STATISTIKA
• PENGERTIAN
Statistika
Ilmu tentang pengumpulan data Klasifikasi Data
Penyajian Data Pengolahan Data
Penarikan Kesimpulan Pengambilan keputusan
Populasi: Himpunan
keseluruhan dari objek pengamatan
Sample: Bagian dari populasi Data: Informasi atau fakta yang
tertuang dalam angka atau bukan angka
Deskriptif: Metode untuk
mendeskripsikan,
menggambarkan, menjabarkan, atau menguraikan data
Inferensia: Penarikan
kesimpulan dari sample untuk menjelaskan isi dari populasi
• JENIS – JENIS DATA
Data mentah Data primer Data sekunder Data Kuantitatif
Data Diskrit:
o Data Nominal
o Daata Ordinal
o Data Dikotomi
o Data Kualitatif
o Parameter: Kualitas Pengukuran sample
• CONTOH – CONTOH
Deskriptif
“Nilai UAS mahasiswa Teknik
Informatika semester 4 untuk mata kuliah Statistika adalah dengan nilai rata – rata 65”
Populasi dan Sample
“Civitas akademik Universitas
Muhammadiyah Sukabumi terdiri dari dosen, mahasiswa dan staff pekerja lainnya yang berjumlah 1200 orang”
Data Nominal
Jumlah lulusan mahasiswa Universitas Muhammadiyah Sukabumi tahun 2008
l
Data Ordinal
Kategori hasil nilai akhir Mata Kuliah Statistika
Data Dikotomi
Murni: Hidup – mati, surga –
neraka, laki – laki – wanita, dll.
Buatan: lulus – gagal, hitam –
putih, dll.
Data interval: data yang
memiliki rentang atau jarak yang sama
Data rasio: Data yang
dinyatakan dalam perbandingan
Kategori
Nilai Jumlah
TENDENSI SENTRAL
• Nilai rata – rata (Mean):
Rumus:
Biasa
Dengan Frekuensi
Keterangan:
(jumlah data
ke 1 sampai data ke-n )
(jumlah perkalian frekuensi dengan data)
Dengan Frekuensi
Keterangan: Me = median
Lo = Batas bawah kelas C = lebar kelas
n = banyaknya data
F = jumlah frekuensi sebelum kelas
• Modus = Nilai yang paling sering muncul
Biasa
Mo = nilai yang paling sering muncul
Data berfrekuensi
Keterangan: Mo = modus
Lo = Batas bawah kelas
modus
C = lebar kelas
b1 = selisih frekuensi
sebelum kelas modus
b2 = selisih frekuensi tepat
satu data setelahnya
• Contoh Kasus:
1. Data hasil ujian akhir semester 4 untuk mata kuliah statistika adalah sebagai berikut: 40, 65, 90, 65, 70, 55, 85, 65, 70, 35
Tentukanlah:
a. Rata – rata nilai UAS b. Modus nilai UAS c. Median Nilai UAS
2. Data nilai UAS mahasiswa semester 4, untuk mata kuliah STATISTIKA adalah sebagai berikut:
Tentukanlah nilai : a. Rata2
b. Modus c. Median
Nilai Jml Mhs
Contoh soal data distribusi
berfrekuensi
•
Misalkan modal (dalam jutaan
rupiah) dari 40 perusahaan pada
tabel distribusi frekuensi berikut:
Modal Frekuensi112 - 120 4
121 - 129 5
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
= 40
Tentukan:
a.Mean/ Rata – rata b.Median
Kata Kunci
Data Distribusi Frekuensi
• Kelas = selang/ interval • Frekuensi = banyaknya
nilai yang termasuk ke dalam kelas
• Limit kelas/ tepi kelas:
Nilai terkecil dan
terbesar pada setiap kelas, terbagi menjadi 2, yaitu limit bawah kelas dan limit atas kelas
• Batas bawah kelas
dan batas atas kelas
• Lebar kelas= selisih
batas atas kelas dan batas bawah kelas
• Nilai tengah kelas =
Dari contoh di atas, maka
didapat:
• Kelas = 112 – 120
• Limit kelas/ tepi kelas: pada kelas 112 – 120, Nilai 112 disebut limit bawah kelas dan nilai 120 disebut limit atas kelas
• Pada kelas 112 – 120, nilai 111,5 disebut
batas bawah kelas dan nilai 120,5 disebut
batas atas kelas
• Lebar kelas= 120,5
– 111,5 = 9 nilai lebar kelas pada masing – masing kelas adalah sama
• Nilai tengah kelas
= (111,5 +
Penyelesaian Soal
•
Mean/ Rata - rata
Modal Tengah Nilai (X)
Frekuensi
(f) fX
112 - 120 116 4 464
121 - 129 125 5 625
130 - 138 134 8 1.072
139 - 147 143 12 1.716
148 -156 152 5 760
157 -165 161 4 644
166 - 174 170 2 340
= 40 = 5.621
5.621
140,525 40
•
MEDIAN
Untuk mencari median, tentukan dulu pada kelas interval mana mediannya terletak.
Karena frekuensinya bernilai genap, maka median terletak pada nilai ke
•
Jadi mediannya adalah
•
MODUS
Untuk mencari modus, tentukan dulu kelas interval yang mengandung modus, yaitu kelas interval yang memiliki frekuensi terbesar. Maka dapat diketahui bahwa modus terletak pada kelas interval 139 – 147
40
17 2
138, 5 9
12 Med
20 17
138,5 9 140, 75
12
Med
• Dengan demikian:
Lo = 138, 5 c = 9 b1 = 12-8=4 b2 = 12-5=7
Jadi modusnya adalah:
= 138,5 + 3,27 = 141,77
0
1
4
138,5 9
1
2
4 7
b
Mod
L
c
b
b
KUARTIL, DESIL, DAN
PERSENTIL
•
KUARTIL (Perluasan Median)
Kuartil terbagi menjadi 3, yaitu:
Kuartil pertama/ Kuartil bawah (Q1) Kuartil kedua/ Kuartil tengah (Q2) Kuartil ketiga/ Kuartil atas (Q3)
Rumus Untuk data tidak berkelompok:
(
1)
1, 2,3
4
i
i n
• Untuk data berkelompok
•
DESIL
Jika sekelompok data dibagi menjadi 10 bagian yang sama banyak, maka akan terdapat 9 pembagi, masing – masing disebut nilai Desil (D), yaitu D1, D2, …, D9
0
Lo= Batas bawah kelas kuartil c = Lebar kelas
F = Jumlah frekuensi semua kelas sebelum kelas kuartil Qi
•
Untuk data tidak berkelompok
•
Untuk data berkelompok
(
1)
Dimana: Lo = Batas bawah kelas desil Di c = Lebar kelas
•
PERSENTIL
Jika sekelompok data dibagi menjadi 100 bagian sama banyak, maka akan terdapat 99 pembagi, yang masing – masing disebut persentil (P), yaitu P1,P2,P3, …,P99. Nilai persentil ke-I, yaitu Pi dihitung dengan rumus berikut.
Untuk data tidak berkelompok:
(
1)
,
1, 2,3,...,99
100
i
i n
• Untuk data berkelompok
0
.
100
,
1, 2,3,...,99
i
i n
F
P
L
c
i
f
Dimana: Lo = Batas bawah kelas persentil Pi c = Lebar kelas
Contoh soal data tidak
berkelompok
• Tentukan kuartil Q1, Q2 dan Q3 dari data gaji bulanan 13
karyawan (dalam ribuan rupiah) berikut.
• Tentukan desil D3 dan D7 dari data gaji bulanan 13
karyawan (dalam ribuan rupiah) berikut.
Contoh soal data
berkelompok
•
Misalkan modal (dalam jutaan
rupiah) dari 40 perusahaan pada
tabel distribusi frekuensi berikut:
Modal Frekuensi112 - 120 4
121 - 129 5
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
= 40
Tentukan:
a.Tentukan nilai kuartil Q1, Q2 dan Q3
b. Tentukan desil D3 dan D8 c. Tentukan persentil P20
Penyelesaian Soal
• Mencari Q1, Q2, dan Q3Jawab:
Tentukan dulu kelas interval Q1, Q2, dan Q3 Karena n=40,
Q1 terletak pada nilai ke
Nilai ke 10, 25 terletak pada interval kelas 130 – 138 Q2 terletak pada nilai ke
Nilai ke 20, 5 terletak pada interval kelas 139 – 147 Q3 terletak pada nilai ke
Nilai ke 30,75 terletak pada interval kelas 148 – 156
Untuk Q1, terletak pada interval kelas 130 – 137,
129,5 9 129,5 9 130,625
• Mencari D3 dan D8 Jawab:
Tentukan kelas interval dimana desil berada
Karena n = 40, maka kelas interval D3 dan D8 berada pada:
D3 terletak pada nilai ke
Nilai ke 12,3 terletak pada interval kelas 130 – 138 D8 terletak pada nilai ke
Nilai ke 32,8 terletak pada interval kelas 139 – 147 Maka nilai D3 dan D8 adalah:
Untuk D3 terletak pada interval kelas 130 – 138, maka:
Lo = 129,5 F = 4+5= 9f = 8 c = 9 Sehingga:
3
3(40)
9 12 9
10
129,5 9 129,5 9 132,875
8 8
D
PENGUKURAN DISPERSI,
KEMIRINGAN, DAN KERUNCINGAN
DATA
• DISPERSI DATA
Dispersi/ variasi/ keragaman data: ukuran penyebaran suatu kelompok data terhadap pusat data.
• Ukuran Dispersi yang akan dipelajari:
Jangkauan (Range)
Simpangan rata – rata (mean deviation) Variansi (variance)
Standar Deviasi (Standard Deviation) Simpangan Kuartil (quartile deviation) Koefisien variasi (coeficient of variation)
Dispersi multak
RANGE/ JANGKAUAN DATA (r)
• Range: Selisih nilai maksimum dan nilai
minimum Rumus:
• Range untuk kelompok data dalam bentuk
distribusi frekuensi diambil dari selisih antara nilai tengah kelas maksimun – nilai tengah kelas minimum
Simpangan Rata2/ Mean
Deviation (SR)
• Simpangan rata – rata: jumlah nilai mutlak
dari selisih semua nilai dengan nilai rata – rata, dibagi banyaknya data.
• Rumus
• Untuk data tidak berkelompok
X
X
SR
n
Dimana:
X = nilai data
• Untuk data berkelompok
(
f X
X
)
SR
n
Dimana:
X = nilai data
= rata – rata hitung n = Σf = jumlah frekuensi
X
VARIANSI/ VARIANCE
( )
s
2• Variansi adalah rata – rata kuadrat selisih
atau kuadrat simpangan dari semua nilai data terhadap rata – rata hitung.
2
2
• Rumus untuk data tidak berkelompok
•
Untuk data berkelompok
2 21
X
X
S
n
2 21
f X
X
S
n
STANDAR DEVIASI/ STANDARD
DEVIATION (S)
• Standar deviasi: akar pangkat dua dari
variansi
• Rumus:
Untuk data tidak berkelompok
Untuk data berkelompok
Contoh Soal
• Data tidak berkelompokDiketahui sebuah data berikut: 20, 50, 30, 70, 80
Tentukanlah: a. Range (r)
b. Simpangan Rata – rata (SR) c. Variansi
•
Jawab:
a. Range (r) = nilai terbesar – nilai terkecil = 80 – 20 = 60
b. Simpangan Rata – rata (SR):
n = 5
X X SR
n
20 50 30 70 80
50 5
X
20 50 50 50 30 50 70 50 80 50 5
SR
30 0 20 20 30 100
20
5 5
• Variansi
• Standar Deviasi (S)
Contoh Soal
•
Data Berkelompok
Diketahui data pada tabel dibawah ini:
Modal Frekuensi
112 - 120 4
121 - 129 5
130 - 138 8
139 - 147 12
148 -156 5
157 -165 4
166 - 174 2
40
Tentukan: a.Range (r)
b.Simpangan rata – rata (SR) c.Variansi
JAWAB
• Range (r)= (nilai tengah tertinggi – nilai tengah terendah)/2
• Simpangan rata – rata
• Variansi
• Standar Deviasi
( f X X )
• Untuk memudahkan mencari jawaban, maka dibuat tabel sesuai dengan keperluan jawaban
Modal f TengaNilai h (X)
112 - 120 4 116 24,525 98,100 601,476 2405,902
121 - 129 5 125 15,525 77,625 241,026 1205,128
130 - 138 8 134 6,525 52,200 42,576 340,605 139 - 147 12 143 2,475 29,700 6,126 73,507
148 -156 5 152 11,475 57,375 131,676 658,378
157 -165 4 161 20,475 81,900 419,226 1676,902
166 - 174 2 170 29,475 58,950 868,776 1737,551
Jumlah 40 455,8
50 8097,974
Maka dapat dijawab:
•
Range (r)
= 170 – 116 = 54• Simpangan rata – rata
• Variansi
• Standar Deviasi
455,850
11,396 40
SR
2 8097,974 8097,974 207,64
40 1 39
S
207,64 14, 41
JANGKAUAN QUARTIL
DAN JANGKAUAN PERSENTIL 10-90
• Jangkauan kuartil disebut juga simpangan kuartil, rentang semi antar kuartil, deviasi kuartil. Jangkauan persentil 10-90 disebut juga rentang persentil 10-90
• Jangkauan kuartil dan jangkauan persentil lebih baik daripada jangkauan (range) yang memakai selisih antara nilai maksimum dan nilai minimun suatu kelompok data
• Rumus:
Jangkauan Kuartil:
1
(
3 1)
2
JK
Q
Q
Ket: JK: jangkauan kuartil• Rumus Jangkauan Persentil
• KOEFISIEN VARIASI/ DISPERSI
RELATIF
Untuk mengatasi dispersi data yang sifatnya mutlak, seperti
simpangan baku, variansi, standar deviasi, jangkauan kuartil,dll
Untuk membandingkan variasi antara nilai – nilai bersar
dengan nilai – nilai kecil.
Untuk mengatasi jangkauan data yang lebih dari 2 kelompok
data.
10 90 90 10
JP
P
P
Rumus:
*100%
S
KV
X
Ket:
KOEFISIEN VARIASI KUARTIL
• Alternatif lain untuk dispersi relatif yang bisa digunakan jika suatu kelompok data tidak diketahui nilai rata – rata hitungnya dan nilai standar deviasinya.
• Rumus:
3 1
3 1
Q
Q
Q
KV
Q
Q
atau 3 1(
) / 2
Q
Q Q
KV
Med
NILAI BAKU
• Nilai baku atau skor baku adalah hasil transformasi antara nilai rata – rata hitung dengan standar deviasi
• Rumus:
1
i
X
X
Z
S
Contoh Soal untuk Koefisien
Variasi dan Simpangan Baku
•
Koefisien Variasi
Ada dua jenis bola lampu. Lampu jenis A secara rata – rata mampu menyala selama 1500 jam dengan
*100% *100% 18,3% 1500
*100% *100% 17,1% 1750
S KV
X
• Nilai rata – rata ujian akhir semester mata kuliah Statistika dengan 45 mahasiswa adalah 78 dan simpangan baku/standar deviasi (S) = 10. Sedangkan untuk mata kuliah Bahasa Inggris di Kelas itu mempunyai nilai rata – rata 84 dan simpangan bakunya (S) = 18. Bila dikelas itu, Desi mendapat nilai UAS untuk kalkulus adalah 86 dan untuk bahasa Inggris adalah 92, bagaimana posisi/ prestasi Desi di kelas itu?
• Jawab
• Untuk mengetahui posisi/ prestasi Desi, maka harus dicari nilai baku (Z) dari kedua mata kuliah tersebut.
dengan nilai X adalah nilai UAS yang diperoleh Desi
X
X
Z
S
• Untuk Mata Kuliah Statistika
X = 86 S = 10 Maka:
• Untuk Mata Kuliah Bahasa Inggris
X = 92 S = 18 Maka:
Karena nilai baku (Z) untuk mata kuliah Statistika lebih besar dari B. Inggris, maka posisi Desi lebih baik pada mata kuliah Statistika dari pada B.
Inggris
78
X
86 78
0,8
10
Z
84
X
92 84
0, 4
18
KEMIRINGAN DATA
•
Kemiringan: derajat/ ukuran dari
ketidaksimetrian
(asimetri)
suatu
distribusi data
•
3 pola kemiringan distribusi data, sbb:
– Distribusi simetri (kemiringan 0)
– Distribusi miring ke kiri (kemiringan
negatif)
•
Beberapa metoda yang bisa dipakai
untuk menghitung kemiringan data,
yaitu:
– Rumus Pearson – Rumus Momen – Rumus Bowley
•
Rumus Pearson (α)
X Mod
S
atau3(
X Med
)
S
•
Rumus tersebut dipakai untuk data
tidak
berkelompok
maupun
data
berkelompok.
– Bila α = 0 atau mendekati nol, maka
dikatakan distribusi data simetri.
– Bila α bertanda negatif, maka dikatakan
distribusi data miring ke kiri.
– Bila α bertanda positif, maka dikatakan
distribusi data miring ke kanan.
– Semakin besar α, maka distribusi data
RUMUS MOMEN
( )
3•
Cara lain yang dipakai untuk
menghitung
derajat
kemiringan
adalah rumus momen derajat tiga,
yaitu
•
Untuk data tidak berkelompok:
•
Untuk data berkelompok
3
3 3
(
X
X
)
nS
3
3 3
( (
f X
X
) )
f S
• Khusus untuk data berkelompok dalam
bentuk tabel distribusi frekuensi , derajat kemiringan α3 dapat dihitung dengan cara transformasi sebabai berikut:
– Jika α3 = 0, maka distribusi data simetri
– Jika α3 < 0, maka distribusi data miring ke kiri – Jika α3 > 0, maka distribusi data miring ke
kanan
3
3 2
3
3 3 3 2
fU fU fU fU
c
S n n n n
– Untuk mencari nilai Standar deviasi (S)
menggunakan variabel U:
– Variabel U = 0, ±1, ±2, ±3, dst.
•
RUMUS BOWLEY
2
2 ( )
( 1)
n fU fU
S c
n n
3 1 2
3 1
Q
Q Q
Q
Q
KERUNCINGAN DISTRIBUSI
DATA
•
Keruncingan distribusi data adalah
derajat atau ukuran tinggi rendahnya
puncak suatu distribusi data terhadap
distribusi normalnya.
•
Keruncingan
data
disebut
juga
kurtosis, ada 3 jenis yaitu:
•
Keruncingan distribusi data (α4)
dihitung dengan rumus:
•
Data tidak berkelompok
•
Data Berkelompok
4
4 4
(
X
X
)
nS
4
4 4
( (
) )
*
f X
X
f S
•
Khusus untuk transformasi
•
Keterangan
– α4 = 3, distribusi data mesokurtis – α4 > 3, distribusi data leptokurtis – α4 < 3, distribusi data platikurtis
2 4
4 3 2
4
4 4 4 6 3
fU fU fU fU fU fU
c
S n n n n n n
• Selain cara di atas, untuk mencari
keruncingan data, dapat dicari dengan menggunakan rumus:
• Keterangan
– K = 0,263 maka keruncingan distribusi data
mesokurtis
– K > 0,263 maka keruncingan distribusi data
leptokurtis
– K < 0,263 maka keruncingan distribusi data platikurtis
3 1
90 10 90 10
1
( )
2 Q Q
JK K
P P P P
REGRESI DAN KORELASI
• Pada bab ini akan membahas dua bagian
yang saling berhubungan, khususnya dua
kejadian yang dapat diukur secara
matematis.
• Dalam hal dua kejadian yang saling
berhubungan, ada dua hal yang perlu diukur dan dianalisis, yaitu:
– Bagaimana hubungan fungsional (persamaan matematis)
antara dua kejadian tersebut -> analisis regresi
– Bagaimana kekuatan (keeratan) hubungan dua kejadian
REGRESI LINEAR
SEDERHANA
•
Garis regresi/ regresi: garis lurus/ garis
linear yang merupakan garis taksiran
atau perkiraan untuk mewakili pola
hubungan antara variabel X dan
variabel Y.
•
Cara untuk mencari persamaan garis
regresi:
^Y
a bX
Dimana
Y = variabel terikat X = variabel bebas
a = intersep (pintasan) bilamana X=0
Rumus
lain
untuk
menghitung
koefisien a dan b adalah:
2 2
.
.
.
(
)
n
XY
X
Y
b
n
X
X
Y
X
a
b
n
n
•
Kita dapat membuat garis regresi
lebih dari satu dari suatu data. Lalu
garis regresi manakah yang paling
baik??
•
Garis regresi yang paling baik adalah
garis regresi yang mempunyai
total
kuadrat kesalahan/ total kuadrat
selisih/ total kuadrat eror
yang
paling
minimum
.
•
Total kuadrat eror dapat dihitung
dengan:
^
2
(
)
2e
Y Y
n
n
Selanjutnya
bila
diambil
akarnya, maka diperoleh:
^
Bentuk terakhir ini disebut
Kesalahan baku dari penafsiran
Atau disebut juga
Standard error of estimate
Rumus di atas dapat di jabarkan menjadi:
Nih….. Contoh Soal
Tentukanlah persamaan regresi dan kesalahan baku penafsirannya!
Jawab:
Persamaan regresi adalah: ^
Y a bX
Untuk melengkapi persamaan tersebut, maka perlu dicari nilai a dan b. Cara mencari nilai a dan b adalah:
Untuk mempermudah mencari nilai –
Masukan nilai – nilai yang telah diketahui, ke dalam rumus untuk mencari nilai a dan b:
36*203 35*198 7308 6930 378
1,93 7*203 1225 1421 1225 196
a
7 *198 35*36 1386 1260 126
0, 64 7 * 203 1225 1421 1225 196
b
Setelah diketahui, nilai a dan b, maka masukan nilai a dan b ke dalam persamaan regresi. Hasilnya adalah:
^
1,93 0, 64
Y
X
b. Mencari nilai kesalahan baku dari penafsiran.
^
Ini persamaan regresi / hubungan dari variabel X dan
Masukan nilai X ke dalam persamaan regresi untuk mencari nilai Y regresi
Berat
3.21 3,85 4,49 5,13 5,77 6,41 7,05
0,79 1,15 -2,49 -2,13 3,33 -0,41 -0,05
0,6241 1,322
5 6,2001 4,5369 11,0889 0,1681 0,0025
23,9431
^ Y
Cara mencari nilai Y regresi, masukan nilai masing – masing X ke dalam persamaan regresi. ^
Maka nilai kesalahan baku dari
taksiran regresi adalah:
^
Perlu diketahui, bahwa selain regresi linear, dikenal juga regresi yang bukan linear, yaitu:
Sekedar buat pengetahuan aja,,, ga dipelajari
di bab ini….. Tapi kalo mau,, otodidak aja ya…
KOEFISIEN KORELASI
•
Perumusan
koefisien
korelasi
dilakukan
dengan
memakai
perbandingan antara
variasi yang
dijelaskan
dengan
variasi total
.
•
Variasi total dari Y terhadap
dirumuskan oleh
•
Y
2
(Y Y )
^ ^
2 2 2
(
Y Y
)
(
Y Y
)
(
Y Y
)
Variasi yang tidak dijelaskan
•
Perbandingan antara variasi yang
dijelaskan dengan variasi total, yaitu:
•
Koefisien korelasi (r) adalah akar dari
koefisien determinasi
r
adalah koefisien determinasiKeterangan:
1. Nilai r = -1 disebut korelasi linear negatif (berlawanan arah); artinya terdapat hubungan negatif yang sempurna antara variabel X dan Y
2. Nilai r = 1 disebut korelasi linear positif (searah); artinya terdapat hubungan positif yang sempurna antara variable X dengan variabel Y
Koefisien korelasi dapat juga dicari
dengan rumus berikut:
^
S = kuadrat dari kesalahan baku
2
Kedua rumus koefisien korelasi di atas, dapat digunakan untuk mengukur
kekuatan hubungan yang bentuknya linear maupun tidak linear. Bila hubungan antara variabel X dan Y bentuknya linear, maka rumus pertama dapat diubah menjadi:
Dari rumus terakhir, yaitu koefisien
korelasi produk momen
(product
momen formula)
Apabila kita ambil:
xy
Merupakan kovarians dari X dan Y
Merupakan simpangan baku dari X
Merupakan simpangan baku dari Y
2
y
S Merupakan variansi dari Y
2
x
Dengan demikian, maka rumus
koefisien korelasi dapat juga ditulis:
xy
Bingung rumus mana yang harus
digunakan??? Ga usah khawatir… sesuaikan aja sama
• Arti dari koefisien korelasi r adalah:
1.Bila 0,90 < r < 1,00 atau -1,00 < r < -0,90: artinya hubungan yang sangat kuat 2.Bila 0,70 < r < 0,90 atau -0,90 < r <
-0,70: artinya hubungan yang kuat
3.Bila 0,50 < r < 0,70 atau -0,70 < r < -0,50: artinya hubungan yang moderat
4.Bila 0,30 < r < 0,50 atau -0,50 < r < -0,30: artinya hubungan yang lemah
Contoh soalnya nih….
Biar lebih ngerti…….
Soalnya sama aja dengan yang regresi
ya….
Berat
Badan 2 3 4 5 6 7 8 Tinggi
Badan 4 5 2 3 9 6 7
Tentukanlah:
1.Koefisien korelasi (r) dan artinya 2.Koefisien determinasi dan artinya
Koefisien korelasi adalah:
7*203 1225 7*220 1296
r
Truz….
1368 1260
1421 1225 1540 1296
r
108
196* 244
r
108 47824
r
108 108
0, 49 218,69
47824
Kesimpulannya….????
Oleh karena, nilai r = 0,49 terletak
antara 0,30 dan 0,50 maka terdapat
hubungan positif yang lemah antara
tinggi badan dan berat badan.
Koefisien determinasi,
r
2
(0, 49)
2
0, 2401
yaitu
Artinya, variasi tinggi badan yang dapat dijelaskan oleh variasi berat badan (X)
Mahasiswa oleh persamaan regresi adalah
Sebesar 24,01 %. Sisanya 75,99% dipengaruhi oleh faktor lain.
^
1,93 0,64
TUGAS 2
•
Data pada suatu pabrik kertas
menunjukkan
bahwa
banyaknya
mesin yang rusak ada hubungannya
dengan kecepatan beroperasi mesin
cetak. Tergambar pada tabel di
bawah ini.
Kecepatan mesin
permenit 8 9 10 11 12 13 15 16
Jumlah kerusakan
• Tentukanlah:
1.Persamaan regresi linear
2.Berapa perkiraan jumlah kertas yang rusak, jika kecepatan mesin permenit adalah 18?
3.Tentukan kesalahan baku yang diberikan oleh persamaan regresi!
4.Tentukanlah koefisien korelasi dan koefisien determinasi data tersebut serta berikan artinya masing – masing!Deadline…Next
STATISTIKA SEMESTER 4 QUIZ 3
Selasa, 2 Juni 2009
• Data pada suatu pabrik kertas menunjukkan bahwa
banyaknya mesin yang rusak ada hubungannya dengan kecepatan beroperasi mesin cetak. Tergambar pada tabel di bawah ini.
• Tentukanlah:
1. Persamaan regresi linear
2. Berapa perkiraan jumlah kertas yang rusak, jika kecepatan mesin permenit adalah 20?
Kecepatan mesin
permenit 7 8 9 10 11 12 14 15
Jumlah kerusakan kertas (lembar)