BAB II ANALISA DATA

AGENDA Pendahuluan Kemiringan Distribusi Data Analisis Data Berkala Regresi Dan Korelasi Kesimpulan

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

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

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 (+)

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

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

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

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

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

2. Kemiringan Distribusi Data 3. Rumus Bowley

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

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

Puncak tumpul Puncak runcing Puncak normal Leptokurtis Platikurtis Mesokurtis

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

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

3. Data Berkala Metode Bebas Pilih dua titik sembarang untuk menentukan trend, (x1,y1) dan (x2,y2) Dapat juga menggunakan Dapat bersifat subjektif, sehingga dapat berbeda

3. Data Berkala Metode Setengah Rata-rata Bagi data menjadi 2 bagian sama banyak Tentukan rata-rata hitung tiap kelompok Tentukan 2 titik (x1,y1) dan (x2,y2), buat persamaan trendnya

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

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

Linier positif Linier negatif Curvelinier positif Curvelinier negatif Curvelinier Taktentu

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

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

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

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

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