Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

AGENDA 1.Pendahuluan 2.Kemiringan Distribusi Data 3.Analisis Data Berkala 4.Regresi Dan Korelasi 5.Kesimpulan.

Presentasi serupa


Presentasi berjudul: "AGENDA 1.Pendahuluan 2.Kemiringan Distribusi Data 3.Analisis Data Berkala 4.Regresi Dan Korelasi 5.Kesimpulan."— Transcript presentasi:

1

2 AGENDA 1.Pendahuluan 2.Kemiringan Distribusi Data 3.Analisis Data Berkala 4.Regresi Dan Korelasi 5.Kesimpulan

3 1. Pendahuluan Dispersi: ukuran penyebaran suatu kelompok data terhadap pusat data Alasan perlunya mempelajari dispersi data: 1.Pusat data memberi informasi yang terbatas 2.Dispersi perlu untuk mengetahui distribusi dua data atau lebih

4 1. Pendahuluan (Con’t) Jenis dispersi data 1.Jangkauan (range) 2.Simpangan rata-rata (mean deviation) 3.Variansi (variance) 4.Standar deviasi (standard deviation) 5.Simpangan kuartil (quartile deviation) 6.Koefisien variasi (coefficient of variation)

5 1. Pendahuluan (Con’t) A. Jangkauan (range, r) r = nilai maksimum – nilai minimum Makin kecil r, kualitas data makin baik; makin besar r, kualitas data makin tidak baik Jangkauan tidak digunakan untuk analisa data yang memerlukan ketelitian yang tinggi (-), jangkauan paling mudah dihitung (+)

6 1. Pendahuluan (Con’t) B. Simpangan Rata-rata (SR) Jumlah nilai mutlak dari selisih semua nilai dengan rata-rata hitung dibagi banyaknya data data tidak berkelompok data berkelompok

7 1. Pendahuluan (Con’t) C. Variansi Rata-rata kuadrat selisih dari semua nilai data terhadap rata-rata hitung non-kelompok kelompok

8 1. Pendahuluan (Con’t) D. Standar Deviasi/Simpangan Baku non-kelompok kelompok

9 1. Pendahuluan (Con’t) E. Jangkauan Quartil & Persentil F. Koefisien Variasi G. Nilai Baku

10 2. Kemiringan Distribusi Data 3 cara menentukan derajat kemiringan distribusi 1.Rumus Pearson  = 0, distribusi simetri  < 0, distribusi miring ke kiri  > 0, distribusi miring ke kanan 2. Rumus Momen  = 0, distribusi simetri  < 0, distribusi miring ke kiri  > 0, distribusi miring ke kanan

11 2. Kemiringan Distribusi Data 3. Rumus Bowley

12 2. Kemiringan Distribusi Data mean median modus mean median modus modus median mean

13 2. Keruncingan Distribusi Data Keruncingan distribusi data Derajat keruncingan distribusi data (kurtosis) a.Leptokurtis (puncak runcing) b.Mesokurtis (puncak normal) c.Platikurtis (puncak tumpul/rendah)

14 Puncak tumpul Puncak runcing Puncak normal LeptokurtisPlatikurtis Mesokurtis

15 2. Keruncingan Distribusi Data (Con’t) Data berkelompok Data tidak berkelompok Metode Jangkauan Kuartil & Persil

16 3. Data Berkala Membentuk trend yang mungkin dapat diprediksi Persamaan trend, Y = a + bX Metode bebas Metode setengah rata-rata Metode kuadrat terkecil

17 3. Data Berkala Metode Bebas Pilih dua titik sembarang untuk menentukan trend, (x 1,y 1 ) dan (x 2,y 2 ) Dapat juga menggunakan Dapat bersifat subjektif, sehingga dapat berbeda

18 3. Data Berkala Metode Setengah Rata-rata Bagi data menjadi 2 bagian sama banyak Tentukan rata-rata hitung tiap kelompok Tentukan 2 titik (x 1,y 1 ) dan (x 2,y 2 ), buat persamaan trendnya

19 3. Data Berkala Metode Kuadrat Terkecil Untuk data ganjil, gunakan nilai x adalah …, -3, -2, -1, 0, 1, 2, 3, … Untuk data genap, gunakan nilai x adalah …, -5, -3, -1, 1, 3, 5, … Tentukan persamaan trend dengan nilai a dan b adalah

20 3. Regresi dan Korelasi Regresi Linear Garis regresi: garis linear yang merupakan garis taksiran/perkiraan untuk mewakili pola hubungan antara variabel X dan Y X adalah variabel bebas, adalah taksiran variabel tak bebas/terikat Y

21

22 3. Regresi dan Korelasi Sifat Regresi Linear Deviasi positif sama dengan deviasi negatif Kuadrat simpangan adalah minimum

23 3. Regresi dan Korelasi  y (+)  y (-)  y (0) a x y

24 3. Regresi dan Korelasi Dengan metode kuadrat kesalahan terkecil (least squared error method) didapat a dan b Kesalahan baku

25 3. Regresi dan Korelasi Koefisien Korelasi r = -1, korelasi negatif artinya terdapat hubungan negatif yang sempurna antara variabel X dan Y r = 1, korelasi positif artinya terdapat hubungan positif yang sempurna antara variabel X dan Y r = 0, tidak berkorelasi artinya tidak ada hubungan antara variabel X dan Y

26 3. Regresi dan Korelasi Koefisien korelasi 0,9 < r < 1,0 atau -1,0 < r < -0,9, sangat kuat 0,7 < r < 0,9 atau -0,9 < r < -0,7, kuat 0,5 < r < 0,7 atau -0,7 < r < -0,5, moderat 0,3 < r < 0,5 atau -0,5 < r < -0,3, lemah 0,0 < r < 0,3 atau -0,3 < r < 0,0, sangat lemah


Download ppt "AGENDA 1.Pendahuluan 2.Kemiringan Distribusi Data 3.Analisis Data Berkala 4.Regresi Dan Korelasi 5.Kesimpulan."

Presentasi serupa


Iklan oleh Google