Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

STATISTIKA Ir. Hari Purnomo, MSi PhD DIC Jurusan Hama dan Penyakit Tumbuhan Fakultas Pertanian Universitas Jember.

Presentasi serupa


Presentasi berjudul: "STATISTIKA Ir. Hari Purnomo, MSi PhD DIC Jurusan Hama dan Penyakit Tumbuhan Fakultas Pertanian Universitas Jember."— Transcript presentasi:

1 STATISTIKA Ir. Hari Purnomo, MSi PhD DIC Jurusan Hama dan Penyakit Tumbuhan Fakultas Pertanian Universitas Jember

2 D EFINISI S TATISTIKA Menurut Webster’s New Collegiate Dictionary statistika didefinisikan sebagai “cabang matematika yang berkaitan dengan pengumpulan, analisis, interpretasi, dan penyajian dari sejumlah data numerik ”. Kendal dan Stuart (1977) mengatakan: “ Statistika adalah cabang dari metode ilmiah yang berhubungan dengan pengumpulan data yang dikumpulkan dengan mencacah atau mengukur sifat- sifat dari populasi.” Fasher (1958), mengomentari percobaan dan aplikasi statistika, mengatakan bahwa “ statistika berhubungan dengan metode untuk menarik kesimpulan dari hasil percobaan atau proses.”

3 Freund dan Walpole (1987) melihat statistika sebagai mengarahkan “sains pengambilan keputusan di dalam ketidak pastian.” Mood, Graybill dan Boes (1974) mendefinisikan statistika sebagai “teknologi dari metode ilmiah” dan menambahkan bahwa statistika berhubungan dengan :“(1) rancangan percobaan dan penyelidikan, (2) penarikan kesimpulan statistik.” Mendenhall (1979) mendefinisikan statistika sebagai suatu “bidang sains yang berkaitan dengan ekstraksi informasi dari data numerik dan menggunakannya untuk membuat keputusan tentang populasi dari mana data tersebut diperoleh.”

4 Jadi secara umum dapat dikatakan bahwa statistika adalah suatu teori informasi, dengan penarikan kesimpulan sebagai tujuannya. statistics is all about is converting data into useful information

5 Kumpulan data, bilangan maupun non bilangan yang disusun dalam tabel dan atau diagram yang melukiskan atau menggambarkan tentang suatu persoalan/topik Ukuran sebagai wakil dari kumpulan data : mean, modus, median, simpangan baku, ragam dll. Statistik kependudukan, kelahiran, pendidikan, produksi, pertanian Hampir sama, perbedaaan hanya terletak pada sumber data yang digunakan. Statistik menggambarkan sumber data dari sampel Parameter dari populasi Statistik digunakan untuk mengestimasi nilai dari parameter populasi STATISTIKPARAMETER

6 PROSES DALAM STATISTIKA PENGUMPULAN DATA EDA (Exploratory Data Analysis) INTERPRESTASI DATA

7 Identifikasi pada kelompok/grup mana kita bekerja untuk mempelajari sesuatu Kelompok itu disebut POPULASI. Opini masyarakat USA terhadap calon Presiden Bagaimana tanaman bereaksi terhadap serangan serangga hama Rata-rata harga tanaman palawija di Daerah A

8  UNIT  SAMPEL  UNIT SAMPEL  VARIABEL  OBSERVASI

9 Once the data have been collected, it is a long list of answers to questions or numbers, and in order to explore and make sense of it, we need to summarize it in a meaningful way. This second step which consists of summarizing the collected data is called Exploratory Data Analysis.

10 Once we've obtained the sample results and summarized them we are not done. Remember that our goal is study the population, so the last step is where we draw conclusion about the population based on the sample results. We call this third step in the process Inference.

11 At the end of April 2005, a poll was conducted (by ABC News/Washington Post), for the purpose of learning the opinions of US adults about the death penalty. I. Producing Data : A (representative) sample of 1082 US adults was chosen and each adult was asked whether they favored or opposed the death penalty. II. EDA : The collected data was summarized, and it was found that 65% of the sampled adults favor the death penalty for persons convicted of murder. III. Inference: Based on the sample result (of 65% favoring the death penalty) it was concluded (with 95% confidence) that the percentage in the population is within 3% of what was obtained in the sample (i.e., between 62% and 68%). The following figure summarizes the example:

12

13

14  Fokus dari desain penelitian dan analisis statistik adalah studi tentang variabel. Pada saat Anda ingin mempelajari suatu fenomena, langkah pertama adalah mendefinisikan fenomena yang diteliti tersebut, dalam hal ini adalah menentukan variabel-variabel yang kita amati dan selanjutnya menentukan bagaimana cara Anda mengukur variabel tersebut.  Proses tersebut dikenal dengan istilah definisi operasional

15  Jelas disini bahwa untuk memahami suatu fenomena, kita harus memahami dulu istilah variabel dan skala pengukuran.  Apabila Anda tidak menentukan secara jelas cara pengukuran variabel yang ingin Anda pelajari, pada akhirnya Anda akan mengalami kebingungan dalam menentukan desain penelitian yang tepat serta dalam menentukan prosedur analisis statistik yang sesuai

16 P EUBAH /V ARIABEL Peubah merupakan suatu karakteristik dari suatu objek. Beberapa contoh variabel antara lain seperti: nama, umur, tinggi badan, berat badan, asal SMA, dan jenis kelamin merupakan karakteristik peserta mata kuliah metode statistika. Berdasarkan nilai-nilainya, peubah bisa dikelompokkan dalam dua kelompok, yaitu numerik dan kategorik DATA Segala bentuk informasi tentang individu/obyek

17 P ENGUKURAN V ARIABEL : P ROSES PEMBERIAN NILAI ATAU ATRIBUT ATAS SUATU OBYEK S TANLEY S MITH S TEVENS, PADA TAHUN 1946 PADA SALAH SATU ARTIKEL ILMIAHNYA YANG BERJUDUL "O N THE THEORY OF SCALES OF MEASUREMENT “ KATEGORI Nominal Ordinal NUMERIK Interval Rasio

18

19 Perhatikan nilai/data yang terdapat pada Variabel Jenis Kelamin. Apakah anda bisa membedakan antara jenis kelamin laki-laki dan perempuan? Tentu Anda bisa! Barb adalah perempuan sedangkan Cris laki-laki. Disini kita bisa menentukan antara yang jenis kelaminnya sama (=) dan yang berbeda (≠) Dapatkah Anda megurutkan atau membuat rangking? L > P atau L < P? Tentu kita tidak dapat membuat peringkatnya! Demikian juga dengan warna kulit, disini kita hanya bisa membedakan tanpa bisa membuat peringkatnya! Kita hanya bisa membedakan atau mengkatagorikan nilai/kode dari variabel tersebut. NOMINAL

20 Sekarang perhatikan variabel Huruf Mutu. Barb dan Chris mendapatkan nilai yang sama (=) yaitu A, dan berbeda (≠) dengan Tina yang hanya mendapatkan Huruf Mutu B. Pada contoh ini, selain kita bisa melihat siapa yang mendapatkan huruf mutu yang sama (=) dan siapa yang berbeda (≠), kita juga bisa merangkingnya. Nilai yang mendapatkan A lebih (>) baik dibandingkan dengan yang mendapatkan B. Demikian juga untuk variabel Peringkat. Peringkat 1 tentu lebih baik dibandingkan dengan peringkat 11. Nilai/atribut dari Variabel Peringkat dan Huruf Mutu bisa dibedakan dan diurutkan (dirangking). Skala pengukuran demikian dinamakan Ordinal

21 Bagaimana dengan Variabel Perilaku? Perilaku Bonnie sama (=) dengan Brenda, sedangkan dengan Barb berbeda (≠). Perilaku Barb lebih baik (>) dibanding dengan Bonnie atau Brenda Perbedaan nilai perilaku antara Mike (65) dengan Tina (60) adalah 5 poin. Perbedaan tersebut sama dengan selisih antara Tina (60) dengan Ron (55) yaitu 5. Nilai 60 = dan 65 = Skala nilai yang digunakan mempunyai interval/jarak yang sama. Interval yang sama artinya bobot/nilai 5 pada contoh di atas adalah sama

22 Contoh untuk variabel suhu, perbedaan antara suhu 35 °C dengan 36 °C = 1 °C. Demikian juga dengan perbedaan suhu 100 °C dan 101 °C adalah 1 °C. Angka 1 disana bobotnya sama, dalam arti perbedaan panasnya sama saja. Nilai/atribut dari Variabel Perilaku dan Suhu Tubuh selain bisa dibedakan, diurutkan (dirangking), juga mempunyai interval/jarak yang sama. Skala pengukuran demikian dinamakan Interval

23 Apa perbedaannya dengan skala rasio? Pada skala rasio, selain nilai variabel bisa dibedakan, diurutkan (dirangking), mempunyai interval/jarak yang sama, juga bisa dilakukan perbandingan (rasio). Perhatikan data pada variabel Berat Badan. Berat Mike = 90 kg, dan Tina = 45 kg (sifat Nominal). Berat Mike berbeda dengan berat Tina; Mike lebih berat dibanding Tina (Sifat Ordinal), Perbedaan Berat Antara Mike denga Tina adalah 45 kg, sama dengan perbedaan antara Bonie (55) dan Mark (100) yaitu 45 kg (Sifat Interval).

24 Selain sifat-sifat tersebut, kita juga bisa mengatakan bahwa Mike (90 kg) dua kali lebih berat dibandingkan dengan Tina (45 kg) Pada kasus ini kita bisa melakukan perbandingan/rasio. Kenapa? Karena variabel tersebut mempunyai nilai 0 mutlak. apa contohnya? Perilaku skalanya disana hanya dari , tidak mempunyai nilai 0. Perhatikan Nilai perilaku untuk Barb (80) dan Ron (40). Di sini kita tidak bisa mengatakan Barb dua kali lebih baik dibanding Ron! Bukan RASIO! Angka 0°C, bukan berarti objek tersebut tidak mempunyai suhu! Suhu 100°C tidak berarti 2 kali lebih panas dibanding suhu 50 °C!

25 V ARIABEL NOMINAL MERUPAKAN VARIABEL DENGAN SKALA PENGUKURAN YANG PALING RENDAH TINGKATANNYA DAN HANYA BISA DIGUNAKAN UNTUK KLASIFIKASI KUALITATIF ATAU KATEGORISASI. A RTINYA, VARIABEL TERSEBUT HANYA DAPAT DIUKUR DARI SEGI APAKAH KARAKTERISTIK SUATU OBJEK BISA DIBEDAKAN DARI KAREKATERISTIK LAINNYA, TETAPI KITA TIDAK DAPAT MENGUKUR ATAU BAHKAN MENGURUTKAN PERINGKAT KATEGORI TERSEBUT "=" atau "≠". jenis tanah, varietas, ras, warna, bentuk, kota, Golongan darah, Jenis penyakit, Agama, Suku Nomor KTP/SIM/Kartu Pelajar

26 V ARIABEL ORDINAL MEMUNGKINKAN KITA UNTUK MENGURUTKAN PERINGKAT DARI OBJEK YANG KITA UKUR. D ALAM HAL INI KITA BISA MENGATAKAN A " LEBIH " BAIK DIBANDING B ATAU B " KURANG " BAIK DIBANDING A, "=", "≠", " ". Tingkat pendidikan atau kekayaan Tingkat keparahan penyakit Tingkat kesembuhan Derajat keganasan kanker

27 V ARIABEL I NTERVAL TIDAK HANYA MEMUNGKINKAN KITA UNTUK MENGKLASIFIKASIKAN, MENGURUTKAN PERINGKATNYA, TETAPI KITA JUGA BISA MENGUKUR DAN MEMBANDINGKAN UKURAN PERBEDAAN DIANTARA NILAI "=", "≠", " ", "+", "-" Tingkat kecerdasan (IQ) Beberapa indeks pengukuran tertentu

28 V ARIABEL RASIO SANGAT MIRIP DENGAN VARIABEL INTERVAL ; DI SAMPING SUDAH MEMILIKI SEMUA SIFAT - SIFAT VARIABEL INTERVAL, JUGA SUDAH BISA DIIDENTIFIKASI TITIK NOL MUTLAK, SEHINGGA MEMUNGKINKAN MENYATAKAN RASIO ATAU PERBANDINGAN DI ANTARA KEDUA NILAI, MISALNYA X ADALAH DUA KALI LEBIH Y. "=", "≠", " ", "+", "-", "x" dan "÷".  Operator aritmetik "=", "≠", kita bisa mengatakan Berat A berbeda dengan Berat B (A ≠ B);  Operator aritmetik " ": A lebih berat dibanding B (A > B),  Operator Aritmetik "+", "-": Beda antara berat A dengan B = 35 kg (A – B = 70 – 35 = 35) kg,  Operator aritmetik "x" dan "÷":A dua kali lebih berat dibanding B ( A = 2xB).

29

30

31 Latihan Soal Data apa kiranya akan dicatat seorang kepala desa untuk mengukur: a.produktivitas lahan sawah di desanya b.tingkat penghasilan penduduk di desanya c.potensi tenaga kerja di desanya d.keberadaan kepala keluarga di desanya e.kemajuan pelayanan kesehatan ibu dan anak di desanya Seorang petugas keamanan jalan raya lintas cepat mencatat setiap peristiwa kecelakaanlalu lintas yang terjadi di jalan raya itu. Yang dicatat adalah: a) jenis kendaraan bermotor yang mengalami kecelakaan b)warna kendaraan bermotor itu c)umur pengemudi d)panjang batas tapak mengerem di jalan raya sebelum kendaraan tersebut bertabrakan e)ruas jalan tempat kecelakaan itu terjadi f)Jalur alan tempat kecelakaan terjadi manakah dari data yang dicatat tersebut menghasilkan:(i) data numerik(ii) data kategorik berskala nominal(iii) data kategorik berskala ordina


Download ppt "STATISTIKA Ir. Hari Purnomo, MSi PhD DIC Jurusan Hama dan Penyakit Tumbuhan Fakultas Pertanian Universitas Jember."

Presentasi serupa


Iklan oleh Google