SlideShare a Scribd company logo
Luki Ardianto
UNIPDU - 2014
1
 Sering digunakan peneliti, khususnya
dalam memperhatikan perilaku data dan
penentuan dugaan-dugaan yang
selanjutnya akan diuji dalam analisis
inferensi.
2
 Sari numerik (ringkasan angka)
◦ Menyatakan nilai-nilai penting dalam statistik
meliputi ukuran pemusatan dan dispersi.
 Distribusi
◦ Menyatakan pola atau model dari penyebaran
data.
 Pencilan
◦ Menyatakan nilai data yang berada diluar
kelompok nilai data yang lainnya.
3
 Ukuran pemusatan
◦ merupakan ukuran yang menyatakan pusat
dari sebaran data. Ada tiga macam ukuran
pemusatan yaitu Rata-rata, Median, dan
Modus.
 Ukuran penyebaran (dispersi)
◦ adalah ukuran yang dipakai untuk mengukur
tingkat penyebaran data.
◦ Semakin kecil ukuran penyebaran semakin
seragam data tersebut dan semakin besar
ukuran penyebaran semakin beragam data
tersebut.
4
 Rata-rata adalah sebuah nilai yang khas
yang dapat mewakili suatu himpunan data.
 Rata-rata dari suatu himpunan n bilangan
x1, x2 , ….., xn ditunjukkan oleh dan
didefinisikan sbb :
5
n
x
n
xxx
X
n
i
n



 121 .....
 Jika bilangan-bilangan x1, x2 , ….., xn
masing-masing terjadi f1, f2 , ….., fn
maka nilai rata-ratanya adalah :
6





 n
i
n
ii
n
nn
f
xf
fff
xfxfxf
X
1
1
21
2211
....
.....
 Median adalah besaran yang membagi data menjadi
dua kelompok yang memiliki persentase sama
besar., dimana himpunan bilangan disusun menurut
urutan besarnya.
Dimana
L1 = batas kelas bawah dari kelas median.
n = banyak data
(Σ f)1= jumlah frekuensi semua kelas yang lebih rendah dari
kelas
median
f med = frekuensi kelas median
c = panjang kelas
7
 
c
f
f
n
LMedian
med













 1
1
2
 Modus suatu himpunan bilangan adalah nilai
yang paling sering muncul (memiliki
frekuensi maksimum). Modus mungkin tidak
ada. Modus dapat diperoleh dari rumus :
Dimana
L1 = batas kelas bawah dari kelas modus.
1 = selisih frekuensi kelas modus dan frekuensi
kelas
sebelumnya
2 = selisih frekuensi kelas modus dan frekuensi
kelas
sesudahnya
c = panjang kelas
8
cLModus 







21
1
1


 Derajat atau ukuran sampai seberapa jauh
data numerik cenderung untuk tersebar
disekitar nilai rata-ratanya.
 Yang paling umum adalah Range
(rentang), Variansi, dan Simpangan Baku.
 Ukuran dispersi lain adalah kuartil,
persentil.
9
 adalah selisih antara bilangan terbesar
dan terkecil dalam himpunan.
 Nilai R akan selalu positif.
 Interpretasi nilai R adalah:
◦ R = 0, menunjukkan bahwa data terbesar
sama dengan data terkecil, akibatnya
semua data memiliki harga yang sama
◦ R kecil, memberikan informasi bahwa
data akan mengumpul di sekitar pusat
data
◦ R besar, menyatakan bahwa paling sedikit
ada satu data yang harganya berbeda
jauh dengan data lainnya
10
 Simpangan Baku (Deviasi Standar) suatu
himpunan bilangan x1, x2, …, xn
dinyatakan dengan s dan didefinisikan
sebagai berikut :
11
  2
1
222
1
2
11 






















n
xnx
n
xx
s ii
 Jika x1, x2, …, xn masing-masing
muncul dengan frekuensi f1, f2, …, fn,
maka simpangan baku dapat dituliskan :
12
 
 
2
1
222
1
2
1 






























n
xf
n
xf
f
xxf
s
iiii
i
ii
i
fn 
 Kuadrat dari simpangan baku adalah
variansi.
 Nilai variansi dan simpangan baku selalu
non-negatif.
 Interpretasi nilai s2 adalah:
◦ s2 = 0 atau s = 0 berarti nilai data sama sengan
rata-ratanya, sehingga nilai semua data sama
◦ s2 atau s kecil, berarti perbedaa n harga data
yang satu dengan lainnya kecil Akibatnya semua
data akan mengumpul disekitar pusat data.
◦ s2 atau s besar menyatakan bahwa paling sedikit
ada satu data yang harganya berbeda jauh dengan
data lainnya.
13
Simpangan baku (deviasi
standar) (3):
 Suatu himpunan data membagi himpunan
atas empat bagian yang sama. Nilai-nilai
ini disebut Kuartil dan dinyatakan dengan
Q1, Q2, dan Q3.
 Suatu himpunan data membagi data atas
sepuluh bagian yang sama disebut Desil
dan dinyatakan dengan D1, D2, D3, ….,
D9.
 Suatu himpunan data membagi data atas
seratus bagian disebut Persentil dan
dinyatakan dengan P1, P2, P3, ….., P99.
14
Di mana
 LQN = batas kelas bawah dari kelas kuartil ke-N
 n = banyak data
 (Σ f)N= jumlah frekuensi semua kelas sebelum
kelas kuartil
ke N
 fQN = frekuensi kelas kuartil ke-N
 c = panjang kelas
15
Rumus Kuartil ke-N (N = 1,2,3) :
 
c
f
f
n
N
LQ
QN
N
QNN 












4
.
 Dalam statistika, mempelajari distribusi
merupakan suatu hal yang penting, karena
akan menentukan metodologi statistika yang
akan digunakan.
 Distribusi adalah pola atau model penyebaran
yang merupakan gambaran kondisi
sekelompok data.
16
Mean = median = modus
17
1 2 3 4 5 6 7 8 9 10 11 12
Mean > median > modus
18
1 2 3 4 5 6 7 8 9 10 11 12
Mean < median < modus
19
1 2 3 4 5 6 7 8 9 10 11 12
 Rumus Pearson
Dimana
◦ SK = derajat kemenjuluran
(skewness)
◦ = mean
◦ Mo = Modus
◦ S = Standar Deviasi
20
S
Mox
SK


X
 Bila nilai SK = 0 atau mendekati
nol, maka dikatakan distribusi
data simetri
 Bila nilai SK bertanda negatif,
maka distribusi data menjulur ke
kiri
 Bila nilai SK bertanda positif,
maka distribusi data menjulur ke
kanan
21
 Memberikan informasi mengenai data yang
harganya jauh berbeda dari harga data
lainnya.
 Dalam statistika, mendeteksi pencilan sangat
penting karena data yang masuk dalam
pencilan akan mengganggu hasil analisis
data.
 Oleh karena itu, data pencilan harus dianalisis
tersendiri, terpisah dari kelompoknya.
22
 Hitung besarnya nilai sebaran tengah, yaitu
dq = QA – QB
 Hitung nilai batas bawah pencilan (BBP),
yaitu : BBP = QB – (1,5 x dq)
 Hitung nilai batas atas pencilan (BAP), yaitu :
BAP = QA + (1,5 x dq)
 Apabila terdapat data dengan nilai lebih
kecil atau sama dengan BBP maka data
tersebut disebut pencilan bawah.
 Apabila terdapat data dengan nilai lebih
besar atau sama dengan BAP maka data
tersebut disebut pencilan atas.
23
24
Penyajian Data Tabel
25
Bermanfaat untuk merepresentasikan data
kuantitatif maupun kualitatif yang telah
dirangkum dalam frekuensi, frekuensi
relatif, atau persen distribusi frekuensi.
•Cara:
Pada sumbu horisontal diberi label
yang menunjukkan kelas/kelompok.
Frekuensi, frekuensi relatif, maupun
persen frekuensi dinyatakan dalam
sumbu vertikal yang dinyatakan
dengan menggunakan gambar
berbentuk batang dengan lebar yang
sama/tetap.
• Merupakan grafik dari distribusi frekuensi kumulatif.
• Nilai data disajikan pada garis horisontal (sumbu-x).
• Pada sumbu vertikal dapat disajikan:
– Frekuensi kumulatif, atau
– Frekuensi relatif kumulatif, atau
– Persen frekuensi kumulatif
• Frekuensi yang digunakan (salah satu diatas)masing-
masing kelas digambarkan sebagai titik.
• Setiap titik dihubungkan oleh garis lurus.
Biaya
($)
BiayaBiaya
($)($)
2020
4040
6060
8080
100100
PersenfrekuensikumulatifPersenPersenfrekuensifrekuensikumulatifkumulatif
50 60 70 80 90 100 11050 60 70 80 90 100 11050 60 70 80 90 100 110
 Diagram scatter (scatter diagram) merupakan
metode presentasi secara grafis untuk
menggambarkan hubungan antara dua variabel
kuantitatif.
 Salah satu variabel digambarkan pada sumbu
horisontal dan variabel lainnya digambarkan
pada sumbu vertikal.
 Pola yang ditunjukkan oleh titik-titik yang ada
menggambarkan hubungan yang terjadi antar
variabel.
xx
yy
xx
yy
xx
yy
xx
yy
xx
yy
xx
yy
Hubungan Positif
Jika X naik, maka
Y juga naik dan
jika X turun, maka
Y juga turun
Hubungan Negatif
Jika X naik, maka
Y akan turun dan
jika X turun, maka
Y akan naik
Tidak ada hubungan
antara X dan Y
Data Kualitatif Data Kuantitatif
Metode
Tabel
Metode
Grafik
 Distr. Frekuensi
 Distr. Frek.
Relatif
 % Distr. Frek.
 Tabulasi silang
Metode
Tabel
Metode
Grafik
Data
 Grafik
Batang
 Grafik
Lingkaran
 Distr. Frekuensi
 Distr. Frek. Relatif
 Distr. Frek. Kum.
 Distr. Frek. Relatif Kum.
 Diagram Batang-Daun
 Tabulasi silang
 Plot Titik
 Histogram
 Ogive
 Diagram
Scatter
 Merupakan tabel ringkasan data yang
menunjukkan frekuensi/banyaknya item/obyek
pada setiap kelas yang ada.
 Tujuan: mendapatkan informasi lebih dalam
tentang data yang ada yang tidak dapat secara
cepat diperoleh dengan melihat data aslinya.
 Merupakan fraksi atau proporsi frekuensi setiap
kelas terhadap jumlah total.
 Distribusi frekuensi relatif merupakan tabel
ringkasan dari sekumpulan data yang
menggambarkan frekuensi relatif untuk
masing-masing kelas.
 Data Kuantitatif
◦ Kepala Sekolah SMA Maju berkeinginan melihat gambaran yang
lebih jelas tentang distribusi penghasilan orang tua siswa. Untuk
itu diambil 50 orang tua siswa sebagai sampel, kemudian dicatat
penghasilan per bulannya (dalam puluhan ribu rupiah). Berikut
hasilnya:
Buatlah : Distribusi frekeuensinya, histogram, ogive, dan rata-rata
(mean). Coba saudara buat interpretasi dari data penghasilan
orang tua tersebut di atas.
91 78 93 57 75 52 99 80 97 62
71 69 72 89 66 75 79 75 72 76
104 74 62 68 97 105 77 65 80 109
85 97 88 68 83 68 71 69 67 74
62 82 98 101 79 105 79 69 62 73
 Distribusi frekuensi dari upah karyawan
suatu perusahaan dalam ribuan rupiah per
bulan adalah sbb.:
49
Nilai upah Banyaknya
karyawan
100 – 199 15
200 – 299 20
300 – 399 30
400 – 499 25
500 – 599 15
600 – 699 10
700 – 799 5
 Hitung mean
dan modus
 Hitung kuartil
ke-3 dan
simpangan
baku
 Diketahui besarnya pinjaman 7 orang
nasabah suatu bank sbb. (dalam juta Rp).
50
Nama A B C D E F G
Pinjama
n
12.57 14.65 25.50 5.75 11.80 16.55 15.89
 Selidiki, apakah terdapat nasabah yang
pinjamannya cukup sedikit atau sangat
besar dibandingkan dengan nasabah lainnya
 Sebuah obyek wisata di Bandung diamati selama
30 hari. Setiap hari dicatat banyaknya wisatawan
domestik (satuan orang) yang mengunjungi
obyek wisata tersebut yang ditampilkan dalam
tabel berikut .
51
85 42 45 3 71 97 6 48 60 49
45 55 21 75 80 62 54 62 41 6
95 45 25 81 76 84 45 68 59 15
 Dengan memanfaatkan analisis data
statistik secara deskriptif, berikan analisis
anda terkait dengan masalah di atas.
 Banyaknya mobil pribadi yang melewati 7
titik pengamatan pada jam 06.30 – 07.30
di kawasan jalan pahlawan adalah sbb.:
52
Lokas
i
1 2 3 4 5 6 7
Jml
mbl
70 73 93 71 109 75 71
 Setelah data di atas dibakukan (*),
selidiki betuk distribusinya melalui
nilai rata-rata dan median.
Catatan (*):
 Membakukan data bertujuan untuk
mentransformasikan nilai-nilai data
menjadi suatu kumpulan data baru
dengan nilai rata-rata sama dengan nol
dan variansi sama dengan 1.
 Rumus pembakuan data adalah :
53
bakusimpangan
datapemusaukuran
s
xx
Z
x
i
i
tan




More Related Content

What's hot

Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)
Muhammad Ali Subkhan Candra
 
Maksimum dan minimum
Maksimum dan minimumMaksimum dan minimum
Maksimum dan minimum
Martheana Kencanawati
 
Pengujian hipotesis 05
Pengujian hipotesis 05Pengujian hipotesis 05
Pengujian hipotesis 05robin2dompas
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
Arif Windiargo
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
Anderzend Awuy
 
Bab 5. Aplikasi Turunan ( Kalkulus 1 )
Bab 5. Aplikasi Turunan ( Kalkulus 1 )Bab 5. Aplikasi Turunan ( Kalkulus 1 )
Bab 5. Aplikasi Turunan ( Kalkulus 1 )
Kelinci Coklat
 
Materi kalkulus 2
Materi kalkulus 2Materi kalkulus 2
Materi kalkulus 2
Mohamad Nur Fauzi
 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
Eko Mardianto
 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)
Mayawi Karim
 
Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Dyas Arientiyya
 
08 penaksiran parameter
08 penaksiran parameter08 penaksiran parameter
08 penaksiran parameter
Eduard Sondakh
 

What's hot (20)

Press dan satistik cp (regresi)
Press dan satistik cp (regresi)Press dan satistik cp (regresi)
Press dan satistik cp (regresi)
 
Akt 4-anuitas-hidup
Akt 4-anuitas-hidupAkt 4-anuitas-hidup
Akt 4-anuitas-hidup
 
Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)Dasar dasar matematika teknik optimasi (matrix hessian)
Dasar dasar matematika teknik optimasi (matrix hessian)
 
Maksimum dan minimum
Maksimum dan minimumMaksimum dan minimum
Maksimum dan minimum
 
Pengujian hipotesis 05
Pengujian hipotesis 05Pengujian hipotesis 05
Pengujian hipotesis 05
 
Minggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis RegresiMinggu 10_Teknik Analisis Regresi
Minggu 10_Teknik Analisis Regresi
 
Bab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluangBab2 peubah-acak-dan-distribusi-peluang
Bab2 peubah-acak-dan-distribusi-peluang
 
Bab 2 revisi
Bab 2 revisiBab 2 revisi
Bab 2 revisi
 
Peubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinuPeubah acak diskrit dan kontinu
Peubah acak diskrit dan kontinu
 
Bab 5. Aplikasi Turunan ( Kalkulus 1 )
Bab 5. Aplikasi Turunan ( Kalkulus 1 )Bab 5. Aplikasi Turunan ( Kalkulus 1 )
Bab 5. Aplikasi Turunan ( Kalkulus 1 )
 
Bab 6 uji beda
Bab 6 uji bedaBab 6 uji beda
Bab 6 uji beda
 
Materi kalkulus 2
Materi kalkulus 2Materi kalkulus 2
Materi kalkulus 2
 
Variabel acak dan nilai harapan (Statistik Ekonomi II)
Variabel acak dan nilai harapan (Statistik Ekonomi II)Variabel acak dan nilai harapan (Statistik Ekonomi II)
Variabel acak dan nilai harapan (Statistik Ekonomi II)
 
Pendugaan Parameter
Pendugaan ParameterPendugaan Parameter
Pendugaan Parameter
 
Akt 2-tabel-mortalitas
Akt 2-tabel-mortalitasAkt 2-tabel-mortalitas
Akt 2-tabel-mortalitas
 
Analisis Regresi
Analisis RegresiAnalisis Regresi
Analisis Regresi
 
Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)Pengujian Hipotesis (Makalah Pengantar Statistika)
Pengujian Hipotesis (Makalah Pengantar Statistika)
 
Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)Persamaan garis lurus(Geometri Analitik Ruang)
Persamaan garis lurus(Geometri Analitik Ruang)
 
08 penaksiran parameter
08 penaksiran parameter08 penaksiran parameter
08 penaksiran parameter
 
Akt 7-asuransi-jiwa
Akt 7-asuransi-jiwaAkt 7-asuransi-jiwa
Akt 7-asuransi-jiwa
 

Similar to Pert 02 statistik deskriptif 2013

DESKRIPSI DATA
DESKRIPSI DATADESKRIPSI DATA
DESKRIPSI DATA
Octa Pranata
 
4 ukruran tendensi sentral
4  ukruran tendensi sentral4  ukruran tendensi sentral
4 ukruran tendensi sentralSalma Van Licht
 
DESKRIPSI DATA
DESKRIPSI DATADESKRIPSI DATA
DESKRIPSI DATA
Husna Sholihah
 
Bab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
Bab 3. Ukuran-Ukuran Numerik Statistik DeskriptifBab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
Bab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
Cabii
 
STATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF
STATISTIK DESKRIPTIF
fikri asyura
 
4. ukuran penyimpangan
4. ukuran penyimpangan4. ukuran penyimpangan
4. ukuran penyimpanganNanda Reda
 
Penyajian data
Penyajian dataPenyajian data
Penyajian data
Nur Anita Okaya
 
Statistik 1 3 dispersi
Statistik 1 3 dispersiStatistik 1 3 dispersi
Statistik 1 3 dispersiSelvin Hadi
 
Statistika_Ukuran_Penyebaran_Data.ppt
Statistika_Ukuran_Penyebaran_Data.pptStatistika_Ukuran_Penyebaran_Data.ppt
Statistika_Ukuran_Penyebaran_Data.ppt
abud3
 
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.pptPERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
RomadhonDwiCahyoNugr
 
STATISTIK DESKRIPTIF.pdf
STATISTIK DESKRIPTIF.pdfSTATISTIK DESKRIPTIF.pdf
STATISTIK DESKRIPTIF.pdf
Anisyah Dewi Syah Fitri,M.Pd
 
Espa4123 statistika modul 3.1
Espa4123 statistika   modul 3.1Espa4123 statistika   modul 3.1
Espa4123 statistika modul 3.1Ratzman III
 
Pengertian statistika
Pengertian statistikaPengertian statistika
Pengertian statistika
MathClan TenWira
 
Media pembelajaran staistika
Media pembelajaran staistikaMedia pembelajaran staistika
Media pembelajaran staistikaalvinazadaa
 
Makalah3 ,ukuran pemusatan
Makalah3 ,ukuran pemusatanMakalah3 ,ukuran pemusatan
Makalah3 ,ukuran pemusatanRusmaini Mini
 

Similar to Pert 02 statistik deskriptif 2013 (20)

DESKRIPSI DATA
DESKRIPSI DATADESKRIPSI DATA
DESKRIPSI DATA
 
4 ukruran tendensi sentral
4  ukruran tendensi sentral4  ukruran tendensi sentral
4 ukruran tendensi sentral
 
DESKRIPSI DATA
DESKRIPSI DATADESKRIPSI DATA
DESKRIPSI DATA
 
Bab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
Bab 3. Ukuran-Ukuran Numerik Statistik DeskriptifBab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
Bab 3. Ukuran-Ukuran Numerik Statistik Deskriptif
 
STATISTIK DESKRIPTIF
STATISTIK DESKRIPTIFSTATISTIK DESKRIPTIF
STATISTIK DESKRIPTIF
 
4. ukuran penyimpangan
4. ukuran penyimpangan4. ukuran penyimpangan
4. ukuran penyimpangan
 
Penyajian data
Penyajian dataPenyajian data
Penyajian data
 
Statistik 1 3 dispersi
Statistik 1 3 dispersiStatistik 1 3 dispersi
Statistik 1 3 dispersi
 
Statistika_Ukuran_Penyebaran_Data.ppt
Statistika_Ukuran_Penyebaran_Data.pptStatistika_Ukuran_Penyebaran_Data.ppt
Statistika_Ukuran_Penyebaran_Data.ppt
 
Fp unsam spss mm
Fp unsam spss mmFp unsam spss mm
Fp unsam spss mm
 
Fp unsam spss mm
Fp unsam spss mmFp unsam spss mm
Fp unsam spss mm
 
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.pptPERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
PERTEMUANN PENDAHULUAN Statistika Konsep Statistika PERTEMUAN I & II.ppt
 
STATISTIK DESKRIPTIF.pdf
STATISTIK DESKRIPTIF.pdfSTATISTIK DESKRIPTIF.pdf
STATISTIK DESKRIPTIF.pdf
 
Espa4123 statistika modul 3.1
Espa4123 statistika   modul 3.1Espa4123 statistika   modul 3.1
Espa4123 statistika modul 3.1
 
Statistika
StatistikaStatistika
Statistika
 
Statistika
StatistikaStatistika
Statistika
 
Statistika
StatistikaStatistika
Statistika
 
Pengertian statistika
Pengertian statistikaPengertian statistika
Pengertian statistika
 
Media pembelajaran staistika
Media pembelajaran staistikaMedia pembelajaran staistika
Media pembelajaran staistika
 
Makalah3 ,ukuran pemusatan
Makalah3 ,ukuran pemusatanMakalah3 ,ukuran pemusatan
Makalah3 ,ukuran pemusatan
 

More from aiiniR

Crm 8 strategi crm
Crm 8 strategi crmCrm 8 strategi crm
Crm 8 strategi crmaiiniR
 
Crm 7 mempertahankan pelanggan
Crm 7 mempertahankan pelangganCrm 7 mempertahankan pelanggan
Crm 7 mempertahankan pelangganaiiniR
 
Crm 6 tipe pelanggan
Crm 6 tipe pelangganCrm 6 tipe pelanggan
Crm 6 tipe pelangganaiiniR
 
Crm 5 nilai pelanggan
Crm 5 nilai pelangganCrm 5 nilai pelanggan
Crm 5 nilai pelangganaiiniR
 
Crm 4 analisis portofolio pelanggan
Crm 4 analisis portofolio pelangganCrm 4 analisis portofolio pelanggan
Crm 4 analisis portofolio pelangganaiiniR
 
Crm 3 rantai nilai crm
Crm 3 rantai nilai crmCrm 3 rantai nilai crm
Crm 3 rantai nilai crm
aiiniR
 
Crm 2 konsep crm
Crm 2 konsep crmCrm 2 konsep crm
Crm 2 konsep crm
aiiniR
 
Crm 1 kontrak kuliah
Crm 1 kontrak kuliahCrm 1 kontrak kuliah
Crm 1 kontrak kuliah
aiiniR
 
Testing&implementasi 4 5
Testing&implementasi 4 5Testing&implementasi 4 5
Testing&implementasi 4 5
aiiniR
 
Testing&implementasi 4
Testing&implementasi 4Testing&implementasi 4
Testing&implementasi 4
aiiniR
 
Testing&implementasi 3
Testing&implementasi 3Testing&implementasi 3
Testing&implementasi 3
aiiniR
 
Testing&implementasi 2
Testing&implementasi 2Testing&implementasi 2
Testing&implementasi 2
aiiniR
 
Testing&implementasi 1
Testing&implementasi 1Testing&implementasi 1
Testing&implementasi 1
aiiniR
 
Testing&implementasi 1 pendahuluan
Testing&implementasi 1   pendahuluanTesting&implementasi 1   pendahuluan
Testing&implementasi 1 pendahuluan
aiiniR
 
Pert 06 association rules
Pert 06 association rulesPert 06 association rules
Pert 06 association rules
aiiniR
 
Pert 05 aplikasi clustering
Pert 05 aplikasi clusteringPert 05 aplikasi clustering
Pert 05 aplikasi clustering
aiiniR
 
Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data mining
aiiniR
 
Pert 03 introduction dm 2012
Pert 03 introduction dm 2012Pert 03 introduction dm 2012
Pert 03 introduction dm 2012
aiiniR
 
3 basis data
3 basis data3 basis data
3 basis data
aiiniR
 
2 pengenalan peta
2 pengenalan peta2 pengenalan peta
2 pengenalan peta
aiiniR
 

More from aiiniR (20)

Crm 8 strategi crm
Crm 8 strategi crmCrm 8 strategi crm
Crm 8 strategi crm
 
Crm 7 mempertahankan pelanggan
Crm 7 mempertahankan pelangganCrm 7 mempertahankan pelanggan
Crm 7 mempertahankan pelanggan
 
Crm 6 tipe pelanggan
Crm 6 tipe pelangganCrm 6 tipe pelanggan
Crm 6 tipe pelanggan
 
Crm 5 nilai pelanggan
Crm 5 nilai pelangganCrm 5 nilai pelanggan
Crm 5 nilai pelanggan
 
Crm 4 analisis portofolio pelanggan
Crm 4 analisis portofolio pelangganCrm 4 analisis portofolio pelanggan
Crm 4 analisis portofolio pelanggan
 
Crm 3 rantai nilai crm
Crm 3 rantai nilai crmCrm 3 rantai nilai crm
Crm 3 rantai nilai crm
 
Crm 2 konsep crm
Crm 2 konsep crmCrm 2 konsep crm
Crm 2 konsep crm
 
Crm 1 kontrak kuliah
Crm 1 kontrak kuliahCrm 1 kontrak kuliah
Crm 1 kontrak kuliah
 
Testing&implementasi 4 5
Testing&implementasi 4 5Testing&implementasi 4 5
Testing&implementasi 4 5
 
Testing&implementasi 4
Testing&implementasi 4Testing&implementasi 4
Testing&implementasi 4
 
Testing&implementasi 3
Testing&implementasi 3Testing&implementasi 3
Testing&implementasi 3
 
Testing&implementasi 2
Testing&implementasi 2Testing&implementasi 2
Testing&implementasi 2
 
Testing&implementasi 1
Testing&implementasi 1Testing&implementasi 1
Testing&implementasi 1
 
Testing&implementasi 1 pendahuluan
Testing&implementasi 1   pendahuluanTesting&implementasi 1   pendahuluan
Testing&implementasi 1 pendahuluan
 
Pert 06 association rules
Pert 06 association rulesPert 06 association rules
Pert 06 association rules
 
Pert 05 aplikasi clustering
Pert 05 aplikasi clusteringPert 05 aplikasi clustering
Pert 05 aplikasi clustering
 
Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data mining
 
Pert 03 introduction dm 2012
Pert 03 introduction dm 2012Pert 03 introduction dm 2012
Pert 03 introduction dm 2012
 
3 basis data
3 basis data3 basis data
3 basis data
 
2 pengenalan peta
2 pengenalan peta2 pengenalan peta
2 pengenalan peta
 

Pert 02 statistik deskriptif 2013

  • 2.  Sering digunakan peneliti, khususnya dalam memperhatikan perilaku data dan penentuan dugaan-dugaan yang selanjutnya akan diuji dalam analisis inferensi. 2
  • 3.  Sari numerik (ringkasan angka) ◦ Menyatakan nilai-nilai penting dalam statistik meliputi ukuran pemusatan dan dispersi.  Distribusi ◦ Menyatakan pola atau model dari penyebaran data.  Pencilan ◦ Menyatakan nilai data yang berada diluar kelompok nilai data yang lainnya. 3
  • 4.  Ukuran pemusatan ◦ merupakan ukuran yang menyatakan pusat dari sebaran data. Ada tiga macam ukuran pemusatan yaitu Rata-rata, Median, dan Modus.  Ukuran penyebaran (dispersi) ◦ adalah ukuran yang dipakai untuk mengukur tingkat penyebaran data. ◦ Semakin kecil ukuran penyebaran semakin seragam data tersebut dan semakin besar ukuran penyebaran semakin beragam data tersebut. 4
  • 5.  Rata-rata adalah sebuah nilai yang khas yang dapat mewakili suatu himpunan data.  Rata-rata dari suatu himpunan n bilangan x1, x2 , ….., xn ditunjukkan oleh dan didefinisikan sbb : 5 n x n xxx X n i n     121 .....
  • 6.  Jika bilangan-bilangan x1, x2 , ….., xn masing-masing terjadi f1, f2 , ….., fn maka nilai rata-ratanya adalah : 6       n i n ii n nn f xf fff xfxfxf X 1 1 21 2211 .... .....
  • 7.  Median adalah besaran yang membagi data menjadi dua kelompok yang memiliki persentase sama besar., dimana himpunan bilangan disusun menurut urutan besarnya. Dimana L1 = batas kelas bawah dari kelas median. n = banyak data (Σ f)1= jumlah frekuensi semua kelas yang lebih rendah dari kelas median f med = frekuensi kelas median c = panjang kelas 7   c f f n LMedian med               1 1 2
  • 8.  Modus suatu himpunan bilangan adalah nilai yang paling sering muncul (memiliki frekuensi maksimum). Modus mungkin tidak ada. Modus dapat diperoleh dari rumus : Dimana L1 = batas kelas bawah dari kelas modus. 1 = selisih frekuensi kelas modus dan frekuensi kelas sebelumnya 2 = selisih frekuensi kelas modus dan frekuensi kelas sesudahnya c = panjang kelas 8 cLModus         21 1 1  
  • 9.  Derajat atau ukuran sampai seberapa jauh data numerik cenderung untuk tersebar disekitar nilai rata-ratanya.  Yang paling umum adalah Range (rentang), Variansi, dan Simpangan Baku.  Ukuran dispersi lain adalah kuartil, persentil. 9
  • 10.  adalah selisih antara bilangan terbesar dan terkecil dalam himpunan.  Nilai R akan selalu positif.  Interpretasi nilai R adalah: ◦ R = 0, menunjukkan bahwa data terbesar sama dengan data terkecil, akibatnya semua data memiliki harga yang sama ◦ R kecil, memberikan informasi bahwa data akan mengumpul di sekitar pusat data ◦ R besar, menyatakan bahwa paling sedikit ada satu data yang harganya berbeda jauh dengan data lainnya 10
  • 11.  Simpangan Baku (Deviasi Standar) suatu himpunan bilangan x1, x2, …, xn dinyatakan dengan s dan didefinisikan sebagai berikut : 11   2 1 222 1 2 11                        n xnx n xx s ii
  • 12.  Jika x1, x2, …, xn masing-masing muncul dengan frekuensi f1, f2, …, fn, maka simpangan baku dapat dituliskan : 12     2 1 222 1 2 1                                n xf n xf f xxf s iiii i ii i fn 
  • 13.  Kuadrat dari simpangan baku adalah variansi.  Nilai variansi dan simpangan baku selalu non-negatif.  Interpretasi nilai s2 adalah: ◦ s2 = 0 atau s = 0 berarti nilai data sama sengan rata-ratanya, sehingga nilai semua data sama ◦ s2 atau s kecil, berarti perbedaa n harga data yang satu dengan lainnya kecil Akibatnya semua data akan mengumpul disekitar pusat data. ◦ s2 atau s besar menyatakan bahwa paling sedikit ada satu data yang harganya berbeda jauh dengan data lainnya. 13 Simpangan baku (deviasi standar) (3):
  • 14.  Suatu himpunan data membagi himpunan atas empat bagian yang sama. Nilai-nilai ini disebut Kuartil dan dinyatakan dengan Q1, Q2, dan Q3.  Suatu himpunan data membagi data atas sepuluh bagian yang sama disebut Desil dan dinyatakan dengan D1, D2, D3, …., D9.  Suatu himpunan data membagi data atas seratus bagian disebut Persentil dan dinyatakan dengan P1, P2, P3, ….., P99. 14
  • 15. Di mana  LQN = batas kelas bawah dari kelas kuartil ke-N  n = banyak data  (Σ f)N= jumlah frekuensi semua kelas sebelum kelas kuartil ke N  fQN = frekuensi kelas kuartil ke-N  c = panjang kelas 15 Rumus Kuartil ke-N (N = 1,2,3) :   c f f n N LQ QN N QNN              4 .
  • 16.  Dalam statistika, mempelajari distribusi merupakan suatu hal yang penting, karena akan menentukan metodologi statistika yang akan digunakan.  Distribusi adalah pola atau model penyebaran yang merupakan gambaran kondisi sekelompok data. 16
  • 17. Mean = median = modus 17 1 2 3 4 5 6 7 8 9 10 11 12
  • 18. Mean > median > modus 18 1 2 3 4 5 6 7 8 9 10 11 12
  • 19. Mean < median < modus 19 1 2 3 4 5 6 7 8 9 10 11 12
  • 20.  Rumus Pearson Dimana ◦ SK = derajat kemenjuluran (skewness) ◦ = mean ◦ Mo = Modus ◦ S = Standar Deviasi 20 S Mox SK   X
  • 21.  Bila nilai SK = 0 atau mendekati nol, maka dikatakan distribusi data simetri  Bila nilai SK bertanda negatif, maka distribusi data menjulur ke kiri  Bila nilai SK bertanda positif, maka distribusi data menjulur ke kanan 21
  • 22.  Memberikan informasi mengenai data yang harganya jauh berbeda dari harga data lainnya.  Dalam statistika, mendeteksi pencilan sangat penting karena data yang masuk dalam pencilan akan mengganggu hasil analisis data.  Oleh karena itu, data pencilan harus dianalisis tersendiri, terpisah dari kelompoknya. 22
  • 23.  Hitung besarnya nilai sebaran tengah, yaitu dq = QA – QB  Hitung nilai batas bawah pencilan (BBP), yaitu : BBP = QB – (1,5 x dq)  Hitung nilai batas atas pencilan (BAP), yaitu : BAP = QA + (1,5 x dq)  Apabila terdapat data dengan nilai lebih kecil atau sama dengan BBP maka data tersebut disebut pencilan bawah.  Apabila terdapat data dengan nilai lebih besar atau sama dengan BAP maka data tersebut disebut pencilan atas. 23
  • 25. 25 Bermanfaat untuk merepresentasikan data kuantitatif maupun kualitatif yang telah dirangkum dalam frekuensi, frekuensi relatif, atau persen distribusi frekuensi. •Cara: Pada sumbu horisontal diberi label yang menunjukkan kelas/kelompok. Frekuensi, frekuensi relatif, maupun persen frekuensi dinyatakan dalam sumbu vertikal yang dinyatakan dengan menggunakan gambar berbentuk batang dengan lebar yang sama/tetap.
  • 26. • Merupakan grafik dari distribusi frekuensi kumulatif. • Nilai data disajikan pada garis horisontal (sumbu-x). • Pada sumbu vertikal dapat disajikan: – Frekuensi kumulatif, atau – Frekuensi relatif kumulatif, atau – Persen frekuensi kumulatif • Frekuensi yang digunakan (salah satu diatas)masing- masing kelas digambarkan sebagai titik. • Setiap titik dihubungkan oleh garis lurus.
  • 28.  Diagram scatter (scatter diagram) merupakan metode presentasi secara grafis untuk menggambarkan hubungan antara dua variabel kuantitatif.  Salah satu variabel digambarkan pada sumbu horisontal dan variabel lainnya digambarkan pada sumbu vertikal.  Pola yang ditunjukkan oleh titik-titik yang ada menggambarkan hubungan yang terjadi antar variabel.
  • 29. xx yy xx yy xx yy xx yy xx yy xx yy Hubungan Positif Jika X naik, maka Y juga naik dan jika X turun, maka Y juga turun Hubungan Negatif Jika X naik, maka Y akan turun dan jika X turun, maka Y akan naik Tidak ada hubungan antara X dan Y
  • 30. Data Kualitatif Data Kuantitatif Metode Tabel Metode Grafik  Distr. Frekuensi  Distr. Frek. Relatif  % Distr. Frek.  Tabulasi silang Metode Tabel Metode Grafik Data  Grafik Batang  Grafik Lingkaran  Distr. Frekuensi  Distr. Frek. Relatif  Distr. Frek. Kum.  Distr. Frek. Relatif Kum.  Diagram Batang-Daun  Tabulasi silang  Plot Titik  Histogram  Ogive  Diagram Scatter
  • 31.  Merupakan tabel ringkasan data yang menunjukkan frekuensi/banyaknya item/obyek pada setiap kelas yang ada.  Tujuan: mendapatkan informasi lebih dalam tentang data yang ada yang tidak dapat secara cepat diperoleh dengan melihat data aslinya.
  • 32.  Merupakan fraksi atau proporsi frekuensi setiap kelas terhadap jumlah total.  Distribusi frekuensi relatif merupakan tabel ringkasan dari sekumpulan data yang menggambarkan frekuensi relatif untuk masing-masing kelas.
  • 33.
  • 34.
  • 35.
  • 36.
  • 37.
  • 38.
  • 39.
  • 40.
  • 41.
  • 42.
  • 43.
  • 44.
  • 45.
  • 46.
  • 47.
  • 48.  Data Kuantitatif ◦ Kepala Sekolah SMA Maju berkeinginan melihat gambaran yang lebih jelas tentang distribusi penghasilan orang tua siswa. Untuk itu diambil 50 orang tua siswa sebagai sampel, kemudian dicatat penghasilan per bulannya (dalam puluhan ribu rupiah). Berikut hasilnya: Buatlah : Distribusi frekeuensinya, histogram, ogive, dan rata-rata (mean). Coba saudara buat interpretasi dari data penghasilan orang tua tersebut di atas. 91 78 93 57 75 52 99 80 97 62 71 69 72 89 66 75 79 75 72 76 104 74 62 68 97 105 77 65 80 109 85 97 88 68 83 68 71 69 67 74 62 82 98 101 79 105 79 69 62 73
  • 49.  Distribusi frekuensi dari upah karyawan suatu perusahaan dalam ribuan rupiah per bulan adalah sbb.: 49 Nilai upah Banyaknya karyawan 100 – 199 15 200 – 299 20 300 – 399 30 400 – 499 25 500 – 599 15 600 – 699 10 700 – 799 5  Hitung mean dan modus  Hitung kuartil ke-3 dan simpangan baku
  • 50.  Diketahui besarnya pinjaman 7 orang nasabah suatu bank sbb. (dalam juta Rp). 50 Nama A B C D E F G Pinjama n 12.57 14.65 25.50 5.75 11.80 16.55 15.89  Selidiki, apakah terdapat nasabah yang pinjamannya cukup sedikit atau sangat besar dibandingkan dengan nasabah lainnya
  • 51.  Sebuah obyek wisata di Bandung diamati selama 30 hari. Setiap hari dicatat banyaknya wisatawan domestik (satuan orang) yang mengunjungi obyek wisata tersebut yang ditampilkan dalam tabel berikut . 51 85 42 45 3 71 97 6 48 60 49 45 55 21 75 80 62 54 62 41 6 95 45 25 81 76 84 45 68 59 15  Dengan memanfaatkan analisis data statistik secara deskriptif, berikan analisis anda terkait dengan masalah di atas.
  • 52.  Banyaknya mobil pribadi yang melewati 7 titik pengamatan pada jam 06.30 – 07.30 di kawasan jalan pahlawan adalah sbb.: 52 Lokas i 1 2 3 4 5 6 7 Jml mbl 70 73 93 71 109 75 71  Setelah data di atas dibakukan (*), selidiki betuk distribusinya melalui nilai rata-rata dan median.
  • 53. Catatan (*):  Membakukan data bertujuan untuk mentransformasikan nilai-nilai data menjadi suatu kumpulan data baru dengan nilai rata-rata sama dengan nol dan variansi sama dengan 1.  Rumus pembakuan data adalah : 53 bakusimpangan datapemusaukuran s xx Z x i i tan   