bab 3. ukuran-ukuran numerik statistik deskriptif
TRANSCRIPT
Ukuran-Ukuran Numerik Statistik Deskriptif
BAB 3
PEMBAHASAN• Ukuran Tendensi sentral (Ukuran Pemusatan)
– Mean, median, modus, geometris Mean, midrange• Kuartil• Mengukur variasi
– Range, kisaran interkuartil, varians dan standar deviasi, koefisien variasi
• Bentuk
– Simetris, miring, menggunakan box danwhisker plots
• Koefisien korelasi • Kesalahan dalam mengukur deskriptif
numerik dan pertimbangan etis
Mengukur Ringkasan
Tendensi sentral
MeanMedian
Modus
Kuartil
Mean Geometris
Mengukur Ringkasan
Variasi
Variance (varians)
Standar Deviasi
Koefisien variasi
Range (Jarak)
Ukuran Tendensi Sentral(Ukuran Pemusatan)
Tendensi sentral
Average Median Modus
Mean Geometris1
1
n
ii
N
ii
XX
n
X
N
1/
12n
Gn XXXX
Tendensi sentral adalah cara untuk mencari nilai tengah dari satu gugus data, yang telah diurutkan dari nilai yang terkecil sampai yang terbesar atau sebaliknya, dari yang terbesar sampai yang terkecil.
-> Arithmetic mean (rata-rata hitung) - jumlah seluruh nilai dibagi jumlah data dalam observasi.-> Median - nilai tengah yang memisahkan data yang tinggi dan yang rendah.-> Mode - nilai yang paling sering muncul dalam observasi.-> Geometric mean - akar pangkat n dari hasil perkalian setiap pengamatan.-> Harmonic mean - rata-rata hitung untuk data yang memiliki rasio yang berbeda.-> Weighted mean - rata-rata hitung yang memberikan bobot tertentu pada data tertentu.-> Truncated mean - rata-rata hitung setelah beberapa proporsi data yang paling tinggi dan paling rendah dibuang. -> Midrange - rata-rata hitung dari nilai maksimum dan nilai minimum dari gugus data. -> Midhinge - rata-rata hitung dari dua kuartil.-> Trimean - rata-rata hitung dari median dan dua kuartil.-> Winsorized mean - rata-rata hitung dimana nilai yang paling extrim diganti oleh nilai yang dekat dengan median.
Tendensi Sentral(Ukuran Pemusatan)
Rata-Rata Hitung (Aritmatika Mean)• Rata-rata hitung (Mean aritmetik) ini adalah pengukuran nilai
sentral yang paling umum digunakan. Dalam keseharian kita biasanya mengenal hanya dengan istilah rata-rata.
• Rata-rata = jumlah nilai dibagi dengan jumlah nilai Dipengaruhi oleh nilai-nilai ekstrim (outlier)
• Mean (aritmatika mean) dari nilai data– Mean Sampel
– Mean Populasi
1 1 2
n
ii n
XX X XX
n n
1 1 2
N
ii N
XX X X
N N
Ukuran Sampel
Ukuran Populasi
MEAN (Aritmatika Mean)
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 12 14
Mean = 5 Mean = 6
(lanjutan)
• Ukuran yang paling umum dari tendensi sentral • Dipengaruhi oleh nilai-nilai ekstrim (outlier)
MEDIAN
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 12 14
Median = 5 Median = 5
• Median merupakan ukuran yang kuat (robust) dari nilai sentral. Hal ini dikarenakan nilai median tidak dipengaruhi oleh nilai ekstrim.
• Dalam sebuah array memerintahkan, median adalah nomor
"tengah"– Jika n atau N adalah ganjil, median adalah jumlah menengah– Jika n atau N adalah genap, median adalah rata-rata dari dua angka tengah
*Misalnya kita punya kumpulan data berikut: 5 7 10 13 20 22. Banyaknya data adalah 6, dengan demikian median terletak pada urutan ke (n+1)/2 = (6+1)/2 = 3,5. Ini berarti median terletak ditengah data urutan ketiga (10) dan keempat (13). Dengan demikian, nilai mediannya adalah (10+13)/2 = 11,5.
Me = (n+1)/2
MODE (MODUS)• Sebuah ukuran tendensi
sentral• Nilai yang paling sering terjadi• Tidak terpengaruh oleh nilai-
nilai ekstrim
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Modus = 9
0 1 2 3 4 5 6
Tidak ada Modus
• Digunakan baik untuk data angka atau kategoris
• Mungkin tidak ada modus• Mungkin ada beberapa
modus
Mo =LMo+[d1/(d1+d2)]i
GEOMETRIS MEAN
• Berguna dalam ukuran laju perubahan variabel dari waktu ke waktu
• Tingkat rata-rata geometris pengembalian – Mengukur status investasi dari waktu
ke waktu
1/1 2
nG nX X X X
1/1 21 1 1 1
nG nR R R R
CONTOH:Investasi sebesar $ 100.000 turun
menjadi $ 50.000 pada akhir tahun pertama dan mengalami rebound (kembali pulih) $ 100.000 di akhir tahun dua:1 2 3$100,000 $50,000 $100,000X X X
1/ 2
1/ 2 1/ 2
Average rate of return: ( 50%) (100%) 25%
2Geometric rate of return:
1 50% 1 100% 1
0.50 2 1 1 1 0%
G
X
R
KUARTIL• Memisahkan perintah data menjadi 4 kuartal
• Posisi ke-i Kuartil
• dan Apakah Ukuran bukan pusat lokasi• = Median, A Ukur Tendensi Sentral
25% 25% 25% 25%
1Q 2Q 3Q
Memerintahkan Data di Array : 11 12 13 16 16 17 18 21 22
1 1
1 9 1 12 13Position of 2.5 12.5
4 2Q Q
1Q 3Q
2Q
14i
i nQ
UKURAN VARIASIVariasi
Varians Standar Deviasi Koefisien variasi
Varians Populasi
Varians Sampel
Populasi Standar Deviasi
Sampel Standar Deviasi
Range
Jarak interkuartil
Pusat yang sama, variasi yang berbeda
Langkah-langkah variasi memberikan informasi tentang penyebaran atau variabilitas nilai data.
RANGE (Jangkauan Data)
• Merupakan pengukuran yang paling sederhana untuk dispersi data.
• Perbedaan antara terbesar dan pengamatan terkecil: Rumus ;
• Mengabaikan cara di mana data yang didistribusikan
7 8 9 10 11 12
Range = 12 - 7 = 5
7 8 9 10 11 12
Range = 12 - 7 = 5
Range = nilai maksimum – nilai minimum
Jangkauan Antar Kuartil
Merupakan selisih antara q1 dan q3 yang merupakan titik tengah dari seluruh distribusi
• Dikenal juga sebagai tengah-tersebar– Tersebar di tengah-tengah 50%
• Perbedaan antara kuartil pertama dan ketiga
• Tidak terpengaruh oleh nilai-nilai ekstrim
Memerintahkan Data di Array : 11 12 13 16 16 17 17 18 21
3 1Interquartile Range 17.5 12.5 5Q Q
Variance (Varians)• Varians adalah suatu ukuran penyebaran data, yang diukur
dalam pangkat dua dari selisih data terhadap rata-ratanya.• Menunjukkan variasi terhadap mean
– Varians sampel : Dimana
= Aritmatika berarti n = ukuran sampel X i = i th nilai variabel X
– Varians Populasi :
2
2 1
1
n
ii
X XS
n
2
2 1
N
ii
X
N
X
Standar Deviasi• Paling umum digunakan dalam mengukur variasi• Standar deviasi merupakan akar dari varians (ingat, karena pada
varians kita mengkuadratkan selisih data dari rata-ratanya, maka dengan mengakarkannya, kita mendapatkan kembali nilai asalnya).
• Menunjukkan variasi terhadap mean• Memiliki satuan yang sama dengan data asli
– Standar deviasi Sampel :
– Standar deviasi Populasi :
2
1
1
n
ii
X XS
n
2
1
N
ii
X
N
Membandingkan Standar Deviasi
Mean = 15.5 s = 3.338
11 12 13 14 15 16 17 18 19 20 21
11 12 13 14 15 16 17 18 19 20 21
Data B
Data A
Mean = 15.5
s = .9258
11 12 13 14 15 16 17 18 19 20 21
Mean = 15.5
s = 4.57
Data C
Koefisien Variasi
• Langkah-langkah yang relatif variasi • Selalu dalam persentase (%) • Menunjukkan variasi relatif Mean • Digunakan untuk membandingkan dua atau lebih
set data diukur dalam satuan yang berbeda
100%SCVX
Membandingkan Koefisien Variasi• Saham A:
– Harga rata-rata tahun lalu = $ 50– Standar deviasi = $ 5
• Saham B:
– Harga rata-rata tahun lalu = $ 100
– Standar deviasi = $ 5
• Koefisien variasi:
– Saham A:
– Saham B:
$5100% 100% 10%$50
SCVX
$5100% 100% 5%$100
SCVX
• Menggambarkan bagaimana data didistribusikan• Ukuran bentuk
– Simetris atau miring
Mean = Median =Mode Mode < Median < MeanKanan-MiringKiri-Miring Simetris
Mean < Median < Mode
Bentuk dari Distribusi
Analisis Data Eksplorasi
• Box dan whisker plots– Tampilan grafis dari data menggunakan
Ringkasan 5-nomor
Median( )
4 6 8 10 12
X terbesarX terkecil 1Q 3Q2Q
Bentuk Distribusi dan Box dan Whisker Plots
Kanan-MiringKiri-Miring Simetris
1Q 1Q 1Q2Q 2Q 2Q3Q 3Q3Q
Koefisien Korelasi
Mengukur kekuatan hubungan linear antara dua variabel kuantitatif
1
2 2
1 1
n
i ii
n n
i ii i
X X Y Yr
X X Y Y
Fitur dari Koefisien korelasi
• Unit bebas • Berkisar antara - 1 dan 1• Semakin dekat ke - 1,
semakin kuat hubungan linear negatif
• Semakin dekat ke 1, semakin kuat hubungan linear positif
• Semakin dekat ke 0, lemah hubungan linear positif
Scatter Plots dari Data denganBerbagai Koefisien Korelasi
Y
X
Y
X
Y
X
Y
X
Y
X
r = -1 r = -.6 r = 0
r = .6 r = 1
Kesalahan Tindakan Deskriptif Numerik
• Analisis data adalah objektif– Harus melaporkan tindakan ringkasan yang
terbaik memenuhi asumsi tentang kumpulan data
• Interpretasi data adalah subjektif
– Harus dilakukan dengan cara yang adil,netral dan jelas
Pertimbangan secara Etis
Tindakan deskriptif numerik:
• Harus mendokumentasikan baik hasil yang baik dan buruk
• Harus disajikan dengan cara yang adil, obyektif dan netral
• Sebaiknya tidak menggunakan langkah-langkah Ringkasan Etis untuk mendistorsi fakta-fakta
Ringkasan Pembahasan
• Langkah-langkah yang dijelaskan tendensi sentral
– Mean, median, modus, geometris Mean, midrange
• Membahas tentang kuartil
• Menggambarkan ukuran variasi– Range, kisaran interkuartil, varians dan standar deviasi, koefisien variasi
• Memberikan penjelasan bentuk distribusi
• Simetris, miring, box dan whisker plots• Membahas Koefisien korelasi• Menunjukan perangkap dalam langkah-langkah deskriptif
numerik dan pertimbangan secara etis