Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Statistika Deskriptif: Statistik Sampel

Presentasi serupa


Presentasi berjudul: "Statistika Deskriptif: Statistik Sampel"— Transcript presentasi:

1 Statistika Deskriptif: Statistik Sampel
Bab 3C Statistika Deskriptif: Statistik Sampel

2 STATISTIKA DESKRIPTIF: STATISTIK SAMPEL
Bab 3C Bab 3C STATISTIKA DESKRIPTIF: STATISTIK SAMPEL A. Sampel Acak 1. Populasi dan Sampel Populasi merupakan seluruh data yang menjadi perhatikan di dalam kegiatan kita Sampel acak merupakan sebagian dari data populasi yang ditarik secara acak dari populasi Pada tarikan secara acak setiap anggota populasi memiliki probabilitas sama untuk tertarik ke dalam sampel

3 Bab 3C Ada berbagai cara untuk menarik sampel dari populasi (akan dibahas kemudian) dengan berusaha agar sampel adalah representatif (cocok dengan ciri populasi) Pada umumnya, data sampel digunakan untuk membahas atau berbicara tentang data populasi (mengandung kemungkinan keliru) Catatan: Jika seluruh data populasi diperoleh maka hal ini dikenal sebagai sensus Sensus : memperoleh seluruh data populasi Pensampelan: memperoleh sebagian data populasi Tarikan secara acak populasi sampel

4 Bab 3C 2. . Statistik Sampel Ciri populasi dikenal sebagai parameter Ciri sampel dikenal sebagai statistik Parameter Statistik proporsi proporsi rerata rerata variansi variansi simpangan baku simpangan baku kovariansi kovariansi koefisien korelasi koefisien korelasi koefisein regresi koefisien regresi sampel populasi

5 Bab 3C 3. Notasi Statistik Biasanya, notasi parameter menggunakan abjad Yunani Notasi statistik menggunakan abjad Latin Besaran Parameter Statistik Ukuran N n Proporsi  p Rerata X Y X Y Variansi 2X 2Y s2X s2Y Simpangan baku X Y sX sY Kov ariansi X Y sX Y Koef korelasi linier X Y rX Y Koef regresi linier A B a b Perhatikan: rumus untuk variansi, simpangan baku, dan kovariansi berbeda di antara parameter dan sampel

6 Bab 3C B. Statistik Proporsi 1. Data Politomi Rumus proporsi untuk statistik sama saja dengan rumus proporsi untuk parameter Perbedaan terletak pada notasi yakni parameter menggunakan notasi  dan statistik menggunakan notasi p Rumus proporsi Proporsi Batas nilai  p  1

7 Bab 3C Kumulasi proporsi Kumulasi proporsi adalah jumlah proporsi di antara rentangan data Kumulasi bawah adalah jumlah proporsi secara bertahap dari data terkecil ke terbesar Kumulasi atas adalah jumlah proporsi secara bertahap dari data terbesar ke terkecil Contoh Pada sampel Data X Frek f Prop p Kum ba w Kum atas , , ,00 , , ,80 , , ,56 , , ,20 25

8 Bab 3C Contoh Pada sampel Data X Frek f Prop p Kum baw Kum atas 20

9 Bab 3C Contoh 3. Pada sampel Data Y Frek f Prop p Kum ba w Kum atas 50

10 Bab 3C 2 . Data Dikotomi Data dikotomi biasanya dinyatakan dengan 0 dan 1 (misalnya 0 gagal dan 1 sukses) Di samping proporsi untuk 1 (p) terdapat juga proporsi untuk 0 (q) p + q = q = 1 – p Contoh 4 Data sampel p = 3 / 5 = 0,6 q = 1 – 0,6 = 0,4 1

11 Bab 3C Contoh 5 Data sampel X X X X X X X X8 p q

12 Bab 3C C. Statistik Rerata 1. Data Politomi Di sini hanya dibicarakan rerata hitung Kecuali notasi yang berbeda, perhitungan rerata sama dengan perhitungan rerata pada populasi (hal sama juga untuk rerata ukur dan rerata harmonik) Rumus rerata Kalkulator Sama dengan cara pada parameter rerata (cara sama untuk parameter dan statistik rerata)

13 Bab 3C Contoh 6 Data Sampel X Y X = / = 5 Y = / = 5 1

14 Bab 3C Contoh 7 Data sampel Data X Frek f fX  = / 50 = 6,88

15 Bab 3C Contoh 8 Data sampel Data Y Frek f fY Y =

16 Bab 3C 2 . Data Dikotomi Pada data dikotomi, rerata sama dengan proporsi X = p X Y = py Karena itu, biasanya, yang ditampilkan adalah proporsi Contoh 9 Data sampel X Y X = p X = / 5 = 0,4 Y = p Y = / 5 = 0,8

17 Bab 3C D. Statistik Variansi dan Simpangan Baku 1. Data Politomi (a) Simpangan Simpangan adalah jarak data dengan rerata Simpangan x = X –  y = Y – Y Di atas rerata, nilai simpangan adalah positif Sama dengan rerata, nilai simpangan adalah nol Di bawah rerata, nilai simpangan adalah negatif

18 Bab 3C Contoh 1 0 Data sampel X x Y y – – 1 – – 2 – – 3 – 4 – 4 50  = 40 / Y = / 10 = = 5

19 Bab 3C Contoh Pada sampel Data X Frek f fX x Data Y Frek f fY y

20 Bab 3C Contoh Pada sampel Data X Frek f fX x Data Y Frek f fY y

21 Bab 3C (b) Jumlah Kuadrat Simpangan Jumlah kuadrat simpangan (JK) Contoh 13 Data sampel X X2 nX = 8 JK(X) = 216 – (402) / 8 = 16

22 Bab 3C Contoh Data sampel X f fX X2 fX2 nX = 50 JK(X) = 2458 – (3442)/50 = 91,28

23 Bab 3C Contoh Data sampel Y Y2 10 nY = 9 JK(Y) = 5 4 3 2 1

24 Bab 3C Contoh 16 Data sampel Y f fY Y fY2 nY = JK(Y) =

25 Bab 3C (c) Statistik Variansi Rumus variansi pada statistik sampel agak beda dari rumus variansi pada parameter populasi Perbedaan terletak pada NX untuk parameter variansi tetapi nX – 1 untuk statistik variansi Statistik variansi menggunakan notasi s2 Sebelum menghitung variansi, perlu jelas dulu apakah data itu populasi ataukah sampel

26 Bab 3C (d) Statistik Simpangan Baku Statistik simpangan baku adalah akar dua positif dari statistik variansi Statistik simpangan baku diberi notasi s Contoh 17 Dari contoh s2X = 16 / (8 – 1) = 2, sX = √ 2,29 = 1,51 Dari contoh s2X = 91,28 / (50 – 1) = 1, sX = √ 1,86 = 1,36 Dari contoh s2Y = sY = Dari contoh s2Y = sY =

27 Bab 5C (e) Statistik simpangan baku dengan kalkulator Statistik simpangan baku dapat dihitung dengan bantuan kalkulator elektronik Cara pemasukan data sama dengan cara pada parameter simpangan baku Cara menampilkan simpangan baku berbeda di antara parameter simpangan baku dan statistik simpangan baku Tekan tombol Shift xn – 1 (untuk tampilan sX) Shift yn = 1 (untuk tampilan sY) x (untuk variansi) Sebelum menekan tombol simpangan baku, perlu jelas dulu apakah data itu populasi atau sampel

28 Bab 3C Contoh 18 Dengan anggapan data sampel, melalui bantuan kalkulator, tentukan simpangan baku sampel dan variansi sampel untuk data pada Contoh 11 sX = s2X = sY = s2Y = Contoh 12 sX = s2X = sY = s2Y =

29 Bab 3C Contoh 19 Data sampel Dengan kalkulator, hitung simpangan baku dan variansi X X2 X3 X4 X sX1 = s2X1 = sX2 = s2X2 = sX3 = s2X3 = sX4 = s2X4 = sX5 = s2X5 =

30 Bab 3C Contoh 20 Data sampel Dengan kalkulator, hitung simpangan baku dan variansi X X2 X3 X4 X sX1 = s2X1 = sX2 = s2X2 = sX3 = s2X3 = sX4 = s2X4 = sX5 = s2X5 =

31 Bab 3C 2. Data Dikotomi Pada data dikotomi, rumus statistik variansi dan statistik simpangan baku dapat disederhanakan menjadi Contoh Data sampel X1 X2 nX1 = pX1 = 0,6 qX1 = 0,4 s2X1 = 0,27 sX1 = 0,52 nX2 = pX2 = 0,3 qX2 = 0,7 s2X2 = 0,23 sX2 = 0,48

32 Bab 3C Contoh 22 Data sampel X X2 X3 X X5 X6 X7 X8 p q s2 s

33 Bab 3C E. Statistik Kovariansi 1. Jumlah Perkalian Simpangan (JP) Seperti halnya pada parameter JP, di sini pun JP merupakan jumlah dari perkalian pasangan simpangan Pada data X dan Y n = banyaknya pasangan data Nilai JP dapat positif (hubungan searah), nol (tiada hubungan), atau negatif (hubungan berlawanan arah)

34 Bab 3C 2. Statistik Kovarinasi Statistik kovariansi agak berbeda dengan parameter kovariansi Pada parameter kovariansi terdapat besaran N tetapi pada statistik kovariansi terdapat besaran n – 1 Stastiksik kovariansi diberi notasi sXY Sebelum menghitung kovariansi, perlu jelas apakah data itu populasi ataukah sampel

35 Bab 3C Contoh Data sampel X Y XY JP = 82 – (28)(14)/5 = 3,6 sXY = 3,6 / (5 – 1) = 0,9

36 Bab 3C Contoh Data sampel X Y XY JP = sXY =

37 Bab 3C F. Statistik Korelasi 1. Statistik Koefisien Korelasi Linier Dikenal juga sebagai koefisien korelasi momen-produk Pearson (Pearson product moment correlation) Koefisien korelasi linier diberikan notasi rXY Kalkulator Caranya sama dengan cara pada parameter koefisien korelasi linier (parameter dan statistik koefisien korelasi linier menggunakan cara yang sama pada kalkulator)

38 Bab 3C Contoh Data sampel X Y XY JP = 82 – (18)(14)/5 = 3,6 sXY = 3,6 / (5 – 1) = 0,9 sX = 2,07 sY = 0,84 rXY = 0,9 / (2,07)(0,84) = 0,52

39 Bab 3C Bab 3C Contoh Data sampel X Y Dengan kalkulator rXY = sX = sY = sXY = rXYsXsY =

40 Bab C 2. Statistik Koefisien Korelasi Biserial Titik Salah satu data adalah dikotomi dan data pasangannya adalah politomi Rumus statistik koefisien korelasi biseral titik dalam hal X adalah dikotomi dan Y adalah politomi dengan Y1 = data Y yang berpasangan dengan X = 1 Y0 = data Y yang berpasangan dengan X = 0 p = porporsi dari X = 1 q = proporsi dari X = 0 Y1 = rerata dari Y1 Y0 = rerata dari Y0 Y = simpangan baku dari seluruh Y

41 Bab 3C Contoh 27 Data sampel X Y Y1 Y n = 10 Y1 = 68, Y0 = 60,00 p = 6 / 10 = 0, q = 4 / 10 = 0,4 sY = 5,42

42 Bab 3C Contoh 28 Data sampel X Y Y Y0 p = q = Y1 = Y0 = sY = rbt =

43 Bab 3C Contoh 29 Data sampel X Y Y Y0 p = q = Y1 = Y0 = sY = rbt =

44 Bab 5C G. Statistik Koefisien Regresi Linier 1. Bentuk regresi linier Seperti halnya pada parameter koefisien regresi linier, tetapi dilakukan pada sampel Rumus regresi linier pada sampel Ŷ = a + bX a dan b adalah koefisien regresi b merupakan koefisien arah Pada nilai baku, rumus regresi linier pada sampel adalah zŶ = rXYzX

45 Bab 3C 2. Koefisien regresi linier Rumus diperoleh melalui jumlah kuadrat residu terkecil Contoh 30 Data sampel X Y X = 5, Y = 5,286 rXY = 0,833 sX = 3, sY = 2,338 b = 0, a = 2,160 Ŷ = 2, ,547 X

46 Bab 3C Contoh 31 Data sampel X Y X = Y = sX = sY = rXY = b = a = Ŷ =

47 Bab 3C Contoh 32 Data sampel X Y 13, X = Y = 1, 1, sX = sY = 1, 5, rXY = 2, 11, b = a = 8, 7, Ŷ = 10,

48 Bab 3C Contoh 33 Data sampel X Y X = Y = sX = sY = rXY = b = a = Ŷ =

49 Bab 3C G. Alat Bantu Statistika desskriptif digunakan di berbagai bidang termasuk bidang ilmu Ada sejumlah alat bantu yang dapat digunakan oleh statistika deskriptif Beberapa alat bantu mencakup Kalkulator elektronik ilmiah Program komputer, di antaranya, seperti SPSS (Statistical Package for Social Sciences) Statgraph Minitab Statistica SAS Cara pakai mereka tercantum di dalam manual mereka


Download ppt "Statistika Deskriptif: Statistik Sampel"

Presentasi serupa


Iklan oleh Google