Statistika dan Probabilitas
Pendahuluan
Statistik diartikan
Numerical description
Diasosiasikan sebagai kumpulan data Ciri dari sebagian objek yang diamati
Statistik menunjukan pada
Definisi
Statistik
Ilmu yang berurusan dengan
pengumpulan, penyajian dan analisis data untuk menarik kesimpulan dan memanfaatkannyan dalam
Definisi
Statistik (Schaum’s ; Murray R
Spiegel)
Ilmu pengetahuan yang berhubungan
dengan metode – metode ilmiah untuk pengumpulan, pengorganisasian,
perangkuman dan penganalisisan data di samping terkait pula dengan
metode – metode untuk penarikan kesimpulan yang valid serta
pengambilan keputusan yang
Kegunaan statistik
Ruang lingkup statistik
Ekonomi dan bisnis Tehnik dan mekanika Sipil
Sosial dan budaya Pemerintahan
Komputer dan informasi
Psychology dan komunikasi
Matematika dan pengetahuan alam
Terdapat di Setiap bidang
Ilmu pengetahuan
Terdapat di Setiap bidang
Bagian Ilmu Statistik
Statistik Deskriptif
Menjelaskan – menggambarkan
berbagai karakteristik data
Statistik Induktif – Inferensi
Inferensi adalah suatu pernyataan
mengenai suatu populasi yang didasarkan pada informasi dari
Bagian Ilmu Statistik
Teori Probabilitas
Probabilitas – peluang adalah suatu
angka yang menunjukan tingkat
keyakinan tentang terjadinya suatu peristiwa
Analisis keputusan
Analisis keputusan secara statistik
Perlu Mempelajari Statistik
Menjelaskan hubungan antar
variabel
Membuat keputusan lebih baik
Metodologi Statistik
Mengidentifikasikan persoalan
Pengumpulan fakta-fakta yang ada
Mengumpulkan data
Elemen Statistik
Populasi
Sampel
Variabel
Statistik inferensi
Populasi
Populasi adalah sebagai sekumpulan data yang mengidentifikasi suatu
fenomena Contoh :
Semua pekerja di seluruh Indonesia Semua mahasiswa di Jakarta
Populasi lebih bergantung pada
kegunaan dan relevansi data yang dikumpulkan
Sampel
Sampel adalah sebagai sekumpulan
data yang diambil atau diseleksi
dari suatu populasi
Contoh :
Populasi = Seluruh mahasiswa di
Narotama
Sampel = Mahasiswa semeter 8
jurusan AK
Sampel pada dasarnya adalah
bagian dari populasi
Variabel
Dalam melakukan inferensi terhadap populasi, tidak semua ciri populasi harus diketahui, hanya satu atau
beberapa karakteristik populasi yang perlu diketahui, yang disebut sebagai
variabel
Variabel adalah sebuah simbol, yang dapat menyandang setiap nilai dari suatu himpunan nilai yang disebut
Variabel kontinu dan
diskrit
Sebuah variabel yang secara
teoritis dapat menyandang setiap
nilai di antara dua nilai yang
diberikan disebut dengan
variabel
kontinu
Kebalikannya disebut sebagai
Contoh variabel kontinu
Tinggi seseorang dapat bernilai 62
cm, 67,5 cm atau 68,45678 cm,
bergantung pada tingkat akurasi
pengukurannya
Contoh Variabel diskrit
Sejumlah N anak dalam sebuah
keluarga, yang bernilai bisa salah
satu dari 0, 1, 2, 3, … tetapi tidak
mungkin 2,5 atau, 3,4567
Data yang dijelaskan melalui
Penjelasan :
Data diskrit adalah data yang sifatnya terputus-putus, nilainya bukan
merupakan pecahan (angka utuh).
Contoh data diskrit adalah data tentang jumlah penduduk, kendaraan dan
sebagainya,
Data kontinyu adalah data yang
sifatnya sinambung atau kontinyu,
nilainya bisa berupa pecahan. Contoh data kontinyu adalah data tentang hasil panen padi, panjang jalan, berat sapi
Statistik Inferensi
Statistik inferensi pada dasarnya
adalah suatu keputusan, perkiraan
atau generalisasi tentang suatu
populasi berdasarkan informasi
yang terkandung dari suatu
Pengukuran reliabilitas dari
statistik inferensi
Dalam analisa statistik yang
diambil dari data sampel dari
suatu populasi, maka konsekuensi
akan menimbulkan bias dalam
inferensinya.
Type data Statistik
Data kualitatif – data
nonmetrik
Data nominal
Data yang paling rendah dalam level
pengukuran data, hanya meghasilkan satu dan hanya satu-satunya kategori. Contoh pendidikan, jenis kelamin
Data ordinal
Data yang memiliki tingkatan data, urutan
data
Data kategorikal
Data dalam jenis ya atau tidak
Data numerikal
Data kuantitatif – data metrik
Interval
Data yang lebih tinggi tingkat
pengukurannya dari data ordinal, urutan data dapat dikuantitatifkan dan tidak
mempunyai titik nol yang absolut
Rasio
Data yang tingkat pengukurannya lebih
tinggi
Data rasio adalah data bersifat angka dalam
Pendekatan Statistik
Analisis deskriptif
Analisis inferensi
Aplikasi Komputer yang dapat
digunakan
Statistik
Microstat
Curve expert
Minitab, statistic Amos
Lisrel, AHP SPSS
MS Excel dll
Metode kuantitatif
QSB Lindo
Invest, metastock E-viewa
METHODE OF SUCCESSIVE
INTERVAL
Method Of Successive Interval
MSI ini digunakan untuk
mentransformasikan data
Ordinal menjadi data Interval.
Diketahui ada 4 jenis data yang
tergabung dalam dua kelompok
yaitu Data kualitatif dan Data
Kuantitatif
Cara
mentransformasikannya
Diketahui beberapa butir pertanyaan yang ditanyakan kepada, umpamanya, 156 orang Responden.
Salah satu ‘butir pertanyaan/pernyataan’ itu misalnya menyangkut tentang kesetujuan pendapat responden thd suatu pernyataan.
Misalnya Variabel X. Pengukuran menggunakan Skala Likert (Ordinal) lima tingkat.
Sangat Setuju=5; Setuju=4, Netral=3, Tidak Setuju=2, dan Sangat Tidak Setuju=1
lanjutan
Ternyata, umpamanya, dari 156
responden yang berpendapat Sangat
Tidak Setuju (1) ada 10 orang, yang
Tidak Setuju (2) ada 64 orang, Netral
(3) ada 51 orang, Setuju (4) ada 19
orang, dan Sangat Setuju (5) ada 12
orang.
No Kategori Frekuensi Proporsi Proporsi Item Skor Kumulatif
Jawaban Ordinal
1 10 0.0641 0.0641 2 64 0.4103 0.4744 1 3 51 0.3269 0.8013 4 19 0.1218 0.9231 5 12 0.0769 1.0000
keterangan
Proporsi adalah besarnya probabilitas, jumlah
seluruh probabilitas 156 responden adalah 156/156 = 1.
Proporsi masing2 adalah frekuensi dibagi jumlah kali 100%. Misal STS ada 10 responden 10/156 =
0,0641 selanjutnya TS = 64 resp 64/156 = 0,4103 Proporsi kumulatif adalah :
Proporsi Z Y Kumulatif Tabel Tabel
Ø(z) Densitas
0.0641 -1.5212 0.1254 0.4744 -0.0640 0.3981 0.8013 0.8463 0.2789 0.9231 1.4262 0.1443 1.0000 ~ 0.0000
Densitas Densitas Area Area Score (Y) (Y) Ø(z) Ø(z) Value
Lower Upper Under Upper Under Lower SV
0.0000 0.1254 0.0641 0.0000 -1.9563 0.1254 0.3981 0.4744 0.0641 -0.6645 0.3981 0.2789 0.8013 0.4744 0.3647 0.2789 0.1443 0.9231 0.8013 1.1051 0.1443 0.0000 1.0000 0.9231 1.8765
Score Value
Score Perubah Yn
Value terkecil (1 s/d 5) SV jadi 1
-1.9563 2.9563 1.0000
-0.6645 2.9563 2.2918
0.3647 2.9563 3.3210
1.1051 2.9563 4.0614
1.8765 2.9563 4.8328
Keterangan :
Score Value terkecil harus
ditambah atau dikurangi berapa
supaya ia menjadi bernilai 1.
Data Interval (Hasil Transformasi)
1.0000
2.2918
3.3210
4.0614
4.8328
PENGGUNAAN SOFWARE
Mengoperasikan STAT97.XLA utk MSI
Buka Directory tempat STAT97.XLA berada Double Klik STAT97.XLA
Pilih “Enable Macros” Tekan Ctrl + N
Ketik Data, atau Copy Paste-kan Data yang akan di-MSI-kan
Klik Add-ins, Klik Statistics pilih Successive Interval Pilih Yes
