Ukuran Pemusatan data
Ukuran Pemusatan data yaitu “suatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.”
Ukuran penyebaran data
Ukuran Penyebaran adalah “suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.”
Ukuran Pemusatan data
Ukuran Pemusatan data yaitu “suatu nilai tunggal yang mewakili suatu kumpulan data dan menunjukkan karakteristik dari data tersebut.”
Ukuran penyebaran data
Ukuran Penyebaran adalah “suatu ukuran untuk mengetahui seberapa jauh penyebaran data dari nilai rata-ratanya.”
SUB POKOK BAHASAN :
4.1 Pengertian Regresi dan Korelasi
4.2 Analisa Regresi Sederhana
4.3 Analisa Korelasi Sederhana
* Aplikasi Komputer Excel dan SPSS
Pengujian hipotesis dilakukan sebagai upaya memperoleh gambaran mengenai suatu populasi dari sampel. Sehingga, informasi yang diperoleh dari sampel digunakan untuk menyusun suatu pendugaan terhadap nilai parameter populasinya yang tidak diketahui.
Sebuah buku foto yang berjudul Lensa Kampung Ondel-Ondelferrydmn1999
Indonesia, negara kepulauan yang kaya akan keragaman budaya, suku, dan tradisi, memiliki Jakarta sebagai pusat kebudayaan yang dinamis dan unik. Salah satu kesenian tradisional yang ikonik dan identik dengan Jakarta adalah ondel-ondel, boneka raksasa yang biasanya tampil berpasangan, terdiri dari laki-laki dan perempuan. Ondel-ondel awalnya dianggap sebagai simbol budaya sakral dan memainkan peran penting dalam ritual budaya masyarakat Betawi untuk menolak bala atau nasib buruk. Namun, seiring dengan bergulirnya waktu dan perubahan zaman, makna sakral ondel-ondel perlahan memudar dan berubah menjadi sesuatu yang kurang bernilai. Kini, ondel-ondel lebih sering digunakan sebagai hiasan atau sebagai sarana untuk mencari penghasilan. Buku foto Lensa Kampung Ondel-Ondel berfokus pada Keluarga Mulyadi, yang menghadapi tantangan untuk menjaga tradisi pembuatan ondel-ondel warisan leluhur di tengah keterbatasan ekonomi yang ada. Melalui foto cerita, foto feature dan foto jurnalistik buku ini menggambarkan usaha Keluarga Mulyadi untuk menjaga tradisi pembuatan ondel-ondel sambil menghadapi dilema dalam mempertahankan makna budaya di tengah perubahan makna dan keterbatasan ekonomi keluarganya. Buku foto ini dapat menggambarkan tentang bagaimana keluarga tersebut berjuang untuk menjaga warisan budaya mereka di tengah arus modernisasi.
Sebagai salah satu pertanggungjawab pembangunan manusia di Jawa Timur, dalam bentuk layanan pendidikan yang bermutu dan berkeadilan, Dinas Pendidikan Provinsi Jawa Timur terus berupaya untuk meningkatkan kualitas pendidikan masyarakat. Untuk mempercepat pencapaian sasaran pembangunan pendidikan, Dinas Pendidikan Provinsi Jawa Timur telah melakukan banyak terobosan yang dilaksanakan secara menyeluruh dan berkesinambungan. Salah satunya adalah Penerimaan Peserta Didik Baru (PPDB) jenjang Sekolah Menengah Atas, Sekolah Menengah Kejuruan, dan Sekolah Luar Biasa Provinsi Jawa Timur tahun ajaran 2024/2025 yang dilaksanakan secara objektif, transparan, akuntabel, dan tanpa diskriminasi.
Pelaksanaan PPDB Jawa Timur tahun 2024 berpedoman pada Peraturan Menteri Pendidikan dan Kebudayaan RI Nomor 1 Tahun 2021 tentang Penerimaan Peserta Didik Baru, Keputusan Sekretaris Jenderal Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi nomor 47/M/2023 tentang Pedoman Pelaksanaan Peraturan Menteri Pendidikan dan Kebudayaan Nomor 1 Tahun 2021 tentang Penerimaan Peserta Didik Baru pada Taman Kanak-Kanak, Sekolah Dasar, Sekolah Menengah Pertama, Sekolah Menengah Atas, dan Sekolah Menengah Kejuruan, dan Peraturan Gubernur Jawa Timur Nomor 15 Tahun 2022 tentang Pedoman Pelaksanaan Penerimaan Peserta Didik Baru pada Sekolah Menengah Atas, Sekolah Menengah Kejuruan dan Sekolah Luar Biasa. Secara umum PPDB dilaksanakan secara online dan beberapa satuan pendidikan secara offline. Hal ini bertujuan untuk mempermudah peserta didik, orang tua, masyarakat untuk mendaftar dan memantau hasil PPDB.
2. Ukuran Simpangan atau Ukuran Depresi
• Ukuran ini biasa pula disebut dengan ukuran variasi, yang
menggambarkan bagaimana berpencarnya data
kuantitatif
• Beberapa ukuran depresi yang terkenal :
a. Rentang
b. Rentang antar kuartil
c. Simpangan kuartil (deviasi kuartil)
d. Rata-rata simpangan (rata-rata deviasi)
e. Simpangan baku (standar deviasi)
f. Varians
g. Koefisien variasi
3. Rentang, Rentang antar Kuartil, dan
Simpangan Kuartil
a. Ukuran variasi yang paling mudah ditentukan ialah
rentang.
𝑟𝑒𝑛𝑡𝑎𝑛𝑔 = 𝑑𝑎𝑡𝑎 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟 − 𝑑𝑎𝑡𝑎 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
Contoh : Untuk ke 80 data yang ada, dengan data
terbesarnya = 99 dan data terkecil = 35, maka rentangnya
= 99 – 35 = 64.
b. Rentang antar kuartil merupakan selisih antara 𝐾3 dan
𝐾1. Jadi didapatlah hubungan :
𝑅𝐴𝐾 = 𝐾3 − 𝐾1
c. Simpangan kuartil atau deviasi kuartil atau disebut pula
rentang semi antar kuartil, harganya setengah dari
rentang antar kuartil. Jadi :
𝑆𝐾 =
1
2
(𝐾3 − 𝐾1)
4. Contoh :
Tabel I
Upah Tiap Jam untuk 65 pegawai
Upah (Rp) 𝒇𝒊
50,00 – 59,99
60,00 – 69,99
70,00 – 79,99
80,00 – 89,99
90,00 – 99,99
100,00 – 109,99
110,00 – 119,99
8
10
16
14
10
5
2
Σ 65
Tentukan :
a. Rentangnya
b. Rentang antar kuartilnya
c. Simpangan kuartil
a. 𝑟𝑒𝑛𝑡𝑎𝑛𝑔 = 119,99 − 50,00 = 69,99
b. 𝑅𝐴𝐾 = 𝐾3 − 𝐾1 = 𝑅𝑝. 90,75 − 𝑅𝑝. 68,25
= 𝑅𝑝. 22,50
Ditafsirkan bahwa 50% dari data, nilainya
paling rendah Rp. 68,25 dan paling tinggi
𝑅𝑝. 90,75 dengan perbedaan 𝑅𝑝. 22,50
c. 𝑆𝐾 =
1
2
𝑅𝑝. 22,50 = 𝑅𝑝. 11,25
Sumber : Metode Statistika
5. Rata – rata Simpangan (rata-rata deviasi)
• 𝑗𝑎𝑟𝑎𝑘 = 𝑥𝑖 − 𝑥 , baca : harga mutlak dari selisih 𝑥𝑖
dengan 𝑥.
• Rata-rata simpangan atau rata-rata deviasinya :
𝑅𝑆 =
𝑥𝑖 − 𝑥
𝑛
Dengan RS merupakan rata-rata simpangan.
Contoh : lihat buku pegangan halaman 93.
6. Simpangan Baku atau Standar Deviasi
• Pangkat dua dari simpangan baku dinamakan varians. Untuk sampel,
simpangan baku diberi symbol s, sedangkan untuk populasi diberi
symbol 𝜎 (sigma).
• Varians untuk sampel berukuran n :
𝑠2 =
Σ 𝑥𝑖 − 𝑥
2
𝑛 − 1
• Untuk simpangan baku s, dari 𝑠2 diambil harga akarnya yang positif.
• Varians 𝑠2
dihitung sebagai berikut :
a. Hitung rata-ratanya 𝑥
b. Tentukan selisih 𝑥1 − 𝑥, 𝑥2 − 𝑥, … , 𝑥 𝑛 − 𝑥
c. Tentukan kuadrat selisihnya 𝑥1 − 𝑥 2, 𝑥2 − 𝑥 2, … , 𝑥 𝑛 − 𝑥 2
d. Kuadrat – kuadrat tersebut dijumlahkan
e. Jumlah tersebut dibagi oleh (𝑛 − 1).
7. Contoh :
Tabel II Tentukan :
a. Rata-ratanya
b. Jumlah kuadrat dari 𝑥𝑖 − 𝑥 2
c. Varians nya
d. Simpangan bakunya
a. 𝑥 =
8+7+10+11+4
5
= 8
b. 𝑥𝑖 − 𝑥 2 = 30
c. 𝑠2 =
Σ 𝑥 𝑖− 𝑥 2
𝑛−1
=
30
4
= 7,5
d. 𝑠 = 7,5 = 2,74
Sumber : Metode Statistika
𝒙𝒊 𝑥𝑖 − 𝑥 𝑥𝑖 − 𝑥 2
8
7
10
11
4
0
-1
2
3
-4
0
1
4
9
16
8. Simpangan Baku atau Standar Deviasi
• Bentuk lain dari Varians untuk sampel berukuran n :
𝑠2
=
𝑛. Σ𝑥𝑖
2 − Σ𝑥𝑖
2
𝑛(𝑛 − 1)
Carilah standar deviasi 𝑠2
dengan data sebelumnya
menggunakan rumus di
atas.
Tabel III
Sumber : Metode Statistika
𝒙𝒊 𝑥𝑖 − 𝑥 𝑥𝑖 − 𝑥 2
8
7
10
11
4
0
-1
2
3
-4
0
1
4
9
16
9. Simpangan Baku atau Standar Deviasi
• Jika data dalam sampel disusun dalam daftar
distribusi frekuensi maka Varians untuk sampel
berukuran n :
𝑠2 =
Σ𝑓𝑖 𝑥𝑖 − 𝑥 2
(𝑛 − 1)
Atau
𝑠2 =
𝑛. Σ𝑓𝑖 𝑥𝑖
2
− Σ𝑓𝑖 𝑥𝑖
2
𝑛(𝑛 − 1)
10. Contoh :
Tabel IV
Nilai rata-rata ujian statistika
Sumber : Metoda Statistika
Nilai Ujian 𝒇𝒊
31 – 40
41 – 50
51 – 60
61 – 70
71 – 80
81 – 90
91 – 100
1
2
5
15
25
20
12
80
Tentukan :
a. Rata-ratanya
b. Variansnya menggunakan rumus 1
c. Simpangan bakunya menggunakan
rumus 1
d. Variansnya menggunakan rumus 2
e. Simpangan bakunya menggunakan
rumus 2
11. Simpangan Baku atau Standar Deviasi
• Cara sandi atau cara singkat untuk mencari
simpangan baku atau standar deviasi adalah :
𝑠2 = 𝑝2
𝑛. Σ𝑓𝑖 𝑐𝑖
2
− Σ𝑓𝑖 𝑐𝑖
2
𝑛(𝑛 − 1)
Dengan 𝑝 = panjang kelas interval
𝑐𝑖 = nilai sandi dan 𝑛 = 𝑓𝑖
12. Contoh :
Tabel IV
Nilai rata-rata ujian statistika
Sumber : Metoda Statistika
Nilai Ujian 𝒇𝒊
31 – 40
41 – 50
51 – 60
61 – 70
71 – 80
81 – 90
91 – 100
1
2
5
15
25
20
12
80
Tentukan :
a. Rata-ratanya
b. Variansnya menggunakan cara sandi
c. Simpangan bakunya menggunakan
Cara sandi
13. Simpangan Baku gabungan dari 𝒌 subsampel :
Merupakan simpangan baku dari beberapa sub sampel lalu dijadikan satu.
Jika terdapat 𝑘 buah sub sampel masing-masing dengan keadaan berikut :
• Sub sampel 1 : berukuran 𝑛1 dengan simpangan baku 𝑠1
• Sub sampel 2 : berukuran 𝑛2 dengan simpangan baku 𝑠2
…
• Sub sampel 𝑘 : berukuran 𝑛 𝑘 dengan simpangan baku 𝑠 𝑘
Maka simpangan baku gabungan dari 𝑘 buah sub sampel :
𝑠2 =
Σ(𝑛𝑖 − 1)𝑠1
2
𝑛𝑖 − 𝑘
Atau selengkapnya
𝑠2
=
𝑛1 − 1 𝑠1
2
+ 𝑛2 − 1 𝑠2
2
+ ⋯ + 𝑛 𝑘 − 1 𝑠 𝑘
2
𝑛1 + 𝑛2 + ⋯ + 𝑛3
14. Contoh :
Hasil pengamatan pertama terhadap 14 objek memberikan s = 2,75
sedangkan pengamatan yang kedua kalinya terhadap 23 objek
menghasilkan s = 3,08. Maka, varians gabungannya adalah :
𝑠2
=
𝑛1 − 1 𝑠1
2 + 𝑛2 − 1 𝑠2
2 + ⋯ + 𝑛 𝑘 − 1 𝑠 𝑘
2
𝑛1 + 𝑛2 + ⋯ + 𝑛3
𝑠2 =
14 − 1 2,75 2
+ (23 − 1) 3,08 2
14 + 23 − 2
= 8,7718
sehingga didapat 𝑠 = 8,7718 = 2,96
15. Bilangan Baku dan Koefisien Variasi
• Misalkan terdapat sampel berukuran n dengan data
𝑥1, 𝑥2, … , 𝑥 𝑛 dengan rata-ratanya 𝑥 dan simpangan
bakunya adalah s. Dari sini kita memiliki data baru
𝑧1, 𝑧2, … , 𝑧 𝑛 dimana :
𝑧𝑖 =
𝑥 𝑖− 𝑥
𝑠
, untuk 𝑖 = 1,2, … , 𝑛
• Jadi diperoleh penyimpangan atau deviasi data dari rata-
rata dinyatakan dalam satuan simpangan baku. Bilangan
yang didapat dinamakan bilangan z. Variabel 𝑧1, 𝑧2, … , 𝑧 𝑛
ternyata memiliki rata-rata 0 dan simpangan baku 1.
16. Bilangan Baku dan Koefisien Variasi
• Dalam penggunaanya, bilangan z ini sering diubah
menjadi distribusi baru, yang memiliki rata-rata 𝑥0 dan
simpangan baku 𝑠0 yang ditentukan. Bilangan yang
diperoleh dengan cara ini dinamakan bilangan baku atau
bilangan standar dengan rata-rata 𝑥0 dan simpangan
baku 𝑠0 dengan rumus :
𝑧𝑖 = 𝑥0 + 𝑠0
𝑥𝑖 − 𝑥
𝑠
• Perhatikan bahwa untuk 𝑥0 = 0 dan 𝑠0 = 1, sehingga
bilangan z sering disebut pula bilangan standar.
17. Bilangan Baku dan Koefisien Variasi
• Contoh : Seorang mahasiswa mendapat nilai 86 pada ujian
akhir matematika dimana rata-rata dan simpangan baku
kelompoknya masing-masing 78 dan 10. Pada ujian akhir
statistika dimana rata-rata kelompok 84 dan simpangan baku
18, ia mendapat nilai 92. Dalam mata ujian mana ia mencapai
kedudukan yang lebih baik?
• didapat bilangan baku :
a. untuk matematika 𝑧 =
86−78
10
= 0,8
b. untuk statistika 𝑧 =
92−84
18
= 0,44
• Maka mahasiswa tersebut mendapat 0,8 untuk simpangan
baku di atas rata-rata nilai matematika dan hanya 0,44
simpangan baku diatas rata-rata nilai statistika.
Kedudukannya lebih lebih tinggi dalam hal matematika.
18. Bilangan Baku dan Koefisien Variasi
• Koefisien variasi, disingkat KV memiliki rumus :
𝐾𝑉 =
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢
𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎
× 100%
Contoh : Semacam lampu elektronik rata-rata dapat dipakai
selama 3.500 jam dengan simpangan baku 1.050 jam.
lampu model lain rata-ratanya 10.000 jam dengan
simpangan baku 2.000 jam. Sehingga dapat kita hitung :
𝐾𝑉 𝑙𝑎𝑚𝑝𝑢 𝐼 =
1050
3500
× 100% = 30%
𝐾𝑉 𝑙𝑎𝑚𝑝𝑢 𝐼𝐼 =
2000
10000
× 100% = 20%
Ternyata lampu kedua secara relative mempunyai masa
pakai yang lebih uniform.