STATISTIK 1 Pertemuan 5,6: Ukuran Pemusatan dan Penyebaran

Slides:



Advertisements
Presentasi serupa
STATISTIKA DESKRIPTIF
Advertisements

Variabilitas Azimmatul Ihwah.
STATISIKA Nama = Tri Utami NIM = Nama = Tri Utami NIM =
BAB-4 UKURAN DESKRIPTIF VARIABEL NUMERIK By M. YAHYA AHMAD
NOTASI PENJUMLAHAN ()
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.
© 2002 Prentice-Hall, Inc.Chap 3-1 Bab 3 Pengukuran.
Pertemuan 02 Ukuran Numerik Deskriptif
Metode Statistika (STK211)

1 Pertemuan 02 Ukuran Pemusatan dan Lokasi Matakuliah: I Statistika Tahun: 2008 Versi: Revisi.
1 6 Statistika Deskriptif. © John Wiley & Sons, Inc. Applied Statistics and Probability for Engineers, by Montgomery and Runger. Ringkasan Numerik dari.
1 Pertemuan 03 dan 04 Ukuran Variasi Matakuliah: I Statistika Tahun: 2008 Versi: Revisi.
Pertemuan 03 Ukuran Penyimpangan (Variasi)
Review Statistik (pertemuan 7). Konsep Tendensi Pusat Ukuran tendensi pusat adalah sembarang ukuran yang menunjukkan pusat segugus data, yang telah.
UKURAN TENDENSI Ukuran Penyebaran (measure of variability)
REVIEW BIOSTATISTIK DESKRIPTIF
PERTEMUAN 6 Teknik Analisis dan Penyajian Data
Ukuran Penyimpangan atau Disversi Pertemuan 04
MENGHITUNG STATISTIKA DESKRIPTIF
STATISTIK DESKRIPTIF Pengumpulan data, pengorganisasian, penyajian data Distribusi frekuensi Ukuran pemusatan Ukuran penyebaran Skewness, kurtosis.
UKURAN DISPERSI (PENYEBARAN DATA)
STATISTIK DESKRIPTIF.
UKURAN PENYEBARAN (VARIABILITAS)
NOTASI PENJUMLAHAN ()
Metode Statistika (STK211)
STATISTIK1 Pertemuan 3-4: Ukuran Pemusatan Dosen Pengampu MK:
STATISTIK 1 Pertemuan 5: Ukuran Pemusatan dan Penyebaran Data Kelompok
STATISTIKA Mean, Median dan Modus.
STATISTIK 1 Pertemuan 9: Ukuran Kemencengan dan Keruncingan
UKURAN PENYEBARAN DATA
BIOSTATISTIK DESKRIPTIF
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
Ukuran Pemusatan (Central Tendency)
BAB 6 UKURAN DISPERSI.
UKURAN DISPERSI Dr. Srikandi Kumadji, MS.
STATISTIK1 Pertemuan 5: Ukuran Penyebaran Dosen Pengampu MK:
UKURAN-UKURAN STATISTIK
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
KIMIA ANALISIS Konsep Statistika.
Ukuran Penyimpangan - Variasi -
UKURAN DISPERSI (PENYEBARAN DATA)
STATISTIK1 Pertemuan 3: Ukuran Pemusatan dan Penyebaran
STATISTIK 1 Pertemuan 4: Ukuran Pemusatan dan Penyebaran Data Kelompok
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN
Ukuran Variasi atau Dispersi
STATISTIKA DESKRIPTIF
STATISTIK 1 Pertemuan 5,6: Ukuran Pemusatan dan Penyebaran
Ukuran Variasi atau Dispersi
OLEH : RESPATI WULANDARI, M.KES
UKURAN PENYEBARAN Ukuran Penyebaran
Ukuran Variasi atau Dispersi
Metode Statistika (STK211)
Drs. Indratmo Yudono, MSi
STATISTIKA Pertemuan 3: Ukuran Pemusatan dan Penyebaran
Ukuran Pemusatan Data Choirudin, M.Pd
STATISTIKA Pertemuan 3: Ukuran Pemusatan dan Penyebaran
Ukuran Pemusatan Data Choirudin, M.Pd
UKURAN DISPERSI (PENYEBARAN DATA)
STATISTIKA DESKRIPTIF
Ukuran Variasi atau Dispersi
UKURAN VARIASI ATAU DISPERSI (Pengukuran Dispersi)
Statistika Deksriptif
Kuliah ke 3 Elementary Statistics Eleventh Edition
UKURAN PENYEBARAN DATA
STATISTIK1 Pertemuan 3-4: Ukuran Pemusatan Dosen Pengampu MK:
DESKRIPSI DATA Pertemuan 3.
NILAI RATA-RATA (CENTRAL TENDENCY)
STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi KELOMPOK 2.
Transcript presentasi:

STATISTIK 1 Pertemuan 5,6: Ukuran Pemusatan dan Penyebaran Dosen Pengampu MK: Evellin Lusiana, S.Si, M.Si

Materi Ukuran pemusatan Ukuran penyebaran Box-plot Mean Median Modus Range Range interkuartil Varians Standar deviasi Koefisien variasi Box-plot

Deskripsi Data dengan Ukuran Numerik Metode grafis seringkali tidak cukup untuk menggambarkan data Ukuran numerik, dapat digunakan untuk populasi dan sample. Parameter  ukuran numerik untuk populasi Statistik ukuran numerik untuk sampel

Ukuran Pemusatan Mean Median Modus Rata-rata aritmatika Overview Ukuran pemusatan Mean Median Modus Rata-rata aritmatika Nilai tengah dari data terurut Nilai yang paling sering muncul

Rata-rata Aritmatika (Mean) [1] Rata-rata aritmatika (mean) merupakan ukuran pemusatan yang paling sering digunakan Untuk populasi berukuran N: Untuk sampel berukuran n: Nilai populasi Ukuran populasi Nilai pengamatan Ukuran sampel

Rata-rata Aritmatika (Mean) [2] Mean = jumlah nilai pengamatan dibagi dengan banyaknya pengamatan Sangat dipengaruhi oleh nilai ekstrim(outliers) 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 Mean = 3 Mean = 4

Median [1] Dalam data yang terurut, median merupakan data yang berada di “tengah Tidak dipengaruhi oleh outlier 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 Median = 3 Median = 3

Median [2] Lokasi median: Jika banyaknya pengamatan bernilai ganjilmedian adalah nilai tengah Jika banyaknya pengamatan bernilai genapmedian adalah rata-rata dari dua nilai tengah

Modus Nilai yang paling sering muncul Tidak dipengaruhi oleh outlier Dapat digunakan untuk data kualitatif dan kuantitatif Ada kemungkinan tidak ada modus Ada juga kemungkinan terdapat beberapan modus 0 1 2 3 4 5 6 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 No Mode Mode = 9

Contoh: Ukuran Pemusatan [1] Harga 5 rumah di sebuah bukit dekat pantai Harga: $2,000,000 500,000 300,000 100,000 100,000

Contoh: Ukuran Pemusatan [2] House Prices: $2,000,000 500,000 300,000 100,000 100,000 Sum 3,000,000 Mean: ($3,000,000/5) = $600,000 Median: nilai tengah data terurut = $300,000 Mode: nilai paling sering muncul = $100,000

Ukuran Pemusatan Mana Yang Terbaik? Mean adalah yang paling umum digunakan, selama tidak ada outlier Jika ada outlier, maka gunakan median

Bentuk Distribusi Menunjukkan bagaimana distribusi dari data Left-Skewed Symmetric Right-Skewed Mean < Median Mean = Median Median < Mean

Latihan [1] Tentukan mean, median, dan modus dari data-data berikut

Latihan [2] Sebuah firma audit akuntansi Rowatti dan Kopell khusus menangani pajak penghasilan dari para profesional seperti dokter, arsitek, pengacara, dsb. Firma tersebut mempkerjakan 11 akuntan. Tahun lalu, jumlah pajak yang ditangani setiap akuntan adalah sebagai berikut Tentukan mean, median, dan modus. Interpretasi! Jika diminta memilih satu statistik untuk dilaporkan, statistik apa yang sebaiknya digunakan?

Ukuran Penyebaran Range Range Interkuartil Varians Standar Deviasi Variasi Range Range Interkuartil Varians Standar Deviasi Koefisien variasi Ukuran penyebaran memberikan informasi mengenai penyebaran atau variabilitas dari nilai-nilai data yang ada pusat sama, Variasi berbeda

Range Ukuran penyebaran yang paling sederhana Selisih antara nilai terbesar dan terkecil Range = Xmax – Xmin misal: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Range = 14 - 1 = 13

Kekurangan Range Tidak mempedulikan distribusi data Sensitif terhadap outlier 7 8 9 10 11 12 7 8 9 10 11 12 Range = 12 - 7 = 5 Range = 12 - 7 = 5 1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,5 Range = 5 - 1 = 4 1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,3,3,3,3,4,120 Range = 120 - 1 = 119

Range Interkuartil [1] Masalah outlier bisa sedikit teratasi dengan menggunakan range interkuartil Mengeliminasi observasi terbesar dan terkecil, serta yang dihitung adalah range dari 50% data yang berada di tengahthe data Range interkuartil = kuartil 3– kuartil 1 IQR = Q3 – Q1

Range Interkuartil [1] maximum minimum 12 30 45 57 70 Misal Median (Q2) X X Q1 Q3 maximum minimum 25% 25% 25% 25% 12 30 45 57 70 Range interkaurtil = 57 – 30 = 27

Kuartil Membagi data terurut menjadi 4 bagian, dengan banyaknya elemen di setiap bagian adalah sama 25% 25% 25% 25% Q1 Q2 Q3 Kuartil pertama, Q1, menunjukkan terdapat 25% pengamatan yang bernilai lebih kecil dan 75% lainnya lebih besar Q2 sama dengan median (50% lebih kecil, 50% lebih besar) Hanya 25% dari pengamatan yang lebih besar dari Q3

Rumus Kuartil Penentuan nilai kuartil dilakukan dengan menentukan posisi yang sesuai dari data terurut posisi kuartil pertama: Q1 = 0.25(n+1) posisi kuartil kedua: Q2 = 0.50(n+1) (posisi median) posisi kuartil ketiga: Q3 = 0.75(n+1)

Kuartil Contoh: tentukan kuartil pertama Sample Ranked Data: 11 12 13 16 16 17 18 21 22 (n = 9) Q1 = ada di 0.25(9+1) = 2.5 position dari data terurut sehingga ambil nilai tengah antara pengamatan ke 2 dan 3 jadi, Q1 = 12.5

Varians Populasi Rata-rata kuadrat deviasi dari nilai mean Where = mean populasi N = ukuran populasi xi = nilai variabel X ke-i

Varians Sampel Varians sampel: Where = rata-rata aritmatika n = ukuran sampel Xi = nilai variabel X ke-i

Standar Deviasi Populasi Menunjukkan variasi di sekitar mean Memiliki satuan yang sama dengan data asli Population standard deviation:

Standar Deviasi Sampel Sample standard deviation:

Contoh: perhitungan varians [1] Rumus definisi: 5 -4 16 12 3 9 6 -3 8 -1 1 14 25 Jml 45 60

Contoh: perhitungan varians [2] Rumus kerja: 5 25 12 144 6 36 8 64 14 196 Jml 45 465

Pengukuran Variasi Standar deviasi kecil Standar deviasi besar

Perbandungan standar deviasi Data A Mean = 15.5 s = 3.338 11 12 13 14 15 16 17 18 19 20 21 Data B Mean = 15.5 s = 0.926 11 12 13 14 15 16 17 18 19 20 21 Data C Mean = 15.5 s = 4.570 11 12 13 14 15 16 17 18 19 20 21

Kelebihan varians dan standar deviasi Setiap nilai dalam dataset digunakan dalam perhitungan Nilai yang jauh dari mean memiliki bobot yang lebih besar

Koefisien Variasi [1] Measures relative variation Always in percentage (%) Shows variation relative to mean Can be used to compare two or more sets of data measured in different units

Koefisien Variasi [2] Stock A: Average price last year = $50 Standard deviation = $5 Stock B: Average price last year = $100 Both stocks have the same standard deviation, but stock B is less variable relative to its price

Penggunaan ukuran pemusatan dan penyebaran: Box Plot Ringkasan lima angka: Min Q1 Median Q3 Max membagi data menjadi 4 bagian ringkasan sederhana terhadap distribusi data Digunakan untuk membentuk box-plot, untuk menentukan bentuk distribusi data dan mendeteksi outlier

Membuat Box-Plot [1] Hitung Q1, median, Q3 and IQR. gambarkan garis horizontal untuk menyatakan skala satuan pengukuran gambarkan kotak (box) untuk Q1, median, Q3. Q1 m Q3

Membuat Box-Plot [2] * Outlier ditentukan dengan pagar Pagar bawah: Q1-1.5 IQR Pagar atas: Q3+1.5 IQR data uyang berada di luar pagar, dikatakan outlier (*). Q1 m Q3 *

Membuat Box-Plot [3] gambarkan “whiskers” yang menghubungan nilai max dan min yang bukan outlier Q1 m Q3 *

Contoh: Box-Plot Amount of sodium in 8 brands of cheese: 260 290 300 320 330 340 340 520 Q1 = 292.5 m = 325 Q3 = 340 Q1 m Q3

Interpretasi Box-Plot garis median tepat di tengah box – simetris garis median di kiri pusat box dan dan whisker panjang di kanan— miring kanan (skewed right) garis median di kanan pusat box dan dan whisker panjang di kiri—miring kiri (skewed left)

TUGAS KELOMPOK