pengukuran statistik deskriptif ukuran pusat, ukuran...
TRANSCRIPT
Departemen Biostatistik FKM-UI, 2012
Pengukuran Statistik DeskriptifUKURAN PUSAT, UKURAN VARIASI
DAN UKURAN POSISI
Besral:
Departemen Biostatistik dan Kependudukan
Fakultas Kesehatan Masyarakat
Universitas Indonesia, 2012
Departemen Biostatistik FKM-UI, 2012
SAP Statistika 1-minggu 3
3 Membekali mahasiswaagar lebih paham danmenguasai teori terkait: menghitung ukuranpusat
Ukuran GejalaPusat (grouped dan ungrouped data)
Rata-rata hitung; Median (decil,
persentil dan kuartil);
Modus; Rata-rata ukur; Rata-rata
tertimbang; Rata-rata
pertumbuhan;.
2 sks x 50 menit
1, 2, 3, 4
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
Statistik Deskriptif Memotret / mendeskripsikan data
Data yg diperoleh dikelola
Mengurutkan dan atau mengelompokkan data
Mentransformasi data menjadi indikator yg diperlukan
Menyajikan data dalam bentuk teks, tabel, grafik, supaya mudah dianalisis
Ferdiana Yunita-UniversitasGunadarma
Departemen Biostatistik FKM-UI, 2012
Pengukuran Statistik1. Ukuran Sentral/Pusat:
a. Mean atau Arithmetic Mean/b. rata-rata hitungc. Mediand. Modus
2. Ukuran Variasi:a. Range (min-max)b. Mean Deviasic. Standar deviasid. Coefisien Variasi (COV)
3. Ukuran Posisi:a. Median b. Kuartil, Desil, Persentil
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
1.a Mean atau Arithmetic Mean
Mean paling sering digunakan untuk menggambarkanukuran pemusatan data
Rumus:
Contoh: Lama belajar 10 mahasiswa (jam)
Data: 2, 3, 4, 2, 3, 5, 3, 6, ,3, 4
Nilai Mean=(2+3+4+2+3+5+3+6+3+4)/10=3.5 jam
Sifat nilai Mean
Proses perhitungannya melibatkan semua data
Sangat sensitif terhadap nilai ekstrim (kecil atau besar)
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
Nilai Mean=(2+3+4+2+3+5+3+31+3+4)/10=6.0 jam
31
3.5
6.0
n
x
= x
n
i
i1
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
1. a Mean/Arithmetic Mean
Bila terhadap seluruh data ditambah dengan konstantac yaitu yi=xi+c, i=1,2…..n maka mean y=mean x + c
Contoh:Lama belajar mahasiswa ekonomi (jam/hari)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 jam
Masing-masing ditambah dengan angka 2
Data: 4, 5, 6, 4, 5, 7, 5, 8, 5, 6 dan Mean 5.3 atau (3.5+2) jam
Bila terhadap seluruh data dikalikan dengan konstantac yaitu yi=cxi i=1,2…..n maka mean y=(mean x)(c)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4 dan Mean 3.5 jam
Masing-masing dikali dengan angka 2
Data: 4, 6, 8, 4, 6, 10, 6, 12, 6, 8 dan Mean 7 atau (3.5x2) jam
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
1. b Median(Med)
Median membagi data menjadi dua bagian yaitu50% data berada di bawah nilai median dan 50% data berada di atas nilai median
Proses perhitungannya
1. Mengurutkan data dari terkecil ke terbesar
2. Menentukan posisi median yaitu (n+1)/2
3. Nilai median adalah nilai pada posisi median
Contoh:Lama belajar mahasiswa (jam)
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4
Di urutkan menjadi: 2,2,3,3,3, 3,4,4,5,6
Posisi median (10+1)/2=5.5
Nilai median adalah (3+3)/2= 3 jam
Posisi median
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
Median(jika ada nilai ekstrim)
Tidak terpengauh oleh nilai ekstrim (kecil atau besar)
Contoh:Lama belajar 10 mahasiswaMean=(2+3+4+2+3+5+3+6+3+4)/103.5
Median
Data: 2, 3, 4, 2, 3, 5, 3, 31 , 3, 4
Diurut: 2 2 3 3 3 3 4 4 5 31
Posisi Median: di urutan 5,5
Nilai Median: (3+3)/2 = 3.0 jam
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
1. c Modus (Mode)
Secara kuantitatif nilai yang paling banyak munculatau frekuensi paling besar atau nilai pada posisipuncak suatu kurva/grafik histogram
Proses perhitungannya
Mengurutkan data dari terkecil ke terbesar(mempermudah)
Satu modus (unimodal), dua modus (bimodal), dst
Tidak ada modus
Contoh:
Data: 2, 3, 4, 2, 3, 5, 3, 6, 3, 4, Mod=3
Data: 2, 3, 4, 2, 3, 5, 3, 2, 3, 2, Mod=2 dan 3
Data: 2, 3, 4, 5, 6, 7, 8, 9, Tidak ada Modus Ferdiana Yunita-Universitas
Gunadarma
Departemen Biostatistik FKM-UI, 2012
Kelebihan dan Kekurangan Mean, Median dan Modus
Mean
Kelebihan Kekurangan
Mempertimbangkan semua nilai Sensitif /peka terhadap nilai ekstrim
Dapat menggambarkan mean populasi Kurang baik untuk data heterogen
Cocok untuk data homogen
Median
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data heterogen /homogen Kurang dapat menggambarkan mean pop
Modus
Tidak sensitif /peka terhadap nilai ekstrim Tidak mempertimbangkan semua nilai
Cocok untuk data homogen/heterogen Kurang menggambarkan mean populasi
Modus bisa lebih dari satu atau tidak adaFerdiana Yunita-Universitas
Gunadarma
Departemen Biostatistik FKM-UI, 2012
2. Ukuran Letak/Posisi Data
a. Median (membagi 2)
b. Kuartil (membagi 4)
c. Desil (membagi 10)
d. Persentil (membagi 100)
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2. Ukuran Letak/Posisi Data
K1 K2 K3
Median
D1 D9
P10 P90P25 P75
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2. b. KUARTIL Kuartil membagi data menjadi 4 (empat) bagian yang sama K1 (25%), K2 (50%) dan K3 (75%) Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama
dengan nilai K1. Posisi kuartil Ki= i (n+1)/4, i=1,2,3 n= jml pengamatan Nilai kuartil (berada pd 1 titik) Nilai pada posisi tsb
Contoh Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12
Posisi K1 adalah 1x (15+1)/4= 4 ada di posisi ke-4 Nilai K1=5
Posisi K2 adalah 2x (15+1)/4=8 ada di posisi ke-8 Nilai K2=6
Posisi K3 adalah 3x (15+1)/4=12 ada di posisi ke-12 Nilai K3=9
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2. b. KUARTIL
Kuartil membagi data menjadi 4 (empat) bagian yang sama K1 (25%), K2 (50%) dan K3 (75%) Kuartil 1 disimbol K1 merupakan 25% data ada di bawah atau sama
dengan nilai K1. Posisi kuartil Ki= i (n+1)/4 (i=1,2,3) (n= jml pengamatan)
Nilai kuartil (posisi median berada antara 2 titik)
Contoh Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Posisi K1 adalah 1x (14+1)/4=3.75 ada diantara posisi 3 dan 4 Nilai K1 = (4 + 5) / 2 =4. 5
Posisi K2 adalah 2x (14+1)/4=7.5 ada diantara posisi 7 dan 8 Nilai K2 = (6 + 6) / 2 = 6
Posisi K3 adalah 3x (14+1)/4=11.25 ada diantara posisi 11 dan 12 Nilai K3 = (8 + 9) / 2 = 8.5
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2.c DESIL
Desil membagi data menjadi 10 (sepuluh) bagian yang sama D1, D2, ……. , D9 Posisi Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Posisi D1 adalah 1 x (14+1)/10=1.5 ada diantara posisi 1 dan 2 Nilai D1=2 + 0.5 (3-2)=2.5
Posisi D5 adalah 5 x (14+1)/10=7.5 ada diantara posisi 7 dan 8 Nilai D2=6 + 0.5 (6-6)=6
Posisi D7 adalah 7 x (14+1)/10=10.5 ada diantara posisi 10 dan 11 Nilai D7=8 + 0.5 (8-8)=8
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2.c DESIL
Desil membagi data menjadi 10 (sepuluh) bagian yang sama D1, D2, ……. , D9 Posisi Di= i (n+1)/10, i=1,2,3,4,5,6,7,8,9
Nilai desil (jika posisi desil berada antara 2 titik)
Di= x1 + [ posisi,?? (x2-x1) ]?? = desimal Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 12 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11 12
Posisi D1 adalah 1 x (15+1)/10=1.6 ada diantara posisi 1 dan 2 Nilai D1=2 + 0.6 (3-2)=2.6
Posisi D5 adalah 5 x (15+1)/10=8 ada di posisi 8 Nilai D5=6
Posisi D7 adalah 7 x (15+1)/10=11.2 ada diantara posisi 11 dan 12 Nilai D7=8 + 0.2 (9-8)=8.2
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
2.d PERSENTIL
Persentil membagi data menjadi 100 (seratus) bagian yang sama P1, P2, ……. , P99 Pi= i (n+1)/100, i=1,2, ………, 99 Contoh
Data: 3 2 4 5 6 6 5 7 8 8 6 10 11 9 Urutkan: 2 3 4 5 5 6 6 6 7 8 8 9 10 11
Posisi P50 adalah 50 x (14+1)/100=7.5 ada diantara posisi 7 dan 8 Nilai P50=6 + 0.5 (6-6)=6
Posisi P75 adalah 75 x (14+1)/100=11.25 ada diantara posisi 11 dan12
Nilai P75=8 + 0.25 (9-8)=8.25
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
3. Ukuran Variasi Data
a. Ukuran Variasi Mutlak
• Range (min-max)
• Mean Deviasi
• Standar Deviasi
b. Ukuran Variasi Relatif
• Koefisien variasi (CoV)
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
3. Ukuran Variasi Data
Contoh:Lama belajar 10 mahasiswa (jam) di jurusan Manajemen dan
Akutansi
Manajemen: 2,2,3,3,3,3,4,4,5,6 maka nilai Mean=3.5jam, median 3jam
Akuntansi: 1,1,2,3,3,3,4,5,5,8 maka nilai Mean=3.5jam , median 3jam
Jurusan manajemen dan akuntansi mempunyai nilai mean yang sama
tetapi mempunyai variasi data yang berbeda
Range Manajemen = 2 sd 6 jam dan Range Akuntansi = 1 sd 8 jam
SD Manajemen= 1.27 jam dan SD Akuntansi =2.12 jam
Bila hanya menampilkan informasi ukuran pemusatan data (misalnya
mean) ternyata ada informasi yang hilang tanpa mengikutsertakan
ukuran variasi data.
Ukuran Variasi Data (Mutlak): Range, Mean Deviasi dan Standar
Deviasi (SD)
Ukuran Variasi Data (Relatif): Coefficient of Variation (COV)Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
3. a Range (Kisaran)
Ukuran variasi data yang paling sederhana dibandingkan
dengan Mean Deviasi dan Standar Deviasi
Proses perhitungannya:
Urutkan data dari terkecil ke terbesar
Nilai range adalah selisih dari data terbesar terhadap data terkecil
Contoh: Lama belajar 10 mahasiswa di dua jurusan
Manajemen: 2,2,3,3,3,3,4,4,5,6 maka nilai Range=4 jam
Akuntansi: 1,1,2,3,3,3,4,5,5,8 maka nilai Range=7 jam
Nilai range juga sensitif terhadap nilai-nilai ekstrim besar
atau kecil
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
3.a Mean Deviasi Rata-rata Penyimpangan (Mean Deviasi) dalam harga
mutlak dari masing-masing pengamatan terhadap nilai
Mean-nya
Contoh:Lama belajar 10 mahasiswa (jam) di 2 jurusan
Manajemen: 2,2,3,3,3,3,4,4,5,6 dengan nilai mean=3.5 jam
Manajemen: (|2-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-
3.5|+|4-3.5|+|5-3.5|+|6-3.5|)/10 = (1,5+1,5+0.5+0.5+0.5+ 0.5+0.5
+0.5+1.5+2.5)/10 = 1jam
Akuntansi: 1,1,2,3,3,3,4,5,5,8 dengan nilai mean=3.5 jam
Akuntansi: (|1-3.5|+|1-3.5|+|2-3.5|+|3-3.5|+|3-3.5|+|3-3.5|+|4-
3.5|+|5-3.5|+|5-3.5|+|8-3.5|)/10 =1.6 jam
Mean deviasi juga sensitif terhadap nilai-nilai ekstrim besar atau kecilFerdiana Yunita-Universitas
Gunadarma
Departemen Biostatistik FKM-UI, 2012
3. a STANDAR DEVIASI
Ukuran variasi data yang paling seringdigunakan
Lebih menggambarkan variasi data yang sesungguhnya dibandingkan Range & mean deviasi
Rumus Standar Deviasi Sampel
1
1
2
n
xx
= SD
n
i
i
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
Rumus Standar Deviasi
Populasi
N
xx
= SD
n
i
i
1
2
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
(Standar Deviasi)2 = Varians
Rata-rata kuadrat Penyimpangan dari masing-masing
pengamatan terhadap nilai Mean-nya
Contoh:Lama belajar 10 mahasiswa (jam)
Lama belajar Manajemen: 2,2,3,3,3,3,4,4,5,6 dengan nilai
mean=3.5jam
Varians: (2-3.5)2+(2-3.5)2+(3-3.5)2+(3-3.5)2+(3-3.5)2+(3-
3.5)2+(4-3.5)2+(4-3.5)2+(5-3.5)2+(6-3.5)2/10-1 = (1,5876)
SD: (1,52+1,52+0.52+0.52+0.52+0.52+0.52+0.52+1.52+2.52)/9 =
1.269 jam
Akuntansi: 1,1,2,3,3,3,4,5,5,8 = SD = 2.121 jam
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
3. b Coefisien Variasi (COV)
COV
Koefisien variasi adalah rasio perbandingan antara standar deviasi dengan mean, yang dinyatakan dalampersen
Membandingkan variasi dua kelompok data yang mempunyai unit atau satuan pengukuran atau gradasiyang berbeda
Rumus
Contoh: Mean BB=40.5 kg, SD=5 kg maka COV=(5/40.5)x100% =12.3%
Mean TB=167 cm, SD=12 cm maka COV=(12/167) x 100%=7.2%
%100xx
SD = COV
Ferdiana Yunita-Universitas Gunadarma
Departemen Biostatistik FKM-UI, 2012
Pemilihan statistik deskriptif
Skala Uk. Pusat Uk.Variasi
Numerik x s, med range
mod cov
iqr
Kategorik p / %
Ferdiana Yunita-Universitas Gunadarma