UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)

Slides:



Advertisements
Presentasi serupa
PENYEBARAN DATA Tujuan Belajar :
Advertisements

KELOMPOK 3 Nama Anggota : Fahmi Aldy Rivaldi Gusti. F Puji Hariyanti
Ukuran Variasi atau Dispersi
Ukuran Variasi atau Dispersi
BAB VI UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi) (Pertemuan ke-8) Oleh: Andri Wijaya, S.Pd., S.Psi., M.T.I. Program Studi Sistem Informasi Sekolah.
Ukuran Penyimpangan (Dispersi)
Dosen: Lies Rosaria, ST., MSi
UKURAN TENDENSI SENTRAL DAN PENYIMPANGAN
(MEASURES OF DISPERSION)
UKURAN KERAGAMAN/ DISPERSI
HOMOGEN DAN HETEROGEN DATA
UKURAN PENYEBARAN (DISPERSI)
UKURAN DISPERSI Presented by Astuti Mahardika, M.Pd.
Statistik Diskriptif.
Nilai - Nilai Variasi Prepared: TOTOK SUBAGYO, ST,MM.
Ukuran Penyebaran Data
Assalamu’alaikum Wr. Wb.
UKURAN PENYEBARAN DATA
UKURAN DISPERSI (PENYEBARAN DATA)
Oleh : Indah Manfaati Nur, S.Si.,M.Si
UKURAN PENYEBARAN (VARIABILITAS)
Ukuran Dispersi.
STATISTIK 1 Pertemuan 9: Ukuran Kemencengan dan Keruncingan
UKURAN PENYEBARAN DATA
Ukuran Pemusatan (Central Tendency)
Ukuran Variabilitas Data
Statistitik Pertemuan ke-5/6
UKURAN-UKURAN STATISTIK
UKURAN DISPERSI (PENYEBARAN DATA)
Ukuran Variasi atau Dispersi
DEVIASI/SIMPANGAN STATISTIK DESKRIPTIF
UKURAN SIMPANGAN, DISPERSI & VARIASI
Ukuran Dispersi.
UKURAN SIMPANGAN & VARIASI
Standar Deviasi dan Varians
Assalamu’alaikum Wr. Wb.
Ukuran Variasi atau Dispersi
STATISTIKA DESKRIPTIF
Contoh soal Jangkauan (data belum dikelompokkan):
Ukuran Variasi atau Dispersi
UKURAN PENYEBARAN Ukuran Penyebaran
Ukuran Variasi atau Dispersi
Ukuran Pemusatan Data Choirudin, M.Pd
STATISTIK I PERTEMUAN I( 10 Agustus 2017 ) 3.MODUS DEFINISI 1 : Modus adalah nilai dari suatu kelompok yang mempunyai frekuensi tertinggi.
Ukuran Pemusatan Data Choirudin, M.Pd
UKURAN PENYEBARAN DATA
VI. UKURAN PEMUSATAN UKURAN PEMUSATAN ADALAH SUATU UKURAN YANG MEMPUNYAI KECENDERUNGAN MEMUSAT ARTINYA CENDERUNG BERADA DI TENGAH-TENGAH DARI KELOMPOK.
UKURAN VARIASI (DISPERSI) Sumber : J.Supranto, hal.127
STATISTIKA BAB 6 RIZKA AULIA ( )
PENGUKURAN DISPERSI (UKURAN PENYEBARAN) Sri Mulyati.
UKURAN DISPERSI (PENYEBARAN DATA)
UKURAN PENYEBARAN DATA
SELAMAT DATANG.
BAB 4 UKURAN VARIABILITAS
Ukuran Variasi atau Dispersi
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
UKURAN VARIASI ATAU DISPERSI (Pengukuran Varians)
UKURAN PEMUSATAN (Mean)
Universitas Pekalongan
UKURAN LETAK & KERAGAMAN
Ukuran Variasi atau Dispersi J0682
TEKNIK INFORMATIKA UNIVERSITAS ATMA JAYA YOGYAKARTA
UKURAN PENYEBARAN DATA
PENGUKURAN DISPERSI, KEMIRINGAN, DAN KERUNCINGAN DISTRIBUSI DATA
PENGUKURAN DISPERSI, KEMIRINGAN, DAN KERUNCINGAN DISTRIBUSI DATA
DASAR-DASAR STATISTIKA
Contoh soal Jangkauan (data belum dikelompokkan):
UKURAN VARIASI (DISPERSI )
STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi KELOMPOK 2.
Transcript presentasi:

UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)

KONSEP DASAR Dispersi = Variasi data = Keragaman data Definisi Dispersi adalah data yang menggambarkan bagaimana suatu kelompok data menyebar terhadap pusatnya data atau ukuran penyebaran suatu kelompok data terhadap pusat data

KONSEP DASAR Contoh Tiga kelompok data terdiri dari: 50, 50, 50, 50, 50 (homogen) rata-rata hitung = 50 50, 40, 30, 60, 70 (heterogen) 100, 40, 80, 20, 10 (heterogen) Kelompok c lebih heterogen dibandingkan b

KONSEP DASAR (a) Homogen (b) Relatif Homogen (c) Heterogen 100  50      x1 x2 x3 x4 x5 100 (a) Homogen  50  x1 x2 x3 x4 x5 (b) Relatif Homogen (c) Heterogen

KONSEP DASAR Jenis Dispersi Mutlak Dispersi mutlak digunakan untuk mengetahui tingkat variabilitas nilai-nilai observasi pada suatu data Dispersi Relatif Dispersi relatif digunakan untuk membandingkan tingkat variabilitas nilai-nilai observasi suatu data dengan tingkat variabilitas nilai-nilai observasi data lainnya.

KONSEP DASAR DISPERSI Dispersi Mutlak Dispersi Relatif Jangkauan (Range) Simpangan Kuartil (Quartile Deviation) Simpangan Rata-rata (Mean Deviation) Simpangan Baku (Standard Deviation) Koefisien Variasi (Variance Coefficient)

ALASAN MEMPELAJARI DISPERSI Mean dan median hanya menggambarkan pusat data dari sekelompok data, tetapi tidak menggambarkan penyebaran nilai pada data tersebut. Dua kelompok data dengan mean yang sama, belum tentu memiliki penyebaran data yang sama. Ukuran dispersi yang kecil menunjukkan nilai data saling berdekatan (perbedaan kecil), sedangkan ukuran dispersi yang besar menunjukkan nilai data saling menyebar (perbedaan nilai masing-masing data besar). Ukuran dispersi digunakan untuk melengkapi perhitungan nilai pusat data.

JENIS DISPERSI Dispersi Data Tunggal Dispersi Data Berkelompok Jangkauan Simpangan Rata-rata Simpangan Baku Dispersi Data Berkelompok

Jangkauan – Data Tunggal Definisi Jangkauan adalah selisih antara nilai maksimum dengan nilai minimum dalam suatu kelompok/ susunan data. Lambang Jangkauan dapat ditulis “ r “ Nama Lain Nilai Jarak, dapat ditulis “ NJ ”

Jangkauan – Data Tunggal Sifat Jangkauan merupakan ukuran keragaman yang paling sederhana. Jangkauan sangat peka terhadap data dengan nilai terbesar dan nilai terkecil. Semakin kecil nilai r maka kualitas data akan semakin baik, sebaliknya semakin besar nilai r, maka kualitasnya semakin tidak baik.

Jangkauan – Data Tunggal Rumus Contoh Diketahui data 20, 30, 50, 70, 100. Tentukan nilai jangkauan data. r = X5 – X1 r = 100 – 20 r = 80 r = Xn – X1 r = Nilai Maksimum – Nilai Minimum

Jangkauan – Data Berkelompok Rumus r = Nilai tengah kelas terakhir – Nilai tengah kelas pertama r = Batas atas kelas terakhir – Batas bawah kelas pertama

Jangkauan – Data Berkelompok Contoh Data berat badan 100 mahasiswa suatu perguruan tinggi. Tentukan nilai jarak dari data tersebut. Berat badan Banyaknya Mahasiswa (Kg) (f) 60 – 62 5 63 – 65 18 66 – 68 42 69 – 71 27 72 – 74 8

Jangkauan – Data Berkelompok Jawaban Cara I Nilai tengah kelas pertama = (60 + 62) : 2 Nilai tengah kelas pertama = 61 Nilai tengah kelas terakhir = (72 + 74) : 2 Nilai tengah kelas terakhir = 73 r = Nilai tengah kelas terakhir – Nilai tengah kelas pertama r = 73 – 61 r = 12

Jangkauan – Data Berkelompok Jawaban Cara II Batas bawah kelas pertama = 60 – 0,5 = 59,5 Batas atas kelas terakhir = 74 + 0,5 = 74,5 r = Batas atas kelas terakhir – Batas bawah kelas pertama r = 74,5 – 59,5 r = 15 Catatan : Cara 1 cenderung menghilangkan kasus ekstrim

Simpangan Rata-rata – Data Tunggal Definisi Simpangan rata-rata adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi dibagi dengan banyaknya data. Lambang Simpangan rata-rata dapat ditulis “ SR “

Simpangan Rata-rata – Data Tunggal Rumus SR = simpangan rata-rata n = banyaknya data pengamatan = rata-rata Med = median Xi = frekuensi data ke-i

Simpangan Rata-rata – Data Tunggal Contoh Diketahui data 30, 40, 50, 60, 70. Tentukan simpangan rata-rata dan simpangan median. Jawaban

Simpangan Rata-rata – Data Tunggal

Simpangan Rata-rata – Data Tunggal Simpangan Median

Simpangan Rata-rata – Data Berkelompok Rumus SR = simpangan rata-rata f = banyaknya frekuensi data = rata-rata Xi = frekuensi data ke-i

Simpangan Rata-rata – Data Berkelompok Contoh Interval Kelas Frekuensi 40 – 44 3 45 – 49 4 50 – 54 6 55 – 59 8 60 – 64 10 65 – 69 11 70 – 74 15 75 – 79 80 – 84 85 – 89 2 90 – 94

Interval Nilai Tengah (xi) fi Σfi = 71 Kelas Interval Nilai Tengah (xi) fi |x – x| fi |x – x| 40 – 44 42 3 23,7 71,1 45 – 49 47 4 18,7 74,8 50 – 54 52 6 13,7 82,2 55 – 59 57 8 8,7 69,6 60 – 64 62 10 3,7 37 65 – 69 67 11 1,3 14,3 70 – 74 72 15 6,3 94,5 75 – 79 77 11,3 67,8 80 – 84 82 16,3 65,2 85 – 89 87 2 21,3 42,6 90 – 94 92 26,3 52,6 Σfi = 71 Σfi |x – x| = 671,7 Jadi, simpangan rata-rata (SR) = 671,7 / 71 = 9,46.

Hitung simpangan rata-rata dari data kuantitatif berikut 12, 3, 11, 3, 4, 7, 5, 11

VARIANS Definisi Varians adalah ukuran keragaman yang melibatkan seluruh data. Varians merupakan rata-rata kuadrat selisih dari semua nilai data terhadap nilai rata-rata hitung. Varians didasarkan pada perbedaan antara nilai tiap observasi (Xi) dan rata-rata ( untuk sampel dan  untuk populasi)

VARIANS – DATA TUNGGAL Rumus (sampel) S2 = varians sampel Xi = data ke-i = rata-rata sampel n = banyaknya sampel Rumus (populasi) σ2 = varians populasi μ = rata-rata populasi N = banyaknya populasi

VARIANS – DATA BERKELOMPOK Rumus (sampel) S2 = varians sampel Xi = nilai tengah kelas ke-i fi = frekuensi kelas ke-i = rata-rata sampel Rumus (populasi) σ2 = varians populasi μ = rata-rata populasi

Simpangan Baku – Data Tunggal Definisi Simpangan baku adalah akar kuadrat positif dari varians. Simpangan baku diukur pada satuan data yang sama, sehingga mudah untuk diperbandingkan. Simpangan baku paling banyak digunakan karena mempunyai sifat-sifat matematis yang sangat penting dan berguna untuk pembahasan teori dan analisis.

Simpangan Baku – Data Tunggal Lambang Simpangan baku dapat ditulis “ S “ Nama Lain Standar Deviasi, dapat ditulis “ SD “ Kelompok data yang heterogen mempunyai simpangan baku yang besar. Simpangan baku populasi (σ) sering dipakai.

Simpangan Baku – Data Tunggal Rumus (sampel) S = simpangan baku sampel Xi= data ke-i = rata-rata sampel n = banyaknya sampel

Simpangan Baku – Data Tunggal Rumus (populasi) σ = simpangan baku populasi Xi = data ke-i μ = rata-rata populasi N = banyaknya populasi

Simpangan Baku – Data Tunggal Contoh Diketahui data upah bulanan karyawan suatu perusahaan (dalam ribuan rupiah). Hitunglah simpangan baku dari data tersebut. Xi Xi2 X1 30 900 X2 40 1600 X3 50 2500 X4 60 3600 X5 70 4900 5 250 13500

Simpangan Baku – Data Tunggal Jawaban Jadi simpangan baku dari data tersebut adalah 14,14 (Rp14.140,00)

Simpangan Baku – Data Berkelompok Rumus simpangan baku populasi (umum) σ = simpangan baku populasi Mi = nilai tengah dari kelas ke-i, i = 1, 2, …, k μ = rata-rata populasi N = banyaknya populasi

Simpangan Baku – Data Berkelompok Rumus populasi (kelas interval sama) σ = simpangan baku populasi fi = frekuensi kelas ke-i di = simpangan dari kelas ke-i terhadap titik asal asumsi N = banyaknya populasi c = besarnya kelas interval

Simpangan Baku – Data Berkelompok Rumus populasi (kelas interval tidak sama) σ = simpangan baku populasi fi = frekuensi kelas ke-i Mi = nilai tengah dari kelas ke-i, i = 1, 2, …, k N = banyaknya populasi

Simpangan Baku – Data Berkelompok Rumus sampel (kelas yang sama) S = simpangan baku sampel fi = frekuensi kelas ke-i di = simpangan dari kelas ke-i terhadap titik asal asumsi n = banyaknya sampel c = besarnya kelas interval

Simpangan Baku – Data Berkelompok Rumus sampel (kelas tidak sama) S = simpangan baku sampel fi = frekuensi kelas ke-i Mi = nilai tengah dari kelas ke-i, i = 1, 2, …, k n = banyaknya sampel

Cotoh Diketahui data tinggi badan 50 siswa samapta kelas c adalah sebagai berikut

Simpangan Baku – Data Berkelompok Jawaban Kelas interval sama, yaitu 9 (127 – 118) Modal (M) Nilai Tengah Frekuensi (f) 118 - 126 122 3 127 - 135 131 5 136 - 144 140 9 145 - 153 149 12 154 - 162 158 5 163 - 171 167 4 172 - 180 176 2 Jumlah 40

Simpangan Baku – Data Berkelompok Kelas f d d2 fd fd2 118 - 126 3 -3 9 -9 27 127 - 135 5 -2 4 -10 20 136 - 144 9 -1 1 -9 9 145 - 153 12 0 0 0 0 154 - 162 5 1 1 5 5 163 - 171 4 2 4 8 16 172 - 180 2 3 9 6 18 Jumlah 40 0 28 fidi = -9 fidi2 = 95

Simpangan Baku – Data Berkelompok Contoh Data nilai ujian statistik dasar dari 50 mahasiswa STMIK MDP, disusun dalam tabel berikut ini. Tentukan simpangan baku dari data di samping. Kelas M (Nilai Tengah) f 30 - 39 34,5 4 40 - 49 44,5 6 50 - 59 54,5 8 60 - 69 64,5 12 70 - 79 74,5 9 80 - 89 84,5 7 90 - 100 94,5 4

Simpangan Baku – Data Berkelompok Jawaban M M2 f fM fM2 34,5 1.190,25 4 138,0 4.761,00 44,5 1.980,25 6 267,0 11.881,50 54,5 2.970,25 8 436,0 23.762,00 64,5 4.160,25 12 774,0 49.923,00 74,5 5.550,25 9 670,5 49.952,25 84,5 7.140,25 7 591,5 49.981,75 95 9.025,00 4 380,0 36.100,00 Jumlah f1 = 50 f1Mi = 3.257 f1Mi2 = 226.361,50

Soal-soal Sepuluh orang juri memberikan penilaian terhadap jenis makanan yang baru dikembangkan sebagai berikut. 23 30 14 10 15 28 30 25 24 17 Hitunglah nilai jangkauan, simpangan rata-rata, dan simpangan baku.