Untuk file asli boleh inbox fia FB nanti bisa saya lampirkan ^_^
BAB 1
PENGERTIAN
STATISTIK DESKRIPTIF
1.1. Arti dan Kegunaan Data
Mengamati
kehidupan sehari-hari dari seseorang/individu dapat dikumpulkan informasi
mengenai berbagai hal tentang individu tersebut, misalnya: besarnya pendapatan
perbulan, besarnya pengeluaran untuk makanan, minuman, sandang, perumahan dan
lainnya perbulan. Begitu juga dalam sebuah rumah tangga, selain informasi
tersebut di atas, informasi lainnya yang dapat dikumpulkan adalah antara lain:
jumlah anak yang dimiliki, jumlah anggota rumah tangga seluruhnya, pendidikan
kepala rumah tangga dan anggota rumah tangga lainnya, status kepemilikan
rumah/tempat tinggal, jumlah kendaraan bermotor yang dimiliki dan lain
sebagainya.
Dalam skala besar, mengumpulkan informasi seperti tersebut di atas dari
seluruhrumah tangga yang ada di negara ini juga dapat dilakukan. Dari hasil
pengumpulan data ini dapat diketahui antara lain mengenai: jumlah penduduk
seluruhnya, jumlah penduduk menurut propinsi, jumlah penduduk menurut tingkat
pendidikan, jumlah rumah tangga, dan sebagainya. Data ini dapat dipakai sebagai
acuan/dasar bagi pemerintah atau lembaga lainnya untuk merencanakan suatu
program, mendapatkan solusi dari suatu permasalahan, mengambil suatu keputusan,
dilakukan suatu kebijakan, dan sebagainya. Data yang dikumpulkan dapat
dilakukan di berbagai bidang misalnya: perdagangan, perindustrian,
kependudukan, sosial, jasa, pertanian, keuangan, pendidikan, dan sebagainya.
Statistik Deskriptip:
-
mengumpulkan data/informasi;
-
mengolah data hasil pengumpulan;
-
menyajikan data hasil pengolahan;
-
menganalisis data.
1.2. Tipe Skala Pengukuran Data
a.
Skala Nominal
Ada 2 atau lebih
spesifikasi
Contoh: - Laki-laki ; Perempuan
-
Gemuk ; kurus
- Besar ;
sedang ; kecil
-
Baik ; sedang ; buruk
b.
Skala Ordinal
Data yang diukur mempunyai urutan kualitas
Contoh: - ranking 1 ; ranking 2 ; ranking 3
-
Jenderal ; Brigjen ; Letjen
-
Gol IV ; Gol III ; Gol II ; Gol I
c.
Skala Interval
Contoh: ukuran temperatur udara 00 Fahrenheit = - 180
Celcius
00 Fahrenheit
bukan berarti tidak ada temperatur
d.
Skala Ratio
Contoh: mengukur panjang, lebar, berat, tinggi, isi,
dan sebagainya.
1.3. Pengumpulan dan Pengolahan Data
Pengumpulan Data
a. Sensus
Mengumpulkan data dari
seluruh obyek pengamatan/populasi.
b. Survei
Mengumpulkan data dari sebagian obyek pengamatan/sebagian dari populasi.
Sebagian dari populasi = sampel
c. Eksperimen
d. Studi
Kasus
Perbedaan Sensus dan
Survei
Sensus
®
Populasi
1.
- Waktu
- Biaya Besar
- Tenaga
2.
Menyeluruh
3.
Tingkat
kesalahan (error) nya kecil
4.
Kurang
rinci
Rata-rata (=m)
Variance (=s2) Parameter
Proporsi (=P)
Xi = Variabel yang diteliti
(seluruhnya)
N
= Jumlah seluruh variabel tersebut dalam populasi
Ragam/variance (X)= s2=
Simpangan baku=standard deviasi=
|
Survei ® Sampel
1.
- Waktu
- Biaya Kecil
- Tenaga
2.
Tidak
menyeluruh
3.
Errornya
bisa besar
4.
Rinci
Rata-rata (=)
Variance (=S2) Statistik
Proporsi (=p)
Xi = Sebagian dari variabel yang diambil secara
random
n =
Jumlah sampel yang diambil dari populasi
Ragam/variance (X)= S2=
Simpangan baku=standard deviasi=
|
Data
menurut sifatnya: -
kuantitatif
-
kualitatif
Syarat
data yang baik: - obyektif
-
representatif
-
reliabilitas
-
tepat waktu (up to date)
-
relevan
Sumber data: - primer
-
sekunder
Menurut waktu pengumpulannya: - cross section
- times series
Pengertian
Statistik:
Arti
sempit: data ringkasan berbentuk angka
Statistics
: ilmu statistik diterjemahkan sebagai statistika
Arti
luas : suatu ilmu yang mempelajari cara pengumpulan, pengolahan/pengelompokkan,
penyajian, dan analisis data serta cara pengambilan kesimpulan secara umum
berdasarkan hasil penelitian yang tidak menyeluruh.
Statistik
ada dua:
-
Statistik Deskriptip
-
Statistik Inferensia
Pengolahan Data
Data yang sudah dikumpulkan dari hasil sensus atau
survei sebelum diolah terlebih dahulu dilakukan pemeriksaan (editing). Setelah editing kemudian pengolahan.
1.4. Penyajian Data
Data hasil pengolahan disajikan dalam berbagai bentuk
penyajian dengan tujuan agar obyek pengamatan dapat dengan jelas
dipahami/dimengerti oleh pemakai data. Data tersebut dapat disajikan dalam
bentuk:
a. Tabel:
- tabel frekuensi
- tabel distribusi frekuensi
b. Grafik:
- Grafik Batang
- Grafik Lingkaran
- Grafik Garis
- Grafik Gambar
1.4.1. Tabel Frekuensi dan Grafik
Tabel: - tabel
ikhtisar
-
tabel referensi
Tabel
ikhtisar juga dinamakan tabel naskah (text
table). Tabel ikhtisar umumnya berbentuk singkat, sederhana dan mudah
dimengerti. Fungsi tabel sedemikian itu untuk memberi gambaran yang sistematis
tentang peristiwa-peristiwa yang merupakan hasil penelitian.
Tabel referensi sebenarnya memiliki fungsi sebagai
“gudang keterangan” karena tabel itu memberi keterangan yang terperinci dan
disusun khusus guna kepentingan referensi. Tabel-tabel yang terdapat dalam
laporan sensus umumnya merupakan tabel yang memberi keterangan secara umum.
Tabel
ikhtisar seringkali diperoleh dari tabel referensi atau didasarkan pada
beberapa tabel ikhtisar lainnya.
Jenis
tabel: - tabel 1 arah
-
tabel 2 arah
-
tabel 3 arah atau lebih
Struktur
tabel:
1. Nama
(judul) tabel menunjukkan: mengenai apa, dimana, dan kapan.
2. Badan
tabel: berisikan data dilengkapi dengan unit/satuannya.
3. Sumber
data, dicantumkan dibagian bawah tabel.
4. Diberi
nomor kolom pada setiap kolom
Penyajian
data dengan tabel bisa memberikan angka-angka yang lebih teliti, tetapi
tidak bisa dengan cepat diambil kesimpulannya. Sedangkan dengan grafik
kesimpulan bisa dengan cepat diambil tetapi angka-angkanya kurang teliti.
Contoh
tabel frekuensi:
1. Tabel
frekuensi 1 arah
Tabel
1: Banyaknya mahasiswa STIS Jakarta
menurut
tingkat/kelas tahun 2005
Tingkat/Kelas
|
Jumlah (orang)
|
(1)
|
(2)
|
I
|
256
|
II
|
280
|
III
|
264
|
IV
|
190
|
Jumlah
|
990
|
Sumber:
Bagian Administrasi Akademi Kemahasiswaan STIS
2. Tabel
frekuensi 2 arah
Tabel 2: Banyaknya
mahasiswa STIS Jakarta menurut tingkat/kelas
dan
jenis kelamin tahun 2005
Tingkat/Kelas
|
Laki-laki (orang)
|
Perempuan (orang)
|
Jumlah (orang)
|
(1)
|
(2)
|
(3)
|
(4)
|
I
|
116
|
140
|
256
|
II
|
126
|
154
|
280
|
III
|
118
|
146
|
264
|
IV
|
85
|
105
|
190
|
Jumlah
|
445
|
545
|
990
|
Sumber:
Bagian Administrasi Akademi Kemahasiswaan STIS
3. Tabel
frekuensi 3 arah
Tabel 3: Banyaknya mahasiswa STIS Jakarta menurut
tingkat/kelas, jenis kelamin, dan wilayah tempat tinggal di Jabotabek tahun
2005
Wilayah Jabotabek
|
Tk I
|
TK II
|
TK III
|
TK IV
|
Jumlah
|
||||
L
|
P
|
L
|
P
|
L
|
P
|
L
|
P
|
||
(1)
|
(2)
|
(3)
|
(4)
|
(5)
|
(6)
|
(7)
|
(8)
|
(9)
|
(10)
|
1. Jakarta Utara
|
1
|
1
|
2
|
1
|
|
|
|
|
5
|
2. Jakarta Barat
|
|
|
1
|
|
2
|
2
|
1
|
2
|
8
|
3. Jakarta Pusat
|
1
|
|
1
|
1
|
1
|
1
|
|
|
5
|
4. Jakarta Selatan
|
|
1
|
|
|
1
|
|
3
|
2
|
7
|
5. Jakarta Timur
|
111
|
136
|
119
|
149
|
107
|
137
|
74
|
95
|
928
|
6. Bogor
|
1
|
|
|
|
3
|
2
|
2
|
2
|
10
|
7. Tangerang
|
2
|
1
|
1
|
1
|
2
|
1
|
2
|
1
|
11
|
8. Bekasi
|
|
1
|
2
|
2
|
2
|
3
|
3
|
3
|
16
|
Jumlah
|
116
|
140
|
126
|
154
|
118
|
146
|
85
|
105
|
990
|
Sumber: Bagian Administrasi
Akademik, STIS
Grafik Garis:
|
Sumber: Bagian Administrasi Akademik,
STIS
Grafik
Batang:
|
Sumber: Bagian Administrasi Akademik,
STIS
Diagram Lingkaran:
Sumber: Bagian Administrasi Akademik,
STIS
Data
berkala (time series) yaitu data yang dikumpulkan dari waktu ke waktu
untuk mengetahui perkembangan suatu hal/kegiatan, biasanya disajikan dalam
bentuk grafik garis untuk memudahkan pembuatan trend.
Grafik
lingkaran akan lebih tepat apabila kita hendak mengetahui perbandingan
nilai-nilai karakteristik yang satu dengan yang lain dan dengan keseluruhannya.
1.4.2. Tabel Distribusi Frekuensi dan
Grafik
Jenis
Tabel: - Tabel Distribusi Frekuensi
-
Tabel Distribusi Frekuensi Relatif
-
Tabel Distribusi Frekuensi Kumulatif
-
Tabel Distribusi Frekuensi Kumulatif “kurang
dari”
-
Tabel Distribusi Frekuensi Kumulatif “lebih
dari”
1. Tabel
Distribusi Frekuensi
Kelas dari Distribusi Frekuensi
1) Limit
kelas:
-
Batas atas (<25, 29, 39, dst)
-
Batas bawah (25, 30, 35, dst)
2) Tepi
kelas:
-
tepi atas: batas atas + 0,5
-
tepi bawah: batas bawah – 0,5
3) Nilai
tengah kelas (nilai kelas): (25+29)/2=27; 32; 37; 42; dst.
4) Interval
kelas: 30 – 25 = 5 atau 35 – 30 = 5 dst
5) Jumlah
kelas: 7
Tabel 4:
Distribusi Frekuensi Pegawai STIS menurut
golongan umur, tahun 2004
Umur
(Tahun)
|
Jumlah
(Frekuensi)
|
< 25
|
3
|
25 – 29
|
7
|
30 – 34
|
13
|
35 – 39
|
17
|
40 – 44
|
15
|
45 – 49
|
7
|
50 +
|
5
|
Jumlah
|
67
|
Sumber:
Bagian Administrasi Umum, STIS
Cara membuat tabel distribusi
frekuensi
Contoh: n = 67
1. Menentukan
jumlah kelas (k)
a. Dengan
menggunakan rumus Sturges:
k = 1 + 3,3 log n
= 1 + 3,3 log 67 = 7,04 » 7
b. Cara lain: 2k
= n
2. Menentukan
interval kelas (I)
=4,43 » 5
3. Menentukan
batas bawah dan batas atas kelas
HISTOGRAM
Polygon
2. Tabel
Distribusi Frekuensi Relatif:
Tabel 5: Distribusi Frekuensi Relatif Pegawai STIS
menurut Golongan Umur Tahun 2004
Umur
(Tahun)
|
Frekuensi
(f)
|
F
Relatif
|
20
– 24
|
3
|
3/67
= 4, 48%
|
25
– 29
|
7
|
7/67
= …%
|
30
– 34
|
13
|
13/67
= …%
|
35
– 39
|
17
|
17/67
= …%
|
40
– 44
|
15
|
15/67
= …%
|
45
– 49
|
7
|
7/67
= …%
|
50
– 54
|
5
|
5/67
= …%
|
Jumlah
|
67
|
100
|
Sumber: Data
Tabel 4
3. Tabel Distribusi Frekuensi
Kumulatif:
Tabel 6:
Distribusi Frekuensi Kumulatif Pegawai STIS
menurut Golongan Umur Tahun 2004
Umur
(Tahun)
|
Frekuensi
(f)
|
F
Kumulatif
|
20
– 24
|
3
|
3
|
25
– 29
|
7
|
10
|
30
– 34
|
13
|
23
|
35
– 39
|
17
|
40
|
40
– 44
|
15
|
55
|
45
– 49
|
7
|
62
|
50
– 54
|
5
|
67
|
Jumlah
|
67
|
|
Sumber: Data
Tabel 4
4. Tabel Distribusi Kumulatif ‘kurang dari’:
4. Tabel Distribusi Kumulatif ‘kurang dari’:
Tabel
7: Distribusi Frekuensi Kumulatif “kurang dari”
Pegawai STIS menurut Golongan
Umur Tahun 2004
Umur
(Tahun)
|
F
kurang dari
|
Kurang
dari 19,5
|
0
|
Kurang
dari 24,5
|
3
|
Kurang
dari 29,5
|
10
|
Kurang
dari 34,5
|
23
|
Kurang
dari 39,5
|
40
|
Kurang
dari 44,5
|
55
|
Kurang
dari 49,5
|
62
|
Kurang
dari 54,5
|
67
|
Sumber: Data
Tabel 4
5. Tabel Distribusi Kumulatif
‘lebih dari’:
Tabel 8:
Distribusi Frekuensi Kumulatif “lebih dari”
Pegawai STIS menurut Golongan Umur Tahun 2004
Umur
(Tahun)
|
F
lebih dari
|
Lebih
dari 20/
|
|
20
atau lebih
|
67
|
25
atau lebih
|
64
|
30
atau lebih
|
57
|
35
atau lebih
|
44
|
40
atau lebih
|
27
|
45
atau lebih
|
12
|
50
atau lebih
|
5
|
55
atau lebih
|
0
|
Sumber: Data
Tabel 4
Kurva Lorenz
Kegunaan: Untuk melihat apakah
distribusi pendapatan suatu negara/daerah/perusahaan sudah merata?
Contoh:
Tabel 9:
Distribusi Persentase Pendapatan
%
Penduduk
Golongan Pendapatan
|
%
Pendapatan
|
%
Kumulatif
|
20
% ke-1
|
2,7
|
2,7
|
20
% ke-2
|
6,6
|
9,3
|
20
% ke-3
|
10,8
|
20,1
|
20
% ke-4
|
18,1
|
38,2
|
20
% ke-5
|
61,8
|
100
|
Jumlah
|
100
|
|
Gini Ratio (GR) =
Jika GR » 0 ® distribusi
pendapatannya merata
Jika GR » 1 ® distribusi
pendapatannya tidak merata
BAB 2
BAB 2
PENGUKURAN LOKASI DAN DISPERSI
Berbagai macam pengukuran
nilai sentral dan dispersi baik dari data asal (yang belum di kelompokkan)
maupun dari data yang sudah di kelompokkan (distribusi frekuensi).
2.1. Data yang belum di kelompokkan
1. Rata-rata: a. rata-rata hitung
- tidak tertimbang
b. rata-rata ukur - tertimbang
c. rata-rata harmonis
2. Median
3. Modus
4. Kuartil
5. Desil
6. Persentil
7. Rentang
2.1.1. Rata-rata Hitung, Rata-rata Ukur, dan Rata-rata Harmonis
a.
Rata-rata hitung tidak tertimbang
Contoh: Produksi barang A
(x) mulai dari bulan Januari sampai dengan Desember 2002 (dalam ton) sebagai
berikut:
3,5 ; 3 ; 4 ; 4
; 3 ; 4 ; 4,5 ; 4,5 ; 5 ; 3 ; 4 ; 5.; n = 12
b.
Rata-rata hitung tertimbang
Contoh: Data
2.1.1.a
Produksi (xi)
|
|
Hari Kerja (wi)
|
|
(xi wi)
|
3,5
|
|
20
|
|
70
|
3
|
|
18
|
|
54
|
4
|
|
22
|
|
88
|
4
|
|
21
|
|
84
|
3
|
|
19
|
|
57
|
4
|
|
21
|
|
84
|
4,5
|
|
22
|
|
99
|
4,5
|
|
21
|
|
94,5
|
5
|
|
21
|
|
105
|
3
|
|
17
|
|
51
|
4
|
|
21
|
|
84
|
5
|
|
23
|
|
115
|
|
|
246
|
|
985,5
|
c. Rata-rata Ukur (Gm)
Gm =
Log Gm = log (x1.x2…xn)1/n
= 1/n log (x1.x2…xn) = 1/n (log x1 +
log x2 + … + log xn)
Gm = anti
log
Contoh: Ingin mengukur
tingkat perubahan pinjaman pertahun
Jumlah pinjaman: tahun
2000 = 1,086 milyar
tahun 2001 = 2,041 milyar
tahun 2002 = 24,669 milyar
Perubahan dari tahun 2000 – 2001 = 1,879
Perubahan dari
tahun 2001 – 2002 = 12,086
Rata-rata perubahan = Gm =
Jika
dibandingkan dengan menggunakan
Dengan menggunakan Gm:
-
pinjaman tahun 2001 menjadi (1,086)(4,765) =
5,175 m
-
pinjaman tahun 2002 menjadi (5,175)(4,765) =
24,659 m
Dengan menggunakan :
-
pinjaman tahun 2001 menjadi (1,086)(6,983) = 7,584 m
-
pinjaman tahun 2002 menjadi (7,584)(6,983) = 52,959 m
d. Rata-rata Ukur untuk Tingkat Bunga Majemuk (compound interest) = r
r = persentase tingkat perubahan
po = jumlah tabungan/investasi
awal tahun
pn = jumlah
tabungan/investasi akhir tahun
n = banyaknya waktu (tahun)
e. Rata-rata harmonis sederhana
(r)
Rumus rata-rata harmonis
merupakan ratio.
Pembilang merupakan angka yang tetap (n), sedangkan penyebutnya merupakan
angka yang bervariasi (xi).
Contoh:
A membeli minyak goreng Bimoli dengan harga Rp. 8.000,- per kg
B membeli minyak goreng Bimoli dengan harga Rp. 10.000,- per kg
C membeli minyak goreng Bimoli dengan harga Rp. 4.000,- per kg
Dengan dana 40.000 Ã A memperoleh 5 kg Bimoli
B
memperoleh 4 kg Bimoli
C
memperoleh 10 kg Bimoli
Dana yang dikeluarkan seluruhnya = Rp. 120.000,-
Bimoli yang diperoleh seluruhnya = 19 kg
= Rp. 6.316. Ã rata-rata harga Bimoli/kg yang dibayar.
Dengan memakai , rata-rata harga Bimoli per kg = rupiah
f.
Rata-rata harmonis tertimbang (rh)
; Wi =
penimbang
2.1.2.
Median
(Me) dan Modus
a. Median
Penggunaan Me
akan praktis dan efisien bila n cukup besar. Me biasanya sangat umum digunakan
pada data kualitatif. Pada data kuantitatif, nilai Me tidak dipengaruhi oleh
data yang ekstrim. Data sel diurutkan dari terkecil ke terbesar.
- Jumlah data genap: x1,
x2, x3, x4, x5, x6, x7,
x8 Ã
n = 8
k = (n+1)/2 = 9/2 = 4,5
Median = (xk + xk+1)/2
= (x4 +x5)/2
-
Jumlah data ganjil: x1, x2,
x3, x4, x5, x6, x7, x8,
x9 Ã
n = 9; (k+1)/2=5
Median = X5
b. Modus
Nilai yang mempunyai frekuensi terbanyak
2.1.3.
Kuartil,
Desil dan Persentil
a. Kuartil (qi)
Untuk
mendapatkan kuartil ke-i (qi)caranya adalah dengan membagi data yang
telah diurutkan dari kecil ke besar menjadi 4 bagian yang sama.
x1 x2
x3 x4
x5 x6
x7 x8 Letak
qi = urutan ; i = 1,2,3
2 5 8
10 11 14 17 20
Letak q1 = urutan ke = urutan ke = = 2¼
Nilai yang ke 2¼ terletak antara x2 dan x3.
Jadi
q1 = 5 + = 5,75
Letak q2 = urutan ke urutan ke = = 4½
Jadi q2
= 10 + ½ (11 – 10) = 10,5 = median
b. Desil (Di)
Untuk
mendapatkan desil ke-i (Di) caranya adalah dengan membagi data yang
sudah diurutkan dari kecil ke besar menjadi 10 bagian.
Letak Di = urutan ke , i = 1, 2, 3, …, 9
Contoh:
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15
- Letak D2 = urutan ke
Jadi D2 =
- Letak D9 urutan ke
Jadi D9 =
c. Persentil
(Pi)
Untuk mendapatkan persentil
ke-i (Pi) caranya adalah dengan membagi data yang sudah diurutkan
dari kecil ke besar menjadi 100 bagian.
Letak Pi = urutan ke ; i = 1, 2, 3, 4, 5,
…, 99
Letak P77
= urutan ke
Jadi P77 =
2.1.4.
Rentang,
simpangan rata-rata, ragam dan simpangan baku
a. Rentang (Range):
- Adalah jenis pengukuran Dispersi secara
kasar, cepat dan sederhana, yaitu dengan cara menghitung selisih dari 2 nilai
ekstrim besar dan ekstrim kecil.
- Rentang antar kuartil = q3
– q1
b. Simpangan rata-rata ()
Merupakan pengukuran dispersi yang lebih baik dibanding range karena pengukurannya dengan cara
menghitung dispersi setiap nilai observasi dari rata-ratanya.
dimana: xi = nilai hasil
observasi
= rata-rata hitung
Contoh: Observasi ke 1 : xi = 10 ; 5 ; 3 ; 6 Ã = 6
Observasi ke 2 : xi
= 6 ; 5 ; 7 ; 6 Ã = 6
Rata-rata hitung masing-masing
observasi sama besar, mana yang lebih represen tative mewakili hasil observasinya?
Bisa dilihat dari tingkat dispersinya.
Dari hasil observasi ke 1 :
Dari hasil observasi ke 2 :
Dengan demikian hasil observasi ke 2 lebih baik dibanding hasil observasi
ke 1 karena observasi ke 2 < observasi ke 1.
Fluktuasi/deviasi hasil observasi ke 2 hanya ½ besarnya dari -nya.
Variasi dari data hasil observasi penting diperhatikan untuk melihat
seberapa jauh/besar deviasi nilai-nilai hasil observasi dari rata-ratanya.
Misalnya mengenai nilai ujian mahasiswa pada mata kuliah tertentu, hasil
produksi suatu komoditi di beberapa kota, dan sebagainya.
c. Ragam (Variance): s 2 ; s2
Dipergunakan pembagi n – 1 bila sampel (n) nya kecil < 100 agar
estimasi s2 tidak bias.
Kalau sampelnya besar pembaginya n.
Simpang baku : s , s
(standar deviasi)
2.2. Data yang sudah di kelompokkan
2.2.1.
Rata-rata
Hitung, Rata-rata Ukur
a. Rata-rata hitung ()
fi
= frekuensi kelas ke i
xi
= nilai tengah kelas ke i
i = 1, 2, 3, …, k
b. Rata-rata ukur (Gm)
xi = nilai tengah kelas ke i
fi = frekuensi kelas ke i
2.2.2.
Median
dan Modus
a. Median (Me)
Be =
tepi bawah kelas Mc;
kelas Me = kelas yang nilai
kumulatifnya mencakup nilai n/2
Ie
=
interval kelas Me
F(e-1)
= frekuensi kumulatif sebelum
kelas Me
Fe = frekuensi kumulatif
di kelas median
b. Modus (Mo)
Bo = tepi
bawah kelas yang memuat Mo;
kelas yang memuat Mo = kelas
yang frekuensinya terbanyak
Io = interval
kelas Mo
fo = frekuensi
kelas yang memuat Mo
fo-1 = frekuensi
kelas sebelum kelas Mo
fo+1 = frekuensi
kelas sesudah kelas Mo
2.2.3.
Kuartil
(Qi), Desil (Di), dan Persentil (Pi)
a.
Quartil (Qi)
Bqi = tepi bawah kelas kuartil ke-i
Kelas kuartil ke-i = kelas yang nilai kumulatifnya mencakup nilai
Iqi =
interval
Fqi-1 =
frekuensi kumulatif sebelum kelas kuartil
Fqi =
frekuensi kumulatif kelas kuartil ke-i
b. Desil (Di)
c. Persentil (Pi)
2.2.4.
Rentang,
simpangan rata-rata, ragam dan simpangan baku
a. Rentang (Range)
R = X1 – Xk
X1 = nilai tengah kelas ke-1
Xk = nilai tengah kelas terakhir
b. Simpangan rata-rata
dimana: fi = frekuensi kelas ke i
xi
= nilai tengah kelas ke i
= rata-rata hitung
data berkelompok
c. Ragam (Variance): s2
dimana: xi = nilai tengah kelas ke i
= rata-rata hitung
fi = frekuensi kelas ke i
d. Simpang baku : s , s
Variance dan simpang baku lebih populer digunakan dibanding atau range.
2.3.
Koefisien
Keragaman (Koefisien Variasi) = KV
KV adalah suatu
model pengukuran dispersi atas dasar pengertian relatif, bukan absolut. Pengukuran ini dipakai untuk membandingkan tingkat keragaman/variasi
beberapa distribusi data (baik n nya sama banyak atau tidak sama banyak) yang
unit pengukurannya berbeda.
Contohnya: Harga ayam
(Rp/ekor/kg)
Harga minyak tanah (Rp/liter)
Harga mana yang lebih bervariasi dari ke dua jenis komoditi ini?
Karena unit harga
ayam adalah per ekor sedangkan unit harga minyak tanah adalah per liter maka
untuk membandingkan jenis barang mana yang harganya bervariasi dipakai cara pengukuran
koefisien variasi.
Jika KVAyam < KVMinyak Tanah maka yang
lebih bervariasi adalah harga komoditi minyak tanah.
BAB 3
PENGUKURAN KEMENCENGAN DAN KERUNCINGAN
3.1. Pengukuran Keruncingan
Dari hasil suatu observasi, nilai-nilai variabel yang diperoleh dapat
digambarkan kurvanya. Dari data yang sudah dikelompokkan dapat dibuat
histogram, poligon, kemudian dapat dilihat bentuk kurvanya.
Bentuk-bentuk
kurva/distribusi:
- Normal
Me = = Mo
Artinya Me = = Mo, bentuknya
simetris, banyaknya nilai yang > dari Me//Mo = banyaknya nilai yang < dari Me//Mo.
Ada bermacam-macam bentuk kurva normal menurut keruncingannya:
a. Distribusi
normal leptokurtik
Puncaknya tinggi/runcing artinya frekuensi yang terbanyak ada pada/
terkonsentrasi pada bagian tengah distribusi.
Contoh:
Contoh:
Kelas
|
Frekuensi
|
1
|
3
|
2
|
4
|
3
|
16
|
4
|
54
|
5
|
16
|
6
|
4
|
7
|
3
|
|
100
|
Kalau digambarkan kurvanya adalah sebagai berikut:
b. Jika
frekuensi terbanyak terdapat pada 3 kelas bagian tengah distribusi disebut
normal platikurtik.
Contoh:
Kelas
|
Frekuensi
|
1
|
1
|
2
|
7
|
3
|
26
|
4
|
32
|
5
|
26
|
6
|
7
|
7
|
1
|
|
100
|
Gambar kurvanya sebagai berikut:
c. Distribusi
normal (mesokurtik) adalah distribusi yang puncaknya tidak runcing juga tidak
mendatar.
Untuk menentukan keruncingan suatu distribusi, apakah lepto, meso, atau
platikurtik, dapat dihitung dengan cara menghitung a4.
Data berkelompok:
Xi = nilai tengah kelas ke-i
= rata-rata hitung
fi = frekuensi kelas ke-i
s = simpangan baku
Data tidak berkelompok:
Xi = data hasil observasi
= rata-rata hitung
s = simpangan baku
Jika a4>3 ® kurva berbentuk leptokurtik
Jika a4<3 ® kurva berbentuk platikurtik
Jika a4=3 ® kurva berbentuk mesokurtik (normal)
3.2. Pengukuran Kemencengan
Jika dari suatu hasil observasi nilai-nilai yang lebih kecil dari nya > dari nilai-nilai yang lebih besar dari ; maka bentuk distribusinya menceng kekanan. ( dipengaruhi oleh
nilai-nilai ekstrim).
f
nm Mo Me X
Dan sebaliknya, jika nilai-nilai yang lebih kecil dari < dari nilai-nilai
yang lebih besar dari , maka bentuk distribusinya menceng kekiri.
f
Me Mo X
Untuk mengukur apakah suatu distribusi menceng atau simetris dapat diukur
dengan suatu formula yaitu dengan rumus Koefisien Pearson (Karl Pearson).
Atau
Kalau Sk = + (positif) ®
kemencengan positif artinya ekor sebelah kanan distribusi lebih menjulur
dibandingkan ekor sebelah kirinya. Dan sebaliknya adalah Sk= -
(negatif). Cara lain menghitung kemencengan bisa dengan memakai moment ke-3
atau lainnya (Rumus Bowley).
Begitu juga cara lain menghitung kurtosis bisa dengan memakai moment,
atau kuartil atau lainnya. Pada kurva yang menceng (kiri/kanan) juga bisa
dilihat kurtosisnya, ini tidak penting. Tapi perhitungan kurtosis/skewness ini
akan penting untuk menentukan apakah suatu distribusi normal atau tidak (l2, poisson dll). Jika normal maka
penghitungan-penghitungan statistiknya dapat memakai rumus-rumus yang berkaitan
dengan normalitas.
Tidak ada komentar:
Posting Komentar
terima kasih sudah berkunjung di blog ini ^_^