Ukuran Pemusatan, Penyebaran dan Pola
Distribusi Normal
-Ledhyane Ika Harlyan-
Pengolahan Data Perikanan (PIF 4107)
2 SKS (1-1)
Faculty of Fisheries and Marine Science Brawijaya University
2012
Tujuan Instruksional Khusus
Mahasiswa dapat menggunakan analisis
statistika sederhana dengan berfokus ukuran pemusatan, ukuran penyebaran,pola distribusi normal.
Materi Kuliah
1. Ukuran Pemusatan 2. Ukuran Penyebaran
3. Perbandingan 2 ragam yang berbeda
4. Pola Distribusi Normal
Ukuran Pemusatan (ukuran lokasi pusat)
….mendefinisikan ukuran-ukuran data numerik yg menjelaskan ‘ciri-ciri’ data.
--Pusat dari beberapa data lain---
o Berupa: 1. Rata-rata/ Nilai tengah (mean) 2. Median
3. Modus
Nilai tengah (mean)
Nilai tengah populasi/contoh segugus data x1, x2, …xN (tdk harus semuanya berbeda) membentuk populasi N, maka nilai tengahnya :
8, 8,9,10,11,12,12 Nilai tengah?
Ukuran Pemusatan (ukuran lokasi pusat)
Median
Segugus data yg telah diurutkan pengamatan yg berada di tengah-tengah (jumlah data ganjil)
Contoh: 8, 8,9,10,11,12,12
rata-rata kedua pengamatan yg di tengah (jumlah data genap)
Contoh: 1,5,8,10,12,15,19,20 Modus
Nilai yang terjadi paling sering atau yg mempunyai frekuensi paling tinggi Contoh: a. 9,10,5,9,9,7,8,6,10,11 9
b. 2,0,3,1,2,4,2,5,4,0,1,4 2 dan 4 bimodus c. 82,93,86,92,79 tdk memiliki modus
Ukuran Pemusatan (ukuran lokasi pusat)
• Untuk gugus data yang distribusinya simetris, nilai mean, median dan modus semuanya sama.
• Untuk distribusi miring ke kiri (negatively skewed): mean < median < modus
• Untuk distribusi miring ke kanan (positively skewed): terjadi hal yang sebaliknya, yaitu mean >
median > modus.
Contoh: 9,10,5,9,9,7,8,6,10,11 gambarkanlah kurva ukuran pemusatan!
Ukuran Pemusatan (ukuran lokasi pusat):
Arithmetic mean vs Geometric mean
1. Arithmetic mean/ mean (Rata-rata hitung) 2. Geometric mean
Digunakan untuk menghitung rata-rata laju pertumbuhan (growth rate) misalnya : pertumbuhan penduduk, penjualan, tingkat bunga dll.
atau Dimana : G = antilog (log G)
Contoh: Data pertumbuhan suku bunga dalam 5 hari kerja :
1.5 2.3 3.4 1.2 2.5 (%)
G = antilog 0.30928... = 2.03837....
n
x x x x
nG
1
2
3
n
n 3
2
1 log x log x log x
x
= log G
log
n
x x x x
nG
1
2
3
5x log x
log x
log x
log x
= log G
log 1 2 3 4 5
5
2.5 log 1.2
log 3.4
log 2.3
log 1.5
log log
G
5
...
397 . 0 ...
079 . 0 ...
531 . 0 0.361...
0.176...
log
5 G
...
5464 .
log G 1
Ukuran keragaman
…”seberapa jauh pengamatan-pengamatan menyebar dari rata-ratanya..”
Mean=10 ; Median=10
Keseragaman : A > B;
Keragaman (dispersi keragaman) : A< B
Ukuran Keragaman dapat dihitung dari: 1. Wilayah 2. Ragam Wilayah
Beda antara pengamatan terbesar dan terkecil -hanya memperhatikan nilai ekstrem
- tdk berbicara ttg sebaran data
Contoh A 8 8 9 10 11 12 12
Contoh B 5 6 8 10 12 14 15
Ukuran keragaman
Ragam (Varian)
Simpangan dari nilai tengah selisih nilai pengamatan dengan nilai tengahnya Untuk populasi maka simpangannya:
Ragam populasi Ragam contoh
TASK 1
Coba bandingkan ragam antara Contoh A & Contoh B!
Buktikan bahwa Contoh B memiliki ragam yg lebih tinggi dari Contoh A!
Ukuran keragaman
Simpangan Baku (Standar Deviasi)
…”simpangan baku adalah akar dari ragam”
= ukuran keragaman akan memiliki satuan yg sama
dengan satuan asalnya (dilakukan pengakaran thd ragam)
o Memperlihatkan keberagaman
o Memperlihatkan penyebaran data terhadap nilai rata-rata (expected value) o Semakin tinggi standar deviasi data semakin tersebar jauh dari nilai tengah
Perbandingan 2 ragam
Dilakukan percobaan untuk mengetahui komposisi kandungan minyak goreng yang dihasilkan oleh 8 pabrik minyak goreng untuk menggoreng kerupuk ikan.
Masing-masing produk minyak digunakan untuk
menggoreng enam bungkus kerupuk dengan formula yang sama. Kerupuk yang berasal dari:
A. Pabrik A dan B menggunakan campuran bahan x B. Pabrik C, D dan E menggunakan campuran bahan y.
C. Pabrik F dan G menggunakan metode S
D. Pabrik I tidak menggunakan metode atau campuran
apapun.
Apakah setiap perlakuan efektif untuk menghasilkan kerupuk yang berkualitas??
Apakah ada perbedaan diantara 8 kerupuk (yg berasal dari 8 pabrik kerupuk)? Kalau ada, yang mana yang paling efektif?
Apakah ada perbedaan yang nyata antara penggunaan bahan x dan y?
Apakah ada perbedaan penggunaan kadar bahan x/y
terhadap kualitas kerenyahan kerupuk (hasil uji organoleptik dari beberapa responden)?
Pertanyaan yg mungkin muncul..
Perbandingan 2 ragam
Banyak perlakuan :
Uji Fmengetahui fungsi (beda nyata) perlakuan
UJi Lanjutmengetahui perlakuan yang memiliki beda nyata paling baik
(Dunnet’s test, Fisher’s test, Tukey’s test)
Dua perlakuan:
UJi t : 1. Populasi bebas ragam sama
ragam beda
2. Populasi dependen (berpasangan)
1. Dua populasi bebas (independen)
Dua populasi dikatakan bebas (independent) jika dua populasi tersebut mempunyai karakteristik yang
berbeda.
Hipotesis:
2 1
1
2 1
0
2 1
0
:
0 :
:
H H atau H
PERBANDINGAN DUA PERLAKUAN:
Menggunakan Uji t
Contoh populasi bebas:
Dari data penelitian tentang upaya peningkatan efektivitas bahan alternatif pengganti tepung
ikan pada pakan buatan.
Data diambil pada dua kolam yang berbeda, kolam pertama menggunakan tepung A
sedangkan kolam kedua menggunakan tepung B. Apakah ada perbedaan respon terhadap
bobot rataan dari tepung A dan tepung B?
Data
Kolam 1/Tepung
A(A)
Kolam 2/Tepung
B(B) Data
Kolam 1/Tepung
A(A)
Kolam 2/Tepung
B(B)
1 260 332 11 269 335
2 280 310 12 296 327
3 298 319 13 264 324
4 288 317 14 267 328
5 279 320 15 268 334
6 290 316 16 272 339
7 299 312 17 293 314
8 276 329 18 274 325
9 279 320 19 278 328
10 275 331 20 294 337
POPULASI BEBAS: Ragam sama
s2 atau yang biasa disebut kuadrat tengah dapat dijabarkan dalam rumus hitung sebagai berikut:
Selang Kepercayaan:
Dengan t adalah nilai dari t tabel dengan α/2 tertentu dengan derajat bebas sebesar ((n1+n2)-2)
2 1
1 1
2 1
n S n
x t x
gab test
2 ) 1 (
) 1 (
2 1
2 2 2
2 1 2 1
n n
s n
s S
gabn
1 1
1 1 1
2 1
2 2
1 2
1 2
1 2
2
1
x x t s n n
n s n
t x
x
P
gab gabLihat kembali
Ukuran Penyebaran: Ragam
Selang kepercayaan untuk ragam kedua populasi berbeda:
Dengan t adalah nilai dari t tabel dengan α/2 tertentu dengan derajat bebas sebesar ((n1+n2)-2)
1
2 2 2 1
2 1 2
1 2
1 2
2 2 1
2 1 2
1
n
s n
t s x
n x s n
t s x
x P
2 2 2 1
2 1
2 1
n s n
s
x t
testx
POPULASI BEBAS: Ragam berbeda
t-Test: Two-Sample Assuming Unequal Variances
Reject H0 if:
1. P two tail < P level
2. T stat not in range t critical two tail
Pengerjaan
dengan Ms. Excell
PERBANDINGAN DUA PERLAKUAN:
Menggunakan Uji t
2. Dua populasi berpasangan (dependen)
- Diamati secara berpasangan pada setiap pengamatan
- Memiliki data yang sifatnya sebelum dan sesudah sehingga setiap obyek yang sama diamati sebelum treatment (populasi 1) dan sesudah treatment (populasi 2)
- Berasal dari obyek yang berbeda tetapi cara mengamatinya berpasang- pasangan
0 :
0 :
:
0 :
:
1 0 1
0 0
D D
B A
B A
B A
H H atau
H H atau
H
HIPOTESIS
Sebuah penelitian ingin menguji
perbedaan selektivitas dan efektivitas hasil tangkapan terhadap:
1. alat tangkap bubu tradisional (A); dan 2. baited plastic pot with closing door (B).
Penilaian tersebut dilihat dari kualitas hasil tangkapan:
(a) kuantitas hasil tangkapan (b) jumlah by-catch
(c) waktu yang dibutuhkan target hasil tangkapan untuk masuk bubu/ time ingress
Kuantitas Hasil Tangkapan
PERBANDINGAN DUA PERLAKUAN:
2 populasi berpasangan (dependen)
UJI STATISTIK
dimana:
Selang kepercayaannya adalah sebagai berikut:
Dengan t adalah nilai dari t tabel dengan a/2 tertentu dan derajat bebas (n-1) dan s adalah :
n s
t D
D
test
D
j X
Aij X
BI D t n D t n a
P
SD
A
B
SD 1
1
2
n
D
s
DD
iPola Distribusi Normal
Sebaran Normal/ Gauss
Sebaran peluang kontinu yg digunakan di gugusan data alam, industri, dan penelitian
Definisi:
Jika X merupakan suatu
peubah acak normal dengan nilai tengah µ dan ragam σ2, maka persamaan kurva
normalnya
...
14159265 .
3 and
...
7182818 .
2 where
for 2
2
2 2 2
) 1 (
e
x x
e x
f
Bentuk distribusi normal ditentukan oleh μ dan σ.
1 2
μ1 = μ2 σ1 > σ2
1
2
μ1 < μ2 σ1 = σ2
1
2
μ1 < μ2 σ1 < σ2
Kurva Normal
Menghitung luas daerah di bawah kurva normal
Bentuk kurva sangat tergantung pada 2 nilai parameternya, yaitu µ dan σ
21-24
Kurva Normal
Sifat-sifat kurva normal:
1. Modusnya titik pada sumbu mendatar yang
membuat fungsi mencapai maksimum, terjadi pada x = µ
2. Kurvanya setangkup terhadap suatu garis tegak yang melalui nilai tengah
3. Kurva ini mendekati sumbu mendatar secara asimtotik dalam kedua arah bila kita semakin menjauhi nilai tengahnya.
4. Luas daerah yang terletak di bawah kurva tetapi di atas
sumbu mendatar = 1
Gambaran kurva normal
1-26
Transformasi dari peubah acak X ~ Normal (µ,σ
2) ke peubah acak Z ~ Normal Baku (0,1), dengan
menggunakan :
X
Z
1-27
Gambaran kurva normal
Menghitung Probabilitas dengan Kurva Normal: P(0 < Z < 1.56)
1-28
z .00 .01 .02 .03 .04 .05 .06 .07 .08 .09
0.0 0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279 0.0319 0.0359 0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675 0.0714 0.0753 0.2 0.0793 0.0832 0.0871 0.0910 0.0948 0.0987 0.1026 0.1064 0.1103 0.1141 0.3 0.1179 0.1217 0.1255 0.1293 0.1331 0.1368 0.1406 0.1443 0.1480 0.1517 0.4 0.1554 0.1591 0.1628 0.1664 0.1700 0.1736 0.1772 0.1808 0.1844 0.1879 0.5 0.1915 0.1950 0.1985 0.2019 0.2054 0.2088 0.2123 0.2157 0.2190 0.2224 0.6 0.2257 0.2291 0.2324 0.2357 0.2389 0.2422 0.2454 0.2486 0.2517 0.2549 0.7 0.2580 0.2611 0.2642 0.2673 0.2704 0.2734 0.2764 0.2794 0.2823 0.2852 0.8 0.2881 0.2910 0.2939 0.2967 0.2995 0.3023 0.3051 0.3078 0.3106 0.3133 0.9 0.3159 0.3186 0.3212 0.3238 0.3264 0.3289 0.3315 0.3340 0.3365 0.3389 1.0 0.3413 0.3438 0.3461 0.3485 0.3508 0.3531 0.3554 0.3577 0.3599 0.3621 1.1 0.3643 0.3665 0.3686 0.3708 0.3729 0.3749 0.3770 0.3790 0.3810 0.3830 1.2 0.3849 0.3869 0.3888 0.3907 0.3925 0.3944 0.3962 0.3980 0.3997 0.4015 1.3 0.4032 0.4049 0.4066 0.4082 0.4099 0.4115 0.4131 0.4147 0.4162 0.4177 1.4 0.4192 0.4207 0.4222 0.4236 0.4251 0.4265 0.4279 0.4292 0.4306 0.4319 1.5 0.4332 0.4345 0.4357 0.4370 0.4382 0.4394 0.4406 0.4418 0.4429 0.4441 1.6 0.4452 0.4463 0.4474 0.4484 0.4495 0.4505 0.4515 0.4525 0.4535 0.4545 1.7 0.4554 0.4564 0.4573 0.4582 0.4591 0.4599 0.4608 0.4616 0.4625 0.4633 1.8 0.4641 0.4649 0.4656 0.4664 0.4671 0.4678 0.4686 0.4693 0.4699 0.4706 1.9 0.4713 0.4719 0.4726 0.4732 0.4738 0.4744 0.4750 0.4756 0.4761 0.4767 2.0 0.4772 0.4778 0.4783 0.4788 0.4793 0.4798 0.4803 0.4808 0.4812 0.4817 2.1 0.4821 0.4826 0.4830 0.4834 0.4838 0.4842 0.4846 0.4850 0.4854 0.4857 2.2 0.4861 0.4864 0.4868 0.4871 0.4875 0.4878 0.4881 0.4884 0.4887 0.4890 2.3 0.4893 0.4896 0.4898 0.4901 0.4904 0.4906 0.4909 0.4911 0.4913 0.4916 2.4 0.4918 0.4920 0.4922 0.4925 0.4927 0.4929 0.4931 0.4932 0.4934 0.4936 2.5 0.4938 0.4940 0.4941 0.4943 0.4945 0.4946 0.4948 0.4949 0.4951 0.4952 2.6 0.4953 0.4955 0.4956 0.4957 0.4959 0.4960 0.4961 0.4962 0.4963 0.4964 2.7 0.4965 0.4966 0.4967 0.4968 0.4969 0.4970 0.4971 0.4972 0.4973 0.4974 2.8 0.4974 0.4975 0.4976 0.4977 0.4977 0.4978 0.4979 0.4979 0.4980 0.4981 2.9 0.4981 0.4982 0.4982 0.4983 0.4984 0.4984 0.4985 0.4985 0.4986 0.4986 3.0 0.4987 0.4987 0.4987 0.4988 0.4988 0.4989 0.4989 0.4989 0.4990 0.4990 5
4 3 2 1 0 -1 -2 -3 -4 -5 0.4
0.3
0.2
0.1
0.0
Z
f(z)
StandardNormal Distribution
1.56
{
Standard Normal Probabilities
Lihat baris 1.5 dan kolom .06 untuk mencari
P(0 z 1.56) =0.4406
Pola Distribusi Normal
Luas daerah untuk kurva normal adalah luas daerah di bawah kurva (sebelah kiri dari nilai peubah z)
CONTOH!!
Untuk sebaran normal dengan µ=50;
σ=10 hitunglah bahwa X mengambil sebuah nilai antara 45 dan 62!
Z1=(45-50)/10 = -0.5 Z2=(62-50)/10=1.2
Maka P(45<X<62) = P(-0.5<Z<1.2)
P(45<X<62)= P(-0.5<Z<1.2)
=P(Z<1.2) – P(Z<-0.5)
= 0.8849 – 0.3085
= 0.5764
5 4 3 2 1 0 -1 -2 -3 -4 -5 0.4
0.3
0.2
0.1
0.0
Z
f(z)
StandardNormal Distribution
Contoh: Hitung Luas
Pergunakanlah tabel distribusi normal standard untuk menghitung luas daerah :
a) Di sebelah kanan z=1.84
b) Antara z=-1.97 s/d z=0.86
Jawab.
Ingat bahwa luas yg diberikan dalam tabel distribusi normal kumulatif adalah luas dari z=-∞ s/d z0 tertentu: P(z<z0).
a) P(z>1.84) = 1 – P(z≤1.84)
=1 -0.9671
= 0.0329
a) P(-1.97 <z<0.86) = P(z<0.86) – P(z<-1.97)
= 0.8051 – 0.0244
= 0.7807
Memakai Distribusi Normal Dalam Arah Kebalikan
Diketahui luas dibawah distribusi normal yg diinginkan yang terkait dengan besar probabilitas, ingin dicari nilai variabel random X yg terkait.
Contoh.
Misalkan distribusi normal memiliki μ=40 σ=6, carilah nilai x0 sehingga:
a) P(x<x0) = 45%
b) P(x>x0)=14%
Jawab.
a) Kita mulai dengan mencari nilai Z yg sama luasnya.
P(z<z0) = 45% = 0.45 dari tabel z0 = -0.13 z0 = (x0-μ)/σ
x0 = μ + σz0
= 40 +6*(-0.13)
= 39.22
Memakai Distribusi Normal Dalam Arah Kebalikan
Jawab.
b) Kita mulai dengan mencari nilai Z yg sama luasnya.
P(z>z0) = 14% P(z<z0) = 1- P(z>z0)
= 1-0.14
= 0.86
P(z<z0) = 0.86 dari tabel z0 = 1.08
z0 = (x0-μ)/σ x0 = μ + σz0
= 40 +6*(1.08)
= 46.48
Contoh Penerapan Distribusi Normal
Sebuah perusahaan lampu celup bawah air mengetahui bahwa umur lampunya (sebelum putus) terdistribusi secara normal dengan rata-rata umurnya 800 jam dan standard deviasinya 40 jam. Carilah probabilitas bahwa sebuah bolam produksinya akan:
a. Berumur antara 778 jam dan 834 jam
b. Berumur kurang dari 750 jam atau lebih dari 900 jam
Jawab.
μ= 800 σ=40.
P(778<x<834)
x1=778 z1 = (x1-μ)/σ = (778-800)/40 = -0.55 x2=834 z2 = (x2-μ)/σ = (834-800)/40 = 0.85
P(778<x<834) = P(-0.55<z<0.85)
= P(z<0.85)-P(z<-0.55)
= 0.8023 – 0.2912
= 0.5111
Contoh Penerapan Distribusi Normal
b) Berumur kurang dari 750 jam atau lebih dari 900 jam μ= 800 σ=40.
P(x< 750 atau x>900) x1=750 z1 = (x1-μ)/σ
= (750-800)/40
= -1.25 x2=900 z2 = (x2-μ)/σ
= (900-800)/40
= 2.5
P(x< 750 atau x>900) = P(z<-1.25) + P(z>2.5)
= P(z<-1.25) + 1- P(z<2.5)
= 1 + P(z<-1.25) - P(z<2.5)
= 1 + 0.1056-0.9938
= 0.1118
Assignment!
Rata-rata nilai kuliah statistik diketahui 65 dengan standard deviasi 15.
a) Jikalau diinginkan 15% murid mendapat nilai A dan diketahui
distribusi nilai normal, berapakah batas bawah nilai agar mendapat A?
b) Selanjutnya diinginkan yg mendapat B adalah sebanyak 25%.
Berapakah batas bawah B?