Statistika Dasar
Pertemuan ke-8
http://slideshare.net/QuKumeng
Momen untuk data tunggal
Misalkan diberikan variable 𝑥 dengan harga-harga :
𝑥1, 𝑥2, … , 𝑥 𝑛. Jika 𝐴 = sebuah bilangan tetap dan 𝑟 =
1,2, … , maka momen ke-r sekitar A, disingkat 𝑚′ 𝑟
didefinisikan oleh hubungan :
𝑚′ 𝑟 =
(𝑥𝑖 − 𝐴) 𝑟
𝑛
Untuk 𝐴 = 0 didapat momen ke-r sekitar nol atau disingkat
momen ke-r :
𝑀𝑜𝑚𝑒𝑛 𝑘𝑒 − 𝑟 =
𝑥𝑖
𝑟
𝑛
Dari rumus diatas, maka untuk 𝑟 = 1 didapat rata-rata 𝑥
Momen untuk data tunggal
untuk 𝑟 = 1 didapat rata-rata 𝑥. Jika 𝐴 = 𝑥, kita
peroleh momen ke-r sekitar rata-rata, biasa
disingkat dengan 𝑚 𝑟. Didapat :
𝑚 𝑟 =
(𝑥 𝑖− 𝑥) 𝑟
𝑛
Untuk 𝑟 = 2, rumus diatas memberikan varians
𝑠2
. Maka rata-rata dan varians sebenarnya
merupakan hal istimewa dari kelompok ukuran
lain yang disebut momen.
Untuk membedakanapakah momen itu untuk
sampel atau populasa, maka dipakai simbul :
• 𝑚 𝑟 dan 𝑚′ 𝑟 untuk momen sampel
• 𝜇 𝑟 dan 𝜇′ 𝑟 untuk momen populasi
Momen untuk data distribusi frekuensi
Bila data telah disusun dalam daftar distribusi frekuensi,
maka rumus-rumus diatas berturut-turut berbentuk :
𝑚′ 𝑟 =
𝑓𝑖(𝑥𝑖 − 𝐴) 𝑟
𝑛
𝑀𝑜𝑚𝑒𝑛 𝑘𝑒 − 𝑟 =
𝑓𝑖. 𝑥𝑖
𝑟
𝑛
𝑚 𝑟 =
𝑓𝑖(𝑥𝑖 − 𝑥) 𝑟
𝑛
Dengan 𝑛 = 𝑓𝑖, 𝑥𝑖 = tanda kelas interval, dan 𝑓𝑖 =
frekuensi yang sesuai dengan 𝑥𝑖.
Momen untuk data distribusi frekuensi
Dengan menggunakan cara sandi, maka :
𝑚′ 𝑟 = 𝑝 𝑟
𝑓𝑖. 𝑐𝑖
𝑟
𝑛
Dengan 𝑝 =panjang kelas dan 𝑐𝑖 = variable sandi.
Dari 𝑚′ 𝑟 harga 𝑚 𝑟 untuk beberapa harga r, dapat
ditentukan berdasarkan hubungan :
𝑚2 = 𝑚′2 − (𝑚′
1)2
𝑚3 = 𝑚′3 − 3𝑚′1 𝑚′2 + 2(𝑚′
1)3
𝑚4 = 𝑚′4 − 4𝑚′
1 𝑚′
3 + 6 𝑚′
1
2 𝑚′
2 − 3(𝑚′
1)4
Contoh Momen :
Carilah empat buah momen
sekitar rata-rata untuk data
dalam daftar distribusi
frekuensi disamping:
a. Dengan menggunakan cara
sandi.
b. Tentukan 𝑚1, 𝑚2, 𝑚3, 𝑚4
c. Tentukan rata-rata dan
varians nya.
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
Kemiringan
Review :
Kurva halus atau model kurva yang berbentuk positif,
negative, atau simetris.
positif negative simetris
Dalam hal positif dan negative tersebut, terjadi sifat
taksimetri. Untuk mengetahui derajat taksimetri sebuah
model, digunakan ukuran kemiringan.
Kemiringan
Ukuran kemiringan :
𝐾𝑒𝑚𝑖𝑟𝑖𝑛𝑔𝑎𝑛 =
𝑥 − 𝑀𝑜
𝑠
Rumus empiriknya :
𝐾𝑒𝑚𝑖𝑟𝑖𝑛𝑔𝑎𝑛 =
3( 𝑥 − 𝑀𝑒)
𝑠
• Kurva positif (+) terjadi bila kurva mempunyai ekor yang
memanjang ke kanan sehingga kemiringan (+).
• Kurva negative (-) terjadi bila kurva mempunyai ekor yang
memanjang ke kiri sehingga kemiringan (–) .
• Kurva simetri terjadi bila kurvamemiliki ekor yang sama
panjang antara kanan dan kiri sehingga kemiringan (0).
Contoh Kemiringan
a. Tentukan Kemiringan
dari Tabel disamping.
b. Kemudian tentukan
apakah tabel disamping
memiliki kurva positif,
negative, atau simetri.
c. Lihat Buku Halaman 55
Tabel IV
Nilai rata-rata ujian
statistikaa.
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
Kurtosis
Bertitik tolak dari kurva model normal atau distribusi
normal, tinggi rendahnya atau runcing datarnya bentuk
kurva disebut dengan kurtosis.
Kurtosis
Salah satu ukuran kurtosis ialah koefisien kurtosis yang
diberi simbul 𝑎4, dengan rumus :
𝑎4 =
𝑚4
𝑚2
2
Kriteria yang didapat dari rumus ini adalah :
• 𝑎4 = 3 memiliki distribusi normal
• 𝑎4 > 3 memiliki distribusi leptokurtic
• 𝑎4 < 3 memiliki distribusi platikurtik
Kurtosis
Untuk menyelidiki apakah distribusi tersebut normal atau
tidak, maka dipakai koefisien kurtosis persentil :
𝐾 =
1
2
(𝐾3 − 𝐾1)
𝑃90 − 𝑃10
Koefisien kurtosis kurva normal = 0,263.
Kurva yang runcing disebut leptokurtik , koefisien
keruncingannya lebih dari 0,263. Sedangkan kurva yang
datar disebut platikurtik, koefisien keruncingannya kurang
dari 0,263. Kurva yang bentuknya antara runcing dan
datar disebut mesokurtik.

Statistika dasar Pertemuan 8

  • 1.
  • 2.
    Momen untuk datatunggal Misalkan diberikan variable 𝑥 dengan harga-harga : 𝑥1, 𝑥2, … , 𝑥 𝑛. Jika 𝐴 = sebuah bilangan tetap dan 𝑟 = 1,2, … , maka momen ke-r sekitar A, disingkat 𝑚′ 𝑟 didefinisikan oleh hubungan : 𝑚′ 𝑟 = (𝑥𝑖 − 𝐴) 𝑟 𝑛 Untuk 𝐴 = 0 didapat momen ke-r sekitar nol atau disingkat momen ke-r : 𝑀𝑜𝑚𝑒𝑛 𝑘𝑒 − 𝑟 = 𝑥𝑖 𝑟 𝑛 Dari rumus diatas, maka untuk 𝑟 = 1 didapat rata-rata 𝑥
  • 3.
    Momen untuk datatunggal untuk 𝑟 = 1 didapat rata-rata 𝑥. Jika 𝐴 = 𝑥, kita peroleh momen ke-r sekitar rata-rata, biasa disingkat dengan 𝑚 𝑟. Didapat : 𝑚 𝑟 = (𝑥 𝑖− 𝑥) 𝑟 𝑛 Untuk 𝑟 = 2, rumus diatas memberikan varians 𝑠2 . Maka rata-rata dan varians sebenarnya merupakan hal istimewa dari kelompok ukuran lain yang disebut momen. Untuk membedakanapakah momen itu untuk sampel atau populasa, maka dipakai simbul : • 𝑚 𝑟 dan 𝑚′ 𝑟 untuk momen sampel • 𝜇 𝑟 dan 𝜇′ 𝑟 untuk momen populasi
  • 4.
    Momen untuk datadistribusi frekuensi Bila data telah disusun dalam daftar distribusi frekuensi, maka rumus-rumus diatas berturut-turut berbentuk : 𝑚′ 𝑟 = 𝑓𝑖(𝑥𝑖 − 𝐴) 𝑟 𝑛 𝑀𝑜𝑚𝑒𝑛 𝑘𝑒 − 𝑟 = 𝑓𝑖. 𝑥𝑖 𝑟 𝑛 𝑚 𝑟 = 𝑓𝑖(𝑥𝑖 − 𝑥) 𝑟 𝑛 Dengan 𝑛 = 𝑓𝑖, 𝑥𝑖 = tanda kelas interval, dan 𝑓𝑖 = frekuensi yang sesuai dengan 𝑥𝑖.
  • 5.
    Momen untuk datadistribusi frekuensi Dengan menggunakan cara sandi, maka : 𝑚′ 𝑟 = 𝑝 𝑟 𝑓𝑖. 𝑐𝑖 𝑟 𝑛 Dengan 𝑝 =panjang kelas dan 𝑐𝑖 = variable sandi. Dari 𝑚′ 𝑟 harga 𝑚 𝑟 untuk beberapa harga r, dapat ditentukan berdasarkan hubungan : 𝑚2 = 𝑚′2 − (𝑚′ 1)2 𝑚3 = 𝑚′3 − 3𝑚′1 𝑚′2 + 2(𝑚′ 1)3 𝑚4 = 𝑚′4 − 4𝑚′ 1 𝑚′ 3 + 6 𝑚′ 1 2 𝑚′ 2 − 3(𝑚′ 1)4
  • 6.
    Contoh Momen : Carilahempat buah momen sekitar rata-rata untuk data dalam daftar distribusi frekuensi disamping: a. Dengan menggunakan cara sandi. b. Tentukan 𝑚1, 𝑚2, 𝑚3, 𝑚4 c. Tentukan rata-rata dan varians nya. 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
  • 7.
    Kemiringan Review : Kurva halusatau model kurva yang berbentuk positif, negative, atau simetris. positif negative simetris Dalam hal positif dan negative tersebut, terjadi sifat taksimetri. Untuk mengetahui derajat taksimetri sebuah model, digunakan ukuran kemiringan.
  • 8.
    Kemiringan Ukuran kemiringan : 𝐾𝑒𝑚𝑖𝑟𝑖𝑛𝑔𝑎𝑛= 𝑥 − 𝑀𝑜 𝑠 Rumus empiriknya : 𝐾𝑒𝑚𝑖𝑟𝑖𝑛𝑔𝑎𝑛 = 3( 𝑥 − 𝑀𝑒) 𝑠 • Kurva positif (+) terjadi bila kurva mempunyai ekor yang memanjang ke kanan sehingga kemiringan (+). • Kurva negative (-) terjadi bila kurva mempunyai ekor yang memanjang ke kiri sehingga kemiringan (–) . • Kurva simetri terjadi bila kurvamemiliki ekor yang sama panjang antara kanan dan kiri sehingga kemiringan (0).
  • 9.
    Contoh Kemiringan a. TentukanKemiringan dari Tabel disamping. b. Kemudian tentukan apakah tabel disamping memiliki kurva positif, negative, atau simetri. c. Lihat Buku Halaman 55 Tabel IV Nilai rata-rata ujian statistikaa. 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
  • 10.
    Kurtosis Bertitik tolak darikurva model normal atau distribusi normal, tinggi rendahnya atau runcing datarnya bentuk kurva disebut dengan kurtosis.
  • 11.
    Kurtosis Salah satu ukurankurtosis ialah koefisien kurtosis yang diberi simbul 𝑎4, dengan rumus : 𝑎4 = 𝑚4 𝑚2 2 Kriteria yang didapat dari rumus ini adalah : • 𝑎4 = 3 memiliki distribusi normal • 𝑎4 > 3 memiliki distribusi leptokurtic • 𝑎4 < 3 memiliki distribusi platikurtik
  • 12.
    Kurtosis Untuk menyelidiki apakahdistribusi tersebut normal atau tidak, maka dipakai koefisien kurtosis persentil : 𝐾 = 1 2 (𝐾3 − 𝐾1) 𝑃90 − 𝑃10 Koefisien kurtosis kurva normal = 0,263. Kurva yang runcing disebut leptokurtik , koefisien keruncingannya lebih dari 0,263. Sedangkan kurva yang datar disebut platikurtik, koefisien keruncingannya kurang dari 0,263. Kurva yang bentuknya antara runcing dan datar disebut mesokurtik.