SlideShare a Scribd company logo
1 of 43
Download to read offline
POPULASI, SAMPEL,
dan STATISTIK
ARIF RAHMAN
1
Populasi
Populasi atau semesta (universe) adalah
set lengkap observasi yang menjadi
perhatian peneliti.
Populasi adalah grup keseluruhan unsur
yang menjadi fokus studi.
Populasi adalah total keanggotaan dari
semua elemen sistem yang relevan dengan
lingkup batasan permasalahan.
2
Populasi
Populasi (population) adalah himpunan
semua objek, percobaan, pengamatan,
data, keluaran, atau nilai yang memiliki
kesamaan kondisi umum (common state)
dalam rentang (range) tertentu (finite atau
infinite) dengan parameter identik sesuai
dengan batasan permasalahan yang
menjadi fokus studi peneliti.
3
Sampel
Sampel (sample) adalah sejumlah observasi
yang diambil dari populasi
Sampel adalah beberapa unsur yang
menjadi bagian dari populasi
Sampel adalah sebagian anggota dari
populasi
4
Sampel
Sampel diambil dari populasi yang sama.
Saat penarikan sampel, setiap anggota
populasi mempunyai peluang yang sama
terpilih sebagai sampel.
Sebaran sampel mengikuti pola distribusi
populasi.
Sampel dapat merepresentasikan populasi.
5
Populasi dan Sampel
6
Populasi dan Sampel
7
Statistik
Statistik adalah sekumpulan data, angka
atau bukan angka, yang disusun dalam
tabel atau diilustrasikan dalam grafik, peta
dan diagram.
Statistik adalah ukuran numerik yang
merangkum informasi dari kumpulan data
untuk merepresentasikan hal tertentu.
8
Statistik dan Parameter
Parameter adalah nilai yang menjelaskan
karakteristik populasi
Statistik adalah nilai yang menjelaskan
karakteristik sampel
9
Metode Pengumpulan Data
Census untuk mengumpulkan data atau
informasi dari semua anggota populasi.
Retrospective study untuk mengumpulkan
data atau informasi yang terjadi di masa
lalu (historical data)
...
10
Metode Pengumpulan Data
...
Observational study untuk mengumpulkan
data atau informasi yang sedang terjadi di
sistem aktual
Designed experiment untuk
mengumpulkan data atau informasi melalui
eksperimentasi yang telah dirancang
kondisi terlebih dahulu
11
Teknik Pengumpulan Data
Pengukuran
Pencacahan atau penghitungan
Checklist
Angket atau Kuesioner
Wawancara
Perekaman data
Studi pustaka atau arsip data
12
Sumber Data
Subyek observasi, yaitu pihak-pihak yang
melakukan pengukuran atau penghitungan.
Obyek observasi, yaitu elemen sistem
yang akan diobservasi.
Responden, yaitu pihak-pihak yang
mengenal dan berkepentingan dengan
obyek observasi.
Hasil observasi, yaitu laporan observasi
baik fakta mentah atau yang telah diolah
13
Jenis Data Berdasarkan Sumber Data
Data primer, fakta yang diperoleh langsung
dari pengukuran atau penghitungan obyek
observasi
Data sekunder, data yang diperoleh dari
merujuk hasil observasi atau pernyataan
subyek observasi atau responden (melalui
wawancara atau curah pendapat)
Data tersier, dst..., data yang diperoleh
dari pustaka lainnya.
14
Obyek Observasi
Obyek observasi adalah entitas yang
merupakan elemen sistem dalam wujud
orang, benda, kejadian, keluaran, atau
benda abstrak lainnya.
Data merupakan atribut atau status dari
obyek observasi.
15
Tipe Data
Kuantitatif dan Kualitatif
Parametrik dan Nonparametrik
Nominal, Ordinal, Interval dan Rasio
Diskrit dan Kontinyu
Serentak dan Deret waktu
16
Tipe Data
Data Kuantitatif atau Numerical, data yang
diperoleh dari pencacahan, penghitungan,
pengukuran atau penilaian dalam format angka
atau bilangan yang dapat diperbandingkan
 Biner (0 atau 1)  data logik (true/false), data
tanggapan (yes/no, accept/decline), data kegagalan
(sukses/gagal, baik/rusak)
 Bilangan Bulat  Bil asli (1,2,...), Bil cacah (0,1,2)
 Bilangan Nyata
...
17
Tipe Data
...
Data Kualitatif atau Categorical, data yang
tidak bernilai numerik.
 Dikotomi
 Pelabelan atau simbol
 Klasifikasi atau stratifikasi
 Penilaian verbal
18
Tipe Data
Data Parametrik, data kuantitatif yang
mempunyai sebaran variabel acak
mengikuti pola distribusi probabilitas
dengan parameter tertentu (independent
and identically distributed random variables)
Data Nonparametrik, data yang tidak
mempunyai distribusi probabilitas
(distribution-free)
19
Tipe Data
Data Nominal, data yang hanya berupa
simbol (meski berupa angka) untuk
membedakan nilainya tanpa menunjukkan
tingkatan
A = B ; A ≠ B
Contoh: jenis kelamin, warna kulit, ras, suku
bangsa, agama, bentuk rambut
...
20
Tipe Data
21
Tipe Data
Data Ordinal, data yang mempunyai nilai
untuk menunjukkan tingkatan, namun tanpa
skala yang baku dan jelas antar tingkatan.
A > B ; A < B
Contoh : Kelompok usia (bayi, anak-anak,
remaja, dewasa, manula), Tingkat
pendidikan, Status ekonomi, Tingkat
kepentingan
...
22
Tipe Data
23
Tipe Data
Data Interval, data yang mempunyai nilai
untuk menunjukkan tingkatan dengan skala
tertentu sesuai intervalnya. Nilai nol hanya
untuk menunjukkan titik acuan (baseline).
A – B = C – D
Contoh : Temperatur, tingkat keasaman
...
24
Tipe Data
25
Tipe Data
Data Rasio, data yang mempunyai nilai
untuk menunjukkan tingkatan dengan skala
indikasi rasio perbandingan. Nilai nol
menunjukkan titik asal (origin) yang bernilai
kosong (null).
A = k.B
Contoh : Tinggi badan, Berat badan,
Banyaknya orang, dll
26
Tipe Data
27
Tipe Data
Data Diskrit, data hasil pencacahan atau
penghitungan, sehingga biasanya dalam
angka bilangan bulat.
Data Kontinyu, data hasil pengukuran
yang memungkinkan dalam angka bilangan
nyata (meskipun dapat pula dibulatkan)
28
Tipe Data
Data serentak (cross sectional) adalah
data yang diperoleh dari observasi pada
waktu yang sama
Data deret waktu (time series) adalah data
yang diperoleh dari observasi dengan
mempertimbangkan pergerakan waktu
29
Ketelitian Pengukuran
Akurasi (accuracy), kesesuaian hasil
pengukuran terhadap nilai obyek
sesungguhnya (bias kecil)
Presisi (precision), tingkat skala ketelitian
pengukuran dari alat pengukur, atau
ketersebaran yang relatif mengumpul
(variansi atau deviasi kecil)
...
30
Ketelitian Pengukuran
...
Keandalan (reliability), konsistensi
kemampuan alat ukur untuk mengukur
obyek tanpa dipengaruhi waktu atau faktor
lainnya
Kesahihan (validity), ketepatan hasil
pengukuran yang bebas dari kesalahan alat
ukur, pengukur dan obyek ukur.
31
Ketelitian Pengukuran
32
Ketelitian Pengukuran
Tidak presisi, akibat besarnya
random error menyebabkan deviasi
yang besar, beresiko pada galat
tipe 1.
Tidak akurat, akibat besarnya
systematic error menyebabkan bias
yang besar, beresiko pada galat
tipe 2.
Akurat dan presisi, bias dan
deviasi kecil, membutuhkan sampel
sedikit.
33
Angka Penting atau Angka Berarti
Dalam pengukuran data, banyaknya angka yang
dipergunakan menyatakan tingkat ketelitian dari
besarannya.
Seringkali saat pengukuran, terdapat satu angka
terakhir yang tidak pasti.
Angka penting atau angka berarti menunjukkan
banyaknya angka yang penting dalam bilangan
eksak, baik yang pasti, maupun yang pembulatan
(tidak pasti)
34
Angka Penting atau Angka Berarti
35
Pembulatan
Pembulatan terkadang dilakukan pada data
sesuai dengan tingkat presisi yang diharapkan.
Secara umum pembulatan dilakukan ke bilangan
terdekat. Angka > 5 dibulatkan ke atas dan angka
< 5 dibulatkan ke bawah.
Secara pesimistik, angka dibulatkan ke atas.
Secara optimistik, angka dibulatkan ke bawah.
Pembulatan terkadang perlu memperhatikan
bahwa jumlah total data hasil pembulatan tidak
berubah dari jumlah total data sebelumnya
36
Pembulatan
37
Fakta
Pengukuran
Pembulatan
Umum
Pembulatan
Berimbang
4,525 5 4
7,573 8 8
6,375 6 6
5,624 6 6
4,852 5 5
6,051 6 6
35 36 35
Kesalahan Pengukuran
Random error : kesalahan yang disebabkan
oleh probabilitas faktor keacakan
Systematic error : kesalahan yang
disebabkan oleh buruknya teknik
pengukuran
Illegitimate error : kesalahan yang
disebabkan oleh keteledoran pada prosedur
pengukuran
38
Kesalahan Pengukuran
Random error  sebaran sampel kurang
merepresentasikan pola distribusi populasi.
Systematic error  penarikan sampel
terkumpul di sebagian populasi yang
dibatasi rentang waktu tertentu atau lokasi
tertentu.
Illegitimate error  mengumpulkan sampel
dari populasi yang berbeda
39
Kesalahan Pengukuran
Galat tipe 1 (α) : kesalahan menyimpulkan
karena menolak hipotesa yang semestinya
diterima
Galat tipe 2 (β) : kesalahan menyimpulkan
karena menerima hipotesa yang
semestinya ditolak
40
β α
Kesalahan Pengukuran
Unusual value (outlier), data yang keliru
disebabkan noise pada objek ukur atau alat ukur,
atau kesalahan pengukur atau prosedur
pengukuran.
Missing value, ketidaklengkapan data akibat
kealpaan pengukuran atau sebaran sampel
kurang baik.
Bias, perbedaan hasil pengukuran karena
kekeliruan pengukur atau alat ukur.
41
Ukuran Ketelitian Lain
Tingkat keberartian (significance level, α),
probabilitas penolakan data observasi, karena
menyimpang signifikan terhadap sasaran.
Tingkat kepercayaan (confidence coefficient,1-α),
persentase data observasi yang diyakini tidak berbeda
signifikan dengan target.
Kuasa statistik (power,1-β), persentase data
observasi yang diyakini berbeda signifikan dengan target.
Derajat kebebasan (degree of freedom, df=n-k),
besaran yang menunjukkan bebas terhadap bias dari n
data observasi.
42
43
Terima kasih ...Terima kasih ...
... Ada pertanyaan ???... Ada pertanyaan ???

More Related Content

What's hot

Analisis data statistik oleh sudibyo supardi
Analisis data statistik oleh sudibyo supardiAnalisis data statistik oleh sudibyo supardi
Analisis data statistik oleh sudibyo supardiDedi Mukhlas
 
Stat prob05 descriptivestatistic_statisticmeasure
Stat prob05 descriptivestatistic_statisticmeasureStat prob05 descriptivestatistic_statisticmeasure
Stat prob05 descriptivestatistic_statisticmeasureArif Rahman
 
Statistika dasar uji hipotesis {ppt}
Statistika dasar uji hipotesis {ppt}Statistika dasar uji hipotesis {ppt}
Statistika dasar uji hipotesis {ppt}nurwa ningsih
 
3 SKEWNESS KURTOSIS.pptx
3 SKEWNESS  KURTOSIS.pptx3 SKEWNESS  KURTOSIS.pptx
3 SKEWNESS KURTOSIS.pptxMahruri Saputra
 
Pemilihan uji statistik
Pemilihan uji statistikPemilihan uji statistik
Pemilihan uji statistikTirta Arif
 
Diapos. de estadistica inferencial
Diapos. de estadistica inferencialDiapos. de estadistica inferencial
Diapos. de estadistica inferencialEsther Barrios
 
4. ukuran pemusatan data dan ukuran penyebaran data
4. ukuran pemusatan data dan ukuran penyebaran data4. ukuran pemusatan data dan ukuran penyebaran data
4. ukuran pemusatan data dan ukuran penyebaran dataRia Defti Nurharinda
 
Problem solving cycle psc dan natural history of disease
Problem solving cycle psc dan natural history of diseaseProblem solving cycle psc dan natural history of disease
Problem solving cycle psc dan natural history of diseaseUFDK
 
Stat matematika II (7)
Stat matematika II (7)Stat matematika II (7)
Stat matematika II (7)jayamartha
 
Teknik pengambilan sampel
Teknik pengambilan sampelTeknik pengambilan sampel
Teknik pengambilan sampelRiswan
 
Probabilitas ppt version by alydyda
Probabilitas ppt version by alydydaProbabilitas ppt version by alydyda
Probabilitas ppt version by alydydaMarlyd Talakua
 

What's hot (20)

Analisis data statistik oleh sudibyo supardi
Analisis data statistik oleh sudibyo supardiAnalisis data statistik oleh sudibyo supardi
Analisis data statistik oleh sudibyo supardi
 
P2_Pengantar Statistika Inferensial
P2_Pengantar Statistika InferensialP2_Pengantar Statistika Inferensial
P2_Pengantar Statistika Inferensial
 
Tahapan tahapan Penelitian.pdf
Tahapan tahapan Penelitian.pdfTahapan tahapan Penelitian.pdf
Tahapan tahapan Penelitian.pdf
 
PPT UJI NORMALITAS
PPT UJI NORMALITASPPT UJI NORMALITAS
PPT UJI NORMALITAS
 
Stat prob05 descriptivestatistic_statisticmeasure
Stat prob05 descriptivestatistic_statisticmeasureStat prob05 descriptivestatistic_statisticmeasure
Stat prob05 descriptivestatistic_statisticmeasure
 
Statistika dasar uji hipotesis {ppt}
Statistika dasar uji hipotesis {ppt}Statistika dasar uji hipotesis {ppt}
Statistika dasar uji hipotesis {ppt}
 
3 SKEWNESS KURTOSIS.pptx
3 SKEWNESS  KURTOSIS.pptx3 SKEWNESS  KURTOSIS.pptx
3 SKEWNESS KURTOSIS.pptx
 
RANCANGAN ACAK LENGKAP
RANCANGAN ACAK LENGKAPRANCANGAN ACAK LENGKAP
RANCANGAN ACAK LENGKAP
 
proses poisson
proses poissonproses poisson
proses poisson
 
Pemilihan uji statistik
Pemilihan uji statistikPemilihan uji statistik
Pemilihan uji statistik
 
Diapos. de estadistica inferencial
Diapos. de estadistica inferencialDiapos. de estadistica inferencial
Diapos. de estadistica inferencial
 
statistika dasar
statistika dasarstatistika dasar
statistika dasar
 
4. ukuran pemusatan data dan ukuran penyebaran data
4. ukuran pemusatan data dan ukuran penyebaran data4. ukuran pemusatan data dan ukuran penyebaran data
4. ukuran pemusatan data dan ukuran penyebaran data
 
Statistik parametrik
Statistik parametrikStatistik parametrik
Statistik parametrik
 
Problem solving cycle psc dan natural history of disease
Problem solving cycle psc dan natural history of diseaseProblem solving cycle psc dan natural history of disease
Problem solving cycle psc dan natural history of disease
 
Uji kolmogorov 2
Uji kolmogorov 2Uji kolmogorov 2
Uji kolmogorov 2
 
Simple random sampling
Simple random samplingSimple random sampling
Simple random sampling
 
Stat matematika II (7)
Stat matematika II (7)Stat matematika II (7)
Stat matematika II (7)
 
Teknik pengambilan sampel
Teknik pengambilan sampelTeknik pengambilan sampel
Teknik pengambilan sampel
 
Probabilitas ppt version by alydyda
Probabilitas ppt version by alydydaProbabilitas ppt version by alydyda
Probabilitas ppt version by alydyda
 

Viewers also liked

Stat prob01 introduction
Stat prob01 introductionStat prob01 introduction
Stat prob01 introductionArif Rahman
 
Stat prob04 descriptivestatistic_tablechart
Stat prob04 descriptivestatistic_tablechartStat prob04 descriptivestatistic_tablechart
Stat prob04 descriptivestatistic_tablechartArif Rahman
 
Stat prob06 probabilitytheory_samplespace
Stat prob06 probabilitytheory_samplespaceStat prob06 probabilitytheory_samplespace
Stat prob06 probabilitytheory_samplespaceArif Rahman
 
Stat prob07 probabilitytheory_counting
Stat prob07 probabilitytheory_countingStat prob07 probabilitytheory_counting
Stat prob07 probabilitytheory_countingArif Rahman
 
Stat prob10 distribution_normal
Stat prob10 distribution_normalStat prob10 distribution_normal
Stat prob10 distribution_normalArif Rahman
 
Stat prob12 confidenceinterval
Stat prob12 confidenceintervalStat prob12 confidenceinterval
Stat prob12 confidenceintervalArif Rahman
 
Stat prob09 distribution_continue
Stat prob09 distribution_continueStat prob09 distribution_continue
Stat prob09 distribution_continueArif Rahman
 
Stat prob11 distribution_sampling
Stat prob11 distribution_samplingStat prob11 distribution_sampling
Stat prob11 distribution_samplingArif Rahman
 
Stat prob08 distribution_discrete
Stat prob08 distribution_discreteStat prob08 distribution_discrete
Stat prob08 distribution_discreteArif Rahman
 
7. populasi dan teknik pengambilan sampel
7. populasi dan teknik pengambilan sampel7. populasi dan teknik pengambilan sampel
7. populasi dan teknik pengambilan sampelUniv. Kahuripan Kediri
 
Distribusi Bernouli dan Poisson
Distribusi Bernouli dan PoissonDistribusi Bernouli dan Poisson
Distribusi Bernouli dan Poissonsilvia kuswanti
 
Latihan soal beberapa distribusi peluang diskrit
Latihan soal beberapa distribusi peluang diskritLatihan soal beberapa distribusi peluang diskrit
Latihan soal beberapa distribusi peluang diskritSiti Yuliati
 
Makalah Statistika ekonomi 1 by Tria Ningrum. R
Makalah Statistika ekonomi 1 by Tria Ningrum. RMakalah Statistika ekonomi 1 by Tria Ningrum. R
Makalah Statistika ekonomi 1 by Tria Ningrum. RTrianingrum
 
Makalah dasar-dasar statistika
Makalah dasar-dasar statistikaMakalah dasar-dasar statistika
Makalah dasar-dasar statistikaSiti_Rita_Anita
 
Makalah populasi, teknik pengambilan sampel dan besar sampel
Makalah populasi, teknik pengambilan sampel dan besar sampelMakalah populasi, teknik pengambilan sampel dan besar sampel
Makalah populasi, teknik pengambilan sampel dan besar sampelalfitri ariyansah
 
Makalah sampel dan populasi
Makalah sampel dan populasiMakalah sampel dan populasi
Makalah sampel dan populasiRfebiola
 

Viewers also liked (20)

Stat prob01 introduction
Stat prob01 introductionStat prob01 introduction
Stat prob01 introduction
 
Stat prob04 descriptivestatistic_tablechart
Stat prob04 descriptivestatistic_tablechartStat prob04 descriptivestatistic_tablechart
Stat prob04 descriptivestatistic_tablechart
 
Stat prob06 probabilitytheory_samplespace
Stat prob06 probabilitytheory_samplespaceStat prob06 probabilitytheory_samplespace
Stat prob06 probabilitytheory_samplespace
 
Stat prob07 probabilitytheory_counting
Stat prob07 probabilitytheory_countingStat prob07 probabilitytheory_counting
Stat prob07 probabilitytheory_counting
 
Stat prob10 distribution_normal
Stat prob10 distribution_normalStat prob10 distribution_normal
Stat prob10 distribution_normal
 
Stat prob12 confidenceinterval
Stat prob12 confidenceintervalStat prob12 confidenceinterval
Stat prob12 confidenceinterval
 
Stat prob09 distribution_continue
Stat prob09 distribution_continueStat prob09 distribution_continue
Stat prob09 distribution_continue
 
Stat prob11 distribution_sampling
Stat prob11 distribution_samplingStat prob11 distribution_sampling
Stat prob11 distribution_sampling
 
Stat prob08 distribution_discrete
Stat prob08 distribution_discreteStat prob08 distribution_discrete
Stat prob08 distribution_discrete
 
7. populasi dan teknik pengambilan sampel
7. populasi dan teknik pengambilan sampel7. populasi dan teknik pengambilan sampel
7. populasi dan teknik pengambilan sampel
 
Himpunan matematika diskrit
Himpunan matematika diskritHimpunan matematika diskrit
Himpunan matematika diskrit
 
Distribusi Bernouli dan Poisson
Distribusi Bernouli dan PoissonDistribusi Bernouli dan Poisson
Distribusi Bernouli dan Poisson
 
Peluang
PeluangPeluang
Peluang
 
Latihan soal beberapa distribusi peluang diskrit
Latihan soal beberapa distribusi peluang diskritLatihan soal beberapa distribusi peluang diskrit
Latihan soal beberapa distribusi peluang diskrit
 
Sampling dan-besar-sampel
Sampling dan-besar-sampelSampling dan-besar-sampel
Sampling dan-besar-sampel
 
8. uji normalitas dan homogenitas
8. uji normalitas dan homogenitas8. uji normalitas dan homogenitas
8. uji normalitas dan homogenitas
 
Makalah Statistika ekonomi 1 by Tria Ningrum. R
Makalah Statistika ekonomi 1 by Tria Ningrum. RMakalah Statistika ekonomi 1 by Tria Ningrum. R
Makalah Statistika ekonomi 1 by Tria Ningrum. R
 
Makalah dasar-dasar statistika
Makalah dasar-dasar statistikaMakalah dasar-dasar statistika
Makalah dasar-dasar statistika
 
Makalah populasi, teknik pengambilan sampel dan besar sampel
Makalah populasi, teknik pengambilan sampel dan besar sampelMakalah populasi, teknik pengambilan sampel dan besar sampel
Makalah populasi, teknik pengambilan sampel dan besar sampel
 
Makalah sampel dan populasi
Makalah sampel dan populasiMakalah sampel dan populasi
Makalah sampel dan populasi
 

Similar to Stat prob02 scientificdata

Statistika Deskriptif
Statistika DeskriptifStatistika Deskriptif
Statistika DeskriptifTrysna Eins
 
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01Arif Rahman
 
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikModul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikArif Rahman
 
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikModul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikArif Rahman
 
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...Arif Rahman
 
Biostatistik deskriptif '12
Biostatistik deskriptif '12Biostatistik deskriptif '12
Biostatistik deskriptif '12Agus Candra
 
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierArif Rahman
 
Teknik analisis__data
Teknik  analisis__dataTeknik  analisis__data
Teknik analisis__dataRya Sianipar
 
1. peranan statistik dan penyajian data
1. peranan statistik dan penyajian data1. peranan statistik dan penyajian data
1. peranan statistik dan penyajian dataNanda Reda
 
bahan matakuliah probabilitas dan statistik.ppt
bahan matakuliah probabilitas dan statistik.pptbahan matakuliah probabilitas dan statistik.ppt
bahan matakuliah probabilitas dan statistik.pptssuser13daca1
 
TM5-statistika_5.ppt
TM5-statistika_5.pptTM5-statistika_5.ppt
TM5-statistika_5.pptMiffJasenx
 
Statistika dan probabilitas
Statistika dan probabilitasStatistika dan probabilitas
Statistika dan probabilitasUFDK
 
TM5-statistika_5.ppt
TM5-statistika_5.pptTM5-statistika_5.ppt
TM5-statistika_5.pptafni48
 
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi ParametrikModul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi ParametrikArif Rahman
 
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi ParametrikModul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi ParametrikArif Rahman
 

Similar to Stat prob02 scientificdata (20)

Statistika Deskriptif
Statistika DeskriptifStatistika Deskriptif
Statistika Deskriptif
 
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
Pengantar Analisis Data - Modul Ajar Kuliah Analisis Data 01
 
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
 
1 5 statistika - nafiu
1 5 statistika - nafiu1 5 statistika - nafiu
1 5 statistika - nafiu
 
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata ParametrikModul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
Modul Ajar Statistika Inferensia ke-2: Uji Hipotesa Rata-rata Parametrik
 
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata NonparametrikModul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
Modul Ajar Statistika Inferensia ke-5: Uji Hipotesa Rata-Rata Nonparametrik
 
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
Modul Ajar Statistika Inferensia ke-7: Uji Tabel Kontingensi Independensi dan...
 
Biostatistik deskriptif '12
Biostatistik deskriptif '12Biostatistik deskriptif '12
Biostatistik deskriptif '12
 
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
Modul Ajar Statistika Inferensia ke-6: Uji Kesesuaian Baik (Goodness of Fit T...
 
Pendahuluan statistik
Pendahuluan statistikPendahuluan statistik
Pendahuluan statistik
 
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
 
Teknik analisis__data
Teknik  analisis__dataTeknik  analisis__data
Teknik analisis__data
 
1. peranan statistik dan penyajian data
1. peranan statistik dan penyajian data1. peranan statistik dan penyajian data
1. peranan statistik dan penyajian data
 
bahan matakuliah probabilitas dan statistik.ppt
bahan matakuliah probabilitas dan statistik.pptbahan matakuliah probabilitas dan statistik.ppt
bahan matakuliah probabilitas dan statistik.ppt
 
TM5-statistika_5.ppt
TM5-statistika_5.pptTM5-statistika_5.ppt
TM5-statistika_5.ppt
 
Statistika dan probabilitas
Statistika dan probabilitasStatistika dan probabilitas
Statistika dan probabilitas
 
TM5-statistika_5.ppt
TM5-statistika_5.pptTM5-statistika_5.ppt
TM5-statistika_5.ppt
 
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi ParametrikModul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
Modul Ajar Statistika Inferensia ke-4: Uji Hipotesa Proporsi Parametrik
 
Pendahuluan statistik
Pendahuluan statistikPendahuluan statistik
Pendahuluan statistik
 
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi ParametrikModul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
Modul Ajar Statistika Inferensia ke-3: Uji Hipotesa Variansi Parametrik
 

More from Arif Rahman

Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07Arif Rahman
 
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06Arif Rahman
 
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Arif Rahman
 
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Arif Rahman
 
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...Arif Rahman
 
Proses Data Science - Modul Ajar Kuliah Analisis Data 02
Proses Data Science - Modul Ajar Kuliah Analisis Data 02Proses Data Science - Modul Ajar Kuliah Analisis Data 02
Proses Data Science - Modul Ajar Kuliah Analisis Data 02Arif Rahman
 
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...Arif Rahman
 
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika InferensiaModul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika InferensiaArif Rahman
 
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...Arif Rahman
 
Doe15 factorialmixed
Doe15 factorialmixedDoe15 factorialmixed
Doe15 factorialmixedArif Rahman
 
Doe14 factorial3k fractional
Doe14 factorial3k fractionalDoe14 factorial3k fractional
Doe14 factorial3k fractionalArif Rahman
 
Doe13 factorial3k blocking
Doe13 factorial3k blockingDoe13 factorial3k blocking
Doe13 factorial3k blockingArif Rahman
 
Doe12 factorial3k
Doe12 factorial3kDoe12 factorial3k
Doe12 factorial3kArif Rahman
 
Doe11 factorial2k fractional
Doe11 factorial2k fractionalDoe11 factorial2k fractional
Doe11 factorial2k fractionalArif Rahman
 
Doe10 factorial2k blocking
Doe10 factorial2k blockingDoe10 factorial2k blocking
Doe10 factorial2k blockingArif Rahman
 
Doe09 factorial2k
Doe09 factorial2kDoe09 factorial2k
Doe09 factorial2kArif Rahman
 

More from Arif Rahman (20)

Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 07
 
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
Proses Data: Analisis Data Eksploratori - Modul Ajar Kuliah Analisis Data 06
 
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
 
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
Preparasi Data: Pembersihan dan Proses Awal Data - Modul Ajar Kuliah Analisis...
 
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
Preparasi Data: Penetapan Tujuan dan Pengumpulan Data - Modul Ajar Kuliah Ana...
 
Proses Data Science - Modul Ajar Kuliah Analisis Data 02
Proses Data Science - Modul Ajar Kuliah Analisis Data 02Proses Data Science - Modul Ajar Kuliah Analisis Data 02
Proses Data Science - Modul Ajar Kuliah Analisis Data 02
 
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
Modul Ajar Statistika Inferensia ke-13: Analisis Variansi, Eksperimentasi Fak...
 
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
Modul Ajar Statistika Inferensia ke-12: Uji Asumsi Klasik pada Regresi Linier...
 
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
Modul Ajar Statistika Inferensia ke-11: Analisis Regresi Linier Berganda (Mul...
 
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
Modul Ajar Statistika Inferensia ke-8: Analisis Korelasi Pearson, Spearman, K...
 
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika InferensiaModul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
Modul Ajar Statistika Inferensia ke-1: Pengantar Statistika Inferensia
 
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...
Modul Ajar Statistika Inferensia ke-14: Aplikasi Spreadsheet pada Statistika ...
 
Doe15 factorialmixed
Doe15 factorialmixedDoe15 factorialmixed
Doe15 factorialmixed
 
Doe14 factorial3k fractional
Doe14 factorial3k fractionalDoe14 factorial3k fractional
Doe14 factorial3k fractional
 
Doe13 factorial3k blocking
Doe13 factorial3k blockingDoe13 factorial3k blocking
Doe13 factorial3k blocking
 
Doe12 factorial3k
Doe12 factorial3kDoe12 factorial3k
Doe12 factorial3k
 
Doe11 factorial2k fractional
Doe11 factorial2k fractionalDoe11 factorial2k fractional
Doe11 factorial2k fractional
 
Doe10 factorial2k blocking
Doe10 factorial2k blockingDoe10 factorial2k blocking
Doe10 factorial2k blocking
 
Doe09 factorial2k
Doe09 factorial2kDoe09 factorial2k
Doe09 factorial2k
 
Doe08 gen fact
Doe08 gen factDoe08 gen fact
Doe08 gen fact
 

Recently uploaded

Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdf
Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdfAsistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdf
Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdfdewiqu
 
Training UPS Tescom update 09072023.pptx
Training UPS Tescom update 09072023.pptxTraining UPS Tescom update 09072023.pptx
Training UPS Tescom update 09072023.pptxcontrolcenteristana
 
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7ssuser13ac8a
 
computational geometry - computer graphics.pptx
computational geometry - computer graphics.pptxcomputational geometry - computer graphics.pptx
computational geometry - computer graphics.pptxanitapratiwi0724
 
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehat
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehatPKLH KELAS III BAB 4 DAN 5. perilaku hidup sehat
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehatmujib71
 
Presentasi SKK Level 6 Pengawas Struktur Bangunan Gedung
Presentasi SKK Level 6 Pengawas Struktur Bangunan GedungPresentasi SKK Level 6 Pengawas Struktur Bangunan Gedung
Presentasi SKK Level 6 Pengawas Struktur Bangunan Gedungssuser13ac8a
 

Recently uploaded (6)

Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdf
Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdfAsistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdf
Asistensi 1 Pemilihan Trase dan Analisis Multikriteria.pptx.pdf
 
Training UPS Tescom update 09072023.pptx
Training UPS Tescom update 09072023.pptxTraining UPS Tescom update 09072023.pptx
Training UPS Tescom update 09072023.pptx
 
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7
Presentasi Uji Kompetensi SKK Ahli Muda Teknik Rawa Level 7
 
computational geometry - computer graphics.pptx
computational geometry - computer graphics.pptxcomputational geometry - computer graphics.pptx
computational geometry - computer graphics.pptx
 
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehat
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehatPKLH KELAS III BAB 4 DAN 5. perilaku hidup sehat
PKLH KELAS III BAB 4 DAN 5. perilaku hidup sehat
 
Presentasi SKK Level 6 Pengawas Struktur Bangunan Gedung
Presentasi SKK Level 6 Pengawas Struktur Bangunan GedungPresentasi SKK Level 6 Pengawas Struktur Bangunan Gedung
Presentasi SKK Level 6 Pengawas Struktur Bangunan Gedung
 

Stat prob02 scientificdata

  • 2. Populasi Populasi atau semesta (universe) adalah set lengkap observasi yang menjadi perhatian peneliti. Populasi adalah grup keseluruhan unsur yang menjadi fokus studi. Populasi adalah total keanggotaan dari semua elemen sistem yang relevan dengan lingkup batasan permasalahan. 2
  • 3. Populasi Populasi (population) adalah himpunan semua objek, percobaan, pengamatan, data, keluaran, atau nilai yang memiliki kesamaan kondisi umum (common state) dalam rentang (range) tertentu (finite atau infinite) dengan parameter identik sesuai dengan batasan permasalahan yang menjadi fokus studi peneliti. 3
  • 4. Sampel Sampel (sample) adalah sejumlah observasi yang diambil dari populasi Sampel adalah beberapa unsur yang menjadi bagian dari populasi Sampel adalah sebagian anggota dari populasi 4
  • 5. Sampel Sampel diambil dari populasi yang sama. Saat penarikan sampel, setiap anggota populasi mempunyai peluang yang sama terpilih sebagai sampel. Sebaran sampel mengikuti pola distribusi populasi. Sampel dapat merepresentasikan populasi. 5
  • 8. Statistik Statistik adalah sekumpulan data, angka atau bukan angka, yang disusun dalam tabel atau diilustrasikan dalam grafik, peta dan diagram. Statistik adalah ukuran numerik yang merangkum informasi dari kumpulan data untuk merepresentasikan hal tertentu. 8
  • 9. Statistik dan Parameter Parameter adalah nilai yang menjelaskan karakteristik populasi Statistik adalah nilai yang menjelaskan karakteristik sampel 9
  • 10. Metode Pengumpulan Data Census untuk mengumpulkan data atau informasi dari semua anggota populasi. Retrospective study untuk mengumpulkan data atau informasi yang terjadi di masa lalu (historical data) ... 10
  • 11. Metode Pengumpulan Data ... Observational study untuk mengumpulkan data atau informasi yang sedang terjadi di sistem aktual Designed experiment untuk mengumpulkan data atau informasi melalui eksperimentasi yang telah dirancang kondisi terlebih dahulu 11
  • 12. Teknik Pengumpulan Data Pengukuran Pencacahan atau penghitungan Checklist Angket atau Kuesioner Wawancara Perekaman data Studi pustaka atau arsip data 12
  • 13. Sumber Data Subyek observasi, yaitu pihak-pihak yang melakukan pengukuran atau penghitungan. Obyek observasi, yaitu elemen sistem yang akan diobservasi. Responden, yaitu pihak-pihak yang mengenal dan berkepentingan dengan obyek observasi. Hasil observasi, yaitu laporan observasi baik fakta mentah atau yang telah diolah 13
  • 14. Jenis Data Berdasarkan Sumber Data Data primer, fakta yang diperoleh langsung dari pengukuran atau penghitungan obyek observasi Data sekunder, data yang diperoleh dari merujuk hasil observasi atau pernyataan subyek observasi atau responden (melalui wawancara atau curah pendapat) Data tersier, dst..., data yang diperoleh dari pustaka lainnya. 14
  • 15. Obyek Observasi Obyek observasi adalah entitas yang merupakan elemen sistem dalam wujud orang, benda, kejadian, keluaran, atau benda abstrak lainnya. Data merupakan atribut atau status dari obyek observasi. 15
  • 16. Tipe Data Kuantitatif dan Kualitatif Parametrik dan Nonparametrik Nominal, Ordinal, Interval dan Rasio Diskrit dan Kontinyu Serentak dan Deret waktu 16
  • 17. Tipe Data Data Kuantitatif atau Numerical, data yang diperoleh dari pencacahan, penghitungan, pengukuran atau penilaian dalam format angka atau bilangan yang dapat diperbandingkan  Biner (0 atau 1)  data logik (true/false), data tanggapan (yes/no, accept/decline), data kegagalan (sukses/gagal, baik/rusak)  Bilangan Bulat  Bil asli (1,2,...), Bil cacah (0,1,2)  Bilangan Nyata ... 17
  • 18. Tipe Data ... Data Kualitatif atau Categorical, data yang tidak bernilai numerik.  Dikotomi  Pelabelan atau simbol  Klasifikasi atau stratifikasi  Penilaian verbal 18
  • 19. Tipe Data Data Parametrik, data kuantitatif yang mempunyai sebaran variabel acak mengikuti pola distribusi probabilitas dengan parameter tertentu (independent and identically distributed random variables) Data Nonparametrik, data yang tidak mempunyai distribusi probabilitas (distribution-free) 19
  • 20. Tipe Data Data Nominal, data yang hanya berupa simbol (meski berupa angka) untuk membedakan nilainya tanpa menunjukkan tingkatan A = B ; A ≠ B Contoh: jenis kelamin, warna kulit, ras, suku bangsa, agama, bentuk rambut ... 20
  • 22. Tipe Data Data Ordinal, data yang mempunyai nilai untuk menunjukkan tingkatan, namun tanpa skala yang baku dan jelas antar tingkatan. A > B ; A < B Contoh : Kelompok usia (bayi, anak-anak, remaja, dewasa, manula), Tingkat pendidikan, Status ekonomi, Tingkat kepentingan ... 22
  • 24. Tipe Data Data Interval, data yang mempunyai nilai untuk menunjukkan tingkatan dengan skala tertentu sesuai intervalnya. Nilai nol hanya untuk menunjukkan titik acuan (baseline). A – B = C – D Contoh : Temperatur, tingkat keasaman ... 24
  • 26. Tipe Data Data Rasio, data yang mempunyai nilai untuk menunjukkan tingkatan dengan skala indikasi rasio perbandingan. Nilai nol menunjukkan titik asal (origin) yang bernilai kosong (null). A = k.B Contoh : Tinggi badan, Berat badan, Banyaknya orang, dll 26
  • 28. Tipe Data Data Diskrit, data hasil pencacahan atau penghitungan, sehingga biasanya dalam angka bilangan bulat. Data Kontinyu, data hasil pengukuran yang memungkinkan dalam angka bilangan nyata (meskipun dapat pula dibulatkan) 28
  • 29. Tipe Data Data serentak (cross sectional) adalah data yang diperoleh dari observasi pada waktu yang sama Data deret waktu (time series) adalah data yang diperoleh dari observasi dengan mempertimbangkan pergerakan waktu 29
  • 30. Ketelitian Pengukuran Akurasi (accuracy), kesesuaian hasil pengukuran terhadap nilai obyek sesungguhnya (bias kecil) Presisi (precision), tingkat skala ketelitian pengukuran dari alat pengukur, atau ketersebaran yang relatif mengumpul (variansi atau deviasi kecil) ... 30
  • 31. Ketelitian Pengukuran ... Keandalan (reliability), konsistensi kemampuan alat ukur untuk mengukur obyek tanpa dipengaruhi waktu atau faktor lainnya Kesahihan (validity), ketepatan hasil pengukuran yang bebas dari kesalahan alat ukur, pengukur dan obyek ukur. 31
  • 33. Ketelitian Pengukuran Tidak presisi, akibat besarnya random error menyebabkan deviasi yang besar, beresiko pada galat tipe 1. Tidak akurat, akibat besarnya systematic error menyebabkan bias yang besar, beresiko pada galat tipe 2. Akurat dan presisi, bias dan deviasi kecil, membutuhkan sampel sedikit. 33
  • 34. Angka Penting atau Angka Berarti Dalam pengukuran data, banyaknya angka yang dipergunakan menyatakan tingkat ketelitian dari besarannya. Seringkali saat pengukuran, terdapat satu angka terakhir yang tidak pasti. Angka penting atau angka berarti menunjukkan banyaknya angka yang penting dalam bilangan eksak, baik yang pasti, maupun yang pembulatan (tidak pasti) 34
  • 35. Angka Penting atau Angka Berarti 35
  • 36. Pembulatan Pembulatan terkadang dilakukan pada data sesuai dengan tingkat presisi yang diharapkan. Secara umum pembulatan dilakukan ke bilangan terdekat. Angka > 5 dibulatkan ke atas dan angka < 5 dibulatkan ke bawah. Secara pesimistik, angka dibulatkan ke atas. Secara optimistik, angka dibulatkan ke bawah. Pembulatan terkadang perlu memperhatikan bahwa jumlah total data hasil pembulatan tidak berubah dari jumlah total data sebelumnya 36
  • 37. Pembulatan 37 Fakta Pengukuran Pembulatan Umum Pembulatan Berimbang 4,525 5 4 7,573 8 8 6,375 6 6 5,624 6 6 4,852 5 5 6,051 6 6 35 36 35
  • 38. Kesalahan Pengukuran Random error : kesalahan yang disebabkan oleh probabilitas faktor keacakan Systematic error : kesalahan yang disebabkan oleh buruknya teknik pengukuran Illegitimate error : kesalahan yang disebabkan oleh keteledoran pada prosedur pengukuran 38
  • 39. Kesalahan Pengukuran Random error  sebaran sampel kurang merepresentasikan pola distribusi populasi. Systematic error  penarikan sampel terkumpul di sebagian populasi yang dibatasi rentang waktu tertentu atau lokasi tertentu. Illegitimate error  mengumpulkan sampel dari populasi yang berbeda 39
  • 40. Kesalahan Pengukuran Galat tipe 1 (α) : kesalahan menyimpulkan karena menolak hipotesa yang semestinya diterima Galat tipe 2 (β) : kesalahan menyimpulkan karena menerima hipotesa yang semestinya ditolak 40 β α
  • 41. Kesalahan Pengukuran Unusual value (outlier), data yang keliru disebabkan noise pada objek ukur atau alat ukur, atau kesalahan pengukur atau prosedur pengukuran. Missing value, ketidaklengkapan data akibat kealpaan pengukuran atau sebaran sampel kurang baik. Bias, perbedaan hasil pengukuran karena kekeliruan pengukur atau alat ukur. 41
  • 42. Ukuran Ketelitian Lain Tingkat keberartian (significance level, α), probabilitas penolakan data observasi, karena menyimpang signifikan terhadap sasaran. Tingkat kepercayaan (confidence coefficient,1-α), persentase data observasi yang diyakini tidak berbeda signifikan dengan target. Kuasa statistik (power,1-β), persentase data observasi yang diyakini berbeda signifikan dengan target. Derajat kebebasan (degree of freedom, df=n-k), besaran yang menunjukkan bebas terhadap bias dari n data observasi. 42
  • 43. 43 Terima kasih ...Terima kasih ... ... Ada pertanyaan ???... Ada pertanyaan ???