8, 7.
Tentukan simpangan rata-ratanya!
f x x
SR =
f
x = data ke-i (data berbobot )
= titik tengah kelas interval ke-i (data kelompok )
f = frekuensi
Jawab :
x x x x x 2
2 -3 9
2358 7
x= 3 -2 4
5 5 0 0
=5 8 3 9
S =
ix x 2
26 7 2 4
=
n 5 26
= 5,2
f x x
2
S =
atau
f
fx f.x
2
2
S =
f f
4.Kuartil
Kuartil adalah nilai yang membagi kelompok data atas empat bagian
yang sama setelah bilangan-bilangan itu diurutkan.
Dengan garis bilangan letak kuartil dapat ditunjukkan sebagai berikut:
Q1 Q2 Q3
i (n 1)
Letak Qi = data ke
4
Jawab :
Data diurutkan : 1, 1, 1, 2, 2, 3, 3, 3, 4, 4, 4, 4
1(12 1)
a. Letak Q1 = data ke –
4
= data ke- 3 ¼
b. Letak Q2 = data ke
2(12 1)
4
= data ke 6½
= 3 + ½ (3 – 3) = 3
Hal.: 94
Diunduh dari: STATISTIK
iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt…… 12/9/2012
SEBARAN DATA
c. Letak Q3 = data ke
= data ke 9 ¾
= 4 + ¾ (4 – 4) = 4
b. Data Kelompok
i.n
4 F
Nilai Qi = b + p f
dengan i = 1, 2, 3
5. Persentil
Persentil dari sekumpulan bilangan adalah nilai yang membagi
kelompok bilangan tersebut atas 100 bagian yang sama banyaknya
setelah bilangan bilangan tersebut diurutkan dari yang terkecil
sampai yang terbesar.
Letak Pi = data ke i ( n 1)
100
dengan i = 1, 2, …, 99
Contoh :
Diketahui data : 9, 3, 8, 4, 5, 6, 8, 7, 5, 7
Tentukan P20 dan P70
Diunduh dari: iful06.files.wordpress.com/2012/03/5-penyebaran-data.ppt…… 12/9/2012
SEBARAN DATA
Jawab :
Data diurutkan : 3 ,4, 5, 5, 6, 7, 7 ,8, 8, 9
b. Data kelompok
in
100 F
Nilai Pi = b + p , dengan i = 1,2,..,99
f
Where:
S
KK = x 100%
x
KK = koefisien keragaman
S = simpangan baku
x = rataan
Diunduh dari: …… 12/9/2012
SEBARAN DATA
Contoh 1:
Nilai rata-rata matematika Kelas III Mesin1 adalah 80 dengan
simpangan
standar 4,5. Jika nilai rata-rata Kelas III Mesin 2 adalah 70
dengan simpangan standar 5,2.
Hitunglah koefisien variasi masing-masing.
Jawab : S
KV III Mesin 1 = x 100%
x
4,5
= x 100% = 5,6%
80
5,2
KV III Mesin 2 = x 100% = 7,4%
70
Jawab :
KV =
S x 100%
x
12,5% = 1,5 x 100%
x
150%
x
12,5=% = 12
Jawab :
Zm = 70 60 = 0,83
12
Zb = 80 75 = 0,33
15
Jadi kedudukan nilai matematika lebih baik dari pada nilai Bahasa
Inggris.
Digunakan rumus :
KK = Q3 Q1
2( P90 P10 )
Keterangan :
Jika nilai KK > 3 kurva leptokurtis (puncaknya runcing sekali)
KK < 3 kurva platikurtis (puncaknya agak mendatar)
KK = 0 kurva mesokurtis (puncaknya tidak begitu runcing atau
distribusi normal)
Contoh :
Dari sekelompok data yang disusun dalam tabel distribusi
frekuensi diketahui nilai Q1 = 55,24 ; Q3 = 73,64 ; P10 =
44,5 ;P90 = 82,5. Besarnya koefisien kurtosis kurva data
tersebut adalah….
Jawab :
73,64 55,24
KK =
2(82,5 44,5)
= 18,4
2(38)
= 0,242
Dengan :
S2 = ragam atau varians
n = banyaknya data
=rataan hitung
xi = data ke-i
Ragam untuk Data Berkelompok
Dengan :
S2 = ragam atau varians
n = banyaknya data
=rataan hitung
Contoh :
Tentukan ragam dan simpangan baku dari data berikut :
Skor Frekuensi
40-49 1
50-59 4
60-69 8
70-79 14
80-89 10
90-99 3
21-25 2
26-30 8
31-35 9
36-40 6
41-45 3
46-50 2
ANALISIS RAGAM
Ragam mencerminkan perbedaan antara hasil aktual dengan
hasil yang diharapkan.
Proses menganalisis total perbedaan antara hasil baku dan
hasul aktual disebut ANALISIS RAGAM.
If, on the other hand, actual results are worse than expected
results, we have an adverse (A).
SILAP
CACAT
GALAT
SALAH
CELA
KELIRU
atas perhatian
nya