3.1 Ukuran Pemusatan Untuk Data Tidak Berkelompok. - 3 STATISTIK DISKRIPTIF
STATISTIK DISKRIPTIF
Seorang manajer bank ingin mengetahui nasabah dar banknya berkisar umur berapa, ketika mengambil atau menabung berapa jumlah uang yang ditarik atau ditabung? 3.1 Ukuran Pemusatan Untuk Data Tidak Berkelompok.
Salah satu ukuran untuk menggambarkan sekelompok data adalah ukuran pemusatan (central of tendency).
Ukuran pemusatan (central of tendency) memberikan informasi mengenai
pusat atau nilai tengah dari sekelompok angka.Data Tidak Berkelompok: Umur Pembeli HP Contoh.
28
23
27
30
24
35
29
21
25
18
21
31
19
22
44
17
24
29
42
31
Data Tidak Berkelompok: Umur Pembeli HP
28
23
27
30
24
35
29
21
25
18
21
31
19
22
44
17
24
29
42
31
24
41
34
24
27
32
28
25
25
35
25
17
24
29
22 Ukuran pemusatan dapat menyediakan informasi umur rata-rata manajer UKM; umur manajer UKM yang terletak ditengah atau umur yang paling sering muncul.
Ukuran pemusatan untuk data tidak berkelompok:
a) The Mode (Modus)
b) The Median (Nilai tengah)
c) The Mean (Rata-rata)
Data Tidak Berkelompok: Umur Pembeli HP
28
23
27
30
24
35
29
21
25
18
21
31
19
22
44
17
24
29
42
31
24
41
34
24
27
32
28
25
25
35
25
17
24
29
22 Mengurutkan data
28 23 27 30 24 35 29 21 25 18 32 28 25 25 35 25 17 24 29 22 24 41
34 24 27 21 31 19 22 44 17 24 29 42 31 Setelah diurutkan menjadi: 17 17 18 19 21 21 22 22 23 24 24 24 24 24 25 25 25 25 27 27 28 28 29 29 29 30 31 31 32 34 35 35 41 42 44 17 17 18 19 21 21 22 22 23 24 24 24 24 24 25 25 25 25 27 27 28 28 29 29 29 30 31 31 32 34
Steam and Leaf
74
72
75
83
77
68
82
97
89
81
75
39
23
67
79
83
70
78
91
68
49
56
94
81
59
67
Stea m Leaf
9
2
3
3
9
4
7
9
5
5
6
6
88
7
7
8
86
77
91
60
55
76
92
47
8 Umur Manajer UKM
Data Tidak Berkelompok: Umur LATIHAN: Manajer Perusahaan
42
26
32
34
57
30
58
37
50
30
53
40
30
47
49
50
40
32
31
40
52
28
23
35
25
30
36
58
26
50
55
30
43
64
52
49
33
43
46
32
61
31
30
40
60
74
37
29
43
54 Data Tidak Berkelompok: Umur Pembeli HP
28
23
27
30
24
35
29
21
25
18
21
31
19
22
44
17
24
29
42
31
24
41
34
24
27
The Median.
The median adalah nilai tengah dari sejumlah angka yang telah diurutkan. Jika jumlah angka dari sejumlah angka tersebut adalah ganjil, maka mediannya adalah angka yang dtengah Jika jumlah angka dari sejumlah angka tersebut adalah genap, maka mediannya adalah dua angka yang dtengah dibagi 2 Contoh: Angka berjumlah ganjil
28 23 27 30 24 35 29 21 25 18 35 29 21 25 18. Urutkan menjadi: 18 18 21 21 23 24 25 25 27 28 29 29 30 35 35. Nilai median =25 Angka berjumlah genap
28 23 27 30 24 35 29 21 27 18 35 29 21 25 18 12. urutkan menjadi 12 18 18 21 21 23 24 25 27 27 28 29 29 30 35 35. Nilai median = (25+27)/2 = 26 The Mean.
a) The arithmetic mean (average) (μ) untuk populasi dan ( ) untuk sampel adalah penjumlahan seluruh angka dibagi dengan jumlah angka. �
σ �=� � �
o Populaton mean = μ = � � Contoh. Ada 5 kecelakaan pada hari rabu di beberapa kota. Korbannya 24,13,19,26, dan 11 pasien. The population mean = (24 + 13 + 19 + 26 + 11)/5 = 18,6 Ada angka 57,86,42,38,90 dan 66, maka jika angka ini merupakan sampel, maka sample mean= Sample mean = (57+86+42+38+90+66)/6 = 63,167 3.2 Penghitungan The Mean untuk Data Berkelompok.
Kelompok data tidak memberikan informasi mengenai nilai individu. The mean untuk data berkelompok =
σ �� Umur Frekuensi = o μ data berkelompok
σ � 10-15
6 15-20
22 Contoh. 20-25
35 25-30
29 30-35
16
Umur Frekuensi Nilai Tengah fM 10-15 6 12,5
300
σ �� σ �
o μ data berkelompok =
3,130
122
95
45-50 2 47,5
170
40-45 4 42,5
35-40 8 37,5
75
520
30-35 16 32,5
797.5
25-30 29 27,5
787.5
20-25 35 22,5
385
15-20 22 17,5
= 3,130/122 = 25,66
b) The Weighted mean (μ) � �
� �+����+����+⋯+���� μ =
� +� +� +⋯+�
� � � �
� σ �
� � μ =
�
� Contoh.
Sorang mahasiswa memperoleh nilai dar 3 matakuliah yang memiliki bobot 3 sks, 2sks,dan 3 sksk dengan nilai A, B, B. Nilai rata-rata mahasiswa tersebut:
�∗�+�∗�+�∗� μ = = 3,375
�+�+�
c) The Geometric mean (μ) Geometric mean menghitung rata-rata dengan memperhatikan tingkat pertumbuhan kumulatif dari waktu ke waktu
0.5 RG = [(1+R ) (1+R ) … (1+R )] -1
Contoh.
Periode Harga Saham 500 1 600
2 550
R = (600-500)/500 = 0,2 1 R = (550-600)/600 = -0,083 1 Arithmetic mean = (0,2-0,083)/2 = 0,05833 0.5 RG = [(1+0,2)(1-0,083)] -1 = 0,04883 3.3 Ukuran Variabilitas Untuk Data Tidak Berkelompok.
Ukuran pemusatan menggambarkan pusat atau dari sejumlah data atau porsi inti (data terpusat) dari sekelompok data.
Peneliiti menggunakan ukuran lain yakni variabilitas yang menggambarkan sebaran/dispersi dari sejumlah data.
Contoh.
Variabilitas untuk data: a) Tidak Berkelompok diukur dengan range, mean absolute deviation, variance, dan standard deviation
b) Berkelompok diukur dengan variance dan standard deviation Range (jangkauan).
Range adalah selisih antara nilai terbesar dengan terkecil dari suatu jumlah data tertentu. Contoh. Jangkauan = 3.240.000 – 540.000 = 2.700.000
Harga Tanah/meter Kota 2012
A Rp 540.000 B 600.000 C 750.000 D 1.300.000 E 1.400.000 F 2.200.000
Mean Absolute Deviation (MAD).
MAD adalah rata-rata nilai deviasi/penyimpangan absolut dari the mean.
σ ǀ�−�ǀ MAD =
� Contoh.
Umur Mean Deviatio ǀX-μǀ Manaje n from r (Xi) the mean
(Xi – μ)
5 -8
8
3
4
5
9 -4
4 μ =
μ Series1
16
3
3 65/5 =
- -4
13
17
4
4
- -8
18
5
5
Variance dan Standard Deviation.
Populasi.
Variance adalah rata-rata nilai deviasi/penyimpangan dari the arithmetic mean yang dikuadratkan. Standard Deviation adalah akar dati variance. 2 σ ሺ � −�ሻ �
σ = σ ሺ � −�ሻ � � σ = √ � Contoh.
2 Umur Manajer Mean Deviation from the (Xi-μ)
(Xi) mean (Xi – μ)
5
- 8
64
9
- 4
16 μ = 65/5 = 13
16
3
9
17
4
16
18
5
25 2 ∑Xi = 65 ∑(X – μ)=0 ∑(Xi-μ)
Sample. 2 Sample varance (S ) dan sample SD (S). Penggunaan sample variance
dan standard deviation merupkan estimasi dari population
variance dan standard deviation .Perbedaan population dan sample varance dan standard deviation terletak pada simbol variance dan standard deviation dan pembaginya. Untuk populasi, pembaginya adalah n dan untuk sample, pembaginya adalah n-1. � Pembagi n-1 untuk sample varance dan standard deviation akan memberikan
σ (�− �)
2
2 Variance (S )= Deviation Standard (S)=√s
hasil estimasi bagi nilai populasi. �−� Contoh. 2 IQ (X - Ẋ )
Mahasisw
Dekan mengambil 8 orang mahasiswa sebagai sample untuk diukur tingkat
a
IQ dengan hasil sbb:
��� A 106 138,06
�= = ��� ,�� � B 109 76,56 �
σ(�− �) ��� ,��
2 C 114 14,06 = �� ,��
Variance (S )= = �−� �−�
D 116 3,06
2 E 121 10,56 Deviation Standard (S)=√s = √62,78 = 7,92 F 122 18,06
Makna Standard Deviation.
19
17 MEAN
20
16
20
13
16
18
16
8
11
19
Apa itu standard deviation? Apa yang standard deviation lakukan dan apa artinya?.
17
22
17
8
99,7% DATA UMUR ARTIS REMAJA
68% μ ± 2σ 95% μ ± 3σ
Jarak dari Rata-Rata Persentase Nilai yang berada dalam jarak
μ ± 1σc). 3σ Contoh.
Aturan ini menyatakan bahwa sebagian besar (hampir semua) nilai-nilai dari sejumlah data berada pada batasan standard deviation dengan syarat sejumlah data tersebut berdistrbusi normal. Aturan empirisnya menggunakan 3 standard deviation: a). 1σ; b). 2σ; dan
(a)Aturan Empiris
Ada 2 cara untuk mengaplkasikan SD: (a) Aturan empiris; dan (b) Teorema Chebyshev
14.4
b) Teorema Chebyshev
Teorema ini berlaku untuk semua distribusi tanpa melihat bentuk. Oleh karena dapat dberlakukan ke semua distribusi, maka teorema ini lebh konservatif daripada aturan empiris. Teorema inii menyatakan bahwa dalam k standard deviation dari mean,
2
maka minimal proporsi data adalah sebesar
(1-1/k )
TEOREMA CHEBYSHEV
Jumlah Jarak dari Minimum Proporsi Data dalam Jarak 2 SD Rata-Rata (1-1/k )
μ ± 2σ 2
k=2 1-1/2 =75%
μ ± 3σ 2
k=3 1-1/3 =89%
μ ± 4σ 2
k=4 1-1/4 =94%
Oleh karena rumus tersebut digunakan untuk menghitung proporsi dalam teorema chebyshev, maka setiap nilai k > 1 dapat digunakan.
Z Score.
Z Score adalah luas dari nilai x datas atau dibawah
standard deviation
.
Mean �− �
Z = �
95
2.5%
%
2.5% -2σ +2σ Jika Z score negatif berarti data nilai x berada dibawah mean dan jika Z score positf berarti nilai x berada diatas mean.
Contoh. Mean = 50 dan standard deviation = 10, maka ahli statistik ingin menentukan Z score untuk nilai 70. Nilai X=70 adalah 20 unit diatas mean.
Z = (70-50)/10 = 2. Nilai 70 terletak pada 2σ diatas mean, maka 95% dari data nilai berada antara 30 sampai 70, tapi 5% data nilai berada diluar jangkauan tersebut (dibawah 30 dan atau datas 70)