statistikka komputaaaasi bab 1
Post on 03-Oct-2015
225 Views
Preview:
DESCRIPTION
TRANSCRIPT
PowerPoint Presentation
LABORATORIUMLAPANGAN-DISKRIPTIF-SURVEI
-DISKRIPTIF-PERCOBAANILMU STATISTIKAHASIL YANGDIPEROLEHLEBIH BAIK/TIDAKPENELITIAN1Statistika : metode, ilmu dan seni dalam mengumpulkan data, menganalisa data, menginterpretasikan hasil dan untuk peramalanStatistika : ilmu pengetahuan murni dan terapan dalam penciptaan, pengembangan, penerapan dengan teknik-teknik tertentu dari ketidakpastian inferensia induktif untuk dievaluasiStatistika : pengetahuan dalam pengumpulan fakta, pengolahan/analisis yang kemudian membuat kesimpulan untuk mengambil suatu keputusan2PENYAJIAN DATA1.Data : kumpulan dari hasil pengamatan maupun percobaan
2.Data diskrit : data yang merupakan bilangan cacah atau nilai-nilai yang mungkin diambil tidak berada pada suatu skala kontinyu karena ada pemisah antara nilai-nilai tersebut.
Contoh : jumlah mahasiswa, jumlah buah apel dll.
33.Data kontinyu : data yang merupakan bilangan berkelanjutan atau data pada selang tertentu dapat mengambil sembarang nilai
Contoh : pH tahu, kadar protein tempe
4.Data kuantitatif : data yang diperoleh dengan cara mengukur dengan pasti45.Data kualitatif : data berdasarkan katagori
Peubah/Variabel : - Ciri yang menunjukkan keragaman Karakteristik suatu individu (obyek) yang dapat diamati dan berbeda dengan individu yang lain dalam suatu populasi atau sampel (contoh)
55Populasi : semua nilai yang mungkin, hasil menghitung atau pengukuran kuantitatif atau kualitatif dari karakteristik tertentu mengenai sekumpulan obyek yang lengkap dan jelas yang ingin diketahui sifat-sifatnya
Sampel : data yang diambil sebagian dari populasi untuk diketahui sifat-sifatnya dengan cara tertentu6UKURAN PEMUSATANParameter : besaran yang mencirikan populasi contoh : , , 2
Statistik : besaran yang mencirikan sampel _ contoh : x, s, s2
Rata-rata hitung/Rataan/Nilai tengah : _Sampel : x
Populasi :
771.Rata-rata hitung : n bilangan : x1, x2, x3 . xn
_ n x = ( Xi )/n i=1
Contoh : data kadar protein buah 8,1 %; 8,5 %; 9,2 %; 7,8 %; 8,4 %; 9,0 %; 8,2 %; 7,9 %; 7,5 %; 8,0 %8 _ n x = ( Xi)/n = 8,26 i=1
Median :Nilai pengamatan yang terletak ditengah-tengah bila data diurutkan dari terkecil sampai terbesar atau sebaliknya
Data tidak berkelompok :
X1 < X2 < X3 < Xn
9Data ganjil : Me = X(n+1) / 2Contoh :Data bobot badan (kg) 54 50 48 58 60 52 55 65
Data diurutkan dari terkecil ke terbesar sbb :48 48 50 52 54 55 58 60 65Me = X5 = 5410Data genap : Me = X(n/2) + X(n/2+1) / 2
Data produksi padi (ton) :
12 6 10 8 11 8 7 6 9
Data diurutkan dari terkecil ke terbesar sbb :
6 7 8 8 8 9 10 11 12
Me = (X5 + X6) / 2 = ( 8 + 8 ) / 2 = 811Modus :Nilai pengamatan dengan frekuensi lebih besar dari satu atau terjadinya lebih dari satu kali bila data disusun berurutan dari terkecil ke terbesar
Contoh : data nilai biologi mahasiswa 65 70 82 70 65 70 80 72 85Mo = 7012Simpangan baku : n bilangan : x1, x2, x3 . xn
n _ s = { ( Xi - X) 2 / (n-1) } i = 1,2,3 .n i=1
n n s = { ( Xi2 - ( Xi ) 2 / n} / (n-1) i = 1,2,3 .n i=1 i=1
n n s = [{ ( n Xi2 - ( Xi ) 2 } / n(n-1) i = 1,2,3 .n i=1 i=113Contoh : data produksi padi (ton) :
8,2 7,5 7,0 8,0 9,2 9,0 10 9,5 8,5 8,0
_ n x = ( Xi )/n = 84,9 / 10 = 8,49 i=1
n _ s = { ( Xi - X) 2 / (n-1) } = (7,83) / (10-1) = 0,93 i=1
14Ragam atau variasiRagam suatu pengamatan adalah kuadrat dari simpangan bakuPopulasi tak terbatas : 2
Populasi terbatas : S 2 n _ s 2 = { ( Xi - X) 2 / (n-1) } i = 1,2,3 .n i=1 n n s 2 = { ( Xi2 - ( Xi ) 2 / n} / (n-1) i = 1,2,3 .n i=1 i=1 n n s 2 = [{ ( n Xi2 - ( Xi ) 2 } / n(n-1) i = 1,2,3 .n i=1 i=115Contoh: data protein buah :
n ns 2 = { ( Xi2 - ( Xi ) 2 / n} / (n-1) i=1 i=1
= { 728,63 (84,9) 2 / 10 } / (10-1) = 0,87
16Koefisien Keragaman :-Keragaman relatif-Tidak tergantung pada satuan pengukuran _ KK = (s / x ) x 100 %
Contoh : Pengamatan kandungan protein buah KK = (0,93 / 8,49) x 100 % = 10,99 17Galat Baku :
Galat baku merupakan simpangan baku nilai tengah sampel Populasi : galat baku 2_ = 2 / n y
_ = / n y
Sampel : S2_ = S2 / n y
S_ = S / n y18DISTRIBUSI FREKUENSI1. MENENTUKAN RENTANG : DATA PALING BESAR DIKURANGI DATA PALING KECIL
2. MENENTUKAN BANYAKNYA KELAS INTERVAL UMUMNYA 5-20 TERGANTUNG DATANYA ATURAN STURGES : Banyaknya kelas : 1 + 3,3 log (n) n = banyaknya data
193. MENENTUKAN PANJANG KELAS INTERVAL = p p = rentang / ( banyaknya kelas)
Distribusi frekuensi relatif : Frekuensi kelas dibagi total frekuensi semua kelas dinyatakan dalam persentase
Distribusi frekuensi kumulatif : Total frekuensi semua nilai yang lebih kecil dari batas kelas atas suatu selang kelas tertentu 20Contoh : Berat badan Bobot badan (kg)Frekuensi (fi)Frekuensi relatif (%)Frekuensi kumulatif30 34510535 - 399181440 - 4418363245 - 4912244450 - 5461250TOTAL501002122Bobot badan (kg)Frekuensi (fi)XifiXifiXi230 34532160512035 399373331232140 4418427563175245 4912475642650850 546523121622423 1.Rata-rata hitung :
Data berkelompok :
_ n n x = ( fiXi) / fi = (2125)/50 = 42,5 i=1 i=1
Keterangan :fi = frekuensi pada kelas ke iXi = nilai tengah kelas pada kelas ke in = banyaknya kelas
24Median :Data berkelompok : Me = b + { (0.5 fT fsm) / fm } p
Keterangan :b = batas kelas terendah pada kelas di mana terletak median (kelas median) yaitu pada frekuensi kumulatif ke nfT = frekuensi totalfsm = total frekuensi sebelum kelas yang mengandung medianfm = frekuensi pada kelas yang mengandung medianp = lebar kelas25Contoh : data berkelompokMe = 40 + { (25 14) / 18 } 5 = 40,31
26Modus :Data berkelompok : Mo = b + { a / (a+c) } pKeterangan :b = batas kelas terendah pada kelas dengan frekuensi terbesara = selisih frekuensi tertinggi dengan frekuensi kelas sebelumnya
27c = selisih frekuensi tertinggi dengan frekuensi kelas sesudahnyap = lebar kelas
Contoh pada data berkolompok
Mo = 40 + { 9 / (9+6) } 5 = 43
28Simpangan baku :
Data berkelompok :
n n s = { ( fiXi2 - ( fiXi ) 2 / n} / (n-1) i=1 i=1 s = [{91925 (2125) 2 / 50 } / (50-1)} = 5,74 29Ragam atau variasiRagam suatu pengamatan adalah kuadrat dari simpangan baku
Data berkelompok :
n ns 2 = { ( fiXi2 - ( fiXi ) 2 / n} / (n-1) i=1 i=1
= { 91925 (2125) 2 / 50} / (50-1)
= 32,9130
top related