nilai letak tatapusat

1. Dasar
Prabu Mangku Alamsyah - 10121016
Talloka Ismu Veryuas - 10121019
Wisnu Chandra Puspito - 10121020
Zidane Petit Batistuta - 10121021
Bima Bagus Wicaksono -10121022
Statistik

2. Nilai Pusat
Nilai tunggal yang dinilai dapat mewakili keseluruhan nilai
dalam data dianggap sebagai rata-rata (averages). Nilai rata-rata
dihitung bedasarkan keseluruhan nilai yang terdapat dalam data
bersangkutan. Karena itulah, nilai rata-rata disebut sebagai UKURAN
NILAI PUSAT atau UKURAN TENDENSI PUSAT, Ukuran nilai pusat
merupakan ukuran yang dapat mewakili data secara keseluruhan.
Artinya, jika nilai keseluruhan dalam data tersebut diurutkan besarnya
dan selanjutnya dimasukkan nilai rata-rata ke dalamnya, maka nilai
rata-rata tersebut memiliki kecenderungan (tendensi) terletak paling
tengah atau paling pusat.
RATA-RATA HITUNG (MEAN) Rata-rata Hitung adalah nilai
rata-rata dari data-data yang ada. Rata-rata hitung dari populasi diberi
simbol µ (baca miu) Rata-rata hitung dari sampel diberi simbol (baca
eks bar)
Jenis

3. Nilai Letak
Pada ukuran letak data terdapat kuartil, desil dan persentil.
Untuk menentukan nilai ukuran letak data, data harus kita urutkan
terlebih dahulu dari data nilai yang paling kecil ke data yang lebih
besar.

4. Kuartil
Kuartil adalah nilai yang membagi suatu data terurut menjadi
empat bagian yang sama. Kuartil dialmbangkan dengan Q . Jenis
kuartil ada 3, yaitu kuartil pertama (Q1) , kuartil kedua (Q2), dan kuartil
ketiga (Q3).

5. Kuartil untuk Data Tunggal
Keterangan :
Q1 =kuartil ke-i
n = banyaknya data
Kuartil untuk data
Bergolong (Berkelompok)
Menentukan letak kuartil untuk
data berkelompok
Keterangan :
Qi = kuartil ke-i
Tb = tepi bawah kelas kuartil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum
kelas kuartil
f = frekuensi kelas kuartil

6. Desil
Desil merupakan nilai yang membagi data menjadi sepuluh
bagian sama besar. Desil sering dilambangkan dengan D. jenis ada 9,
yaitu D1 hingga D9.

7. Desil untuk data tunggal
Keterangan :
Di = desil ke-i
n = banyaknya data
Desil untuk data
Bergolong
(berkelompok)
Menentukan letak desil untuk data
berkelompok
Keterangan :
Di = desil ke-i
Tb = tepi bawah kelas kuartil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum
kelas kuartil
f = frekuensi kelas kuartil

8. Persentil
Persentil merupakan nilai yang membagi data menjadi serratus
bagian sama besar. Persentil sering dilambangakan dengan P. jenis
persentil ada 99, yaitu P1, P2, P3 … P99.

9. Data tunggal
Keterangan :
Pi = pesentil ke-i
n = banyaknya data
Data bergolong (Berkelompok)
Menetukan letak persentil untuk
data berkelompok
Keterangan :
Pi = persentil ke-i
Tb = tepi bawah kelas persentil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum
kelas persentil
f = frekuensi kelas persentil

10. Proposisi
proposisi adalah suatu pernyataan yang
menjelaskan kebenaran atau menyatakan perbedaan
atau hubungan antara beberapa konsep. Proposisi
dapat disebut juga sebagai hubungan logis antara
dua variabel.
ciri ciri proposisi
1. Suatu penyataan mengenai ihwal suatu realitas
dan tidak mengenai nilai atau pendapat ideal, maka
dapat dikaji dan diuji betul atau salahnya
2. Syarat proposisi adalah menunjuk atau
bersangkut - paut dengan gejala yang dapat diamati
atau diindera

11. Proposisi
Ada dua macam proposisi
a. Hipotesis : proposisi yang dirumuskan untuk diuji
kebenarannya secara empiris
b. Tesis : proposisi yang memiliki ruang lingkup yang
cukup luas dan yang telah dibenarkan oleh suatu
pengujian secara empirik dan cermat
pembedaan proposisi (atas dasar jumlah konsep atau
variabel yang digunakan) :
a. Proposisi deskriptif merupakan proposisi yang berisikan
satu konsep/variabel
b. Proposisi relasional (ekspalanatif) merupakan proposisi
yang berisikan dua atau lebih konsep/variabel.

12. Data Cleansing
Data cleansing adalah proses
analisa kualitas dari suatu data dengan cara
mengubah, mengoreksi, atau menghapus data-
data yang salah, tidak lengkap, tidak akurat, atau
memiliki format yang salah dalam basis data guna
menghasilkan data berkualitas tinggi. Data
cleansing juga biasa disebut data cleaning atau
data scrubbing.

13. Data cleansing biasa digunakan dalam
sebuah organisasi yang memerlukan data-data
intensif seperti perbankan, asuransi, ritel,
telekomunikasi, atau transportasi. Dalam
organisasi, data cleansing digunakan untuk
mengoreksi data-data secara sistematis melalui
algoritma sehingga dapat menghemat waktu dan
biaya. Proses data cleansing terkadang dilakukan
dengan perpaduan antara proses otomatisasi dan
proses manual.
Fungsi Data Cleansing

14. Penyebaran data
Ukuran penyebaran data adalah suatu
ukuran yang menyatakan seberapa besar nilai-
nilai data berbeda atau bervariasi dengan nilai
ukuran pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan nilai
pusatnya.

15. Ukuran penyebaran data adalah suatu ukuran yang
menyatakan seberapa besar nilai-nilai data berbeda atau
bervariasi dengan nilai ukuran pusatnya atau seberapa besar
penyimpangan nilai-nilai data dengan nilai pusatnya. Jenis-
jenis ukuran penyebaran data antara lain:
Range (selisih antara nilai terbesar dengan nilai terkecil)
Varians (ukuran seberapa jauh penyebaran data dari nilai
rata-ratanya)

16. Standar deviasi
Standar deviasi
(akar dari varians / nilai
statistika yang digunakan
untuk menentukan
bagaimana persebaran
data dalam suatu sampel
dan melihat seberapa
dekat data-data tersebut
dengan mean atau rata-
rata dari sampel tersebut)
Coefficient of Variation
Coefficient of Variation
(CV) adalah suatu sistem
perbandingan antara standar
deviasi dengan nilai rata-rata
yang dinyatakan dalam bentuk
persentase