Ukuran Statistik 1. Pendahuluan
Ukuran Statistik: 1. Ukuran Pemusatan
Bagaimana, di mana data berpusat?
♦ Rata-Rata Hitung = Arithmetic Mean
♦ Median
♦ Modus
♦ Kuartil, Desil, Persentil
2. Ukuran Penyebaran
Bagaimana penyebaran data?
♦ Ragam, Varians ♦ Simpangan Baku
Ukuran Statistik nantinya akan mencakup data:
1. Ungrouped Data : Data yang belum dikelompokkan
2. Grouped Data : Data yang telah dikelompokkan Î Tabel Distribusi Frekuensi 2. Ukuran Pemusatan
2.1. Rata-Rata Hitung = Arithmetic Mean
Notasi : µ : rata-rata hitung populasi x : rata-rata hitung populasi
A. Rata-Rata Hitung untuk Ungrouped Data
N x N i i
∑
= = µ 1 dan n x x n i i∑
= = 1µ : rata-rata hitung populasi x : rata-rata hitung sampel
N : ukuran Populasi n : ukuran Sampel
xi : data ke-i Contoh 1:
Misalkan diketahui Di kota A hanya terdapat 6 PTS, masing-masing tercatat mempunyai banyak mahasiswa sebagai berikut : 850, 1100, 1150, 1250, 750, 900
Berapakah rata-rata banyak mahasiswa PTS di kota A? Rata-Rata Populasi atau Sampel ?
Jawab: µ = 6000
Contoh 2 :
Setiap 12 jam sekali bagian QC pabrik minuman ringan memeriksa 6 kaleng contoh untuk diperiksa kadar gula sintetisnya (%). Berikut adalah data 6 kaleng minuman contoh yang diperiksa :
13.5 12.5 13 12 11.5 12.5
Jawab: x = 75
6 = 12.5 %
B. Rata-Rata untuk Grouped Data
Nilainya merupakan pendekatan, biasanya berhubungan dengan rata-rata hitung sampel
∑
∑
= = = k i i k i i i f x f x 1 1 sehingga : n x f x k i i i∑
= = 1x : rata-rata hitung sampel k : banyak kelas
n : ukuran Sampel fi : frekuensi di kelas ke-i xi : Titik Tengah Kelas ke-i
Contoh 3:
Kelas Titik Tengah Kelas (xi) Frekuensi (fi) fi xi
16-23 19.5 10 195 24-31 27.5 17 467.5 32-39 35.5 7 248.5 40-47 43.5 10 435 48-55 51.5 3 154.5 56-63 59.5 3 178.5 Jumlah (Σ) 50 1679 Jawab : x = 1679 50 = 33.58
2.2 Modus
Nilai yang paling sering muncul Nilai yang frekuensinya paling tinggi A. Modus untuk Ungrouped Data
Bisa terjadi data dengan beberapa modus (multi-modus) Bisa terjadi data tanpa modus
Contoh 4:
a. Sumbangan PMI warga Depok:
Rp.7500 8000 9000 8000 3000 5000 8000 Modus : Rp. 8000
b. Berat 5 unit kendaraan (ton): 3.6 3.5 2.9 3.1 3.0 (Tidak Ada Modus)
c. Umur Mahasiswa (tahun) : 19 18 19 18 23 21
19 21 18 20 22 17
Modus : 18 dan 19 B. Modus untuk Grouped Data
Kelas Modus : Kelas di mana Modus berada Kelas dengan frekuensi tertinggi
Tepi Batas Bawah kelas ke-i = Batas Bawah kelas ke-i + Batas Atas kelas ke (i-1) 2
Tepi Batas Atas kelas ke-i = Batas Atas kelas ke-i + Batas Bawah kelas ke (i+1) 2
Modus = TBB Kelas Modus + i
d
d
1d
1
+
2
di mana : TBB : Tepi Batas Bawah
d1 : Beda Frekuensi Kelas Modus dengan Frekuensi Kelas sebelumnya
d2 : Beda Frekuensi Kelas Modus dengan Frekuensi Kelas sesudahnya
Kelas Frekuensi (fi) 16-23 10 24-31 17 32-39 7 40-47 10 48-55 3 56-63 3 Jumlah (Σ) 50 Kelas Modus = 24 - 31 TBB Kelas Modus = 23.5 i = 8
frek. kelas Modus = 17
frek, kelas sebelum kelas Modus = 10 frek. kelas sesudah kelas Modus = 7 d1 = 17 - 10 = 7 d2 = 17 - 7 = 10 Modus = 23.5 + 8 7 7 10+ = 23.5 + 8 7 17 = 23.5 + 8 (0.41176...) = 23.5 + 3.2941... = 26.7941... ≈ 27
2.3 Median, Kuartil, Desil dan Persentil
Median → Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 2 bagian yang sama besar
Kuartil → Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 4 bagian yang sama besar
Desil → Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 10 bagian yang sama besar
Persentil → Nilai yang membagi gugus data yang telah tersortir (ascending) menjadi 100 bagian yang sama besar
A. Median untuk Ungrouped Data
Letak Median → Letak Median dalam gugus data yang telah tersortir
Letak Median = n+ 1
2 n : banyak data Contoh 1:
Tinggi Badan 5 mahasiswa :
1.75 1.78 1.60 1.73 1.78 meter Sorted :1.60 1.73 1.75 1.78 1.78 meter n = 5 Letak Median = 5 1 2 + = 6 2 = 3 Median = Data ke 3 = 1.75 Contoh 2:
Tinggi 6 mahasiswa : 1.60 1.73 1.75 1.78 1.78 1.80 meter (Sorted) n = 6 Letak Median → 6 1 2 + = 7 2= 3.5 Median = 2 1 (Data ke 3 + Data ke 4) = 2 1 (1.75 + 1.78) = 2 1 × 3.53 = 1.765 B. Median untuk Grouped Data
Letak Median = n
2 n : banyak data
Kelas Median : Kelas di mana Median berada
Kelas Median didapatkan dengan membandingkan Letak Median dengan Frekuensi Kumulatif
Median = TBB Kelas Median + i s
fM
atau
Median = TBA Kelas Median - i s
fM '
di mana : TBB : Tepi Batas Bawah
s : selisih antara Letak Median dengan Frekuensi Kumulatif sebelum kelas Median
TBA : Tepi Batas Atas
s’ : selisih antara Letak Median dengan Frekuensi Kumulatif sampai kelas Median
i : interval kelas
f M : Frekuensi kelas Median
Contoh 4 :
Kelas Frekuensi Frek.
Kumulatif 16 - 23 10 10 24 - 31 17 27 32 - 39 7 34 40 - 47 10 44 48 - 55 3 47 56 - 63 3 50 Σ 50 ----Kelas Median = 24 - 31 Letak Median = n 2 = 50 2 = 25
Median = Data ke-25 terletak di kelas 24-31 Kelas Median = 24 - 31 TBB Kelas Median = 23.5 dan TBA Kelas Median = 31.5 f M = 17
Frek. Kumulatif sebelum Kelas Median = 10→ s = 25 - 10 = 15 Frek. Kumulatif sampai Kelas Median = 27 → s’ = 27 - 25 = 2 interval = i = 8
Median = TBB Kelas Median + i s fM = 23.5 + 8 15 17 = 23.5 + 8 (0.8823...) = 23.5 + 7.0588... = 30.5588... ≈ 30.6
Median = TBA Kelas Median - i s
fM ' = 31.5 - 8 2 17 = 31.5 - 8 (0.1176...) = 31.5 - 0.9411.. = 30.5588... ≈ 30.6
2.4. Ukuran Kemencengan & Keruncingan Kurva Distribusi Frekuensi
Ukuran Kemencengan (Skewness) Kurva Distribusi Frekuensi diketahui dari posisi Modus, Rata-Rata dan Median
Jika Rata-Rata = Median = Modus maka Kurva Simetris
Jika Rata-Rata < Median < Modus maka Kurva Menceng ke Kiri Jika Rata-Rata > Median > Modus maka Kurva Menceng ke Kanan
Berdasarkan tingkat keruncingan (Kurtosis), kurva distribusi frekuensi dibagi menjadi tiga, yaitu: a. Leptokurtis: Kurva sangat runcing
b. Mesokurtis: Kurva dengan tingkat keruncingan sedang c. Platykurtis: Kurva datar
3. Ukuran Penyebaran
3.1 Ragam = Varians (Variance) dan Simpangan Baku = Standar Deviasi (Standard Deviation) A. Ragam dan Simpangan Baku untuk Ungrouped Data
POPULASI :
σ
µ
2 2 1=
−
=∑
(
x
i)
i NΝ
atauσ
2 2 1 2 1 2=
−
= =∑
∑
N
x
x
N
i i N i i N(
)
danσ
=
σ
2SAMPEL :
s
x
x
n
i i n 2 2 11
=
−
−
=∑
(
)
ataus
n
x
(
x )
n n
i i n i i n 2 2 1 2 11
=
−
−
= =∑
∑
(
)
dans
=
s
2 xi: data ke-iµ : rata-rata populasi x : rata-rata sampel
σ²: ragam populasi s²: ragam sampel
σ : simpangan baku populasi s : simpangan baku sampel
N : ukuran populasi n : ukuran sampel
Contoh 3 :
Data Usia 5 mahasiswa : 18 19 20 21 22 tahun
a. Hitunglah µ, σ² dan σ (anggap data sebagai data populasi) b. Hitunglah x , s² dan s (data adalah data sampel)
Jawab : xi µ atau x ( xi-µ) atau ( xi- x ) ( xi-µ)² atau ( xi- x )² xi2 18 20 -2 4 324 19 20 -1 1 361 20 20 0 0 400 21 20 1 1 441 22 20 2 4 484 Σ 100 --- --- 10 2010 POPULASI : N = 5 µ = 100 5 = 20 σ µ 2 2 1 = − =
∑
(xi ) i n Ν = 10 5 = 2 σ2 2 1 2 1 2 = − = =∑
∑
N x x N i i N i i N ( ) = (5 2010) 100 5 10050 10000 25 50 25 2 2 × − = − = =2n = 5 x =100 5 = 2 s x x n i i n 2 2 1 1 = − − =
∑
( ) =10 4 = 2.5 s n x ( x ) n n i i n i i n 2 2 1 2 1 1 = − − = =∑
∑
( ) = (5 2010) 100 5 4 10050 10000 20 50 20 2 × − × = − = = 2.5 s= s2= 2 5. =1.581...B. Ragam dan Simpangan Baku untuk Grouped Data POPULASI :
σ
µ
2 2 1=
×
−
=∑
f
ix
i i k(
)
Ν
danσ
=
σ
2 SAMPEL :s
f
x
x
n
i i i k 2 2 11
=
×
−
−
=∑
(
)
dans
=
s
2xi: Titik Tengah Kelas ke-i fi: frekuensi kelas ke-i k : banyak kelas
µ : rata-rata populasi x : rata-rata sampel
σ²: ragam populasi s²: ragam sampel
σ : simpangan baku populasi s : simpangan baku sampel
Contoh 4 :
Rata -Rata (µ atau x ) = 1679
50 = 33.58 (dari catatan terdahulu)
Kelas TTK xi Frek . fi fi xi µ atau x ( xi-µ) atau ( xi- x ) ( xi-µ)² atau ( xi -x )² fi( xi-µ)² atau fi( xi- x )² 16 - 23 19.5 10 195 33.58 -14.08 198.2464 1982.4640 24 - 31 27.5 17 467.5 33.58 -6.08 36.9664 628.4288 32 - 39 35.5 7 248.5 33.58 1.92 3.6864 25.8048 40 - 47 43.5 10 435 33.58 9.92 98.4064 984.0640 48 - 55 51.5 3 154.5 33.58 17.92 321.1264 963.3792 56 - 63 59.5 3 178.5 33.58 25.92 671.8464 2015.5392 Σ --- 50 1679 ---- --- --- 6599.68 POPULASI : N = 50 σ µ 2 2 1 = × − =
∑
fi xi i k ( ) Ν = 6599 68 50 . = 131.9936 σ = σ2 = 1319936. = 11.4888.... SAMPEL : s f x x n i i i k 2 2 1 1 = × − − =∑
( ) = 6599 68 49 . = 134.6873.... s= s2 = 134 6873. ... = 11.6054....3.2 Koefisien Ragam = Koefisien Varians
Semakin besar nilai Koefisien Ragam maka data semakin bervariasi, keragamannya data makin tinggi.
Untuk Populasi → Koefisien Ragam =
σ
µ
× 100%
s
Contoh 5: x = 33.58 s = 11.6054 Koefisien Ragam = s x × 100% = 116054 3358 100% . . × = 34.56 %
3.3 Angka Baku (z-score)
• Angka baku adalah ukuran penyimpangan data dari rata-rata populasi . • z dapat bernilai nol (0), positif (+) atau negatif (-)
• z nol → data bernilai sama dengan rata-rata populasi • z positif → data bernilai di atas rata-rata populasi • z negatif → data bernilai di bawah rata-rata populasi
z
=
x
−
µ
σ
z : Angka baku x : nilai data
µ: rata-rata populasi σ : simpangan baku populasi
Contoh 6:
Rata-rata kecepatan lari atlet nasional = 20 km/jam dengan simpangan baku = 2.5 km Hitung angka baku untuk kecepatan lari :
a. Ali = 25 km/jam b. Didi = 18 km/jam
Jawab : a. z = xσ−µ =25 20 2 5 5 2 5 − = . . = 2 b. z = xσ−µ =18 20 2 5 2 2 5 − = − . . = -0.8 W selesai X