Catatan Kuliah. Analisis Data. Orang Cerdas Belajar Statistika. disusun oleh. Khreshna I.A. Syuhada, MSc. PhD.

Transkripsi

1 Catatan Kuliah Analisis Data Orang Cerdas Belajar Statistika disusun oleh Khreshna I.A. Syuhada, MSc. PhD. Kelompok Keilmuan STATISTIKA - FMIPA Institut Teknologi Bandung 2013

2 Tentang Analisis Data A. Jadwal kuliah (total 40 jam): Senin, selesai Rabu, selesai B. Silabus: Statistika deskriptif Peluang Distribusi diskrit dan kontinu C. Buku teks: Ronald Walpole, Raymond Myers, Sharon Myers, Keying Ye, 2007, Probability and Statistics for Engineers and Scienctists. D. Penilaian: 1. Ujian 1 (30%) - Rabu, PR/Kuis (10%) 3. Praktikum (10%) D. Matriks kegiatan perkuliahan: Table 1: Matriks perkuliahan Analisis Data. Minggu- Materi Keterangan 1 Pengantar Penjelasan kuliah, motivasi (Kaprodi) 2 Statistika deskriptif 4 jam 3-4 Statistika deskriptif (lanjutan) 6+4 jam 5 Peluang 6+4 jam 6 Distribusi diskrit dan kontinu 6+4 jam 7 Kilas balik (review) 6 jam 7 Ujian Tengah Semester Rabu, Analisis Data i K. Syuhada, PhD.

3 Daftar Isi 1 Statistika Deskriptif Data, Jenis Data, Memahami Data Ukuran Pusat/Lokasi dan Penyebaran Mengamati Observasi Luar Data Kelompok Memahami Grafik ii

4 BAB 1 Statistika Deskriptif Silabus: Jenis data, ukuran pusat/lokasi, ukuran penyebaran, koefisien variasi, observasi luar, data kelompok, distribusi frekuensi, grafik Statistika adalah ilmu yang digunakan untuk mengumpulkan, mengorganisasi, melakukan inferensi dan menafsirkan data. Secara singkat, statistika adalah ilmu/pekerjaan untuk meyimpulkan tentang suatu fenomena pada populasi menggunakan sampel. Kajian awal dan utama dalam analisis data adalah statistika deskriptif. Kita dapat menghitung berbagai statistik dan membuat grafik serta memberikan interpretasi. Kesimpulan yang diberikan dalam statistika deskriptif bersifat subyektif; walau demikian, kesimpulan yang salah akan terlihat. Tujuan yang ingin dicapai dalam memahami statistika deskriptif, secara detil, adalah 1. membedakan jenis data dan memahami data 2. menghitung dan memaknai ukuran lokasi/pusat 3. membedakan variansi dan koefisien variasi 4. mengamati observasi luar 5. memahami data kelompok 6. menentukan distribusi frekuensi 7. membuat dan menafsirkan grafik 1

5 1.1 Data, Jenis Data, Memahami Data Data adalah hasil observasi tunggal (datum) yang didapat baik secara langsung (observasi/survey, praktikum) ataupun tidak langsung (buku, koran, internet). Data merupakan sumber utama analisis data. Pengumpulan, pengorganisasian dan pengolahan data merupakan pekerjaan statistika yang menuntut kerapian dan detil. Dalam praktiknya, data yang kita kumpulkan dapat dikelompokkan menjadi data kategorik atau data numerik. Hal ini merujuk pada sifat data yang memiliki label (kategorik) atau memiliki nilai (numerik). Data dapat pula dibedakan menjadi jenis data berikut: nominal (jenis kelamin, golongan darah) ordinal (tingkat kecemasan, tingkat nyeri) rasio/interval (denyut nadi, tekanan darah, nilai ujian) Latihan: Perhatikan kalimat-kalimat berikut. Tentukan jenis datanya (nominal, ordinal, rasio/interval). (a) dr. KS, SpD. mengatakan bahwa penyakit Noor sudah kronis, bukan akut (b) Wanda dan Windi berdebat tentang harga mobil yang kiranya layak untuk mobil yang hendak mereka beli (c) Apakah anda lahir pada bulan September? Diskusi: Perhatikan data jarak tempuh (dalam meter) ke sekolah dari beberapa siswa di suatu daerah. Table 1.1: Data jarak tempuh ke sekolah dari beberapa siswa. Siswa- Jarak Siswa- Jarak Siswa- Jarak Siswa- Jarak Analisis Data 2 K. Syuhada, PhD.

6 Apakah analisis data rasio/interval akan lebih kaya dibandingkan dengan data nominal/ordinal? Apa yang bisa kita katakan tentang data tersebut? Dapatkah data numerik diubah menjadi data kategorik? Diskusi: Data peserta ujian di beberapa sekolah di suatu kecamatan tercatat dalam diagram batang dan daun sebagai berikut. Untuk membaca data, kita perhatikan kolom disebelah kiri garis yang menyatakan angka puluhan dan angka-angka disebelah kanan garis yang menyatakan angka satuan. Sebagai contoh, 3 5 berarti jumlah peserta ujian di sekolahg tertentu adalah 35 orang Apakah data dalam bentuk diagram batang dan daun cukup informatif? Dapatkah data numerik tersebut diubah menjadi data kategorik? 1.2 Ukuran Pusat/Lokasi dan Penyebaran Setelah data dikumpulkan dan diorganisasikan, kita dapat memberikan tafsiran sederhana melalui ukuran atau statistik. Beberapa ukuran yang dikenal antara lain mean dan variansi/deviasi standar yang menyatakan nilai tengah dan simpangan data. Ukuran atau statistik yang melekat pada data dapat dibagi menjadi Ukuran pusat/lokasi: mean (aritmetik), median, modus Ukuran penyebaran: jangkauan, variansi/deviasi standar, kuartil Misalkan data sampel adalah x 1, x 2,..., x n, dimana x i menyatakan titik sampel ke-i. Mean (aritmetik) didefinisikan sebagai x = n x i i=1 n. Analisis Data 3 K. Syuhada, PhD.

7 Sifat-sifat mean (a) Untuk suatu konstanta k, n k x i = i=1 (b) Jika y i = x i + k maka ȳ = x + k. Buktikan! (c) Jika y i = k x i maka ȳ =. Median atau median sampel seringkali dikatakan sebagai nilai tengah. Dengan demikian, menghitung median haruslah dilakukan pada data yang sudah diurutkan. Definisi median adalah (a) Observasi ke-((n + 1)/2), (n ganjil), atau (b) Nilai tengah dari observasi ke-(n/2) dan ke-((n/2) + 1), (n genap) Diskusi: Bagaimana (perbandingan) nilai mean dan median untuk data yang (i) simetrik, (ii) menceng ke kanan, (iii) menceng ke kiri? Modus atau Mode adalah ukuran pusat yang menyatakan nilai observasi yang paling sering muncul. Menentukan modus dapat dilakukan pada data tanpa diurutkan (meskipun lebih mudah apabila diurutkan lebih dahulu). Latihan: 1. Tentukan ukuran lokasi/pusat dari contoh data diatas 2. Diketahui suatu data tentang jumlah saudara (kandung, angkat, tiri) dari 20 orang siswa sekolah menengah. Apabila setiap titik data ditambah tiga maka nilai mean dan jangkauan menjadi... Ukuran penyebaran menyatakan seberapa jauh data menyebar dari mean. Misalkan kita memiliki dua data sampel. Kedua sampel memiliki mean yang sama, namun mungkin saja memiliki penyebaran data yang berbeda. Beberapa ukuran penyebaran yang dikenal antara lain: 1. Jangkauan (Range): R = x maks x min 2. Variansi atau variansi sampel: s 2 = n (x i x) 2 i=1 n 1 Analisis Data 4 K. Syuhada, PhD.

8 Catatan: Deviasi standar atau simpangan baku adalah akar kuadrat dari variansi. 3. Kuartil: Umumnya kita kenal kuartil pertama dan ketiga, dinotasikan dengan K 1 dan K 3. Apa yang dapat kita katakan tentang kuartil kedua atau K 2? 4. Kuantil atau persentil:... Sifat-sifat variansi: Diketahui data sampel x 1,..., x n memiliki variansi s 2 x. Jika data sampel (a) y i = x i + k, (b) y i = k x i, untuk suatu konstanta k, maka s 2 y =... Variansi versus Koefisien Variasi: Kita dapat menghitung suatu ukuran yang mengaitkan ukuran penyebaran (deviasi standar) dengan ukuran lokasi (mean), yaitu koefisien variasi (coefficient of variation atau CV): CV = 100% (s/ x) yang tidak dipengaruhi unit ukuran yang dipakai. CV bermanfaat untuk membandingkan variabilitas beberapa sampel yang berbeda relatif terhadap nilai mean-nya. Dapat pula kita membanding CV dari beberapa variabel. Latihan: Data pada tabel berikut menyatakan berbagai faktor yang mempengaruhi masalah pada sistem jantung dan peredaran darah anak. Tentukan CV dan berikan interpretasinya. Table 1.2: Faktor risiko kardiovaskular pada anak. n mean s CV(%) Tinggi (cm) Berat (kg) Tekanan darah (mm Hg) Kolesterol (mg/dl) Analisis Data 5 K. Syuhada, PhD.

9 1.3 Mengamati Observasi Luar Observasi luar atau pencilan atau outlier adalah nilai/observasi yang menyimpang dari nilai-nilai/observasi yang lain. Observasi luar dapat ditentukan/dihitung dengan melihat apakah ada nilai/observasi yang LEBIH BESAR dari K (K 3 K 1 ) atau LEBIH KECIL dari K (K 3 K 1 ), dengan K 1 dan K 3 adalah kuartil pertama dan ketiga seperti telah dijelaskan sebelumnya. Dalam praktiknya, observasi luar dapat menyatakan sesuatu yang baik/jelek. Misalnya, seseorang dengan tingkat kecerdasan (IQ) yang sangat tinggi (jauh diatas rata-rata alias observasi luar) adalah baik. Seringkali observasi luar diabaikan dalam analisis data meskipun sesungguhnya cara ini tidaklah tepat. Mendeteksi observasi luar adalah sesuatu yang sangat menantang dalam statistika. Diskusi: Sekelompok observasi x 1,..., x n memiliki observasi luar x j untuk suatu j. Dapatkah kita membandingkan mean dengan dan tanpa observasi luar? Mungkinkah terdapat lebih dari satu observasi luar? 1.4 Data Kelompok Pandang data sampel dengan 275 observasi. Ukuran sampel tersebut terlalu besar sehingga menampilkan data apa adanya menjadi tidak efisien. Dengan demikian, data sampel dapat dikelompokkan. Pengelompokan ini dapat pula terjadi (harus dilakukan) karena tingkat keakuratan data yang diambil tidak dapat diperoleh dengan baik. Pengelompokan data memberikan masalah: Berapa banyak kelompok atau interval kelas (class intervals) yang ingin kita buat? Berapa lebar interval (interval width)? Salah satu formula yang bisa kita pakai adalah Formula Sturges, dimana banyaknya interval kelas adalah k = 1 + (3.322 log 10 n), dimana n adalah besar sampel. Lebar intervalnya: w = R/k, Analisis Data 6 K. Syuhada, PhD.

10 dengan R adalah jangkauan. Untuk contoh data sampel dengan 275 observasi, kita peroleh: k 8, w = (63 18)/8 = Dengan demikian, lebar kelas interval adalah 5 atau 10. Diketahui obervasi terkecil dan terbesar, berturut-turut, adalah 18 dan 63. Jadi, kelas interval yang bisa dibuat adalah: Memahami Grafik Tampilan visual (baca: grafik) dari data merupakan salah satu cara untuk memahami dan menginterpretasi data. Grafik bersifat menarik, memudahkan dalam membentuk pola, dan prediktif. Beberapa tampilan visualn untuk data adalah diagram pencar (scatter diagram), diagram bar/batang (bar chart), diagram batang dan daun (stem-and-leaf plot), histogram, box-plot. Diagram pencar merupakan bentuk grafik yang sederhana namun cukup informatif. Diagram ini berupa titik-titik yang menggambarkan nilai observasi. Pola atau kecenderungan data dapat dilihat dengan melihat grafik ini. Diagram batang dan daun memiliki ke-khas-an berupa tampilan nilai utama/pertama (batang) dan nilai satuan/kedua (daun). Diagram ini membantu kita untuk menghitung kuantil/persentil data dengan mudah. Analisis Data 7 K. Syuhada, PhD.