UKURAN STATISTIK BAGI DATA

Parameter vs Statistik
Parameter
Nilai Tengah (m)
Simpangan baku (s) Ragam (s2)

Populasi Sampel

Uji kesamaan

Statistik
Nilai Tengah (x )

Simpangan baku (s)

Ragam (s2)

Definisi Parameter
Parameter Sembarang nilai yang menjelaskan ciri populasi misalnya, m, s2, s, dsb.

Definisi Statistik
Statistik Sembarang nilai yang menjelaskan ciri suatu sampel, misalnya : x, s2, s, dsb.

Data Pengamatan

Populasi

X1 , X2 , X3 , X4 , X5 , X6 , , XN
X[1] , X[2] , X[3] , X[4] , X[5] , X[6] , , X[N]

Sampel
X1 , X2 , X3 , X4 , X5 , X6 , , Xn

X[1] , X[2] , X[3] , X[4] , X[5] , X[6] , , X[n]

Ukuran Pemusatan Data (Central Tendency)

Ukuran Pemusatan / Lokasi Pusat Data Sembarang ukuran yang menunjukkan pusat segugus data yang telah diurutkan dari yang terkecil sampai terbesar atau sebaliknya

MEAN MODUS MEDIAN

Mean (Nilai Tengah)

Nilai Tengah (Mean)

Populasi (m)
Bila segugus data x1, x2, xN, tidak harus semuanya berbeda, menyusun sebuah populasi terhingga berukuran N

Sampel / Contoh ( x )
Misalkan x1, x2, xn, tidak harus semuanya berbeda, merupakan sebuah contoh terhingga ukuran n

X
i 1

X
i 1

Median

Jika data telah diurutkan, pengamatan yang berada tepat di tengah-tengah bila banyak data ganjil, atau rata-rata kedua pengamatan yang di tengah bila banyak data genap

Modus

Nilai yang terjadi paling sering atau yang mempunyai frekuensi paling tinggi

Hubungan antara Mean, Median dan Modus

UPS Mean
1. 2.

Keuntungan Ukuran lokasi pusat yang paling umum digunakan dalam Mudah dihitung dan memanfaatkan semua informasi yang dimiliki. Kemudahan menghitung bila banyaknya pengamatan relatif kecil Tidak dipengaruhi oleh nilai ekstrim sehingga memberikan rata-rata yang lebih benar Tidak memerlukan perhitungan Dapat digunakan bagi data kualitatif ataupun kuantitatif
1.

Kerugian 1. Sangat dipengaruhi oleh nilai ekstrem

Median

1.

2.

Modus

1. 2.

2.

Ukuran pemusatan data yang paling jarang digunakan. Untuk gugus data yang kecil, manfaat modus hampir atau bahkan tidak ada sama sekali.

Tengah Wilayah

Ukuran Pemusatan Data Lainnya

Nilai Tengah Terboboti

Nilai Tengah Gabungan

Nilai Tengah Geometrik Nilai Tengah Harmonik

Tengah Wilayah

Rata-rata pengamatan yang terkecil dan terbesar

xm ax xm in 2

Nilai Tengah Terboboti

Jika terdapat k data x1, x2, , xk dengan asumsi bahwa sebagian lebih penting dari lainnya, maka diberi pembobot w1, w2,, wk pada nilai-nilai tersebut, sedangkan pembobotpembobot itu mengukur pentingnya yang satu relatif terhadap yang lain.

w xw m

w x
i 1 k i

w
i 1

Nilai Tengah Gabungan

Populasi Contoh

Misal k buah populasi terhingga masing-masing ukuran populasi N1, N2, , Nk mempunyai nilai tengah m1, m2,, mk

Jika contoh acak berukuran n1, n2, , nk yang diambil dari k populasi, masing-masing mempunyai nilai tengah

x1 , x 2 , x 3 , ... , x k
Nilai tengah populasi gabungan : Nilai tengah contoh gabungan :

N
i 1 k i

i
xc

n x
i 1 k i

Ni
i 1

n
i 1

Nilai Tengah Geometrik

Nilai Tengah Geometrik (G) bagi k bilangan positif x1, x2, xk adalah akar ke-k hasil kali semua bilangan itu :

G k x1 , x 2 ,....,x k

Nilai Tengah Harmonik

Nilai tengah harmonik (H) bagi k buah bilangan x1, x2, xk adalah k dibagi dengan jumlah kebalikan bilangan-bilangan tersebut, jadi :

k 1 i 1 x i
k

Ukuran Dispersi / Keragaman (Varians) Data

Statistik Ukuran Keragaman (Dispersi) Data

Wilayah

Ragam (Varians)

Simpangan Baku

Selisih antara pengamatan terbesar dan terkecil dalam kumpulan data tersebut

Ukuran keragaman yang memperhatikan posisi relatif setiap pengamatan terhadap nilai tengah gugus data tersebut

Simpangan sebuah pengamatan dari nilai tengahnya diperoleh dengan mengurangkan pengamatan tersebut dengan nilai tengah

Wilayah

R = Ymaks Ymin

Jika wilayah suatu data A > B, maka data A dikatakan telah menyebar

Ragam
Sampel Populasi
Ragam populasi terhingga x1, x2, xn, didefinisikan Ragam contoh untuk sebuah contoh/ sampel acak

x
i 1

S
2

x
i 1

n -1

Simpangan Baku
Populasi Sampel
x1, x2, xn contoh/ sampel acak, simpangan-nya : x1 - x1, x2 -x,, xn-x

x1, x2, xN populasi terhingga, simpangannya : x1-m2, x2- m3 ,, xN-m

x
i 1

x
i 1

n -1

Varians (Keragaman)
Bila ragam gugus data A > ragam gugus data B, maka hal tersebut menunjukkan bahwa gugus data A lebih beragam daripada gugus data B, begitupula sebaliknya.

Simpangan Baku (Standar Deviasi)

Bila suatu sebaran data hasil pengukuran mempunyai simpangan baku yang kecil, maka dapat dinyatakan bahwa sebagian besar data mengumpul di sekitar nilai tengahnya (keragamannya kecil), begitu pula sebaliknya.

Dalil Chebyshev
Ahli Matematika Berkebangsaan Rusia, P.L.Chebyshev Mengemukakan (1821-1894)

Proporsi pengukuran yang jatuh antara dua nilai yang setangkup terhadap nilai tengahnya berhubungan dengan simpangan bakunya

Dalil Chebyshev

Memberikan dugaan yang konservatif terhadap proporsi data yang jatuh dalam k simpangan baku dari nilai tengahnya, untuk suatu bilangan tetap k tertentu Sekurang-kurangnya 1 1/k2 bagian data terletak dalam k simpangan baku dari nilai tengahnya

Dalil Chebyshev berbunyi :

Nilai Z (Nilai standarisasi)

Nilai Z Suatu pengamatan x dari suatu populasi yang mempunyai nilai tengah m dan simpangan baku s, mempunyai nilai z atau skor z yang didefinisikan sebagai :

x - z

Positif Nilai Z Negatif

Mengukur berapa simpangan baku letak suatu pengamatan diatas nilai tengahnya Mengukur berapa simpangan baku letak suatu pengamatan dibawah nilai tengahnya

Nilai z suatu gugus data A (positif) > nilai z suatu gugus data B tampilan relatif data A lebih baik daripada

tampilan relatif data B