STATISTIKA & PROBABILTAS

Suryadi
08158896368/ WA 085219239651
Suryadi.chun@gmail.com
 MATERI
1. PENDAHULUAN
2. PENAMPILAN DATA-DISTRIBUSI FREKWENSI
3. PENGUKURAN STATISTIK SAMPEL
4. DASAR TEORI HIMPUNAN
5. PERMUTASI DAN KOMBINASI
6. TEORI PROBABILITA
7. POPULASI, SAMPEL DAN DISTRIBUSI TEORITIS
8. DISTRIBUSI BINOMIAL, DISTRIBUSI POISON, DISTRIBUSI
NORMAL
9. DISTRIBUSI SAMPEL
10. HIPOTESIS SECARA STATISTIK & PENGUJIAN HIPOTESIS
11. DISTRIBUSI KAI-KWADRAT
12. REGRESI DAN KORELASI
13. METODE NON PARAMETRIK
Bahan Baacaan :
1. Anto Dajan, Pengantar Metode Statistik Jilid II, LP3ES
2. J. Supranto, Statistik Teori & Aplikas, Jilid 1 &2, Erlangga
Penilaian

UAS : 40%  30%

UTS : 30%
Tugas Quiz : 20%  30%
Kehadiran : 10%
 What is Meant by Statistics?

Statistics is the science of collecting,

organizing, presenting, analyzing, and
interpreting numerical data to assist
in making more effective decisions.

4
Who Uses Statistics?

Statistical techniques are used

extensively by marketing, accounting,
quality control, consumers,
professional sports people, hospital
administrators, educators, politicians,
physicians, etc...

5
 Types of Statistics – Descriptive Statistics

Descriptive Statistics - methods of organizing,

summarizing, and presenting data in an
informative way.
EXAMPLE 1:A Gallup poll found that 49% of the people in a survey knew the name of the first
book of the Bible. The statistic 49 describes the number out of every 100 persons who knew
the answer.

EXAMPLE 2:According to Consumer Reports, General Electric washing machine owners

reported 9 problems per 100 machines during 2001.The statistic 9 describes the number of
problems out of every 100 machines.

Inferential Statistics:A decision, estimate,

prediction, or generalization about a
population, based on a sample.

6
 Population versus Sample

A population is a collection of all possible individuals, objects, or

measurements of interest.

A sample is a portion, or part, of the population of interest

7
 Types of Variables

A. Qualitative or Attribute variable - the

characteristic being studied is nonnumeric.
EXAMPLES: Gender, religious affiliation, type of automobile owned,
state of birth, eye color are examples.

B. Quantitative variable - information is

reported numerically.
EXAMPLES: balance in your checking account, minutes remaining in
class, or number of children in a family.

8
 Quantitative Variables - Classifications

Quantitative variables can be classified as either discrete or

continuous.

A. Discrete variables: can only assume certain values and

there are usually “gaps” between values.

EXAMPLE: the number of bedrooms in a house, or the number of hammers sold at the local Home
Depot (1,2,3,…,etc).

B. Continuous variable can assume any value within a

specified range.

EXAMPLE:The pressure in a tire, the weight of a pork chop, or the height of students in a class.

9
Summary of Types of Variables

10
Four Levels of Measurement
Nominal level - data that is classified
into categories and cannot be
arranged in any particular order.
EXAMPLES: eye color, gender, religious
affiliation.
Ordinal level – involves data
arranged in some order, but the
differences between data values
cannot be determined or are
meaningless.
EXAMPLE: During a taste test of 4 soft
drinks, Mellow Yellow was ranked
number 1, Sprite number 2, Seven-
up number 3, and Orange Crush
number 4.
Interval level - similar to the ordinal
level, with the additional
property that meaningful
amounts of differences between
data values can be determined.
There is no natural zero point.
EXAMPLE:Temperature on the
Fahrenheit scale.
Ratio level - the interval level with
an inherent zero starting point.
Differences and ratios are
meaningful for this level of
measurement.
EXAMPLES: Monthly income of
surgeons, or distance traveled by
manufacturer’s representatives
per month.
11
 PENDAHULUAN

• Metode stastistik moderen

metode untuk mengumpulkan data, mengolah, menganalisa dan
menginterpretasi data secara kuantitatif.
 juga bagaimana menarik kesimpulan tentang karakteristik populasi dengan
menggunakan data sampel yang terbatas.
• Data kuantitatif  diperoleh dari observasi atau percobaan (eksperimen)
secara statistik  bisa keseluruhan atau sebagian dari objek yang diteliti.
• Jumlah objek terbatas  bisa pengukuran langsung
• Jumlah objek luar biasa besarnya  pengukuran dilakukan sebagian dari
objek.
• Contoh : kualitas lampu pijar yang diproduksi,
STATISTIKA
STATISTIKA DESKRIPTIF
• Bidang ilmu statistika yang mempelajari tata cara pengumpulan, penyusunan dan
penyajian data yang dikumpulkan dari suatu penelitian.
• Meliputi: pengumpulan data, penyajian data, penentuan nilai-nilai statistik (mean,
Standar deviasi, dsb) dan pembuatan gambar, diagram atau grafik

Statistika Induktif atau Statistika Inferensial

• Bidang ilmu statistika yang mempelajari tata cara penarikan kesimpulan
mengenai keseluruhan data (populasi) berdasarkan sebagian data (sampel) dari
populasi tersebut.
• Meliputi: penentuan alat uji statistik yang tepat, perkiraan, peramalan, dan
pengambilan keputusan

STATISTIKA PARAMETRIK
statistika yang dipergunakan untuk data yang berskala interval dan rasio, sebaran data
harus sama dan berdistribusi normal.

STATISTIKA NONPARAMETRIK
statistika yang dipergunakan apabila kita mengabaikan sebaran normal, statistika untuk
data kualitatif dan statistika yang bebas sebaran.
 BEBERAPA ASPEK TENTANG PERSOALAN
STATISTIK INFERENS
Pengumpulan data menggunakan sampel bertujuan untuk menarik suatu kesimpulan
umum tentang suatu peristiwa yang diselidiki dengan menganalisa data sampel.
Penarikan kesimpulan  pendugaan (estimate) tentang beberapa parameter distribusi
populasi ataupun pengujian (test) suatu hipotesis yang menyatakan nilai parameter.

Pendugaan Parameter (statistical estimation)

• Populassi meemiliki karakteristik tertentu  parameter (tinggi badan rata-rata mhs
Jakum, persentase kerusakan lampu pijar yang diproduksi. Atau tinggi rata-rata 100
mhs Jakum yang dipilih secara acak.
• Bagaimana menduga parameter populasi. Pada daerah mana parameter itu berlaku.

Pengujian Hipotesisi (test of Hypothesis)

• Psuatu pernyataan yang menggambarkan suatu kesimpulan dari suatu aspek atau
peristiwa yang sedang diteliti.
• Hipotesis memiliki nilai ilmiah jika sesaui dengan atau mendekati kenyataan empiris.
• Hipotesa dapat diuji dengan membandingkan hasil teoritis dengan hasil sampel yang
bersifat empiris.
Jenis Jenis Statistika

 Berdasarkan aktivitas yang dilakukan :

◦ Statistika deskriptif (descriptive statistics)
◦ Statistika inferensia (inferential statistics)
 Berdasarkan metode yang digunakan :
◦ Statistika parametrik
◦ Statistika non-parametrik
STATISTIKA DESKRIPTIF

 Bidang ilmu statistika yang mempelajari tata

cara pengumpulan, penyusunan dan penyajian
data yang dikumpulkan dari suatu penelitian.
 Meliputi: pengumpulan data, penyajian data,
penentuan nilai-nilai statistik (mean, Standar
deviasi, dsb) dan pembuatan gambar, diagram
atau grafik
Statistika Deskriptif
 Statistika deskriptif :
◦ Membahas cara-cara pengumpulan data
◦ Penyedehanaan angka-angka dari pengamatan
◦ Pengukuran pemusatan dan penyebaran untuk memperoleh
informasi yang lebih menarik

 Kegunaan statistika deskriptif :

◦ Kumpulan data tersaji dengan ringkas dan rapi dan dapat
◦ memberikan informasi inti
◦ Data bisa ditampilkan dengan teknik grafik atau numerik
◦ Dapat mengukur dua karakteristik dari setiap
respondennya dan
◦ meneliti hubungan keduanya
◦ Berperan penting dalam persiapan analisa data
Statistika Deskriptif
 Contoh Statistika Deskriptif :

Ref. 7
 Statistika Inferensia
 Bidang ilmu statistika yang mempelajari tata
cara penarikan kesimpulan mengenai sebagian
data (sampel) dari populasi keseluruhan data
(populasi) berdasarkan sebagian data (sampel)
dari populasi tersebut.
 Meliputi: penentuan alat uji statistik yang tepat,
perkiraan, peramalan, dan pengambilan
keputusan
Statistika Inferensia
 Statistika Inferensia :
◦ Cara menganalisis data dan mengambil kesimpulan
◦ Dapat menganalisis sebagian data (sampel) atau
keseluruhan data (populasi)
◦ Dilakukan pendugaan parameter
◦ Membuat dan menguji hipotesis
◦ Membuat kesimpulan yang berlaku umum (generalisasi)

 Empat karakteristik utama :

◦ Pengamatan secara acak
◦ Teknik penarikan sampel
◦ Data dalam bentuk angka
◦ Tujuan umum inferensia
Statistika Inferensia
 Statistika Inferensia :
◦ Cara menganalisis data dan mengambil kesimpulan
◦ Dapat menganalisis sebagian data (sampel) atau
keseluruhan data (populasi)
◦ Dilakukan pendugaan parameter
◦ Membuat dan menguji hipotesis
◦ Membuat kesimpulan yang berlaku umum (generalisasi)

 Empat karakteristik utama :

◦ Pengamatan secara acak
◦ Teknik penarikan sampel
◦ Data dalam bentuk angka
◦ Tujuan umum inferensia
Statistika Inferensia ATAU
INDUKTIF
 CONTOH

Ref. 7
 Bidang Kajian Statistik Deskriptif
: Inferensial :
1. Distribusi frekuensi
2. Penyajian grafik, bagan dan
diagram
3. Pengukuran tendensi sentral/
pemusatan (mean, median,
modus)
4. Pembagian distribusi (kuartil,
desil, persentil)
5. Variabilitas (range, mean deviasi,
standar deviasi, Z score)
6. Angka indeks
7. Time series (deret waktu atau
data berkala)
Bidang Kajian Statistik
1. Probabilitas/ teori
kemungkinan
2. Distribusi teoritis
3. Sampling dan distribusi
sampling
4. Studi estimasi (penaksiran
pada tingkat populasi )
5. Uji hipotesis
6. Analisis korelasional dan uji
signifikansi
7. Analisis regresi untuk
peramalan.
 Statistika Parametrik & Statistika
Non-Parametrik
Statistika Parametrik :
• Bagian dari statistika inferensia yang mempertimbangkan nilai dari satu atau lebih
parameter populasi
• Membutuhkan data yang berskala pengukuran minimal interval
• Berpijak pada asumsi spesifik mengenai bentuk distribusi populasi yang diasumsikan
normal

Statistika Non-Parametrik :
• Bagian dari statistika inferensia yang tidak mempertimbangkan
• nilai dari satu atau lebih parameter populasi
• Validitas tidak tergantung pada model peluang yang spesifik dari
• Populasi
• Distribusi data tidak dapat diasumsikan normal
 (dalam kegiatan riset, menurut Guildford)
1. Statistik memungkinkan pencatatan paling eksak data
penelitian
2. Memberikan cara untuk melakukan pengolahan data dalam
bentuk angka
3. Memberikan arahan berpikir / tata kerja yang definit dan
eksak
4. Memberikan cara meringkas data dalam berbagai bentuk
5. Sebagai dasar menarik kesimpulan
6. Memberikan landasan untuk melakukan ramalan (prediksi)
7. Memungkinkan peneliti mampu menganalisis dan
menjelaskan serta menguraikan sebab akibat yang kompleks
dan rumit.
DISTRIBUSI FREKUENSI
SESI – 1
STATISTIKA 2
Latihan

LATIHAN :
Berikut dilaporkan sebaran data waktu keterlambatan 50 pegawai
yang tidak mengikuti apel pagi (menit
20.8 25.3 23.7 21.3 19.7 22.8 20.7 20.3 21.5 24.2
21.9 22.5 23.6 23.1 22.8 22.0 21.2 19.0 19.9 20.7
20.7 23.8 25.1 24.2 23.8 20.9 23.3 25.0 24.1 23.3
25.0 20.0 19.5 19.8 21.1 22.2 22.9 24.1 23.9 20.9
22.8 23.5 24.2 22.8 21.6 20.1 19.5 21.8 23.9 22.7

Buatlah - Tabel Distribusi Frekuensi

- Tabel Distribusi Frekuensi Kumulatif
Langkah – langkah Penyederhanaan data
(Distribusi Frekuensi)

 Mengurutkan data
 Membuat ketegori atau kelas data (K)
K = 1 + 3,3 log n
 Membuat Interval data (P)
P = RangeJ/Jumlah Kelas = R/K
 Membuat Tabel Frekuensi
Melakukan penturusan atau tabulasi,
memasukan nilai ke dalam interval kelas