STATISTIKA D. Pengertian Data Berkelompok Statistika adalah cabang ilmu matematika terapan yang mempelajari cara-cara a

mengumpulkan dan menyusun data, mengolah dan menganalisa data serta menyajikan data dalam bentuk kurva atau diagram

b. Menarik kesimpulan, menafsirkan parameter dan menguji hipotesa (dugaan) yang didasarkan pada hasil pengolahan data Statistika menurut fungsinya dibedakan menjadi dua macam, yakni : 1. Statistik Deskriptif, yang menggambarkan dan menganalisis kelompok data yang diberikan, tanpa penarikan kesimpulan mengenai kelompok data yang lebih besar. 2. Statistik Inferensial, yakni penerapan metoda statistik untuk menaksir dan/atau menguji karakteristik populasi yang dihipotesiskan berdasarkan data sampel. Sebagai contoh, data tentang penjualan mobil merek ‘ABC’ perbulan di suatu show room mobil di Jakarta selama tahun 1999. Dari data tersebut pertama akan dilakukan deskripsi terhadap data spt menghitung rata-rata penjualan, berapa standar deviasinya dan lain-lain. Kemudian baru dilakukan berbagai inferensi terhadap hasil deskripsi spt : perkiraan penjualan mobil tsb bulan Januari tahun berikut, perkiraan rata-rata penjualan mobil tsb di seluruh Indonesia. Populasi adalah seluruh objek yang akan diteliti. Tetapi jika objek ini terlalu banyak maka dapat digantikan dengan sebagian dari populasi yang dianggap dapat mewakili populasi . Bagian dari populasi ini dinamakan sample atau ruang contoh Ada tiga syarat pengambilan sample : a. Pengambilannya acak b. Objek populasinya banyak c. Objek populasinya beraneka ragam Hasil dari suatu penelitian dinyatakan dalam bentuk data. Jadi data adalah catatan keterangan atau informasi yang diambil dari suatu penelitian. Data berkelompok adalah cara penyajian data yang menggunakan tabel distribusi frekwensi dimana data tersebut dikelompokkan ke dalam interval tertentu. Sebelum

Statistika

1

menentukan ukuran pemusatan, letak dan penyebaran suatu data berkelompok, terlebih dahulu akan diuraikan penjelasan dari tabel distribusi frekwensi. Pada tabel disamping, data sebanyak 20 buah dibagi dalam 6 kelas, dimana kelas 51 – 55 hingga kelas 76 – 80 berturut-turut disebut kelas pertama, kelas kedua dan seterusnya. Pada tiap-tiap kelas terdapat batas bawah dan batas atas, yakni 51, 56, 61, 66, 71dan 76 dinamakan batas bawah dan 55, 60, 65, 70, 75, dan 80 dinamakan batas atas.

Nilai

f

51  55 56  60 61  65 66  70 71  75 76  80

3 4 5 2 2 4 20

Pada tiap-tiap kelas juga terdapat tepi bawah dan tepi atas, yakni 50,5 ; 55,5 ; 60,5 ; 65,5 ; 70,5 dan 75,5 berturut-turut dinamakan batas bawah kelas ke 1, 2, 3, 4, 5 dan 6 serta 55,5 ; 60,5 ; 65,5 ; 70,5 ; 75,5 dan 80,5 berturut-turut dinamakan batas atas kelas ke 1, 2, 3, 4, 5 dan 6. Panjang kelas didefinisikan sebagai selisih antara tepi atas dan tepi bawah kelas, sehingga untuk tabel diatas panjang kelasnya 5. Untuk menentukan panjang kelas, dilakukan proses berikut ini : 1. Tentukan rentang data, yakni selisih data tertinggi dan data terendah 2. Tentukan banyaknya kelas (k) Menurut aturan Sturges, jika n adalah banyaknya data, maka banyaknya kelas dapat ditentukan dengan rumus : k = 1 + (3,322)(log n) 3. Tentukan panjang kelas (p) Rumus menentukan panjang kelas (p) adalah : p =

rentang data k

Tititk tengah kelas adalah setengah dari jumlah batas bawah dan batas atas, sehingga titik tengah kelas pada tabel diatas bertutut-turut adalah 53, 57, 63, 67, 73 dan 77. Istilah-istilah pada tabel distribusi frekwensi antara lain 1. Distribusi frekwensi kumulatif kurang dari dan kumulatif lebih dari Untuk data berkelompok, distribusi frekwensi kumulatif kurang dari mengambil patokan pada tepi atas, dan untuk distribusi freekwensi kumulatif lebih dari mengambil patokan pada tepi bawah. Sebagai contoh : Pada tabel di atas, frekwensi kumulatif kurang dari 70,5 adalah sebanyak 3 + 4 + 5 + 2 = 14 data. Sedangkan frekwensi kumulatif lebih dari 60,5 adalah sebanyak 5 + 2 + 2 + 4 = 13 data

Statistika

2

2. Frekwensi kumulatif relatif =

frekwensi kumulatif x 100 % n

Sebagai contoh : Frekwensi relatif untuk data pada interval 61 – 65 adalah : frekwensi interval 5 Frekwensi relatif = x 100 % = x 100% = 25% n 20 Frekwensi kumulatif relative untuk data di bawah 65,5 adalah : 3 45 12 Frekwensi kumulatif relatif = x 100 % = x 100% = 60% 20 20

Statistika

3

07-Pengertian Data Berkelompok.pdf

There was a problem previewing this document. Retrying... Download. Connect more apps... Try one of the apps below to open or edit this item. 07-Pengertian ...

95KB Sizes 1 Downloads 135 Views

Recommend Documents

Data! Data! Data! PD Powerpoint.pdf
... below to open or edit this item. Data! Data! Data! PD Powerpoint.pdf. Data! Data! Data! PD Powerpoint.pdf. Open. Extract. Open with. Sign In. Main menu.

data
Required to publish source code. Open ... 4TB compressed, split into daily tarballs. 97TB (! ... http://code.google.com/apis/bigquery/docs/dataset-mlab.html.

Data Warehouse and Data Mining Technology Data ...
IJRIT International Journal of Research in Information Technology, Vol. 1, Issue 2, February ... impact, relevance and need in Enterpr relevance and ... The data that is used in current business domains is not accurate, complete and precise.

500401-5 Data-Data processing.key.pdf
There was a problem previewing this document. Retrying... Download. Connect more apps... Try one of the apps below to open or edit this item. 500401-5 ...

data warehousing & data mining -
1 (a) Describe three challenges to data mining regarding data mining methodology and user interaction issues. (b) Draw and explain the three-tier architecture ...

DATA WAREHOUSING AND DATA MINING.pdf
There was a problem previewing this document. Retrying... Download. Connect more apps... Try one of the apps below to open or edit this item. DATA ...

Data Mining with Big Data
storage or memory. ... Visualization of data patterns, considerably 3D visual image, represents one of the foremost ... Big Data Characteristics: Hace Theorem.

PERENCANAAN DATA WAREHOUSE PEMETAAN DATA SISWA.pdf
PERENCANAAN DATA WAREHOUSE PEMETAAN DATA SISWA.pdf. PERENCANAAN DATA WAREHOUSE PEMETAAN DATA SISWA.pdf. Open. Extract.

DATA WAREHOUSING AND DATA MINING.pdf
There was a problem previewing this document. Retrying... Download. Connect more apps... Try one of the apps below to open or edit this item. DATA ...

Data Security Model and Data Protection - HackInBo
Oct 29, 2016 - Credit Card Number DE_CCN. Tokenize. (expose first 6, last 4). Payments, CSR. 9 – 5,. M -F. EDW,. Hadoop. Unauthorized. Authorized. E-mail Address. DE_EMAIL. Tokenize All. HR, CSR,. DS_Haddop. EDW,. Hadoop. Unauthorized. Authorized.

Data Engineering
Jun 22, 2007 - Data. Engineering. June 2007 Vol. 30 No. 2. IEEE Computer Society ...... exploratory analysis of temporally-oriented network data (such as ...

/ Data Operations \
Jun 8, 2004 - provide uni?ed access to enterprise information systems 117 such as ..... NET plat forms and/or the Advanced Business Application Program.

Data Wrangling
Create DataFrame with a MuliIndex ... www.rstudio.com/wp-content/uploads/2015/02/data-wrangling-cheatsheet.pdf) WriVen by Irv Lusig, Princeton Consultants.

/ Data Operations \
Jun 8, 2004 - nectivity (“JDBC”) service, and legacy computer systems through the J 2EE ... Server) is often used to read the data and perhaps perform ..... forms and/or the Advanced Business Application Program ming (“ABAP”) platforms ...

Data Compression
Data Compression. Page 2. Huffman Example. ASCII. A 01000001. B 01000010. C 01000011. D 01000100. E 01000101. A 01. B 0000. C 0001. D 001. E 1 ...

Read eBook Big Data, Little Data, No Data: Scholarship ...
InformationWeek com News analysis and research for business technology ... arabic pages Research Resources A Subject Tracerâ„¢ Information Blog developed ... case studies from the sciences, social ... on the covers of Science, Nature, the.