Dokumen tersebut membahas tentang distribusi sampel dan variabel acak. Terdapat penjelasan mengenai ruang sampel, variabel acak, distribusi empiris dan teoritis, serta cara membuat distribusi sampel meliputi penentuan kelas, frekuensi, dan perhitungan statistik deskriptif seperti rata-rata, median, mode, variansi dan lainnya.
Dalam Statistika 2, kita membahas tentang :
Ukuran Pemusatan Data ( Data tunggal dan Data kelompok)
Ukuran Letak (Data tunggal dan Data kelompok)
Ukuran Penyebaran Data ( Data tunggal dan Data kelompok)
power point ini mengenai ukuran penyebaran yang berisikan defenisi, jangkauan, simpangan rata-rata, variasi, simpangan baku, bilangan baku, dan koefisien variasi
Distribusi frekuensi adalah daftar nilai data (bisa nilai individual atau nilai data yang
sudah dikelompokkan ke dalam selang interval tertentu) yang disertai dengan nilai frekuensi
yang sesuai. Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar ciri-ciri
penting data tersebut dapat segera terlihat.
Materi Dalam Statistika 1, membahas tentang :
Bentuk diagram garis, diagram lingkaran, diagram batang, ogive dan penafsirannya
Identifikasi nilai suatu data yang ditampilkan pada table dan diagram.
Bentuk table distribusi frekuensi dan histogram.
2. Ruang Sampel dan Variabel Acak
Ruang sampel (sample space) adalah satu
set lengkap semua keluaran yang mungkin
terjadi dalam populasi.
Variabel acak (random variable) adalah
suatu nilai bersifat acak dalam numerik
(format angka diskrit atau kontinyu) atau
nonnumerik yang menandai keluaran dalam
ruang sampel tertentu (finite atau infinite).
2
3. Distribusi
Distribusi adalah sebaran variabel acak X
dalam ruang sampel S dengan rentang R
yang mempunyai karakteristik unik
(parameter atau statistik) dalam interval
tertentu (finite atau infinite) dengan fungsi
probabilitas yang spesifik.
3
4. Distribusi Empiris dan Teoritis
Distribusi empiris (empirical distribution)
adalah distribusi sebaran data aktual dari
observasi atau eksperimen dengan
pengelompokan dalam distribusi frekuensi.
Distribusi teoritis (theoretical distribution)
adalah distribusi sebaran variabel acak
dalam rentang tertentu yang mengikuti
fungsi probabilitasnya.
4
6. Membuat Distribusi Sampel
Data Sampel diolah menjadi data
berkelompok untuk mengetahui distribusi
sampel dengan cara :
Menghitung rentang data observasi (R).
Menentukan banyaknya kelas (k)
berdasarkan banyaknya data observasi (n).
Misalnya menggunakan aturan Sturges
...
6
)100/log(3,31
atau)log(3,31
2
nk
nk
+=
+=
8. Membuat Distribusi Sampel
Menentukan lebar kelas (w) berdasarkan
rentang data (R) dan banyaknya kelas (k).
Untuk data diskrit sebaiknya menggunakan
poin. Jika menggunakan interval, perlu
dipastikan bahwa anggota dalam masing-
masing kelas berimbang.
...
8
k
R
w ≈
9. Membuat Distribusi Sampel
9
Kelas f fr Fr
0<x<1,4
1,4<x<2,8
2,8<x<4,2
4,2<x<5,6
5,6<x<7,0
Perbedaan anggota kelas pada penentuan interval
kelas yang salah pada data diskrit
Kelas f fr Fr
0 – 1
2 – 3
4 – 5
6 – 7
Anggotanya 0 dan 1
Anggotanya 2
Anggotanya 3 dan 4
Anggotanya 5
Anggotanya 6 dan 7
10. Membuat Distribusi Sampel
Memilih data observasi terkecil (xmin) atau
yang sedikit lebih kecil sebagai batas
bawah kelas pertama (L1), selanjutnya
ditambahkan dengan lebar kelas (w) untuk
mendapatkan batas atas kelas pertama
(U1).
...
10
diskritdatauntuk
kontinyudatauntuk
11
11
UL
UxL
−
<≤
11. Membuat Distribusi Sampel
Pada kelas berikutnya, menentukan batas
bawah kelas (Li) berdasarkan batas atas
kelas sebelumnya (Ui-1), selanjutnya
ditambahkan dengan lebar kelas (w) untuk
mendapatkan batas atas kelas (Ui).
...
11
diskritdatauntuk1
kontinyudatauntuk
1
1
+=
=
−
−
ii
ii
UL
UL
12. Membuat Distribusi Sampel
Ulangi penentuan batas bawah kelas (Li)
dan batas atas kelas (Ui) untuk semua
kelas hingga data observasi terbesar (xmax)
tercakup.
Kelompokkan data observasi sesuai
kelasnya dan menandainya dengan turus
(tally). Hitung banyaknya data di masing-
masing kelas sebagai frekuensi (fi)
...
12
13. Membuat Distribusi Sampel
Berdasarkan frekuensi (fi) dan banyaknya
data observasi (n), hitung frekuensi
kumulatif (fki),frekuensi relatif (fri) dan
frekuensi relatif kumulatif (Fri) di masing-
masing kelas.
13
∑=
i
i ffk
1 n
f
fr i
i =
n
fk
frFr i
i
i == ∑1
14. Membuat Distribusi Sampel
14
Kelas Turus f fk fr Fr
0<x<1,4
1,4<x<2,8
2,8<x<4,2
4,2<x<5,6
5,6<x<7,0
Distribusi Frekuensi Data Kontinyu
Kelas Turus f fk fr Fr
0 – 1
2 – 3
4 – 5
6 – 7
Distribusi Frekuensi Data Diskrit
16. Median
16
)(
)( 12
ii
i
i
n
i LU
f
fk
LMe −
−
+= −
Di mana :
Me = median
n = banyaknya data
Li = batas bawah kelas lokasi median
Ui = batas atas kelas lokasi median
fi = frekuensi kelas lokasi median
fki-1= frekuensi kumulatif kelas sebelum lokasi median
2
)(ˆ 1 ii
i
LU
L
+
= −
2
)(ˆ 1++
= ii
i
LU
U
Distribusi Frekuensi
Data Diskrit :
17. Mode
17
)(
)()(
)(
11
1
ii
iiii
ii
i LU
ffff
ff
LMo −
−+−
−
+=
+−
−
Di mana :
Mo = mode
Li = batas bawah kelas lokasi mode
Ui = batas bawah kelas lokasi mode
fi = frekuensi kelas lokasi mode
fi-1 = frekuensi kelas sebelum lokasi mode
fi+1 = frekuensi kelas sesudah lokasi mode
2
)(ˆ 1 ii
i
LU
L
+
= −
2
)(ˆ 1++
= ii
i
LU
U
Distribusi Frekuensi
Data Diskrit :
18. Variance
18
Di mana :
s2
= variance
ẍ = arithmetic mean
xi = data tengah kelas ke-i
i = indeks urutan kelas
n = banyaknya data = Σfi
k = banyaknya kelas
1
).(
1
).().(
1
2
22
112
−
−
=
−
−++−
=
∑=
n
xxf
n
xxfxxf
s
k
i
ii
kk
( )
)1(
..
2
11
2
2
−
−
=
∑∑ ==
nn
xfxfn
s
k
i
ii
k
i
ii
atau
19. Standard Deviation
19
Di mana :
s = standard deviation
ẍ = arithmetic mean
xi = data tengah kelas ke-i
i = indeks urutan kelas
n = banyaknya data = Σfi
k = banyaknya kelas
2
1
2
2 2
1
).(
−
−
=
=
∑=
n
xxf
ss
k
i
ii ( )
2
2
11
2
)1(
..
−
−
=
∑∑ ==
nn
xfxfn
s
k
i
ii
k
i
ii
atau
20. Quartile, Decile & Percentile
20
)(
)( 14
.
ii
i
i
nj
ij LU
f
fk
LQ −
−
+= −
Di mana :
n = banyaknya data
Li = batas bawah kelas lokasi
Ui = batas bawah kelas lokasi
fi = frekuensi kelas lokasi
fki-1= frekuensi kumulatif kelas sebelum lokasi
2
)(ˆ 1 ii
i
LU
L
+
= −
2
)(ˆ 1++
= ii
i
LU
U
Distribusi Frekuensi
Data Diskrit :
)(
)( 110
.
ii
i
i
nj
ij LU
f
fk
LD −
−
+= −
)(
)( 1100
.
ii
i
i
nj
ij LU
f
fk
LP −
−
+= −
30. The Law of Large Number
Semakin banyak data ditambahkan dalam
observasi atau eksperimen, maka selisih
antara statistik rata-rata sampel (x) dengan
parameter rata-rata populasi (µ) adalah
sangat kecil atau mendekati 0 (nol).
Data observasi atau eksperimen yang
sangat banyak mempunyai statistik sampel
(x dan s) sebagai pendekatan parameter
populasi (µ dan σ)
30
31. Central Limit Theorem
Jika sebuah variabel x adalah rata-rata
sederet variabel acak independent dengan
ukuran sampel yang sangat besar, maka
distribusi rata-rata sampel tersebut
mendekati distribusi normal dengan
pendekatan rata-rata dan simpangan baku
31
n
s
N
x
nN
x
x
x
x
=
===
∑∑
σ
µ
)/(