You are on page 1of 9

TINJAUAN KONSEP DASAR STATISTIKA

Kebanyakan prosedur statistika membuat mferensi atau penarikan kesimpulan mengenai sesuatu yang diminati (disebut populasi), setelah dilakukan pemilihan dan pengukuran subgroup dan populasi (disebut sampel) tersebut. Pemilthan yang dicermat dan sampel yang mewakili dan penggunaan sampel yang cukup besar adalah komponen penting dan proses inferensi statistic dengan deraja tnisiko rendah yang dapat diteriina. PENJELASAN DATA DENGAN RANGKUMAN NUMERIK Tujuan prosedur statistic deskriptif adalah memberikan penjelasan ningkas kumpulan besar pengukuran dengan beberapa nilai rangkuman kunci. Symbol untuk mean sampel adalah ( X-bar) yang dihitun gdengan persamaan Dimana X X n = mean (rerata) sampel = jumlah semua nilai sampel = ukuran sampel

Selain mengukur tendensi sentral (terpusat) suatu kelompok nilal melalui komputasi mean, biasanya juga diperhatikan jauhnya penyebaran nilai dan sekitar mean. Standar deviasi (simpangan baku) adalah unit pengukuran untuk mengukur jarak dan mean. Benikut adalah formula dan standar deviasi:

Dimana pembilangnya adalah selisih jumlah kuadrat antara nilai terukur dengan meanya. Banyak prosedur statistika menggunakan vanians sampeLVarians adalah kumpulan pengukuran sebagai kuadrat dan standar deviasi. Jadi, varians sampel dihitung sbb:

Derajat bebas digunakan untuk menunjukkan jumlah data yang bebas satu sama lainnya dalam hal bahwa mereka tidak dapat dihitung satu dengan yang lainnya dan oleh karenanya dapat membawa potongan informasi yang unik. Karena mean sample telah digunakan untuk mengestimasi mean populasi dalam perhitungan standar deviasi sampel, maka hanya Sembilan umur yang bervariasi Mean dan standar deviasi adalah paling umum dalam menjelaskan kumpulan data sampel secara ringkas dan bermakna. Median sering dipakai untuk menunjukkan nilai sentral dan kumpulan data.Median adalah suatu bilangan dimana nilai dan setengah kumpulan Iebihbesar dan dan setengahnya lagi nilainya lebih kecil dan bilangan tersebut. Range kadangkala ditampilkan sebagai ukurrn kasar dan disperse atau penyebaran. Range tidak lain adalah selisih antara nilai maksimum dengan nilai minimum. Kuartil membelah kumpulan data terurut menjadi empat bagian yang sama. TAMPILAN INFORMASI NUMERIK

Dalam peramalan kami mempertirnbangkan dua jenis data: data erosssrctional dimana semua obsrvasi dilakukan pada kerangka waktu yang sama dan data deret waktu yang terdiri dan urutan observasi dan waktu ke waktu. Plot titik adalah salah satu cara termudah memvisualisasikan data secana gratis. Plot kotak juga disebut sebagai plot box-and-whisker, berguna untuk menampilkan karakteristik distribusi.data. Histogram memadatkan data kedalam kelompok bernilai minip menjadi kelaskelas. Diagram penear digunakan untuk memvisualisasikan hubungan antar dua variable. Sebuah langkah penting dalam pemilihan teknik peramalan adalah dengan

mengidentifikasikan pola data yang muncul didalam suatu deret waktu.

Sebuah alat yang sering digunakan untuk membantu identifikasi pola deret waktu adalah korrelogram atau fungsi auto korelasi.

DISTRIBUSI PELUANG

Variable-acak adalah nama yang diberikan pada suatu kuantitas yang nilainya berbeda-beda dan suatu perlakuan keperlakuan lain pada suatu eksperimen. Apabila hanya nilai-nilai tertentu yang mungkin terja dimaka variable acakriya disebut variable diskrit. Jika setiap nilai variable banvak yang mungkin terjadi berada dalam rentang nilai tertentu, maka variable ini disebut sebagai variable kontinyu. Distnibusi peluang variable diskrit acaka dalah daftar semua kemungkinan nilai yang dapat dipergunakan variable, bersamaan dengan peluang terjadinya masing- masing. Nilai harapan dan variable acak adalah mean atau rata-rata dan distribusi peluang diskrit dapat dicani dengan mengalikan setiap kemungkinan nilai X dengan peluangnya dan hasilnya dijumlahkan. E(X) = S [X x P(X)] Beberapa distribusi teonitis muncul dan muncul lagi dalam praktek aplikasi statistika dan berdasarkan itu adalah penting untuk menelaah sifat-sifat dan aplikasinya. Salab satunya adalah distribusi binomial, yang sening digunakan untuk mewakili variable disknit acak. Peluaiig ml dapat dihitung dengan formula binomial:

Distribusi normal:

Banyaknya jarak X dalam standar deviasi dan nilai tengah kurva (). Oleh karena itu formulanya sbb:

DISTRIBUS1 SAMPLING

Pada hakekatnya dari aplikasi statistic suatu sampel acak diambil dan populasi yang sedang diteliti, suatu statistic dihitung dan data sampel, dan kesimpulan mengenai populasi ditanik berdasarkan sampel tersebut. Distribusi sampling merupakan distribusi dan semua kemungkunan nilai statistic sampel yang diperoleh dan populasi untuk ukuran sampel tertentu. Teorema limit tengah menyatakan bahawa begitu ukuran sampel menjadi besar, distribusi sampling dan mean sampel cenderung kearah distribusi normal dan mean dan distribusi normal ini adalah , mean populasi, dan deviasinya adalah .

Teorema limit tengah merupakan hal penting dalam statistika karena memungkinkan analis untuk menghitung peluang dan berbagai sampel melalui pemahaman peluang kurva normal. INFERENSI DARI SAMPEL

Estimasi Ada dua alas an utama untuk pengujian bukti sampel yaitu apakah sampel tersebut tidak layak, atau jika mungkin mengukur keseluruhan populasi pengamatan.Yang pertama disebut estimasi, dimana hasil sampel digunakan untuk mengestimasi karakteristik populasi yang tidak dikethui. Titik estimasi suatu parameter populasi merupakan nilai tunggal terhitung dari sampel yang mengestimasi nilai populasi yang tidak diketahui. Suatu interval estimasi keyakinan interval dimana kemungkinan parameter dari pengamatan berada.

Persamaannya:

PENGUJIAN HIPOTESIS

Uji hipotesis terdiri dan beberap atahap: Tahap 1 membuat pernyataan hipotesis yang akan diuji Thhp 2 mengumpulkan sampel acak dan populasi, mengukurnya dan menghitung statistic yang sesuai Tahap 3 mengasumsikan hipotesis nol adalah benan dan bahwa distribusi sampling darimana statistic sampel ditarik berdasarkn asums itersebut Tahap 4 menghitung peluang dimana statistic sampel tertentu dapat ditanik dan distnibusi sampling ini Tahap 5 apabila peluangnya tinggi jangan ditolak hipotesis nol jika peluangnya rendah, hipotesis nol dapat ditolak dengan kemungkinan galat yang kecil. Table Hasil Uji Hipotesis Tindakan Terima H0 H0 Benar H0 Salah Keputusan Benar Galat Tipe II : Peluang Tolak H0 Galat Tipe I : Peluang Keputusan Benar

Nilai-p atau peluang signifikan merupakan peluang mendapatkan paling sedikit seekstrirn mungkin suatu hasil yang diamati apabila H0 benar. Atau ,nilai-p dapat dianggap sebagai alpha terkecil yang mana amatan statistic uji mengarah ke penolakan H0. Uji statistiknya:

Analisis Korelasi Pada pembentukan model statistic untuk peramalan seringkali bermanfaat untuk menelaah korelasi antar dua variabel.Dua teknik yang akan di bahas adalah korelasi dan analisis regresi.Selain itu,kasus khusus korelasi dan regresi juga dibahas pada akhir bab.Penekanan pada Korelasi dan regresi membuktikan pandangan mengenai luasnya penggunaan teknik mi dalam aplikasi peramalan. Diagram Pencar Kajian atas hubungan antar variabel dimulai dengan kasus yang paling sederhana,yaitu hubungan di antara dua variabel.Seandainya dua penukuran dilakukan masing-masing untuk beberapa objek. Seorang analisis ingin menentukan apakah sath dan variabel,sebutlah Y,cenderung naik ataupun menurun sebagaiman variabel satunya(X) berubah.Contohnya seandainya umur dan pendapatan telah di ukur dan beberapa individu,seperti yang ditampilkan pada table 2.6.Apa yang dapat dikatakan atas hubungn antara X dan Y? Dari Tabel 2.6 terlihat bahwa Y dan X mempunyai hubungan yang pasti.Begitu X naik Y cenderung naik pula.Dengan pengamatan sampel lima orang,cenderung menyimpulkan bahwa semakin tua seseorang,semakin banyak uang yang di hasilkan.Tentunya ini berbahaya untuk menarik kesimpulan berbasiskan ukuran sampel yang kurang(nanti akan di bahas lebih lanjut).Akan tetapi,berbasis obseravasi (n=5),suatu hubungan nyata muncul antara X dan Y. Tabel 2.6 Pengukuran Pendapatan dan umur Orang 1 2 Pendapatan Y($) 7.800 8.500 Umur X (Tahun) 22 23

3 4 5

10.000 15.000 16.400

26 27 35

Koefesien Korelasi Pengukuran kekuatan hubungan linear yang muncul antara dua variabel pengamatan dapar dibentuk,Agar menggunakan terminologi yang tepat,kekuatan di ukur melalui korelasi antar dua variabel.Koefesien korelasi mengukur kekuatan sebagai berikut.Dua variabel dengan hubungan negative sempuma mempunyai koefisien korelasi sama dengan -1.Sebaliknya dua variabel dengan hubungan sempurna positif memiliki koefisien korelasi saa dengan +1 Jadi Koefisien korelasi sama dengan +ltergantung dan besarnya hubungan antara kedua variabel yang di ukur. Penting untuk membedakan dua grup titik data yang menjadi perhatian peramal.Dalam populasi yag berisi semua titik data Y-X pengamatan,terdapat koefisien korelasi yang simbolnya p,huruf yunani untuk rho.Jika sampel acak dan titik data X-Y di ambil,koefisien korelasi untuk sampel data di notasikan r. Kadangkala X dan Y di ukur dalam unit berbeda misalnya pon dan dolar,unit penjualan dan dolar penjualan atau smgkat penggaguran dan dolar GNP.Terlepas dan perbedaan unit ukuran X dan Y,masi tetap penting untuk mengukur seberapa jauh X dan Y

berhubungan.Pengukuran mi dilakukan dengan mengkonversi variabel X dan Y ke unit standar atau skor -Z. Setelah pengukuran X-Y di konversikan kedalam skor-Z,skor-Z masing-masmg pengukuran X-Y dikalikan,menghasilkan perkalian silang untuk setiap unit atau orang.Perkalian silang menjadi perhatian karena mean nilai-nilai tersebut merupakan koefisien korelasi.Perhitungan koefisien korelasi sebagi mean perkalian silang skor-z akan menghasilkan nilai yang benar, tetapi kebanyakan koefisien korelasi di hitung langsung dan nilai X-Y. Persamaan 2.9 menampilkan bagaimana caranya menghitung koefisien korelasi sampel r dan skor z dan pengukuran X-Y.

Dua pokok bahasan dalam diskusi korelasi kini dapat dibuat. Pertama,Hendaknya selalu di ingat bahwa korelasi yang di ukur bukannya sebab akibat. Kedua,Perhatikan bahwa koelisien korelasi merupakan pengukuran hubungan linier antar dua variabel.

Mencocokan Garis Lurus Seperti yang telah diutarakan sebelumnya,biasanya perhatian untuk mencocokan garis lurus melalui himpunan titik data X-Y dengan suatu cara yang menghasilkan Kecocokan yang baik.Sebagaimana akan diperagakan dibagian akhir bab,suatu garis dengan kecocokan yang baik dapat dipergunakan untuk meramalkan nilai Y(Varibel yang menjadi perhatian) yang tidak diketahui. Garis berkecocokan baik dapat digambarkan dengan tangan menggunakan ujung lums posisi ujung lurus akan disesuaikan sampai kemunculan gans melewati tengah-tengah titik data pada diagram pencar.Garisnya kemudian digambarkan dan kedua elemen utama dan garis tercatat; slope garis dan titik dimana garis menyentuh sumbu Y (Y-intersep).Akan tetapi ,lokasi dan garis lurus tercocokan menggunakan metode mi adalah subjektif dan tidak akan sama dengan dua penggambar manapun. Dalam prakteknya,prosedur matematik tedefinisi dengan baik digunakan untuk menghitung Y-intersep dan slope garis lurus yang paling cocok.Pendekatan paling umum dalam menetukan garis paling cocok disebut sebagai metode kuadrat kecil.Pada prosedur mi suatu gris di formulasikan dengan memiimumkan jumlah kuadrat jarak antara titik data dengan garis sebagaimana pengukuran arah tegak(Y). Distribusi Normal, Mempunyai bentuk seperti bel dan ditentukan berdasarkan mean dan standar deviasi. Diagram Pencar, Plot titik data X-Y pada grafik dua dimensi Esthnasi Interval, Suatu estimasi interval adalah diagram dim.ana didalamnyaterletak kemungingkinan parameter populasi.

Koefisien Korelasi, Koefisien korelasi mengukur sejuh mana dua variabel secara linier terkait satu sama lainnya. Titik Eslimasi, Nilai Tunggal estimasi dan parameter populasi.

You might also like