Uploaded by User113906

202031019 J ANGGA WIJAYA teori3 Statistika-A

advertisement
LAPORAN TEORI
STATISTIK
NAMA
: J ANGGA WIJAYA
NIM
: 202031019
KELAS
: A
DOSEN
: PRITASARI PALUPININGSIH, S.Kom., M.Kom
NO.PC
:-
ASISTEN : 1. Lailil Ayu Fitriyah
2. Fiesca Noercikalty Aditya
INSTITUT TEKNOLOGI PLN
TEKNIK INFORMATIKA
2021
Laporan 03
Tanggal Pengumpulan (22 April 2021)
UKURAN VARIASI DAN KOEFISIEN VARIASI
A. Ukuran Variasi
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari
nilai-nilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai
data yang berbeda dengan nilai-nilai pusatnya. Ukuran variasi Pelengkap dari
ukuran nilai pusat dalam rangka penggambaran sekumpulan data. Ukuran
variasi terbagi atas 3 (tiga) poin yaitu:
1. Ukuran Jarak (Range)
a.
Ukuran jarak (range) / data belum terkelompok
Jarak atau kisaran nilai (Range) merupakan perbedaan antara nilai
terbesar dan terkecil dalam suatu kelompok data baik data populasi
atau sampel. Semakin kecil ukuran jarak menunjukkan karakter yang
lebih baik, karena data mendekati nilai pusat.
b.
Ukuran jarak (range) / data terkelompok
Untuk data berkelompok, nilai range dapat dihitung dengan 2 cara :
•
Range = Nilai tengah kelas terakhir – nilai tengah kelas pertama
•
Range = Batas atas sebenarnya kelas terakhir – batas bawah
sebenarnya kelas pertama
Untuk penyelesaian dari kedua cara tersebut dapat dilihat melalui
gambar soal dibawah ini.
•
Cara 1 : Nilai tengah kelas terakhir = 90
Nilai tengah kelas pertama = 30
Range = 90 – 30 = 60
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
•
Cara 2 : Batas atas sebenarnya kelas terakhir = 97.5
Batas bawah sebenarnya kelas pertama = 22.5
Range = 97.5 – 22.5 = 75
2. Simpangan rata – rata
a.
Simpangan rata – rata / data belum terkelompok
Simpangan rata-rata ini disertakan pada ukuran nilai pusat (mean) dari
nilai absolut simpangan
Contoh :
Sekumpulan data 100, 40, 80, 20, 10
b.
Simpangan rata – rata / data terkelompok
Untuk
contoh
penyelesaian
simpangan
rata-rata
data
yang
terkelompok, dapat dilihat pada gambar dibawah ini.
3. Simpangan Baku
Salah satu ukuran variasi yang diperoleh dari akar kuadrat positif varians.
Varians adalah rata-rata hitung dan kuadrat simpangan setiap pengamatan
terhadap rata-rata hitungnya.
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
a.
Simpangan baku / data belum terkelompok
Lihatlah contoh penyelesaian berikut untuk menyelesaikan simpangan
baku pada data belum terkelompok.
b.
Simpangan baku / data terkelompok
Berbeda dengan penyelesaian pada data belum berkelompok. Untuk
menyelesaikan data Simpangan baku yang sudah terkelompok dapat
dilihat pada gambar dibawah ini.
B. Koefisien Variasi
Koefisien variasi (KV) digunakan untuk membandingkan beberapa kumpulan
data yang berbeda. Jika ada 2 kelompok data dengan V1 dan V2, dimana V1
> V2, maka kelompok pertama lebih bervariasi atau lebih heterogen daripada
kelompok kedua.
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
Terdapat 3 (tiga) kelompok nilai variasi untuk penyelesaian data koefisien
variasi, antara lain:
•
Kelompok nilai Homogen (tidak bervariasi)
Contoh :
•
Kelompok nilai Relatif Homogen (tidak begitu bervariasi)
Contoh :
•
Kelompok nilai Heterogen (sangat bervariasi)
Contoh :
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
1. Ukuran kesimetrisan atau kecondongan
Bila kita ingin mengetahui simetris atau tidaknya suatu kurva distribusi
frekuensi pada niai-nilai pusatnya, maka dapat kita gunakan perbedaan
besar nilai-nilai pusat untuk mendekatinya. Menurut karl person apabila
distribusi memiliki bentuk simetris maka :
Dan apabila distribusi tidak simetris maka:
Kurva yang tidak simetris dapat condong ke kiri atau ke kanan. Kurva
yang simetris letak modus, median, dan rata-rata sama. Ukuran tingkat
kecondongan menurut pearson adalah :
Untuk mengetahui konsentrasi distribusi kearah kanan atau kiri, kita dapat
menggunakan koefisien kecondongan person (Coeffisient Skewness
pearson)
Bila SK > 0 atau positif, maka distribusi akan berkonsentrasi pada sisi
sebelah kanan Bila SK < 0 atau negatif, maka distribusi akan
berkonsentrasi pada sisi sebelah kiri Bila SK = 0, maka distribusi akan
simetris.
Contoh 1 :
Bila diketahui X = 55,22; Md = 54,10; Mo = 54,66 ; S = 36,55 , maka
besar koefisien kecondongannya adalah :
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
SK = 0,015 > 0 atau positif, maka distribusi akan berkonsentrasi pada sisi
sebelah kanan.
Contoh 2:
2. Ukuran Keruncingan Kurva (Kurtosis)
Ukuran keruncingan (kurtosis) adalah suatu ukuran yang dapat digunakan
untuk menentukan runcing tidaknya suatu kurva distribusi. 3 Macam
bentuk kurtosis:
Ukuran keruncingan yang biasa digunakan adalah a4 (moment coefficient
of kurtosis / koefisien kurtosis)
202031019
J Angga Wijaya
Laporan 03
Tanggal Pengumpulan (22 April 2021)
Bila : a4 > 3 dihasilkan kurva Leptokurtik (meruncing)
a4 = 3 dihasilkan kurva mesokurtik (normal)
a4 < 3 dihasilkan kurva platikurtik (mendatar)
Contoh Data Tak Berkelompok
Alpha 4 < 3, maka memiliki kurva distribusi platikurtis (mendatar)
Contoh Data Berkelompok
202031019
J Angga Wijaya
Download