Berkenalan dengan Statistik. bab
|
|
- Leony Darmadi
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Berkenalan dengan Statistik bab 1
2 BERKENALAN DENGAN Tujuan Pembelajaran STATISTIK Agar mahasiswa dapat memahami kegunaan ilmu statistik Indikator Pencapaian Pembelajaran. Menjelaskan arti dari statistik Menjelaskan kegunaan ilmu statistik Mengetahui kebutuhan terhadap statistik Menjelaskan metodologi pemecahan masalah secara statistik Menjelaskan syarat data yang baik dan pembagian data Menjelaskan peranan statistik bagi lembaga bisnis dan pemerintahan Menjelaskan peran komputer dalam statistik BAB 1 Berkenalan dengan Statistik 2
3 TAHAPAN PEMBELAJARAN Kegiatan Awal = 10 Menit (Motivasi, Apersepsi, Tujuan Pembelajaran) Kegiatan Inti (Uraian, Contoh) Kegiatan Akhir = 90 Menit = 50 Menit (Simpulan, Umpan Balik dan Latihan Studi Kasus) BAB 1 Berkenalan dengan Statistik 3
4 Data & Kegunaannya Data: Sesuatu yang diketahui atau dianggap. Untuk mengetahui/memperoleh gambaran Untuk membuat keputusan Untuk menyelesaikan masalah BAB 1 Berkenalan dengan Statistik 4
5 Data yang Baik Objektif Representatif/mewakili Kecil kesalahan-samplingnya Tepat waktu Relevan BAB 1 Berkenalan dengan Statistik 5
6 Penarikan & Pengorganisasian Data 1. Kumpulkan data mentah 2. Organisasikan data 3. Bila perlu, ikhtisarkan/sederhanakan data 4. Ukur karakteristik dari kelompok data 5. Analisis karakteristik yang relevan BAB 1 Berkenalan dengan Statistik 6
7 Klasifikasi Data Klasifikasi data: Identifikasi jenis data menurut karakteristik yang serupa, dan pengaturannya ke dalam kelompok/kelas. BAB 1 Berkenalan dengan Statistik 7
8 Data menurut Sifatnya Data kualitatif: Data yang tidak berbentuk angka, tidak memiliki besaran/magnitudo. Data kuantitatif: Data berbentuk angka, memiliki besaran/magnitudo. BAB 1 Berkenalan dengan Statistik 8
9 Data menurut Sifatnya: Variabel Variabel: Karakteristik dari variasi atau sesuatu yang nilainya berubah-ubah menurut waktu atau menurut elemen. Variabel diskrit: Variabel yang nilainya dapat dihitung (terbatas). Variabel kontinu: Variabel yang nilainya tak terbatas, yang dapat diukur/dicatat hingga tingkat kesempatan yang diminta. BAB 1 Berkenalan dengan Statistik 9
10 Data menurut Sifatnya: Variabel & Skala Utama 1. Nominal: Hanya membedakan, sebagai lambang/simbol. 2. Ordinal: Menunjukkan urutan. 3. Interval: Menunjukkan urutan, dalam jarak yang sama. 4. Rasio: Menunjukkan repetisi, titik asalnya pada nol. BAB 1 Berkenalan dengan Statistik 10
11 Data menurut Sumbernya Data primer: Data yang dikumpulkan dan diolah sendiri oleh organisasi/perorangan secara langsung dari objeknya. Data sekunder: Data yang diperoleh dalam bentuk jadi, sudah dikumpulkan dan diolah oleh pihak lain. BAB 1 Berkenalan dengan Statistik 11
12 Data menurut Waktunya Data Cross Section: Data yang dikumpulkan pada suatu waktu tertentu demi menggambarkan keadaan/fakta yang bersangkutan. Data berkala: Data yang dikumpulkan dari waktu ke waktu. BAB 1 Berkenalan dengan Statistik 12
13 Data Internal Data internal: Data yang menggambarkan keadaan suatu organisasi. BAB 1 Berkenalan dengan Statistik 13
14 Statistik Statistik dalam arti sempit: Data ringkasan yang berbentuk angka. Statistik dalam arti luas: Ilmu yang mempelajari pengumpulan, pengolahan, penyajian, dan analisis data, serta pengujian hipotesis pengambilan keputusan, dengan memperhitungkan unsur ketidakpastian menurut konsep probabilitas. BAB 1 Berkenalan dengan Statistik 14
15 Kebutuhan terhadap Statistik Penjabaran hubungan antarvariabel Alat bantu dalam pengambilan keputusan Menangani perubahan BAB 1 Berkenalan dengan Statistik 15
16 Kebutuhan terhadap Statistik: dalam Manajemen Dasar suatu perencanaan Alat pengendalian terhadap implementasi Dasar evaluasi BAB 1 Berkenalan dengan Statistik 16
17 Statistik: Metodologi Penyelesaian Masalah 1. Identifikasi masalah/peluang 2. Pengumpulan fakta yang ada 3. Pengumpulan data orisinil/baru 4. Klasifikasi dan ikhtisar data 5. Penyajian data 6. Analisis data BAB 1 Berkenalan dengan Statistik 17
18 Statistik: Peran Komputer Besarnya jumlah masukan Repetisi proyek Kecepatan tinggi dalam pengolahan Ketepatan yang lebih baik Kompleksnya kebutuhan BAB 1 Berkenalan dengan Statistik 18
19 TUGAS RUTIN Kerjakan soal Pilihan Berganda dan Essai pada BAB I BAB 1 Berkenalan dengan Statistik 19
20 Pengumpulan & Pengolahan Data bab 2
21 Pengumpulan Dan Pengolahan Data Tujuan Pembelajaran Menjelaskan tentang pengumpulan dan pengolahan data statistika Indikator Pencapaian Pembelajaran Mengetahui tentang metode pengumpulan data Mengetahui alat pengolahan data Mengetahui cara pengolahan data Mengetahui metode pengolahan data BAB 1 Berkenalan dengan Statistik 2
22 TAHAPAN PEMBELAJARAN Kegiatan Awal = 10 Menit (Motivasi, Apersepsi, Tujuan Pembelajaran) Kegiatan Inti (Uraian, Contoh) Kegiatan Akhir = 90 Menit = 50 Menit (Simpulan, Umpan Balik dan Latihan Studi Kasus) BAB 1 Berkenalan dengan Statistik 3
23 Elemen & Variabel Elemen: Unit terkecil dari objek penelitian. Karakteristik: Sifat, ciri, atau hal lain dari elemen. Variabel: Sesuatu yang nilainya berubah-ubah menurut waktu, atau berbeda menurut tempat/elemennya BAB 2 Pengumpulan & Pengolahan Data 4
24 Populasi & Sampel Populasi: Kumpulan dari seluruh elemen sejenis, tapi dapat dibedakan satu sama lain. Sampel: Bagian dari elemen populasi. BAB 2 Pengumpulan & Pengolahan Data 5
25 Pengumpulan Data: Sensus Sensus: Cara mengumpulkan data di mana seluruh elemen populasi diselidiki satu per satu. Parameter: Data dari hasil pengolahan sensus. BAB 2 Pengumpulan & Pengolahan Data 6
26 Pengumpulan Data: Sampling Sampling: Mengumpulkan data demi menyelidiki elemen sampel dari suatu populasi. Data perkiraan: Data dari hasil sampling. BAB 2 Pengumpulan & Pengolahan Data 7
27 Pengambilan Sampel Pengambilan sampel: Memilih sejumlah elemen dari populasi agar menjadi anggota sampel. Secara acak: Sedemikian, tiap elemen berkesempatan sama dalam dipilih. Secara tidak acak: Tiap elemen tidak berkesempatan sama dalam dipilih. BAB 2 Pengumpulan & Pengolahan Data 8
28 Pengambilan Sampel: Sampling Acak Simple random sampling Stratified random sampling Multistage random sampling Cluster random sampling Systematic random sampling BAB 2 Pengumpulan & Pengolahan Data 9
29 Alat-alat Pengumpulan Data Daftar pertanyaan (kuesioner) Wawancara Observasi/pengamatan langsung Pos, telepon, & alat komunikasi lain Alat ukur (contohnya: meteran, timbangan, termometer, altimeter) BAB 2 Pengumpulan & Pengolahan Data 10
30 Kuesioner Tujuan: Data/informasi relevan demi maksud/tujuan Informasi dengan kecermatan/ketelitian yang dapat dipertanggungjawabkan Jenis pertanyaan: terbuka tertutup BAB 2 Pengumpulan & Pengolahan Data 11
31 Data Data mentah: Hasil pencatatan peristiwa/karakteristik elemen dari tahap pengumpulan data. Data statistik: Angka-angka ringkasan dari hasil pengolahan data mentah. BAB 2 Pengumpulan & Pengolahan Data 12
32 Pengolahan Data Pengolahan data: Memperoleh data/angka ringkasan, berdasarkan suatu kelompok data mentah dengan rumus tertentu. jumlah rata-rata proporsi/persentase koefisien (contohnya: korelasi/regresi) BAB 2 Pengumpulan & Pengolahan Data 13
33 Metode Pengolahan Data Secara manual: Umumnya untuk jumlah observasi yang tidak terlalu banyak, karena dapat memakan waktu lama (menelitinya satu per satu). Secara elektronik (komputer) BAB 2 Pengumpulan & Pengolahan Data 14
34 TUGAS RUTIN Kerjakan semua soal pilihan BERGANDA & ESSAI pada BAB II BAB 1 Berkenalan dengan Statistik 15
35 Penyajian Data bab 3
36 PENYAJIAN DATA Tujuan Pembelajaran : Memahami mengenai penyajian sebuah data kompetensi dasar Indikator Pencapaian Pembelajaran : Memahami penyajian data dengan berbagai bentuk Mengetahui cross section data dan cara penyajiannya Memahami data berkala dan cara penyajiannya BAB 1 Berkenalan dengan Statistik 2
37 TAHAPAN PEMBELAJARAN Kegiatan Awal = 10 Menit (Motivasi, Apersepsi, Tujuan Pembelajaran) Kegiatan Inti (Uraian, Contoh) Kegiatan Akhir = 90 Menit = 50 Menit (Simpulan, Umpan Balik dan Latihan Studi Kasus) BAB 1 Berkenalan dengan Statistik 3
38 Statistik & Perkiraan Statistik: Nilai yang diperoleh dari sampel. Perkiraan (estimate): Hasil penyelidikan yang diperoleh dari sampel. BAB 3 Penyajian Data 4
39 Penyajian Data: Tabel Tabel: Kumpulan angka yang disusun menurut kategori, memudahkan analisis data. BAB 3 Penyajian Data 5
40 Penyajian Data: Grafik Grafik: Gambar visualisasi data angka, biasanya berasal dari tabel yang sudah ada. BAB 3 Penyajian Data 6
41 Bentuk-bentuk Tabel 1. Tabel satu arah: Memuat keterangan tentang hanya satu hal/karakteristik. BAB 3 Penyajian Data 7
42 Bentuk-bentuk Tabel 2. Tabel dua arah: Menunjukkan hubungan antara dua hal/karakteristik. BAB 3 Penyajian Data 8
43 Bentuk-bentuk Tabel 3. Tabel tiga arah: Menunjukkan hubungan antara tiga hal/karakteristik. BAB 3 Penyajian Data 9
44 Bentuk-bentuk Grafik 1. Grafik garis (line) tunggal: Berupa satu garis, perkembangan/tren suatu karakteristik. BAB 3 Penyajian Data 10
45 Bentuk-bentuk Grafik 2. Grafik garis berganda: Berupa beberapa garis, berkembangnya beberapa hal/kejadian. BAB 3 Penyajian Data 11
46 Bentuk-bentuk Grafik 3. Grafik garis komponen berganda: Serupa dengan grafik berganda, tapi garis terakhir/teratas menggambarkan jumlah/total dari komponen-komponen garis lainnya menggambarkan masingmasing komponen itu BAB 3 Penyajian Data 12
47 Bentuk-bentuk Grafik 4. Grafik garis persentase komponen berganda: Serupa dengan grafik berganda, tapi masing-masing nilai komponen dinyatakan dalam persentase garis teratas/terakhir menunjukkan nilai 100% BAB 3 Penyajian Data 13
48 Bentuk-bentuk Grafik 5. Grafik garis berimbang neto: Memiliki pembedaan warna, dalam menilai selisih positif dan negatif. BAB 3 Penyajian Data 14
49 Bentuk-bentuk Grafik 6. Grafik batangan (bar) tunggal/berganda BAB 3 Penyajian Data 15
50 Bentuk-bentuk Grafik 7. Grafik batangan komponen berganda 8. Grafik batangan persentase komponen berganda BAB 3 Penyajian Data 16
51 Bentuk-bentuk Grafik 9. Grafik batangan berimbang neto BAB 3 Penyajian Data 17
52 Bentuk-bentuk Grafik 10. Grafik lingkaran (pie) tunggal 11. Grafik lingkaran berganda BAB 3 Penyajian Data 18
53 Bentuk-bentuk Grafik 10. Grafik peta (kartogram) BAB 3 Penyajian Data 19
54 Bentuk-bentuk Grafik 11. Grafik gambar (piktogram) BAB 3 Penyajian Data 20
55 TUGAS RUTIN Kerjakan soal Pilihan Berganda dan Essai pada BAB III BAB 1 Berkenalan dengan Statistik 21
56 Distribusi Frekuensi bab 4
57 DISTRIBUSI FREKUENSI Tujuan Pembelajaran : Memahami mengenai penyajian sebuah data kompetensi dasar Indikator Pencapaian Pembelajaran : Memahami penyajian data dengan berbagai bentuk Mengetahui cross section data dan cara penyajiannya Memahami data berkala dan cara penyajiannya BAB 1 Berkenalan dengan Statistik 2
58 TAHAPAN PEMBELAJARAN Kegiatan Awal = 10 Menit (Motivasi, Apersepsi, Tujuan Pembelajaran) Kegiatan Inti (Uraian, Contoh) Kegiatan Akhir = 90 Menit = 50 Menit (Simpulan, Umpan Balik dan Latihan Studi Kasus) BAB 1 Berkenalan dengan Statistik 3
59 Distribusi Frekuensi Distribusi frekuensi: Ringkasan berbentuk tabel tentang sekelompok data, menunjukkan frekuensi anggota/kategori dalam beberapa kelas. BAB 4 Distribusi Frekuensi 4
60 Distribusi Frekuensi Kualitatif: Frekuensi Relatif & Persentase Frekuensi relatif: Proporsi jumlah anggota/kategori tiap kelas terhadap keseluruhan anggota datanya. frekuensi kelas / n Frekuensi persentase: Frekuensi relatif kelas dikalikan 100. BAB 4 Distribusi Frekuensi 5
61 Distribusi Frekuensi Kualitatif: Frekuensi Relatif & Persentase BAB 4 Distribusi Frekuensi 6
62 Distribusi Frekuensi Kuantitatif: Banyaknya Kelas Banyaknya kelas: k = 1 + 3,322 log n k = banyaknya kelas n = banyaknya nilai observasi BAB 4 Distribusi Frekuensi 7
63 Distribusi Frekuensi Kuantitatif: Panjang/Kelas Interval Panjang/kelas interval: c = (X n X 1 )/k c = perkiraan besarnya k = banyaknya kelas X n = nilai observasi terbesar X 1 = nilai observasi terkecil BAB 4 Distribusi Frekuensi 8
64 Distribusi Frekuensi Kuantitatif: Batas Atas & Bawah Batas kelas bawah (lower limit ): Kemungkinan nilai data terkecil pada suatu kelas. Batas kelas (upper limit ): Kemungkinan nilai data terbesar pada suatu kelas. BAB 4 Distribusi Frekuensi 9
65 a i b i = kelas ke-i (a i = batas bawah kelas ke-i ; b i = batas atas kelas ke-i ; i = 1, 2,, k ) f = frekuensi, f r = frekuensi relatif, f k = frekuensi kumulatif f L = frekuensi data batas kelas atas sebenarnya per kelas f M = frekuensi data batas kelas bawah sebenarnya per kelas BAB 4 Distribusi Frekuensi 10
66 Distribusi Frekuensi Kuantitatif: Nilai Kelas Interval Nilai kelas interval: Selisih antara nilai dari dua batas kelas atas. BAB 4 Distribusi Frekuensi 11
67 Histogram & Poligon Histogram: Grafik batangan, khusus data dari tabel distribusi frekuensi. Poligon: Grafik garis, dari titik tengah tiap puncak histogram. BAB 4 Distribusi Frekuensi 12
68 Kurva Frekuensi BAB 4 Distribusi Frekuensi 13
69 Kurva Lorenz Kurva Lorenz: Kurva frekuensi kumulatif yang menggambarkan pemerataan pendapatan (dalam analisis ekonomi). BAB 4 Distribusi Frekuensi 14
70 TUGAS RUTIN Kerjakan soal Pilihan Berganda dan Essai pada BAB IV CBR Bandingkan kelebihan dan kekurangan buku teks karangan : J. Supranto, Penerbit Erlangga,, 2016, Statistik Teori dan Aplikasi Edisi 8 Jilid 1 Muhammad Yusuf, Unimed Pess, Statistik Ekonomi, 2017 dan jelaskan BAB 1 Berkenalan dengan Statistik 15 kelemahan ndan kelebihan kedua buku
71 Ukuran Pemusatan bab 5
72 Rata-rata Beberapa jenis rata-rata yang sering dipakai: Rata-rata hitung (arithmetic mean) Rata-rata ukur (geometric mean) Rata-rata harmonis BAB 5 Ukuran Pemusatan 2
73 Rata-rata Hitung Rata-rata populasi/sebenarnya/parameter: μ = 1/N N i =1X i (N = jumlah pengamatan) Rata-rata sampel: X bar = 1/n n i =1X i (n = jumlah sampel) Rata-rata hitung data berkelompok: X bar = ( k i =1M i f i )/ k i =1f i (M i = nilai tengah kelas interval ke-i ) BAB 5 Ukuran Pemusatan 3
74 Rata-rata Hitung Tertimbang Rata-rata tertimbang: X bar = f i X i / f i = M i X i / f i = W i X i / W i (W = timbangan/bobot) BAB 5 Ukuran Pemusatan 4
75 Rata-rata Hitung: Sifat/Ciri 1. Jumlah deviasi (selisih dari suatu kelompok nilai terhadap rata-ratanya) = Jumlah deviasi kuadrat dari suatu kelompok nilai terhadap nilai k dari salah satu kelompok itu akan minimum, jika k = X bar. 3. Jika suatu kelompok data sangatlah heterogen, rata-rata hitung tidak dapat mewakili tiap nilainya dengan baik. BAB 5 Ukuran Pemusatan 5
76 Rata-rata Hitung: Sifat/Ciri 4. X bar = k + ( d i /n) = k + ( f i d i /f i ) k = sembarang nilai dari rata-rata asumsi/anggaran d i = deviasi/selisih dari nilai X i terhadap k = X i k (i = 1, 2,, n) BAB 5 Ukuran Pemusatan 6
77 Median & Modus Median: Nilai yang ada di tengah-tengah sekelompok data yang nilai-nilainya telah diurutkan dari yang terkecil ke terbesar. Modus: Nilai berfrekuensi tertinggi/terbanyak dari sekelompok data. BAB 5 Ukuran Pemusatan 7
78 Median Data Tidak Berkelompok n ganjil med = X k +1 k = (n 1)/2 X 1, X 2, X 3, X 4, X 5, X 6, X 7 med n genap med = 1/2 (X k + X k +1 ) k = n /2 X 1, X 2, X 3, X 4, X 5, X 6, X 7, X 8 med BAB 5 Ukuran Pemusatan 8
79 Median Data Berkelompok Untuk data berkelompok: med = L 0 + c {[n /2 ( f i ) 0 ] / f m } L 0 = nilai batas bawah sebenarnya dari kelas yang memuat med ( f i ) 0 = jumlah frekuensi dari semua kelas yang berada di bawah kelas yang memuat med f m = frekuensi dari kelas yang memuat med c = besarnya interval kelas yang memuat med BAB 5 Ukuran Pemusatan 9
80 Modus Untuk data tak berkelompok: mod = rata-rata 3(rata-rata median) Untuk data berkelompok: mod = L 0 + c {(f i ) 0 /[(f 1 ) 0 + (f 2 ) 0 ]} (f 1 ) 0 = selisih antara frekuensi kelas yang memuat mod dan kelas sebelumnya/di bawahnya (f 2 ) 0 = selisih antara frekuensi kelas yang memuat mod dan kelas sesudahnya/di atasnya BAB 5 Ukuran Pemusatan 10
81 Modus Unimodal, Bimodal, Multimodal Unimodal: Distribusi kelompok nilai dengan 1 modus. Bimodal: Distribusi kelompok nilai dengan 2 modus. Multimodal: Distribusi kelompok nilai dengan lebih dari 2 modus. BAB 5 Ukuran Pemusatan 11
82 Perbandingan Rata-rata, Median, Modus Bila kurva simetris berpuncak satu; letak rata-rata, median, dan modusnya sama. Bila kurva menceng ke kanan; nilai ratarata terbesar, diikuti median, dan modus. Bila kurva menceng ke kiri; nilai rata-rata terkecil, diikuti median, dan modus. BAB 5 Ukuran Pemusatan 12
83 BAB 5 Ukuran Pemusatan 13
84 Rata-rata di Luar Ukuran Pemusatan Rata-rata ukur: G = n (X 1 X 2 X n ) Rata-rata harmonis: R H = n /( n i =1 1/X i ) BAB 5 Ukuran Pemusatan 14
85 Rata-rata di Luar Ukuran Pemusatan Bunga majemuk: P n = P 0 (1 + r) n P n = jumlah akumulasi pada akhir tahun ke-n P 0 = jumlah uang mula-mula r = tingkat bunga (dalam desimal) BAB 5 Ukuran Pemusatan 15
86 Kuartil, Desil, Persentil Kuartil: Ukuran pembagian sekelompok nilai menjadi 4 bagian yang sama. Desil: Ukuran pembagian sekelompok nilai menjadi 10 bagian yang sama. Persentil: Ukuran pembagian sekelompok nilai menjadi 100 bagian yang sama. BAB 5 Ukuran Pemusatan 16
87 Kuartil, Desil, Persentil Data Tak Berkelompok Kuartil (Q i ) Nilai ke-[i (n + 1)]/4 (i = 1, 2, 3) Desil (D i ) Nilai ke-[i (n + 1)]/10 (i = 1, 2,, 9) Persentil (P i ) Nilai ke-[i (n + 1)]/100 (i = 1, 2,, 99) BAB 5 Ukuran Pemusatan 17
88 Q i L 0 + c {[in /4 ( f i ) 0 ]/ f q } D i L 0 + c {[in /10 ( f i ) 0 ]/ f d } P i L 0 + c {[in /100 ( f i ) 0 ]/ f p } Kuartil, Desil, Persentil Data Berkelompok BAB 5 Ukuran Pemusatan 18
89 Ukuran Variasi atau Dispersi bab 6
90 Dispersi/Variasi Dispersi/Variasi: Ukuran jauh/dekatnya nilai pengamatan terhadap rata-rata hitungnya. Nilai jarak Simpangan baku BAB 6 Ukuran Variasi atau Dispersi 2
91 Nilai Jarak Nilai jarak (NJ): Nilai terbesar dikurangi nilai terkecil. Data tak berkelompok: NJ = nilai maksimum minimum Data berkelompok: NJ = nilai tengah kelas terakhir nilai tengah kelas pertama = batas atas kelas terakhir batas bawah kelas pertama BAB 6 Ukuran Variasi atau Dispersi 3
92 Simpangan Rata-rata simpangan: Rata-rata hitung dari nilai absolut simpangan. RS = 1/n X i X Simpangan terhadap median: RS = 1/n X i med BAB 6 Ukuran Variasi atau Dispersi 4
93 Deviasi Rata-rata & Varians Deviasi rata-rata: Rata-rata hitung dari nilai absolut simpangan terhadap rata-rata hitungnya. Varians: Rata-rata hitung dari kuadrat simpangan setiap pengamatan terhadap rata-rata hitungnya. BAB 6 Ukuran Variasi atau Dispersi 5
94 Simpangan Baku Populasi & Sampel Simpangan baku: Akar kuadrat positif dari varians. Simpangan baku populasi: σ = 1/N { N i =1X i 2 [( N i =1X i ) 2 /N ]} Simpangan baku sampel: S = 1/ (n 1) { n i =1X i 2 [( n i =1X i ) 2 /n ]} BAB 6 Ukuran Variasi atau Dispersi 6
95 Simpangan Baku Data Berkelompok Untuk kelas interval sama: σ = c [( k i =1f i d i 2 /N ) ( k i =1f i d i /N ) 2 ] c d i = besarnya kelas interval = deviasi (simpangan dari kelas ke-i terhadap titik asal asumsi) BAB 6 Ukuran Variasi atau Dispersi 7
96 Simpangan Baku Data Berkelompok Untuk kelas interval tak sama: σ = (1/N ){ k i =1f i M i 2 [ k i =1(f i M i ) 2 /N ]} (M i = nilai tengah kelas ke-i ) BAB 6 Ukuran Variasi atau Dispersi 8
97 Koefisien Variasi Koefisien variasi: Simpangan baku dibagi dengan rata-rata hitungnya. KV (populasi) = σ/μ 100% kv (sampel) = S/X 100% BAB 6 Ukuran Variasi atau Dispersi 9
98 Koefisien Kemencengan Koefisien kemencengan: Ukuran yang menjelaskan kurang simetrisnya suatu distribusi. Tingkat kemencengan menurut Pearson: TK = (X bar mod)/s = [3(X bar med)]/s (X bar = rata-rata hitung) BAB 6 Ukuran Variasi atau Dispersi 10
99 Momen Momen ke-r : M r = 1/n n i =1X i r M r = 1/n n i =1f i M i r (data tak berkelompok) (data berkelompok) Untuk r = 1, M 1 adalah rata-rata hitung. Untuk r = 2, M 2 adalah varians. M 3 berguna mengukur kemencengan. M 4 berguna mengukur keruncingan. BAB 6 Ukuran Variasi atau Dispersi 11
100 Kemencengan (Skewness) BAB 6 Ukuran Variasi atau Dispersi 12
101 Kemencengan (Skewness) Tingkat kemencengan kurva: Data tak berkelompok: TK = σ 3 = M 3 /S 3 = 1/nS 3 n i=1(x i X) 3 Data berkelompok: TK = σ 3 = M 3 /S 3 = 1/nS 3 n i=1 f i (M i X) 3 BAB 6 Ukuran Variasi atau Dispersi 13
102 Keruncingan (Kurtosis) Tingkat keruncingan kurva Data tak berkelompok: σ 4 = M 4 /S 4 = { 1/n n i=1(x i X) 4 } / S 4 Data berkelompok: σ 4 = M 4 /S 4 = { 1/n n i=1 f i (X i X) 4 } / S 4 BAB 6 Ukuran Variasi atau Dispersi 14
103 QCK Quartil Coefficient of Kurtosis: QCK = { 1/2 (Q 3 Q 1 ) } / P 90 P 10 BAB 6 Ukuran Variasi atau Dispersi 15
104 Analisis Korelasi dan Regresi Linear Sederhana bab 7
105 Variabel Bebas & Tak Bebas Variabel tak bebas: Variabel yang nilainya akan diramalkan (dipengaruhi variabel bebas). Variabel bebas: Variabel yang nilainya digunakan untuk meramalkan variabel tak bebas (mempengaruhi variabel tak bebas). BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 2
106 Hubungan Dua Variabel Hubungan positif: Kenaikan (penurunan) X pada umumnya diikuti dengan kenaikan (penurunan) Y. Hubungan negatif: Kenaikan (penurunan) X pada umumnya diikuti dengan penurunan (kenaikan) Y. BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 3
107 Koefisien Korelasi Koefisien korelasi: Nilai yang menunjukkan kuat/tidaknya hubungan antara dua variabel. -1 r 1 r = 1, hubungannya sempurna & positif r mendekati 1, hubungannya kuat & positif r = 0, hubungannya lemah/tiada r mendekati -1, hubungannya kuat & negatif r = -1, hubungannya sempurna & negatif BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 4
108 Koefisien Penentu Koefisien penentu: Nilai yang menunjukkan besarnya kontribusi/sumbangan dari variabel X terhadap naik/turunnya variabel Y. KP = r 2 BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 5
109 Koefisien Korelasi Pearson Koefisien korelasi Pearson: Cara menghitung r (data yang tidak berkelompok). r = [(n n i =1X i Y i ) ( n i =1X i n i =1Y i )] / { [(n n i =1X i2 ) ( n i =1X i ) 2 ] [(n n i =1Y i2 ) ( n i =1Y i ) 2 ] } BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 6
110 Koefisien Korelasi Data Berkelompok Koefisien korelasi data berkelompok: r = [n( uvf ) ( uf u )( vf v )] / { [n( u 2 f u ) ( uf u ) 2 ] [n( v 2 f v ) ( vf v ) 2 ]} BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 7
111 Korelasi Rank (Peringkat) Koefisien korelasi rank Spearman: r rank = 6 d i2 / [n(n 2 1)] d i = selisih dari pasangan rank ke-i n = banyaknya pasangan rank BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 8
112 Korelasi Data Kualitatif Contingency coefficient (koefisien bersyarat): Hubungan data kualitatif. C c = [χ 2 /(χ 2 + n)] n = banyaknya observasi = p i =1 q j =1f ij = p i =1n i. = q j =1n.j = p i =1 q j =1n ij χ 2 = kai kuadrat = p i =1 q j =1[(f ij e ij ) /e ij ] e ij = frekuensi harapan i = 1, 2,, p ; j = 1, 2,, q BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 9
113 Regresi Sederhana Regresi sederhana: Hubungan antara dua variabel yang biasanya cukup tepat digambarkan dengan suatu garis lurus. BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 10
114 Diagram Pencar Manfaat dari diagram pencar: Membantu menunjukkan apakah ada hubungan yang bermanfaat di antara dua variabel Membantu menetapkan tipe persamaan yang menunjukkan hubungan di antara kedua variabel itu BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 11
115 BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 12
116 Garis Regresi/Perkiraan Garis regresi (perkiraan): Garis lurus, pada diagram pencar, dari hubungan antara dua variabel. (Y Y ) = 0 (Y Y ) = nilai terkecil (terendah) BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 13
117 Regresi Linear Sederhana Persamaan regresi linear sederhana: Y = a + bx Y = Y aksen (nilai dari variabel tidak bebas) b = kemiringan garis regresi (koefisien regresi) = pengaruh terhadap Y bila X naik 1 unit = (n X i Y i X i Y i )/[n X i 2 ( X i ) 2 ] a = Y pintasan (X = 0) = Y bar b(x bar) BAB 7 Analisis Korelasi dan Regresi Linear Sederhana 14
118 Regresi Linear Berganda & Regresi/Trend Nonlinear bab 8
119 Persamaan Regresi Linear Berganda Persamaan regresi linear berganda: Persamaan regresi dengan lebih dari 1 variabel bebas. Y = b 0 + b 1 X 1 + b 2 X b k X k BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 2
120 Koefisien Korelasi Linear Berganda Koefisien korelasi linear berganda: Suatu korelasi antara variabel tak bebas Y dan lebih dari 1 variabel bebas. R y.12 = [(r 1y2 + r 2y2 2r 1y r 2y r 12 )/(1 r 122 )] r = koefisien korelasi linear sederhana = x i y i / ( x i 2 y i 2 ) x i = x 1i X bar y i = y 1i Y bar BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 3
121 Koefisien Penentuan Koefisien penentuan (coefficient of determination): Besarnya sumbangan variabel bebas terhadap variasi dari variabel tetap. KP = R y.12 2 = (b 1 x 1i y i + b 2 x 2i y i )/ y i 2 BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 4
122 Koefisien Korelasi Parsial Koefisien korelasi parsial: Koefisien korelasi di antara 2 variabel, dianggap bahwa variabel lainnya tetap. r 1y 2 = (r 1y r 2y r 12 )/[ (1 r 2y2 ) (1 r 122 )] r 2y 2 = (r 2y r 1y r 12 )/[ (1 r 1y2 ) (1 r 122 )] r 12y = (r 1y r 1y r 2y )/[ (1 r 1y2 ) (1 r 2y 2 )] BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 5
123 Garis Trend Garis trend (trend parabola): Garis regresi yang variabel bebasnya (X ) merupakan variabel waktu. Y = a + bx + cx 2 BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 6
124 Trend Eksponensial Trend eksponensial (logaritma): Sering dipakai meramalkan kejadiankejadian yang berkembang/bertumbuh secara geometris (berkembang sangat cepat). Y = ab X BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 7
125 Trend Eksponensial yang Diubah Trend eksponensial yang diubah: Y = k + ab X BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 8
126 Tren Logistik Tren logistik: Biasa dipakai mewakili data dari perkembangan yang awalnya sangat cepat, kemudian melambat, hingga mencapai titik jenuh. Y = k / ( a+bx ) k, a, b konstan biasanya b < 0 BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 9
127 Tren Logistik BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 10
128 Tren Gompertz Tren Gompertz: Biasa dipakai meramalkan jumlah penduduk dari usia tertentu. Y = ka bx BAB 8 Regresi Linear Berganda & Regresi/Trend Nonlinear 11
129 Analisis Data Berkala bab 9
130 Data Berkala Data berkala: Data yang dikumpulkan seiring waktu, menggambarkan perkembangan sesuatu. Y 1, Y 2,, Y i, Y n Y = f (X ), X = waktu BAB 9 Analisis Data Berkala 2
131 Analisis Data Berkala Analisis data berkala: Uraian komponen penyebab gerakan (variasi) pada fluktuasi. Memungkinkan pengetahuan tentang perkembangan dari satu/beberapa kejadian, beserta hubungan/pengaruhnya terhadap kejadian lain. BAB 9 Analisis Data Berkala 3
132 Gerakan/Variasi Data Berkala Tren jangka panjang: Menunjukkan arah perkembangan umum (kecenderungan naik/turun). Siklus: Di sekitar garis tren. Musiman: Berpola tetap seiring waktu. Tak teratur: Sporadis. BAB 9 Analisis Data Berkala 4
133 BAB 9 Analisis Data Berkala 5
134 Komponen Data Berkala Komponen data berkala mencakup gerakan tren (T ), siklis (C ), musiman (S ), dan acak (I ). Data berkala dari perkalian: Y = T C S I Data berkala dari penjumlahan: Y = T + C + S + I BAB 9 Analisis Data Berkala 6
135 Menentukan Trend 1. Metode tangan bebas: Memakai sumbu tegak Y dan sumbu mendatar X, serta diagram pencar. BAB 9 Analisis Data Berkala 7
136 Menentukan Trend 2. Metode rata-rata semi: Kelompokkan data menjadi 2 (jumlah sama) Hitung rata-ratanya Pilih titik absis di pertengahan tiap kelompok X 1, X 2, X 3, X 4, X 5, X 6 I II Nilai I dan II menjadi nilai X, masukkan ke persamaan Y = a + bx BAB 9 Analisis Data Berkala 8
137 Menentukan Trend 3. Metode rata-rata bergerak (Y 1 + Y Y n )/n, (Y 2 + Y Y n +1 )/n, (Y 3 + Y Y n +2 )/n, Pemulusan data berkala: Proses pemulusan, memakai rata-rata bergerak, terhadap fluktuasi data berkala. BAB 9 Analisis Data Berkala 9
138 Menentukan Trend 4. Metode kuadrat terkecil: Perkiraan/taksiran tentang nilai a dan b dari persamaan Y = a + bx menurut data hasil observasi, hingga jumlah kesalahan kuadratnya terkecil (minimum). BAB 9 Analisis Data Berkala 10
139 Metode Kuadrat Terkecil Cara pertama ( X i = 0): a = Y bar b = X i Y i / X i 2 Cara kedua ( X i 0, X i = 1, 2,, n): a = Y bar b (X bar) b = (n X i Y i X i Y i )/[n X i 2 ( X i ) 2 ] BAB 9 Analisis Data Berkala 11
140 Indeks Musiman dan Gerakan Siklis bab 10
141 Gerakan & Indeks Musiman Gerakan musiman: Gerakan naik/turun teratur pada waktuwaktu yang sama atau sangat berdekatan. Indeks musiman: Indeks ada/tidaknya gerakan musiman. BAB 10 Indeks Musiman & Gerakan Siklis 2
142 Penyesuaian Data Penyesuaian data: Diperlukan karena jumlah hari, hari kerja, & jam kerja per bulan itu tidak sama. Faktor pengali: Dipakai untuk menyesuaikan data hasil observasi. BAB 10 Indeks Musiman & Gerakan Siklis 3
143 Penyesuaian Data BAB 10 Indeks Musiman & Gerakan Siklis 4
144 Menghitung Indeks Musiman 1. Metode rata-rata sederhana BAB 10 Indeks Musiman & Gerakan Siklis 5
145 Menghitung Indeks Musiman 2. Metode relatif bersambung: Data asli pada suatu waktu dinyatakan sebagai persentase dari data pada waktu yang mendahuluinya. a. Menggunakan rata-rata b. Menggunakan median (dari rata-rata) BAB 10 Indeks Musiman & Gerakan Siklis 6
146 BAB 10 Indeks Musiman & Gerakan Siklis 7
147 BAB 10 Indeks Musiman & Gerakan Siklis 8
148 Menghitung Indeks Musiman 3. Metode rasio terhadap trend Data asli dijadikan persentase nilai trend Rata-rata/mediannya adalah indeks musiman 4. Metode rasio terhadap rata-rata bergerak a. Menghitung rata-rata bergerak terpusat b. Membagi data asli menjadi persentase c. Merata-rata per satuan waktu BAB 10 Indeks Musiman & Gerakan Siklis 9
149 Menghilangkan Pengaruh Musiman dan Tren Tiap nilai (data asli) per satuan waktu harus dibagi dengan indeks musiman Setelahnya akan tersisa pengaruh dari variasi siklis dan variasi tak teratur BAB 10 Indeks Musiman & Gerakan Siklis 10
150 Gerakan Siklis dan Gerakan Tak Teratur Menggambarkan grafik untuk gerakan siklis dan gerakan tak teratur: Tiap nilai data (yang sudah bebas dari pengaruh musiman dan tren) dikurangi dengan 100% Hasilnya adalah persentase jarak (selisih terhadap 100%) BAB 10 Indeks Musiman & Gerakan Siklis 11
151 Peramalan dengan Tren & Indeks Musiman 1. Membandingkan nilai rata-rata musiman terhadap nilai tengah utama 2. Membandingkan tiap nilai musiman sebenarnya terhadap rata-rata bergerak demi memperoleh sebuah nilai indeks BAB 10 Indeks Musiman & Gerakan Siklis 12
152 Peramalan dengan Tren & Indeks Musiman 3. Model regresi berganda: Y topi = a + b 1 t + b 2 S 2 + b 3 S 3 + b 4 S 4 Y topi = ramalan data t = periode waktu S j = variabel indikator musim BAB 10 Indeks Musiman & Gerakan Siklis 13
153 BAB 10 Indeks Musiman & Gerakan Siklis 14
154 Metode Tambahan dalam Menghitung Indeks Musiman Umumnya, jika data musiman dipakai dalam peramalan dengan trend, hasilnya perlu disesuaikan dengan indeks musiman: Ramalan = T (S /100) BAB 10 Indeks Musiman & Gerakan Siklis 15
155 Angka Indeks bab 11
156 Angka Indeks Angka indeks: Angka yang diadakan, agar dapat dipakai dalam perbandingan antarkegiatan yang sama, selama dua waktu yang berbeda. BAB 11 Angka Indeks 2
157 Waktu Dasar & Berjalan Waktu dasar: Waktu di mana suatu kegiatan dipakai sebagai dasar perbandingan. Waktu berjalan: Waktu di mana suatu kegiatan akan dibandingkan terhadap kegiatan lain dalam waktu dasar. BAB 11 Angka Indeks 3
158 Indeks Relatif Sederhana Indeks relatif sederhana: Indeks dari satu macam barang. Indeks harga relatif sederhana: I t,0 = (P t /P 0 ) 100% Indeks produksi relatif sederhana: I t,0 = (q t /q 0 ) 100% I t = indeks harga/produksi di waktu t dan waktu dasar 0 p t atau q t = harga/produksi pada waktu t p 0 atau q 0 = harga/produksi pada waktu 0 BAB 11 Angka Indeks 4
159 Indeks Agregatif Indeks agregatif: Indeks dari beberapa macam barang. Indeks agregatif tak tertimbang: Satuan dari barang-barangnya sama. I t,0 = ( P t / P 0 ) 100% Indeks agregatif tertimbang: Mempertimbangkan faktor-faktor pengaruh lain terhadap naik-turunnya indeks. BAB 11 Angka Indeks 5
160 Indeks Rata-rata Harga Relatif Indeks rata-rata harga relatif: I t,0 = 1/n [ (P t /P 0 ) 100%] n = banyaknya jenis barang BAB 11 Angka Indeks 6
161 Indeks Tertimbang: Rumus Laspeyres Indeks harga tertimbang: L t,0 = ( P t q 0 / P 0 q 0 ) 100% Indeks produksi tertimbang: L t,0 = ( P 0 q t / P 0 q 0 ) 100% L = indeks Laspeyres P t atau q t = harga/produksi waktu t P 0 atau q 0 = harga/produksi waktu 0 (timbangan) BAB 11 Angka Indeks 7
162 Indeks Tertimbang: Rumus Paasche Indeks harga tertimbang Paasche: P t,0 = ( P t q t / P 0 q t ) 100% Indeks produksi tertimbang Paasche: P t,0 = ( P t q t / P t q 0 ) 100% P = indeks Paasche P 0 atau q 0 = harga/produksi waktu 0 P t atau q t = harga/produksi waktu t (timbangan) BAB 11 Angka Indeks 8
163 Indeks Tertimbang: Variasi Rumus Irving Fisher: I = (L P) = [(P t q 0 /P 0 q 0 ) (P t q t /P 0 q t )] 100% Drobisch: I = (L + P)/2 = 1/2[( P t q 0 / P 0 q 0 ) + ( P t q t / P 0 q t )] 100% BAB 11 Angka Indeks 9
164 Indeks Tertimbang: Variasi Rumus Marshall-Edgeworth: I = [ P t 1/2(q 0 +q t )]/[ P 0 1/2(q 0 +q t )] 100% = [ P t (q 0 + q t )]/[ P 0 (q 0 + q t )] 1/2 (q 0 +q t ) = timbangan = rata-rata kuantitas dari waktu dasar & waktu bersangkutan BAB 11 Angka Indeks 10
165 Angka Indeks Berantai Rumus indeks berantai: I t,t 1 = (q t /q t -1 ) 100% q t = kuantitas tahun t q t 1 = kuantitas tahun t 1 Rumus dengan waktu dasar tetap: I t +1, t 1 = (I t, t 1 ) (I t +1, t ) BAB 11 Angka Indeks 11
166 Penentuan Waktu Dasar Penentuan waktu dasar Sebaiknya menunjukkan keadaan yang stabil Tidak terlalu jauh ke belakang Saat terjadinya peristiwa penting BAB 11 Angka Indeks 12
167 Penggeseran Waktu Dasar Penggeseran waktu dasar Angka pada waktu dasar yang baru itu diberi nilai 100%, angka-angka lain akan dibagi dengan angka tersebut dan dikali 100%. Indeks pada waktu dasar yang baru itu diberi nilai 100%, indeks-indeks lain akan dibagi dengan indeks tersebut dan dikali 100%. BAB 11 Angka Indeks 13
168 Pengujian Angka Indeks: Time Reversal Test Suatu indeks dinyatakan memenuhi time reversal test bila: I t,0 I 0,t = 1 I t, 0 = indeks waktu t dengan waktu dasar 0 I 0, t = indeks waktu 0 dengan waktu dasar t BAB 11 Angka Indeks 14
169 Pengujian Angka Indeks: Factor Reversal Test Factor reversal test: I (t, 0)p I (t, 0)q = I (t, 0)v I (t, 0)p = indeks harga I (t, 0)q = indeks kuantitas I (t, 0)v = indeks nilai BAB 11 Angka Indeks 15
170 Pengujian Angka Indeks: Factor Reversal Test Langkah-langkah factor reversal test: v = p q v = nilai, p = harga satuan, q = kuantitas per satuan Untuk indeks nilai sederhana: I 0,t = (v t /v 0 ) 100% = (p t q t /p 0 q 0 ) 100% Untuk indeks nilai agregat: I 0,t = ( v t / v 0 ) 100% = ( p t q t / p 0 q 0 ) 100% BAB 11 Angka Indeks 16
171 Pendeflasian Data Berkala Demi mendapatkan data berkala yang riil gaji/upah riil pendapatan riil maka nilai-nilainya harus dibagi dengan angka indeks indeks harga konsumen indeks biaya hidup BAB 11 Angka Indeks 17
172 Probabilitas bab 12
173 Probabilitas Probabilitas: Nilai yang dipakai mengukur tingkat keterjadian yang acak. Pendekatan klasik Pendekatan frekuensi relatif BAB 12 Probabilitas 2
174 Probabilitas: Pendekatan Klasik Pendekatan klasik: Asumsinya bahwa seluruh hasil dari suatu eksperimen memiliki peluang yang sama. P(A) = x /n P(A bar) = 1 P(A) x = frekuensi kejadian A n = ukuran sampel (jumlah observasi) BAB 12 Probabilitas 3
175 Probabilitas: Pendekatan Frekuensi Relatif Pendekatan frekuensi relatif: P(X i ) = lim n f i /n f i /n = f r = frekuensi relatif kejadian i X i = kejadian i Probabilitas suatu kejadian = Jumlah/frekuensi kejadian itu di masa lalu / Jumlah observasi BAB 12 Probabilitas 4
176 Eksperimen Eksperimen: Observasi terhadap objek/kegiatan demi mendapatkan ukuran. Outcome = Hasil dari eksperimen Titik sampel = Tiap hasil eksperimen Kejadian = Satu/lebih hasil dari eksperimen Sampel Ruang sampel (populasi) = Himpunan bagian dari populasi = Himpunan semua hasil BAB 12 Probabilitas 5
177 Notasi Himpunan Komplemen: Semua anggota S (semesta) yang bukan anggota A. A bar BAB 12 Probabilitas 6
178 Notasi Himpunan Interseksi: Terdiri dari elemen-elemen S yang memiliki sifat/ciri-ciri A dan (juga) B A B = {x :x elemen A dan x elemen B } Union: Terdiri dari elemen-elemen S yang memiliki sifat/ciri-ciri A, B, atau A dan B. AυB = {x :x elemen A, elemen B, elemen AB } BAB 12 Probabilitas 7
179 BAB 12 Probabilitas 8
180 Hukum Himpunan 1. Hukum penutup: Untuk setiap himpunan A & B terdapat himpunan-himpunan yang unik, yaitu AυB dan A B 2. Hukum komutatif: AυB = B υa A B = B A 3. Hukum asosiatif: (A υb )υc = Aυ(B υc) (A B ) C = A (B C) BAB 12 Probabilitas 9
181 Hukum Himpunan 4. Hukum distributif: Aυ(B υc) = (AυB ) υ (AυC) A (B C) = (A B ) (A C) 5. Hukum identitas: Ada himpunan ø (kosong) dan S yang unik, sehingga bagi tiap himpunan A selalu berlaku A S = A dan A ø = A BAB 12 Probabilitas 10
182 Hukum Himpunan 6. Hukum komplementasi: Bagi tiap himpunan A ada himpunan A bar (komplemen) yang unik, sehingga A A bar = ø dan AυA bar = S BAB 12 Probabilitas 11
183 Kejadian Bebas & Saling Meniadakan Kejadian saling meniadakan: Sebuah kejadian akan meniadakan kejadian lain. Kejadian bebas: Tiap kejadian tidak saling mempengaruhi. BAB 12 Probabilitas 12
184 Aturan Penjumlahan Peluang kejadian saling meniadakan: P(A atau B) = P(AυB) = P(A) + P(B) P(AυBυC) = P(A) + P(B) + P(C) P(A 1 υa 2 υ υa i ) = P(A i ) Peluang kejadian bebas: P(AυB) = P(A) + P(B) P(A B) BAB 12 Probabilitas 13
185 Probabilitas Bersama & Bersyarat Probabilitas bersama: Mengukur kemungkinan bahwa dua/lebih kejadian adalah bersamaan. Probabilitas bersyarat: Suatu kejadian memiliki syarat bahwa sudah/akan ada kejadian lain. BAB 12 Probabilitas 14
186 Aturan Perkalian Peluang kejadian tidak bebas (bersyarat): P(B /A) = P(A B) /P(A) P(A /B) = P(A B) /P(B) Peluang kejadian interseksi: P(A B) = P(A) P(B /A) = P(B) P(A /B) Peluang kejadian bebas: P(A /B) = P(A) dan P(B /A) = P(B) P(A B) = P(A) P(B) BAB 12 Probabilitas 15
187 Probabilitas Marjinal Probabilitas marjinal: Suatu kejadian mempengaruhi kejadian lain, dan kedua kejadian itu harus bersamaan. P(R) = k i =1P(RS i ) = P(S i )P(R /S i ) S i = kejadian-kejadian yang saling meniadakan R = kejadian yang harus ada bersamaan dengan (salah satu dari) S i BAB 12 Probabilitas 16
188 Teorema Bayes Teorema Bayes: Probabilitas dari suatu kejadian adalah sesuai pengaruh yang merupakan hasil observasi. P(A i /A) = [P(A i )P(A /A i )] / [ k i =1P(A i )P(A /A i )] A i = kejadian yang harus ada sebelum kejadian A BAB 12 Probabilitas 17
189 Permutasi Permutasi: Pengaturan/urutan yang penting dari elemen/objek (AB BA). mp m = m! m objek diambil per m mp x = m!/(m x)! m objek diambil per x BAB 12 Probabilitas 18
190 Kombinasi Kombinasi: Susunan elemen yang tidak memperhatikan urutan (AB = BA). mc x = m!/[x!(m x)!] m objek diambil per x BAB 12 Probabilitas 19
DAFTAR PUSTAKA. Beuemer, B.J.M Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta.
DAFTAR PUSTAKA Amanto, Hari & Daryanto. 2003. ilmu Bahan. (Cetakan Kedua). Bumi Aksara, Jakarta. Beuemer, B.J.M. 1994. Ilmu Bahan Logam Jilid I. Penerbit Bharatara, Jakarta. Djaprie, Sriati. 1997. Teknologi
Lebih terperinciSTATISTIKA DESKRIPTIF Dosen:
LEMBAR TUGAS MAHASISWA (LTM) Mata Kuliah: STATISTIKA DESKRIPTIF Dosen: Nama NIM Kelas Jurusan Akademi : : : : : AKADEMI - AKADEMI BINA SARANA INFORMATIKA J A K A R T A C.2009 1 BAB I PENDAHULUAN Pertemuan
Lebih terperinciSATUAN ACARA PERKULIAHAN
Topik Bahasan : Membahas Silabus Perkuliahan Tujuan Umum : Mahasiswa Mengetahui Komponen Yang Perlu Dipersiapkan Dalam Matakuliah Ini satu kali Tujuan 1 Menjelaskan tentang Mengakomodasi berbagai masukan
Lebih terperinciUNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS
UNIVERSITAS BRAWIJAYA FAKULTAS ILMU ADMINISTRASI JURUSAN ADMINISTRASI BISNIS RENCANA PROGRAM & KEGIATAN PEMBELAJARAN SEMESTER(RPKPS) Nama Mata Kuliah Kode Mata Kuliah : Beban sks : 3 sks (1) (2) Minggu
Lebih terperinciMODUL PRAKTIKUM STATISTIKA
MODUL PRAKTIKUM STATISTIKA PROGRAM STUDI KOMPUTERISASI AKUNTANSI Disusun Oleh: DIEN NOVITA, S.Si., M.T.I. SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER GLOBAL INFORMATIKA MULTI DATA PALEMBANG 05 KATA
Lebih terperinciSTATISTIK DAN STATISTIKA
STATISTIK DAN STATISTIKA MAKNA DARI PENGERTIAN STATISTIK DAN STATISTIKA DATA STATISTIK Pengertian : Data adalah keterangan atau fakta mengenai suatu persoalan bisa berupa kategori (rusak, baik senang,
Lebih terperinciFAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON
S T A T I S T I K A Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS KEGURUAN DAN ILMU PENDIDIKIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2010 Wijaya : Statistika 0 I. PENDAHULUAN Statistika adalah
Lebih terperinciPENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis
PENGELOLAAN STATISTIK YANG MENYENANGKAN, oleh Muhammad Rusli Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Mata Kuliah : Statistika Dasar/PAMA 3226 SKS : 3 SKS Tutorial : ke-1 Nama Tutor : Adi Nur Cahyono, S.Pd., M.Pd.
Tutorial : ke-1 Nama Tutor : a. Menjelaskan pengertian statistik; b. Menjelaskan pengertian statistika; c. Menjelaskan pengertian data statistik; d. Menjelaskan contoh macam-macam data; e. Menjelaskan
Lebih terperinciPENS. Probability and Random Process. Topik 2. Statistik Deskriptif. Prima Kristalina Maret 2016
Program Pasca Sarjana Terapan Politeknik Elektronika Negeri Surabaya Probability and Random Process Topik 2. Statistik Deskriptif Prima Kristalina Maret 2016 1 Outline [2][1] 1. Penyajian Data o Tabel
Lebih terperinciSTATISTIKA II (BAGIAN
STATISTIKA II (BAGIAN -1) Oleh : WIJAYA email : zeamays_hibrida@yahoo.com FAKULTAS PERTANIAN UNIVERSITAS SWADAYA GUNUNG JATI CIREBON 2009 Wijaya : Statistika I 0 I. PENDAHULUAN Statistika adalah pengetahuan
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Data Data adalah bentuk jamak dari datum, yang dapat diartikan sebagai informasi yang diterima yang bentuknya dapat berupa angka, kata-kata, atau dalam bentuk lisan dan tulisan
Lebih terperinciPENYAJIAN DATA. Cara Penyajian Data meliputi :
PENYAJIAN DATA Cara Penyajian Data meliputi : 1. Tabel Tabel terbagi menjadi : - Tabel Biasa - Tabel Kontingensi - Tabel Distribusi Tabel Distribusi terbagi menjadi : Tabel Distribusi Mutlak Tabel Distribusi
Lebih terperinciBAB 3: NILAI RINGKASAN DATA
BAB 3: NILAI RINGKASAN DATA Penyajian data dalam bentuk tabel dan grafik memberikan kemudahan bagi kita untuk menggambarkan data dan membuat kesimpulan terhadap sifat data. Namun tabel dan grafik belum
Lebih terperinciREVIEW BIOSTATISTIK DESKRIPTIF
REVIEW BIOSTATISTIK DESKRIPTIF POKOK BAHASAN 1. Konsep statistik deskriptif 2. Data dan variabel 3. Nilai Tengah (Ukuran Pusat), posisi dan variasi) pada data tunggal dan kelompok 4. Penyajian data 5.
Lebih terperinciMengolah dan Menganalisis Data
Mengolah dan Menganalisis Data Dr. Eko Pujiyanto, S.Si., M.T. Materi Data Mengolah dan analisis data Memilih alat analisis yang tepat Data Data 1 Jamak dari DATUM artinya informasi yang diperoleh dari
Lebih terperinci1.0 Distribusi Frekuensi dan Tabel Silang
ANALISIS DESKRIPTIF 1.0 Distribusi Frekuensi dan Tabel Silang 1.1 Pengantar Statistik deskriptif Statistika deskriptif adalah bidang statistika yang mempelajari tatacara penyusunan dan penyajian data yang
Lebih terperinciDr. I Gusti Bagus Rai Utama, SE., M.MA., MA.
Dr. I Gusti Bagus Rai Utama, SE., M.MA., MA. Populasi : totalitas dari semua objek/ individu yg memiliki karakteristik tertentu, jelas dan lengkap yang akan diteliti Sampel : bagian dari populasi yang
Lebih terperinciMateri UAS: 1. Indeks 2. Trend Linear dan Non Linear 3. Regresi dan korelasi sederhana
STATISTIK I Buku Acuan: 1. Pokok-pokok materi Statistik I oleh Ir.M.Iqbql Hasan,M.M, edisi 2 cetakan 6 th 2010 2. Dasar-dasar statistika untuk Ekonomi oleh Drs. Danang Sunyoto,S.H., S.E.,M.M.,cetakan I
Lebih terperinciPENGERTIAN STATISTIK. Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd.
PENGERTIAN STATISTIK Tim Dosen Mata Kuliah Statistika Pendidikan 1. Rudi Susilana, M.Si. 2. Riche Cynthia Johan, S.Pd., M.Si. 3. Dian Andayani, S.Pd. PENGERTIAN STATISTIK Statistik adalah kesimpulan fakta
Lebih terperinciRANCANGAN AKTIVITAS TUTORIAL (RAT)
RANCANGAN AKTIVITAS TUTORIAL (RAT) Nama Mata Kuliah/ sks/ Kode : Statistika Dasar/ 3/ PAMA 3226 Nama Tutor/ NPP : Adi Nur Cahyono, S.Pd., M.Pd./088201206 Deskripsi Singkat Mata Kuliah : Mata kuliah ini
Lebih terperinciPengertian Statistika (1) Statistika: Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data menjadi informasi untuk
Pengertian Statistika (1) Statistika: Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data menjadi informasi untuk membantu pengambilan keputusan yang efektif. Statistik:
Lebih terperinciStatistika untuk Ekonomi dan Keuangan Modern Edisi 3, Buku 1 SUHARYADI PURWANTO S.K
Statistika untuk Ekonomi dan Keuangan Modern Edisi 3, Buku 1 SUHARYADI PURWANTO S.K BAB 1 PENGERTIAN STATISTIKA 2 Pengertian Statistika Bab 1 OUTLINE 3 BAGIAN I Statistik Deskriptif Pengertian Statistika
Lebih terperinciCIRI-CIRI DISTRIBUSI NORMAL
DISTRIBUSI NORMAL CIRI-CIRI DISTRIBUSI NORMAL Berbentuk lonceng simetris terhadap x = μ distribusi normal atau kurva normal disebut juga dengan nama distribusi Gauss, karena persamaan matematisnya ditemukan
Lebih terperinciBudi Setiawan, SE, M.Si. l't:-;t...t A..."DI. Menganalisa. Statistik Bisnis. danekonomi 5 P ::..~~---" dengan
l't:-;t...t A..."DI Budi Setiawan, SE, M.Si Menganalisa Statistik Bisnis danekonomi 5 P 55 21 ::..~~---" dengan Menganalisa Statistik Bisnis danekonomi dengan SPSS 21 Bu ku ~ Menganaljsa 5tatistik Bisnis
Lebih terperinciLaporan Tugas dan Quiz Statistik Deskriptif. 1. Berikan penjelasan secara singkat apa yang dimaksud dengan:
Nama : Purnomo Satria NIM : 1133467162 Evaluasi Pertemuan 4 dan 5 Laporan Tugas dan Quiz Statistik Deskriptif 1. Berikan penjelasan secara singkat apa yang dimaksud dengan: a. Rata-rata hitung, median,
Lebih terperinci1. Sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun maupun angka angka yang sudah tersusun dalam suatu daftar atau grafik.
1. Sekumpulan angka untuk menerangkan sesuatu, baik angka yang belum tersusun maupun angka angka yang sudah tersusun dalam suatu daftar atau grafik. 3. Sekumpulan angka yang menjelaskan sifat-sifat data
Lebih terperinciTATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS. Fitri Yulianti, SP. MSi.
TATAP MUKA IV UKURAN PENYIMPANGAN SKEWNESS DAN KURTOSIS Fitri Yulianti, SP. MSi. UKURAN PENYIMPANGAN Pengukuran penyimpangan adalah suatu ukuran yang menunjukkan tinggi rendahnya perbedaan data yang diperoleh
Lebih terperinciPengukuran Kesehatan
1 Pengukuran Kesehatan Ukuran Sentral: Mean atau Arithmetic Mean Median Modus Ukuran Variasi: Range Mean Deviasi Standar deviasi, Standar Error, 95%CI Coefisien Variasi Ukuran Posisi: Median Kuartil Desil
Lebih terperinciPRAKATA. Statistika I
PRAKATA Puji syukur kepada Tuhan Yang Maha Esa, atas berkat dan kasih karunianya yang begitu melimpah, penulisan buku Statistika I ini dapat diselesaikan. Semula buku ini ditulis dalam bentuk modul, khusus
Lebih terperinciBy : Hanung N. Prasetyo
theory STATISTIKA DESKRIPTIF By : Hanung N. Prasetyo UKURAN PEMUSATAN Nilai tunggal yang mewakili semua data atau kumpulan pengamatan dimana nilai tersebut menunjukkan pusat data. Yang termasuk ukuran
Lebih terperinciSTATISTIKA INDUSTRI I. Agustina Eunike, ST., MT., MBA.
STATISTIKA INDUSTRI I Agustina Eunike, ST., MT., MBA. PERTEMUAN-1 DATA Data Hasil pengamatan pada suatu populasi Untuk mendapatkan informasi yang akurat Pengumpulan data Pengolahan data Penyajian data
Lebih terperinciGARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP)
GARIS-GARIS BESAR PROGRAM PENGAJARAN (GBPP) Mata Kuliah : Statistik Bobot Mata Kuliah : 3 Sks Deskripsi Mata Kuliah : Pengertian dasar statistik, pengolahan dan penyajian data, ukuran dan lokasi (central
Lebih terperinciPROBABILITAS &STATISTIK. Oleh: Kholistianingsih, S.T., M.Eng.
PROBABILITAS &STATISTIK ke-1 Oleh: Kholistianingsih, S.T., M.Eng. KONTRAK PEMBELAJARAN UAS : 35% UTS : 35% TUGAS : 20% KEHADIRAN :10% SEMUA KOMPONEN HARUS ADA KEHADIRAN 0 NILAI MAKS D PEUBAH DAN GRAFIK
Lebih terperinciPengantar Statistik. Nanang Erma Gunawan
Pengantar Statistik Nanang Erma Gunawan nanang_eg@uny.ac.id Sekilas tentang sejarah Statistik Statistik: pada awal zaman Masehi, bangsa-bangsa mengumpulkan data untuk mendapatkan informasi mengenai pajak,
Lebih terperinciDISPERSI DATA. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
DISPERSI DISPERSI DATA Ukuran penyebaran suatu kelompok data terhadap pusat data. - Jangkauan (Range) - Simpangan/deviasi Rata-rata (Mean Deviation) - Variansi (Variance) - Standar Deviasi (Standart Deviation)
Lebih terperinciDESKRIPSI MATA KULIAH
DESKRIPSI MATA KULIAH Nama Mata Kuliah Kode Mata Kuliah Kredit : Statistika dan Probabilitas : IF32225 : 3 SKS (3X45 menit) Deskripsi : Membahas mengenai cara-cara pengumpulan data, penganalisisan dan
Lebih terperinciSATUAN ACARA TUTORIAL (SAT) Tutorial ke : 1 Kode/ Nama Mata Kuliah : PAMA 3225 / Statistika Dasar
Tutorial ke : 1 : 3 Kompetensi Umum : Setelah mempelajari bahan ajar matakuliah ini diharapkan mahasiswa 1. Memahami pengetahuan dasar statistika. 2. Memahami tehnik penyajian data dalam bentuk tabel.
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH STATISTIKA DESKRIPTIF & PRAKTIKUM (AKN) KODE / SKS: KD / 3 SKS
Minggu Pokok Bahasan ke dan TIU 1 1. Penahuluan konsep statistika dan notasi penjumlahan Sub Pokok Bahasan dan Sasaran Belajar 1.1. Konsep statistika Mahasiswa dapat menjelaskan pengertian statistika Mahasiswa
Lebih terperinciDIAGRAM SERABI S-2 dan S-3 SMU S-1
DIAGRAM SERABI S-2 dan S-3 SMU S-1 Dapat menyajikan berbagai pecahan dalam bentuk jumlah Setiap pecahan atau sektor memperlihatkan unsur tertentu Dapat dibuat pada bidang datar atau mirip tablet yang rebah
Lebih terperinci7.1 ISTILAH-ISTILAH DALAM STATISTIKA A.
STATISTIKA Dalam statistika, angka dikumpulkan dan diatur sedemikian rupa sehingga orang dapat memahaminya, menarik kesimpulan, dan membuat perkiraan berdasarkan angka angka itu. 7.1 ISTILAH-ISTILAH DALAM
Lebih terperinciRENCANA PELAKSANAAN PEMBELAJARAN (RPP)
RENCANA PELAKSANAAN PEMBELAJARAN (RPP) Nama Sekolah : SMK Mata Pelajaran : Matematika Kelas : XII (Dua Belas) Program : Teknologi, Kesehatan, dan Pertanian Standar Kompetensi Kompetensi Dasar : 13. Memecahkan
Lebih terperinciUNIVERSITAS NEGERI MALANG FAKULTAS ILMU KEOLAHRAGAAN JURUSAN ILMU KESEHATAN MASYARAKAT
UKURAN PEMUSATAN MAKALAH UNTUK MEMENUHI TUGAS MATAKULIAH Dasar-dasar Biostatistik Deskriptif Yang dibina oleh Bapak Dr. Saichudin, M.Kes Ibu dr. Anindya, S.Ked Oleh : Derada Imanadani 130612607847/2013
Lebih terperinciSTATISTIKA 2 IT
STATISTIKA 2 IT-021259 UMMU KALSUM UNIVERSITAS GUNADARMA 2016 Regresi & Korelasi Linier Regresi? Korelasi? 1. Regresi Linier Sederhana Model regresi adalah persamaan matematik yang memungkinkan dalam peramalan
Lebih terperinciSTATISTIKA EKONOMI. Fakultas Ekonomi-Akuntansi
STATISTIKA EKONOMI Fakultas Ekonomi-Akuntansi Universitas Negeri Jakarta Nisrina Anzilla 8335128433 Pengertian Statistik Pengertian statistik berasal dari bahasa Latin, yaitu status yang berarti negara
Lebih terperinciPENGUMPULAN DATA PENGOLAHAN DATA
PENGUMPULAN DATA Sensus adalah cara pengumpulan data seluruh elemen populasi diselidiki satu per satu. Sensus merupakan cara pengumpulan data yang menyeluruh. Data yang diperoleh sebagai hasil pengolahan
Lebih terperinciPengantar Statistika
Ruang Lingkup Statistika iii iv Pengantar Statistika Ruang Lingkup Statistika v Pengantar Statistika Oleh : Nana Danapriatna Rony Setiawan Edisi Pertama Cetakan Pertama, 2005 Hak Cipta 2005 pada penulis,
Lebih terperinciSTATISTIKA DASAR ( FI 411 )
1 STATISTIKA DASAR ( FI 411 ) I DESKRIPSI Mata Kuliah ini merupakan mata kuliah wajib bagi mahasiswa Fisika dan Pendidikan fisika. Hasil yang diharapkan dari perkuliahan ini adalah mahasiswa menguasai
Lebih terperinciStatistik Deskriptif Ukuran Dispersi
MAKALAH STATISTIKA DASAR Statistik Deskriptif Ukuran Dispersi Oleh: Kelompok 1 Dwireta Ramadanti Aliv Vito Palox Arif Rahman Hakim Asrar Halim Desi Anggraini Eki Maruci Hary Sentosa Monalisa Muhammad Irvand
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori Probabilitas (Peluang) Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya
Lebih terperinciSATUAN ACARA PERKULIAHAN
1 SATUAN ACARA PERKULIAHAN Matakuliah : Statistika Dasar Kode : FI 411 Sks : 2 Semester : I Nama Dosen : dkk Standar Kompetensi: Menguasai dasar-dasar statistika dan dapat mengaplikasikannya untuk pengolahan
Lebih terperinciSILABUS. Kegiatan Pembelajaran Teknik. Memahami cara memperoleh data yang baik, menentukan jenis dan ukuran data, serta memeriksa, dan menyusun data.
SILABUS NAMA SEKOLAH : MATA PELAJARAN : Matematika KELAS : XII STANDAR KOMPETENSI : Menerapkan aturan konsep statistika dalam pemecahan masalah. KODE KOMPETENSI : 10 ALOKASI WAKTU : 52 x 45 Kompetensi
Lebih terperinciStatistika & Probabilitas
Statistika & Probabilitas Dispersi Data Dispersi Data Dispersi adalah ukuran penyebaran suatu kelompok data terhadap pusat data. Beberapa jenis ukuran dispersi data : Jangkauan (range) Simpangan rata-rata
Lebih terperinciANALISIS DATA KUANTITATIF
1 ANALISIS DATA KUANTITATIF Analisis data merupakan proses pengolahan, penyajian, dan interpretasi yang diperoleh dari lapangan agar data yang disajikan mempunyai makna. A. Tujuan Analisis Data 1. Menjawab
Lebih terperinciTKS 4209 PENELITIAN DAN STATISTIKA 4/1/2015
TKS 4209 Dr. AZ Jurusan Teknik Sipil Fakultas Teknik Universitas Brawijaya Penelitian adalah merupakan cara ilmiah untuk mendapatkan data dengan tujuan dan kegunaan tertentu. Berdasarkan pengertian tersebut
Lebih terperinciOUTLINE BAGIAN I Statistik Deskriptif
UKURAN PENYEBARAN 1 OUTLINE BAGIAN I Statistik Deskriptif Pengertian Statistika Penyajian Data Ukuran Pemusatan Ukuran Penyebaran Angka Indeks Deret Berkala dan Peramalan Range, Deviasi Rata-rata, Varians
Lebih terperinciStatistika Deskriptif & Distribusi Frekuensi
Statistika Deskriptif & Distribusi Frekuensi Oleh: Zulhan Widya Baskara FAKULTAS TEKNOLOGI PERTANIAN Mataram, September 2014 Statistika Statistika Deskriptif Statistika Inferensial Statistika Deskriptif
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE : MT308 MINGGU POKOK & SUB MATERI METODE & MEDIA TES SUMBER 1
Lebih terperinciPERTEMUAN 2 STATISTIKA DASAR MAT 130
PERTEMUAN 2 STATISTIKA DASAR MAT 130 Data 1. Besaran Statistika berbicara tentang data dalam bentuk besaran (dimensi) Besaran adalah sesuatu yang dapat dipaparkan secara jelas dan pada prinsipnya dapat
Lebih terperinciSTATISTIKA DESKRIPTIF. Tendensi Sentral & Ukuran Dispersi
STATISTIKA DESKRIPTIF Tendensi Sentral & Ukuran Dispersi Statistik dan Statistika Statistik : nilai-nilai ukuran data yang mudah dimengerti. Contoh : statistik liga sepak bola Indonesia Statistika : ilmu
Lebih terperinciPENGEMBANGAN SILABUS TAHUN PELAJARAN 2012/2013
PENGEMBANGAN SILABUS TAHUN PELAJARAN 01/013 NAMA SEKOLAH : SMK DIPONEGORO LEBAKSIU MATA PELAJARAN : MATEMATIKA KELAS / SEMESTER : X / 1 STANDAR KOMPETENSI : MEMECAHKAN MASALAH BERKAITAN DENGAN KONSEP OPERASI
Lebih terperinciSILABUS MATERI PEMBELAJARAN. Statistika: Diagram batang Diagram garis Diagram Lingkaran Tabel distribusi frekuensi Histogram dan Ogif
SILABUS Nama Sekolah : SMA Negeri 1 Sungai Penuh Mata Pelajaran : MATEMATIKA Kelas/Program : XI / IPA Semester : 1 STANDAR KOMPETENSI: 1. Menggunakan aturan statistika, kaidah pencacahan, dan sifat-sifat
Lebih terperinciPRAKATA. Statistika I
PRAKATA Puji syukur kepada Tuhan Yang Maha Esa, atas berkat dan kasih karunianya yang begitu melimpah, penulisan buku Statistika I ini dapat diselesaikan. Semula buku ini ditulis dalam bentuk modul, khusus
Lebih terperinciBAB V PENUTUP 5.1 Kesimpulan
V-1 BAB V PENUTUP 5.1 Kesimpulan Berdasarkan penulisan laporan akhir ini, maka dapat dibuat kesimpulan dari setiap modul. Berikut adalah kesimpulan dari masingmasing modul tersebut: 1. Distribusi Frekuensi
Lebih terperinciUKURAN PEMUSATAN DATA STATISTIK
UKURAN PEMUSATAN DATA STATISTIK Pengantar Dari setiap kumpulan data, terdapat tiga ukuran atau tiga nilai statistik yang dapat mewakili data tersebut, yaitu rataan (mean), median, dan modus. Ketiga nilai
Lebih terperinciBAB I DISTRIBUSI FREKUENSI
BAB I DISTRIBUSI FREKUENSI A. Pengertian Distribusi Frekuensi adalah penyajian data yang telah digolongkan dalam kelas-kelas menurut urutan tingkatannya beserta jumlah individu pada masing-masing kelas.
Lebih terperinciBAB III PERAMALAN DENGAN METODE DEKOMPOSISI. (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi masingmasing
BAB III PERAMALAN DENGAN METODE DEKOMPOSISI 3.1 Metode Dekomposisi Prinsip dasar dari metode dekomposisi deret berkala adalah mendekomposisi (memecah) data deret berkala menjadi beberapa pola dan mengidentifikasi
Lebih terperinciSATUAN ACARA PEMBELAJARAN (SAP)
SATUAN ACARA PEMBELAJARAN (SAP) Mata Kuliah : Statistik Kode Mata Kuliah : PSI-106 Jumlah SKS : 3 Waktu Pertemuan : 150 menit Kompetensi Dasar : 1. Penguasaan metodologi penelitian psikologi Indikator
Lebih terperinciBAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI. Metode peramalan yang biasanya dilakukan didasarkan atas konsep
BAB III METODE PERAMALAN DENGAN METODE DEKOMPOSISI Metode peramalan yang biasanya dilakukan didasarkan atas konsep bahwa apabila terdapat pola yang mendasari suatu deret data, maka pola tersebut dapat
Lebih terperinciSTATISTIKA TERAPAN Disertai Contoh Aplikasi dengan SPSS
STATISTIKA TERAPAN Disertai Contoh Aplikasi dengan SPSS Penulis: Dr. Bambang Suharjo, M.Si. Edisi Pertama Cetakan Pertama, 2013 Hak Cipta 2013 pada penulis, Hak Cipta dilindungi undang-undang. Dilarang
Lebih terperinciTUGAS MANAJEMEN DATA MAKALAH ANALISIS DATA KUANTITATIF
TUGAS MANAJEMEN DATA MAKALAH ANALISIS DATA KUANTITATIF OLEH ARFAN KAFTARU 1307012285 FAKULTAS KESEHATAN MASYARAKAT UNIVERSITAS NUSA CENDANA KUPANG 2017 i KATA PENGANTAR Puji syukur kehadirat Tuhan Yang
Lebih terperinciStatistika Pendidikan
Statistika Pendidikan Statistika adalah metode ilmiah yang mempelajari pengumpulan, pengaturan, perhitungan, penggambaran dan penganalisisan data, serta penarikan kesimpulan yang valid berdasarkan penganalisisan
Lebih terperinciMateri-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data. Nurratri Kurnia Sari, M. Pd
Materi-1 Statistika, data, penyajian data, Ukuran Pusat dan Sebaran Data Nurratri Kurnia Sari, M. Pd DEFINISI Statistika Ilmu mengumpulkan, menata, menyajikan, menganalisis, dan menginterprestasikan data
Lebih terperinciDAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA a. Tabel distribusi frekuensi Kelas Tabulasi Frekuensi 4 IIII 7 IIII IIII 9 8 1 IIII IIII II 1 11 13 IIII IIII IIII IIII 19 14 16 IIII IIII IIII IIII IIII 4 17
Lebih terperinciSatatistik dan Probabilitas. Ir. I Nyoman Setiawan, MT. NIP HP
Satatistik dan Probabilitas Ir. I Nyoman Setiawan, MT. NIP. 19631229 199103 01 001 HP. 081338721408 setiawan@ee.unud.ac.id man_awan@yahoo.com Statistik Dan Probabilitas Pendahuluan Statistika adalah pengetahuan
Lebih terperinciSATUAN ACARA PERKULIAHAN. Kode Mata Kuliah : TI 003
SATUAN ACARA PERKULIAHAN Nama Mata : Statistik Kode Mata : TI 003 Bobot Kredit : 3 SKS Semester Penempatan : III Kedudukan Mata : Mata Prasyarat : Penanggung Jawab : Latifah Rahayu, M.Sc Pertemuan / Pokok
Lebih terperinciSTATISTIKA -deskripsi data-
STATISTIKA -deskripsi data- PERTEMUAN KE-3 Oleh: MUHAMMAD YUSUF AWALUDDIN 2 overview : Deskripsi data : Sering digunakan peneliti, khususnya dalam memperhatikan perilaku data dan penentuan dugaan-dugaan
Lebih terperinciStatistik Farmasi 2015
Statistik Farmasi 2015 Tujuan Perkuliahan Setelah mengikuti perkuliahan, diharapkan mahasiswa mampu: 1. Mengorganisir data menggunakan distribusi frekuensi 2. Mempresentasikan data dalam distribusi frekuensi
Lebih terperinciSUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah an masalah INDIKATOR MATERI TUGAS
B. Pembelajaran 2 1. Silabus N o STANDA R KOMPE TENSI KOMPE TENSI DASAR INDIKATOR MATERI TUGAS BUKTI BELAJAR KON TEN INDIKA TOR WAK TU SUM BER BELA JAR Menerap kan aturan konsep statistika dalam pemecah
Lebih terperinciProf. Dr. Ir. Zulkifli Alamsyah, M.Sc. PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI
Prof. Dr. Ir. Zulkifli Alamsyah, M.Sc. PROGRAM STUDI AGRIBISNIS FAKULTAS PERTANIAN UNIVERSITAS JAMBI DATA dan VARIABEL DATA = Fakta atau angka-angka. Bila tidak diolah, tidak punya makna Data untuk kepentingan
Lebih terperinciRENCANA PELAKSANAAN PEMBELAJARAN NO: 1
RENCANA PELAKSANAAN PEMBELAJARAN NO: 1 Mata Pelajaran : Matematika Kelas/Semester : XI-IPA/1 Materi Pokok : Statistika Pertemuan Ke- : 1 s.d. 3 Alokasi Waktu : 3 x pertemuan (6 x 45 menit) Standar Kompetensi
Lebih terperinciBAB III HASIL ANALISIS
51 BAB III HASIL ANALISIS 3.1 Pengumpulan Data Pada tahap ini, penulis secara langsung mengambil data dari PT. Coca-Cola Bottling Indonesia Medan pada periode Januari 00 sampai dengan Desember 006. Disamping
Lebih terperinciBAB 2 LANDASAN TEORI
BAB LANDASAN TEORI.1. Pengertian Peramalan Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang diperkirakan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Distribusi Normal Salah satu distribusi frekuensi yang paling penting dalam statistika adalah distribusi normal. Distribusi normal berupa kurva berbentuk lonceng setangkup yang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2. Probabilitas Probabilitas adalah suatu nilai untuk mengukur tingkat kemungkinan terjadinya suatu peristiwa (event) akan terjadi di masa mendatang yang hasilnya tidak pasti (uncertain
Lebih terperinciSATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308
JURUSAN PENDIDIKAN MATEMATIKA FPMIPA UNIVERSITAS PENDIDIKAN INDONESIA SATUAN ACARA PERKULIAHAN MATA KULIAH : STATISTIKA DASAR (3 SKS) KODE MATA KULIAH : MT308 MINGGU KE POKOK & SUB POKOK BAHASAN 1 PENDAHULUAN
Lebih terperinciSTATISTIK DESKRIPTIF. Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data
STATISTIK DESKRIPTIF Penyajian Data, ukuran Pemusatan Data, Ukuran Penyebaran Data 1. Statisitik Deskriptif 2. Penyajian Data 3. Ukuran Pemusatan Data 4. Ukuran Penyebaran Data Materi Pokok Indikator Setelah
Lebih terperinciPeranan Statistika. Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si.
Peranan Statistika Disusun oleh Putriaji Hendikawati, S.Si., M.Pd., M.Sc. Dr. Scolastika Mariani, M.Si. 1. Pengertian Statistika Statistika banyak dimanfaatkan dalam berbagai aspek dan bidang kehidupan
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciRENCANA PERKULIAHAN SEMESTER
Program Studi : S1 Pendidikan Administrasi Perkantoran Mata kuliah : Statistik I Kode Mata Kuliah : 7024213033 Semester/SKS : Genap (4)/ 3 SKS Prasyarat : Aplikasi Komputer I Dosen Pengampu : Choirul Nikmah,
Lebih terperinciProbabilitas dan Statistika Analisis Data dan Ukuran Pemusatan. Adam Hendra Brata
Probabilitas dan Analisis dan Adam Hendra Brata Deskriptif Induktif Pembagian Deskriptif Metode guna mengumpulkan, menghitung, dan menyajikan suatu data secara kwantitatif sehingga memberikan informasi
Lebih terperinciSTATISTIKA. A Pengertian Statistik dan Statistika. B Populasi dan Sampel. C Pengertian Data PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL
STATISTIKA PENGERTIAN STATISTIKA, POPULASI, DAN SAMPEL A Pengertian Statistik dan Statistika Statistik adalah kumpulan akta berbentuk angka yang disusun dalam datar atau tabel, yang menggambarkan suatu
Lebih terperinciPengukuran Statistik Deskriptif UKURAN PUSAT, UKURAN VARIASI DAN UKURAN POSISI
Pengukuran Statistik Deskriptif UKURAN PUSAT, UKURAN VARIASI DAN UKURAN POSISI Besral: Departemen Biostatistik dan Kependudukan Fakultas Kesehatan Masyarakat Universitas Indonesia, 2012 SAP Statistika
Lebih terperinciARUMEGA ZAREFAR, SE.,M.Ak.,Akt.,CA
STATISTIK ARUMEGA ZAREFAR, SE.,M.Ak.,Akt.,CA http://arumega.staff.unri.ac.id/ arumegazarefar.ca@gmail.com Arti statistik Kumpulan data dalam bentuk angka maupun bukan angka yang disusun dalam bentuk tabel
Lebih terperinciBAB IV METODOLOGI PENELITIAN
BAB IV METODOLOGI PENELITIAN 4.1. Desain Penelitian Penelitian ini adalah penelitian kuantitatif yang menggunakan desain penelitian cross sectional yaitu penelitian terhadap variabel-variabel yang termasuk
Lebih terperinciUKURAN NILAI SENTRAL&UKURAN PENYEBARAN. Tita Talitha, MT
UKURAN NILAI SENTRAL&UKURAN PENYEBARAN Tita Talitha, MT DISTRIBUSI FREKWENSI PENGERTIAN distribusi frekwensi adalah suatu tabel dimana banyaknya kejadian / frekwensi didistribusikan ke dalam kelas-kelas
Lebih terperinciSTATISTIKA DASAR ( FI 411 )
1 STATISTIKA DASAR ( FI 411 ) I DESKRIPSI Mata Kuliah ini merupakan mata kuliah wajib bagi mahasiswa Fisika dan Pendidikan fisika. Hasil yang diharapkan dari perkuliahan ini adalah mahasiswa menguasai
Lebih terperinciBAB I STATISTIK, DATA DAN PENYAJIANNYA
BAB I STATISTIK, DATA DAN PENYAJIANNYA A. Pengertian Statistik dan Statistika 1. Statistik (statistic) berasal dari kata state yang artinya Negara. Hal ini karena sejak dahulu kala statistik hanya digunakan
Lebih terperinciSTATISTIK SOSIAL. Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
MODUL PERKULIAHAN STATISTIK SOSIAL Pengumpulan, Pengolahan, Penyajian Data dan Distribusi Frekuensi Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh Ilmu Komunikasi HUMAS 02 85003 Abstract Statistik
Lebih terperinciMATERI STATISTIK. Genrawan Hoendarto
MATERI STATISTIK Distribusi Frekwensi Perhitungan Tendensi Pusat Penyimpangan atau Dispersi Teori Probabilitas Teori Distribusi Distribusi Sampling / Pengambilan Contoh Pengujian Hipotesis Regresi dan
Lebih terperinci