materi-statistika-i1

Views:
 
Category: Entertainment
     
 

Presentation Description

statistika

Comments

Presentation Transcript

MATERI KULIAH STATISTIKA I:

MATERI KULIAH STATISTIKA I Beberapa Istilah Dasar. Jenis Data. Notasi Penjumlahan (  ). Nilai-Nilai Statistika Deskriptif. Koefisien Korelasi dan Koefisien Determinasi. Regresi Linear Sederhana. (Dedy Mulyadi, S.Si.)

BEBERAPA ISTILAH DASAR:

BEBERAPA ISTILAH DASAR Statistik dan Statistika. Statistik dari segi bahasa berarti data , sedangkan statistika adalah ilmu yang mempelajari data tersebut. Statistika Deskriptif dan Statistika Inferensia . Statistika deskriptif adalah metode-metode yang berkaitan dengan pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang berguna. Statistika inferensia mencakup semua metode yang berhubungan dengan analisis sebagian data untuk kemudian sampai pada peramalan atau penarikan kesimpulan mengenai keseluruhan gugus data induknya.

BEBERAPA ISTILAH DASAR:

BEBERAPA ISTILAH DASAR Populasi dan Contoh. Populasi adalah keseluruhan pengamatan yang menjadi perhatian kita. Contoh adalah suatu himpunan bagian dari pupulasi. Contoh Acak Sederhana. Suatu contoh acak sederhana n pengamatan adalah suatu contoh yang dipilih sedemikian rupa sehingga setiap himpunan bagian yang berukuran n dari populasi tersebut mempunyai peluang terpilih yang sama.

BEBERAPA ISTILAH DASAR:

BEBERAPA ISTILAH DASAR Statistik dan Parameter. Statistik adalah sembarang nilai yang menjelaskan ciri suatu contoh. Parameter adalah sembarang nilai yang menjelas-kan ciri populasi. Datum dan Data. Datum adalah bentuk tunggal dari data berupa satu nilai hasil pengamatan atau hasil pengukuran. Data adalah bentuk jamak dari datum berupa sekumpulan nilai hasil pengamatan atau hasil pengukuran.

JENIS DATA:

JENIS DATA DATA KUALITATIF KUANTITATIF NOMINAL ORDINAL INTERVAL RASIO

NOTASI PENJUMLAHAN ():

Dengan menggunakan huruf Yunani  (sigma kapital) untuk menyatakan “penjumlahan”, kita dapat menuliskan jumlah n sembarang bilangan: kita baca “penjumlahan x i , i dari 1 sampai n ”. Bilangan 1 dan n masing-masing disebut batas bawah dan batas atas penjumlahan . Sehingga: NOTASI PENJUMLAHAN (  )

NOTASI PENJUMLAHAN ():

Misalkan dari sebuah percobaan yang mengamati turunya bobot badan selama periode 6 bulan. Data yang tercatat adalah 15, 10, 18, dan 6 kilogram. Jika nilai pertama kita lambangkan dengan x 1 yang kedua x 2 , dan demikian seterusnya, maka kita dapat menuliskan x 1 =15, x 2 =10, x 3 =18, dan x 4 =6, kita dapat menuliskan jumlah empat perubahan bobot tersebut sebagai: NOTASI PENJUMLAHAN (  )

NOTASI PENJUMLAHAN ():

Batas bawah penjumlahan tidak harus dimulai dari angka 1 dan begitu pula batas atas penjumlahan tidak harus sampai angka terbesar ( n ). Sebagai contoh: Subscrip i pada batas bawah penjumlahan dapat pula digantikan dengan huruf lain asalkan konsisten dalam hal penggunaannya. Sebagai contoh: atau atau NOTASI PENJUMLAHAN (  )

NOTASI PENJUMLAHAN ():

NOTASI PENJUMLAHAN (  ) Batas bawah penjumlahan tidak harus berupa subskrip. Misalnya, jumlah sembilan bilangan asli pertama dapat dituliskan sebagai: Jika batas bawah dan batas atas penjumlahan tidak dituliskan, hal tersebut berarti menjumlah seluruh bilangan. Sehingga:

NOTASI PENJUMLAHAN ():

NOTASI PENJUMLAHAN (  ) Beberapa dalil Penjumlahan Penjumlahan jumlah dua atau lebih peubah sama dengan jumlah masing-masing penjumlahannya. Jadi: Jika c adalah suatu konstanta, maka: dan

NOTASI PENJUMLAHAN ():

NOTASI PENJUMLAHAN (  ) Setelah mempelajari notasi penjumlahan ( ), perhatikan rumus untuk mencari nilai koefisien korelasi linear ( r ) di bawah ini : Rumus tersebut akan mudah diselesaikan. Satu hal yang perlu diperhatikan: dan

NILAI STATISTIKA DESKRIPTIF:

MINIMUM , yaitu nilai yang paling kecil dari keseluruhan nilai dalam satu buah gugus data (variabel). MAXIMUM , yaitu nilai yang paling besar dari keseluruhan nilai dalam satu buah gugus data (variabel). SUM , yaitu jumlah dari keseluruhan nilai dalam satu buah gugus data (variabel). UKURAN PEMUSATAN DATA. UKURAN KERAGAMAN DATA. NILAI STATISTIKA DESKRIPTIF

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN PEMUSATAN DATA Mean / Rata-Rata / Rataan / Nilai Tengah / Nilai Harapan : Contoh (X): 15 12 9 13 13 16 10

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN PEMUSATAN DATA Median , yaitu nilai yang posisinya tepat berada di tengah setelah data diurutkan (jika banyak data ganjil), atau rata-rata dari dua nilai yang posisinya di tengah setelah data diurutkan (jika banyak data genap). Contoh 1: 15 12 9 13 13 16 10 diurutkan jadi 9 10 12 13 13 15 16 Mediannya adalah 13 (nilai pada suku ke-4). Contoh 2: 25 32 42 15 13 27 diurutkan jadi 42 32 27 25 15 13 Mediannya adalah (27 + 25) / 2 = 26,5

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN PEMUSATAN DATA Modus , yaitu nilai yang memiliki frekwensi muncul paling tinggi. Dalam satu buah gugus data dapat memiliki lebih dari satu modus, khusus yang memiliki dua modus disebut bimodus . Apabila semua nilai dalam suatu gugus data memiliki frekwensi muncul yang sama, maka gugus data tersebut dikatakan tidak memiliki modus. Contoh 1: 15 12 9 13 13 16 10 modusnya adalah 13 Contoh 2: 15 12 9 13 13 16 10 9 modusnya adalah 9 dan 13 ( bimodus ) Contoh 3: 15 12 15 9 13 13 16 12 9 16 tidak memiliki modus

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Wilayah ( Range ), yaitu selisih dari nilai terkecil dan terbesar. Contoh: 15 12 9 13 13 16 10 Wilayahnya = 16 – 9 = 7 Ragam ( Varians ), dihitung menggunakan rumus: data populasi data contoh ( sample )

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Contoh Kasus: Pembandingan harga kopi dalam bungkus 200 gram di empat toko kelontong yang dipilih secara acak menunjukkan kenaikan dari harga bulan sebelumnya sebesar 12, 15, 17, dan 20 rupiah. Hitunglah ragam contoh kenaikan harga kopi tersebut! Jawab: Nilai tengah contoh kita peroleh dengan perhitungan:

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Jawab (lanjutan): Dengan demikian,

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Dengan menggunakan kuadrat simpangan untuk menghitung ragam, baik populasi maupun contoh, kita memperoleh suatu besaran dengan satuan yang sama dengan kuadrat satuan semula. Jadi jika data asalnya dalam satuan meter (m), maka ragamnya mempunyai satuan meter kuadrat (m 2 ). Agar diperoleh ukuran keragaman yang mempunyai satuan yang sama dengan satuan asalnya, seperti halnya pada wilayah , kita akarkan ragam tersebut. Ukuran yang diperoleh disebut simpangan baku ( Standard Deviasi ).

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA data populasi data contoh ( sample ) Simpangan baku ( Standard deviasi ), dihitung menggunakan rumus: Dari contoh kasus kenaikan harga kopi, nilai simpangan bakunya adalah:

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Hal tersebut, sejalan pula dengan tampilan rumus ragam (varians) atau standard deviasi baik untuk data populasi maupun data contoh yang bersesuaian. Tampilan rumus Standard Deviasi dari data contoh ( sample ) dapat pula ditampilkan dalam bentuk: atau

NILAI STATISTIKA DESKRIPTIF:

NILAI STATISTIKA DESKRIPTIF UKURAN KERAGAMAN DATA Tugas: Buktikan secara perhitungan dan secara hukum matematika bahwa rumus pada kedua sisi di bawah ini sama! Salah satu hukum matematika yang dapat dipergunakan:

PowerPoint Presentation:

KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI Koefisien korelasi linear ( r ), berfungsi untuk mengetahui hubungan perilaku data dalam suatu gugus data (variabel) dengan perilaku data pada gugus data (variabel) lainnya (misal gugus data X dan Y). Sifat data: berpasangan, banyak data pada kedua variabel sama. Nilai koefisien korelasi linear dihitung menggunakan rumus :

PowerPoint Presentation:

Nilai koefisien korelasi tersebut terbagi menjadi 3 kategori: Korelasi (hubungan) positif : 0 < r ≤ 1 Tidak berkorelasi (tidak berhubungan) : r = 0 Korelasi (hubungan) negatif : -1 ≤ r < 0 Nilai koefisien korelasi yang mungkin terjadi ada dalam batasan: -1 ≤ r ≤ 1 -1 1 0 KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI

PowerPoint Presentation:

Arti dari nilai koefisien korelasi masing-masing kategori: Korelasi (hubungan) positif : semakin tinggi nilai X maka semakin tinggi pula nilai Y atau sebaliknya semakin rendah nilai X maka akan semakin rendah pula nilai Y. (Contoh kasus: biaya promosi dan pendapatan perusahaan). Tidak berkorelasi (tidak berhubungan) : perubahan nilai (naik turun) yang terjadi pada X tidak mengakibatkan perubahan nilai (naik turun) pada Y. (Contoh kasus: tinggi badan dan gaji karyawan). Korelasi (hubungan) negatif : semakin rendah nilai X maka akan semakin tinggi nilai Y atau sebaliknya semakin tinggi nilai X akan semakin rendah nilai Y. (Contoh kasus: usia mobil bekas dan harga jualnya). KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI

PowerPoint Presentation:

Contoh Kasus: Hitung dan tafsirkan koefisien korelasi bagi data berikut ini: x (tinggi) 12 10 14 11 12 9 y (bobot) 18 17 23 19 20 15 Jawab: Untuk mempermudah, terlebih dahulu dilakukan perhitungan beberapa notasi penjumlahan ( Σ ) yang diperlukan dalam rumus. Perhitungan tersebut dilakukan membentuk sebuah tabel sebagai berikut: … KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI

PowerPoint Presentation:

Contoh Kasus (lanjutan): KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI i x y x 2 y 2 x.y 1 12 18 144 324 216 2 10 17 100 289 170 3 14 23 196 529 322 4 11 19 121 361 209 5 12 20 144 400 240 6 9 15 81 225 135 JUMLAH 68 112 786 2128 1292

PowerPoint Presentation:

Contoh Kasus (lanjutan): Dengan demikian: KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI Koefisien korelasi sebesar 0,947 menunjukan adanya hubungan linear positif yang sangat baik antara X dan Y , semakin tinggi ukuran tinggi badan maka akan semakin berat ukuran bobot badannya, atau semakin rendah ukuran tinggi badan maka akan semakin ringan ukuran bobot badannya.

PowerPoint Presentation:

Koefisien Determinasi (KD), digunakan untuk mengetahui tingkat pengaruh (%) perubahan nilai X terhadap perubahan nilai Y. Dihitung menggunakan rumus: KD = r 2 (100%) Contoh kasus: Apabila korelasi antara biaya promosi yang dikeluarkan (X) dengan pendapatan yang diterima perusahaan (Y) sebesar r = 0,95 tentukan koefisien determinasinya dan jelaskan! Jawab: KD = r 2 (100%) = (0,95) 2 (100%) = (0,9025)(100%) = 90,25% Artinya, tingkat pengaruh perubahan biaya promosi yang dikeluarkan terhadap perubahan pendapatan yang diterima perusahaan adalah sebesar 90,25% sisanya sebesar 9,75% dipengaruhi oleh faktor lain. KOEFISIEN KORELASI LINEAR DAN KOEFISIEN DETERMINASI

PowerPoint Presentation:

REGRESI LINEAR SEDERHANA Fungsi dari persamaan regresi linear sederhana: Mengetahui pengaruh nyata ( real ) dari variabel bebas (X) atau independent variable , terhadap variabel terikat (Y) atau dependent variable . Sebagai alat prediksi (peramalan). Persamaan regresi linear sederhana yang dicari adalah: Dimana:

PowerPoint Presentation:

REGRESI LINEAR SEDERHANA Contoh Kasus: Tentukan persamaan garis regresi bagi data skor tes intelegensia dan nilai Statistika I mahasiswa baru sebagai berikut: MAHASISWA SKOR TES, X NILAI STATISTIKA I, Y 1 2 3 4 5 6 7 8 9 10 11 12 65 50 55 65 55 70 65 70 55 70 50 55 85 74 76 90 85 87 94 98 81 91 76 74

PowerPoint Presentation:

REGRESI LINEAR SEDERHANA Contoh Kasus (lanjutan): Jawab: Kita peroleh bahwa: i x y x 2 y 2 x.y 1 65 85 4225 7225 5525 2 50 74 2500 5476 3700 3 55 76 3025 5776 4180 4 65 90 4225 8100 5850 5 55 85 3025 7225 4675 6 70 87 4900 7569 6090 7 65 94 4225 8836 6110 8 70 98 4900 9604 6860 9 55 81 3025 6561 4455 10 70 91 4900 8281 6370 11 50 76 2500 5776 3800 12 55 74 3025 5476 4070 JUMLAH 725 1011 44475 85905 61685

PowerPoint Presentation:

REGRESI LINEAR SEDERHANA Jawab (lanjutan): Kita peroleh bahwa: Dengan demikian persamaan garis regresinya adalah:

PowerPoint Presentation:

Arti secara umum dari persamaan regresi linear sederhana: Arti dari nilai b : Jika b positif, setiap kenaikan satu satuan variabel X akan menaikkan variabel Y sebesar b satuan. Jika b negatif, setiap kenaikan satu satuan variabel X akan menurunkan variabel Y sebesar │ b │ satuan. Arti dari nilai a : Pada saat tidak terjadi aktivitas pada variabel X (x=0) maka variabel Y akan memiliki nilai sebesar a (nilai a bisa positif atau negatif). REGRESI LINEAR SEDERHANA

PowerPoint Presentation:

Contoh Kasus 1: Ketika dilakukan penelitian pengaruh dari biaya promosi (juta rupiah) terhadap pendapatan perusahaan (juta rupiah) didapatkan persamaan regresi: Arti dari nilai 5,925: Setiap kenaikan satu juta rupiah biaya promosi yang dikeluarkan, akan menaikkan pendapatan perusahaan sebesar 5,925 juta rupiah. Arti dari nilai 112: Pada saat perusahaan tidak mengeluarkan biaya promosi, maka perusahaan masih menerima pendapatan sebesar 112 juta rupiah. REGRESI LINEAR SEDERHANA

PowerPoint Presentation:

Contoh Kasus 2: Ketika dilakukan penelitian pengaruh dari usia mobil bekas (bulan) terhadap harga jualnya (juta rupiah) didapatkan persamaan regresi: Arti dari nilai -2,25: Setiap kenaikan satu bulan usia mobil, akan menurunkan harga jualnya sebesar 2,25 juta rupiah. Arti dari nilai 125: Pada saat melakukan penjualan mobil baru (usia = 0 bulan), maka mobil tersebut akan laku seharga 125 juta rupiah. REGRESI LINEAR SEDERHANA

PowerPoint Presentation:

Menggambar Tebaran Titik dan Garis Regresi REGRESI LINEAR SEDERHANA X 10 20 30 40 50 60 70 80 90 100 110 Y 10 20 30 40 50 60 70 80 90 100 Membuat Garis Regresi: Titik pertama (x 1 , y 1 ), dengan memisalkan x 1 = 30 sehingga y 1 = 30,056 + 0,897(30) = 56,97 diperoleh titik (x 1 , y 1 ) = (30 , 56.97). Titik kedua (x 2 , y 2 ), dengan memisalkan x 2 = 80 sehingga y 2 = 30,056 + 0,897(80) = 101,82 diperoleh titik (x 2 , y 2 ) = (80 , 101.82). Menghubungkan kedua titik tersebut dan meneruskannya, akan terbentuk garis regresi linear yang diinginkan.

SELAMAT BELAJAR … !:

SELAMAT BELAJAR … !