SlideShare une entreprise Scribd logo
1  sur  21
KULIAH BAB IV


  UKURAN
 KERAGAMA
     N
   DATA
X3            UKURAN
                                X5
          KERAGAMAN DATA
        UNTUK MENGETAHUI
          SEBERAPA JAUH
     PENYEBARANNYA DARI NILAI
            RATA-RATA


                Xr
                         X2
     X1

                              X4
                Xn
2 GUGUS DATA
    Pengukuran Jarak PQ
    oleh surveyor A dan B
P                           Q
  Data              Data
Surveyor          Surveyor
    A                 B
125,332 m         125,350 m
125,329 m         125,322 m
125,330 m         125,338 m
125,333 m         125,346 m
Manakah gugus data yang
     lebih akurat?
ANALISIS ATAS
            DATA
   Nilai rata2        Nilai rata2
data A = 125,331   data B = 125,339
        m                  m
  Nilai median       Nilai median
data A = 125,331   data B = 125,342
        m                  m
  Nilai modus        Nilai modus
data A tidak ada   data B tidak ada

          KESIMPULAN???
Nilai
             Rata2
Median                  Modus

           UKURAN
         GEJALA PUSAT


          TIDAK MAMPU
         MENYIMPULKAN
UKURAN
           KERAGAMAN

                                       Simpangan
 Rentang
                Varians                  Baku

=Xmax – Xmin        n
                                             n
                                            ∑ (xi − xr )
                                                         2
                                   2
                    ∑ (x i − x r )          i =1
                                       s=
               v = i =1                            n−1
                          n−1
RENTANG
          =Xmax – Xmin

Rentang Data         Rentang Data
A = 125,333 –        B = 125,350 –
  125,329              125,322
=    0,004 m         =    0,028 m

   Kesimpulan: karena rentang A <
 rentang B, maka gugus data A lebih
    akurat daripada gugus data B
SIMPANGA
             N = Xi - Xr
 GUGUS A                      GUGUS B
Xr = 125,331                 Xr = 125,339
Gugus    X1 - Xr   X2 - Xr   X3 - Xr   X4 - Xr
Data A   0,001     - 0,002   - 0,001   0,002
Data B   0,011     - 0,017   - 0,001   0,007

         SIMPANGAN GUGUS
            A < GUGUS B
Gugus Data A         VARIAN                    Gugus Data B
Xi - Xr   (Xi – Xr)2     S                     Xi - Xr   (Xi – Xr)2
 0,001    0,000001                              0,011    0,000121
- 0,002   0,000004          n                  - 0,017   0,000289
                                           2
                            ∑ (x i − x r )
- 0,001   0,000001                             - 0,001   0,000001
                       v = i =1
                                  n−1
 0,002    0,000004                              0,007    0,000049
 Jml      0,000010                              Jml      0,000460
  V=      0,0000033                              V=      0,0001533

           Varians A < Varians B
     Gugus A lebih akurat daripada gugus
                     B
SIMPANGAN
                  BAKU
                         n           2
                        ∑ (xi − xr )
                   s=   i =1
                               n−1

Gugus Data A                             Gugus Data B
V=     0,0000033                         V=   0,0001533
S=     0,0018257                         S=   0,0123814

        Simp. baku A < Simp. baku B
     Gugus A lebih akurat daripada gugus
                     B
SIMPANGAN BAKU
                TANPA NILAI RATA-RATA
            n
          n ∑ xi 2 − ( n x )2             Gugus Data A
                       ∑ i
s=         i =1       i =1           Xi           Xi2
                n(n − 1)
                                  125,332 15.708,110224
     n                            125,329 15.707,358241
n ∑x i2 = 4x62.831,438254
 i =1   = 251.325,753016          125,330 15.707,608900
                                  125,333 15.708,360889
 n       2 = (501,324)2
( ∑x i )                          501,324 62.831.438254
 i =1      = 251.325,752976

         251.325,753016 − 251.325,752976 0,00004
s=                                    =          = 0,0018257
                      4 x3                  12
SIMPANGAN
                        BAKU
  Bila sebuah gugus data ditambah/dikurangi dengan
  suatu konstanta, maka simpangan bakunya sama
  dengan simpangan baku data aslinya

       Gugus Data A                n
                                 n ∑ (x i − 125 )2 = 1,753016
  Xi      Xi - 125   (Xi-125)2    i =1
125,332    0,332     0,110224
                                  n
125,329    0,329     0,108241    ( ∑ (x i − 125 ))2 = 1,752976
                                 i=1
125,330    0,330     0,108900
125,333    0,333     0,110889
                                 S = 0,0018257
           1,324     0,438254
SIMPANGAN
                   BAKU
Bila sebuah gugus data dikalikan/dibagi dengan suatu
konstanta c, maka simpangan bakunya sama dengan
simpangan baku data asli dikalikan/dibagi c

Harga suatu barang di 4 toko berbeda adalah Rp 1 juta,
Rp 1,002 juta, Rp 1,001 juta, dan Rp 1,002 juta.
Menghitung simpangan baku data itu, bagilah semua
harga dengan 1000 menjadi 1000, 1002, 1001, dan 1002
lalu kurangi dengan 1000 diperoleh 0, 2, 1, dan 2

  n              n
n ∑x i2 = 36   ( ∑x i )2 = 25   S = 0,957427 x 1000
 i =1           i =1
SIMPANGAN BAKU

      Untuk Distribusi Frekuensi

                           2
         ∑ fi (Xi − Xr )
S =                              Dengan Xr
               n −1


        n∑ fi Xi2 − (∑ fi Xi)2
S =                              Tanpa Xr
               n (n − 1)
CONTOH dengan Xr
 Nilai       fi        Xi   Xi-Xr    (Xi-Xr)2     fi (Xi-Xr)2
 Ujian
31 – 40      1     35,5     – 41,1   1.689,21     1.689,21
41 – 50      2     45,5     – 31,1    967,21      1.834,42
51 – 60      5     55,5     – 21,1    445,21      2.226,05
61 – 70      15    65,5     – 11,1    123,21      1.848,15
71 – 80      25    75,5     – 1,1        1,21         30,25
81 – 90      20    85,5       8,9      79,21      1.584,20
91 – 100     12    95,5      18,9     357,21      4.286,52
Jumlah       80                                   13.498,80

           Xr = 76,6                  S = 13,07
CONTOH tanpa Xr
 Nilai     fi    Xi     Xi2       fi Xi        fi Xi2
 Ujian
31 – 40    1    35,5   1.260,25     35,5       1.260,25
41 – 50    2    45,5   2.070,25     91,0       4.140,50
51 – 60    5    55,5   3.080,25    277,5     15.401,25
61 – 70    15   65,5   4.290,25    982,5     64.353,75
71 – 80    25   75,5   5.700,25   1.887,5   142.506,25
81 – 90    20   85,5   7.310,25   1.710,0   146.205,00
91 – 100   12   95,5   9.120,25   1.146,0   109.443,00
Jumlah     80                     6.130,0   483.310,00

                                   S = 13,12
DALIL
              CHEBYSHEV
 "Sedikitnya 1 - 1/k2 bagian data terletak di dalam k
 simpangan baku dari nilai rata-ratanya Interval."
 Sampel dihitung menggunakan persamaan xr ± ks


Contoh : Dari 1080 siswa didapat nilai IQ rata-rata =
    120 dengan simpangan baku 8.
(a) Tentukan interval nilai IQ untuk sedikitnya 810
    mahasiswa, gunakan dalil Chebyshev.
(b) Simpulkan mengenai nilai IQ untuk seluruh
    mahasiswa
JAWAB

(a) 810 Siswa dari 1080 = 810/1080 = 3/4 bagian
    atau = 1 - 1/k2. Jadi 1 - 1/k2 = 3/4, didapat k = 2.
    Interval nilai IQ = Xr ± ks = 120 ± 2x8 Atau,
    intervalnya: 120 + 16 = 136 dan 120 – 16 = 104.
(b) Kesimpulan: 810 siswa memiliki IQ antara
    104 – 136
NILAI Z
Definisi: Suatu pengamatan X yang mempunyai nilai
rata-rata Xr dan simpangan baku s, mempunyai nilai
z yang didefinisikan sebagai z = (X – Xr) / s
Nilai z mengukur besar simpangan baku suatu
pengamatan terletak di atas/bawah nilai rata-rata

 Nilai seorang mahasiswa

    Mata      Nilai   Rata-rata Simpang.      z
   Kuliah              kelas      baku
   Kimia       82        68         8       1,75
  Ekonomi      89        80         6       1,50

   Nilai Kimia lebih baik daripada nilai Ekonomi
KERJAKAN
 LATIHAN
  SOAL
SEKIAN DAN
TERIMA KASIH

Contenu connexe

Tendances

Mean, median, modus dan simpangan baku
Mean, median, modus dan simpangan bakuMean, median, modus dan simpangan baku
Mean, median, modus dan simpangan baku
M Agphin Ramadhan
 
3. distribusi bentuk kuadrat
3. distribusi bentuk kuadrat3. distribusi bentuk kuadrat
3. distribusi bentuk kuadrat
jeky_SUY
 
Tugas statistik non parametrik
Tugas statistik non parametrikTugas statistik non parametrik
Tugas statistik non parametrik
Noeghraha Prathama
 

Tendances (20)

Matematika Bangun Ruang (Integral)
Matematika Bangun Ruang (Integral)Matematika Bangun Ruang (Integral)
Matematika Bangun Ruang (Integral)
 
Calculus 2 pertemuan 1
Calculus 2 pertemuan 1Calculus 2 pertemuan 1
Calculus 2 pertemuan 1
 
Mrv 4.1 fitriana &amp; fatmala yunita ruang n- euclidis
Mrv 4.1   fitriana &amp; fatmala yunita  ruang n- euclidisMrv 4.1   fitriana &amp; fatmala yunita  ruang n- euclidis
Mrv 4.1 fitriana &amp; fatmala yunita ruang n- euclidis
 
Pertemuan 5 integral lipat dua
Pertemuan 5   integral lipat duaPertemuan 5   integral lipat dua
Pertemuan 5 integral lipat dua
 
Ppt singkat persamaan linier dan pertidaksamaan linier
Ppt singkat persamaan linier dan pertidaksamaan linierPpt singkat persamaan linier dan pertidaksamaan linier
Ppt singkat persamaan linier dan pertidaksamaan linier
 
Metode cakram
Metode cakramMetode cakram
Metode cakram
 
Penyajian Data ppt
Penyajian Data pptPenyajian Data ppt
Penyajian Data ppt
 
Matematika Diskrit - 10 pohon - 02
Matematika Diskrit - 10 pohon - 02Matematika Diskrit - 10 pohon - 02
Matematika Diskrit - 10 pohon - 02
 
Ppt graph
Ppt graphPpt graph
Ppt graph
 
Persamaan Linear Satu Variabel (PLSV)
Persamaan Linear Satu Variabel (PLSV) Persamaan Linear Satu Variabel (PLSV)
Persamaan Linear Satu Variabel (PLSV)
 
Mean, median, modus dan simpangan baku
Mean, median, modus dan simpangan bakuMean, median, modus dan simpangan baku
Mean, median, modus dan simpangan baku
 
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
Analisis Real (Barisan Bilangan Real) Latihan bagian 2.2
 
Bab 15 regresi
Bab 15 regresiBab 15 regresi
Bab 15 regresi
 
3. distribusi bentuk kuadrat
3. distribusi bentuk kuadrat3. distribusi bentuk kuadrat
3. distribusi bentuk kuadrat
 
Tugas statistik non parametrik
Tugas statistik non parametrikTugas statistik non parametrik
Tugas statistik non parametrik
 
Contoh ruang metrik
Contoh ruang metrikContoh ruang metrik
Contoh ruang metrik
 
Ukuran Pemusatan dan Letak Data
Ukuran Pemusatan dan Letak DataUkuran Pemusatan dan Letak Data
Ukuran Pemusatan dan Letak Data
 
Makalah Uji Normalitas
Makalah Uji Normalitas Makalah Uji Normalitas
Makalah Uji Normalitas
 
Uji tukey & Uji scheffe
Uji tukey & Uji scheffeUji tukey & Uji scheffe
Uji tukey & Uji scheffe
 
teori graf (planar
teori graf (planarteori graf (planar
teori graf (planar
 

En vedette (9)

Stat d3 2
Stat d3 2Stat d3 2
Stat d3 2
 
Port designers handbook
Port designers handbookPort designers handbook
Port designers handbook
 
Cmc materi panduan komunikasi dan penggunaan merek
Cmc   materi panduan komunikasi dan penggunaan merek Cmc   materi panduan komunikasi dan penggunaan merek
Cmc materi panduan komunikasi dan penggunaan merek
 
Stat d3 1
Stat d3 1Stat d3 1
Stat d3 1
 
Stat d3 6
Stat d3 6Stat d3 6
Stat d3 6
 
Stat d3 5
Stat d3 5Stat d3 5
Stat d3 5
 
Stat d3 3
Stat d3 3Stat d3 3
Stat d3 3
 
Stat d3 7
Stat d3 7Stat d3 7
Stat d3 7
 
Bab iii analisis penampang lentur
Bab iii analisis penampang lenturBab iii analisis penampang lentur
Bab iii analisis penampang lentur
 

Similaire à Stat d3 4

Regresi Kuadrat Terkecil
Regresi Kuadrat TerkecilRegresi Kuadrat Terkecil
Regresi Kuadrat Terkecil
indra herlangga
 
3 regresi and-korelasi_berganda.ppt
3 regresi and-korelasi_berganda.ppt3 regresi and-korelasi_berganda.ppt
3 regresi and-korelasi_berganda.ppt
aliff_aimann
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdfAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdfAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
Aminullah Assagaf
 
21. soal soal transformasi geometri
21. soal soal transformasi geometri21. soal soal transformasi geometri
21. soal soal transformasi geometri
Dian Fery Irawan
 

Similaire à Stat d3 4 (20)

Regresi Kuadrat Terkecil
Regresi Kuadrat TerkecilRegresi Kuadrat Terkecil
Regresi Kuadrat Terkecil
 
Statistik (Bab 11)
Statistik (Bab 11) Statistik (Bab 11)
Statistik (Bab 11)
 
3 regresi and-korelasi_berganda.ppt
3 regresi and-korelasi_berganda.ppt3 regresi and-korelasi_berganda.ppt
3 regresi and-korelasi_berganda.ppt
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdfAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdfAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pdf
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_23 Juli.pptx
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptxAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pptx
 
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pdfAminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pdf
Aminullah Assagaf_PERBANDINGAN SPSS, PLS SEM, MANUAL_15 Juli 2023.pdf
 
bab-3-1-forecast-dengan-smoothing-tpb.ppt
bab-3-1-forecast-dengan-smoothing-tpb.pptbab-3-1-forecast-dengan-smoothing-tpb.ppt
bab-3-1-forecast-dengan-smoothing-tpb.ppt
 
Pgsl
PgslPgsl
Pgsl
 
Regresi linier
Regresi linierRegresi linier
Regresi linier
 
21. soal soal transformasi geometri
21. soal soal transformasi geometri21. soal soal transformasi geometri
21. soal soal transformasi geometri
 
5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data5. presentasi ukuran penyebara data
5. presentasi ukuran penyebara data
 
Presentation2.ppt
Presentation2.pptPresentation2.ppt
Presentation2.ppt
 
Kuliah statistika lanjut
Kuliah statistika lanjutKuliah statistika lanjut
Kuliah statistika lanjut
 
Materi 4
Materi 4Materi 4
Materi 4
 
ANALISIS-JALUR.ppt
ANALISIS-JALUR.pptANALISIS-JALUR.ppt
ANALISIS-JALUR.ppt
 
deret kuasa
deret kuasaderet kuasa
deret kuasa
 

Plus de Ketut Swandana

Biodata dosen hindu universitas lampung
Biodata dosen hindu universitas lampungBiodata dosen hindu universitas lampung
Biodata dosen hindu universitas lampung
Ketut Swandana
 
Kelompok water treatment limbah cair pt gunung madu plantations
Kelompok water treatment limbah cair  pt gunung madu plantationsKelompok water treatment limbah cair  pt gunung madu plantations
Kelompok water treatment limbah cair pt gunung madu plantations
Ketut Swandana
 
Analisis timetable penerbangan dari dan ke bandara radin
Analisis timetable penerbangan dari dan ke bandara radinAnalisis timetable penerbangan dari dan ke bandara radin
Analisis timetable penerbangan dari dan ke bandara radin
Ketut Swandana
 
Garis garis besar program kerja
Garis garis besar program kerjaGaris garis besar program kerja
Garis garis besar program kerja
Ketut Swandana
 
Kalender kegiatan op ukm
Kalender kegiatan op ukmKalender kegiatan op ukm
Kalender kegiatan op ukm
Ketut Swandana
 
Kode etik agen [final mar 06]
Kode etik agen [final   mar 06]Kode etik agen [final   mar 06]
Kode etik agen [final mar 06]
Ketut Swandana
 
Petunjuk pelaksanaan ujian online
Petunjuk pelaksanaan ujian onlinePetunjuk pelaksanaan ujian online
Petunjuk pelaksanaan ujian online
Ketut Swandana
 
Bab 2 m nkst prinsip umum mnj konst 240807
Bab 2  m nkst  prinsip umum mnj konst 240807Bab 2  m nkst  prinsip umum mnj konst 240807
Bab 2 m nkst prinsip umum mnj konst 240807
Ketut Swandana
 
Hand out mp hpji 2008 ok
Hand out mp hpji 2008 okHand out mp hpji 2008 ok
Hand out mp hpji 2008 ok
Ketut Swandana
 
Bab iii analisis geser
Bab iii analisis geserBab iii analisis geser
Bab iii analisis geser
Ketut Swandana
 
Bab ii metode perencanaan dan provisi keamanan
Bab ii metode perencanaan dan provisi keamananBab ii metode perencanaan dan provisi keamanan
Bab ii metode perencanaan dan provisi keamanan
Ketut Swandana
 
Bab i pendahuluan geser
Bab i pendahuluan geserBab i pendahuluan geser
Bab i pendahuluan geser
Ketut Swandana
 
Bab iii gambar tegangan
Bab iii gambar teganganBab iii gambar tegangan
Bab iii gambar tegangan
Ketut Swandana
 

Plus de Ketut Swandana (20)

Biodata dosen hindu universitas lampung
Biodata dosen hindu universitas lampungBiodata dosen hindu universitas lampung
Biodata dosen hindu universitas lampung
 
Putu ganteng
Putu gantengPutu ganteng
Putu ganteng
 
Mineral dan air
Mineral dan airMineral dan air
Mineral dan air
 
Kelompok water treatment limbah cair pt gunung madu plantations
Kelompok water treatment limbah cair  pt gunung madu plantationsKelompok water treatment limbah cair  pt gunung madu plantations
Kelompok water treatment limbah cair pt gunung madu plantations
 
Analisis timetable penerbangan dari dan ke bandara radin
Analisis timetable penerbangan dari dan ke bandara radinAnalisis timetable penerbangan dari dan ke bandara radin
Analisis timetable penerbangan dari dan ke bandara radin
 
Garis garis besar program kerja
Garis garis besar program kerjaGaris garis besar program kerja
Garis garis besar program kerja
 
Kalender kegiatan op ukm
Kalender kegiatan op ukmKalender kegiatan op ukm
Kalender kegiatan op ukm
 
Presentation1
Presentation1Presentation1
Presentation1
 
Pelatihan progja
Pelatihan progjaPelatihan progja
Pelatihan progja
 
Building winning attitude for kmhdi
Building winning attitude for kmhdiBuilding winning attitude for kmhdi
Building winning attitude for kmhdi
 
Pertemuan v
Pertemuan vPertemuan v
Pertemuan v
 
Pasang surut
Pasang surutPasang surut
Pasang surut
 
Kode etik agen [final mar 06]
Kode etik agen [final   mar 06]Kode etik agen [final   mar 06]
Kode etik agen [final mar 06]
 
Petunjuk pelaksanaan ujian online
Petunjuk pelaksanaan ujian onlinePetunjuk pelaksanaan ujian online
Petunjuk pelaksanaan ujian online
 
Bab 2 m nkst prinsip umum mnj konst 240807
Bab 2  m nkst  prinsip umum mnj konst 240807Bab 2  m nkst  prinsip umum mnj konst 240807
Bab 2 m nkst prinsip umum mnj konst 240807
 
Hand out mp hpji 2008 ok
Hand out mp hpji 2008 okHand out mp hpji 2008 ok
Hand out mp hpji 2008 ok
 
Bab iii analisis geser
Bab iii analisis geserBab iii analisis geser
Bab iii analisis geser
 
Bab ii metode perencanaan dan provisi keamanan
Bab ii metode perencanaan dan provisi keamananBab ii metode perencanaan dan provisi keamanan
Bab ii metode perencanaan dan provisi keamanan
 
Bab i pendahuluan geser
Bab i pendahuluan geserBab i pendahuluan geser
Bab i pendahuluan geser
 
Bab iii gambar tegangan
Bab iii gambar teganganBab iii gambar tegangan
Bab iii gambar tegangan
 

Dernier

Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannyaModul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
Novi Cherly
 
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptxMODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
bubblegaming431
 
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
indahningsih541
 
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptxLokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
Hermawati Dwi Susari
 
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docxOK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
SusBiantoro1
 
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaanSoal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
ressyefrina15
 

Dernier (20)

MODUL AJAR PENDIDIKAN PANCASILA (PPKN) KELAS 3 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA (PPKN) KELAS 3 KURIKULUM MERDEKA.pdfMODUL AJAR PENDIDIKAN PANCASILA (PPKN) KELAS 3 KURIKULUM MERDEKA.pdf
MODUL AJAR PENDIDIKAN PANCASILA (PPKN) KELAS 3 KURIKULUM MERDEKA.pdf
 
tugas 1.4 keyakinan kelas tugas mandiri.pdf
tugas 1.4 keyakinan kelas tugas mandiri.pdftugas 1.4 keyakinan kelas tugas mandiri.pdf
tugas 1.4 keyakinan kelas tugas mandiri.pdf
 
Tugas Mandiri 1.4.a.4.4.pdf Ninik Widarsih
Tugas Mandiri 1.4.a.4.4.pdf Ninik WidarsihTugas Mandiri 1.4.a.4.4.pdf Ninik Widarsih
Tugas Mandiri 1.4.a.4.4.pdf Ninik Widarsih
 
PELAKSANAAN (di Hotel 101 Urban Thamrin Jkt) + Link2 MATERI Training_ "Effect...
PELAKSANAAN (di Hotel 101 Urban Thamrin Jkt) + Link2 MATERI Training_ "Effect...PELAKSANAAN (di Hotel 101 Urban Thamrin Jkt) + Link2 MATERI Training_ "Effect...
PELAKSANAAN (di Hotel 101 Urban Thamrin Jkt) + Link2 MATERI Training_ "Effect...
 
presentasi instal sistem operasi windows
presentasi instal sistem operasi windowspresentasi instal sistem operasi windows
presentasi instal sistem operasi windows
 
Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannyaModul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
Modul Ajar Ipa kelas 8 Struktur Bumi dan perkembangannya
 
LK 1 - 5T Keputusan Pemimpin Berdampak.docx
LK 1 - 5T Keputusan Pemimpin Berdampak.docxLK 1 - 5T Keputusan Pemimpin Berdampak.docx
LK 1 - 5T Keputusan Pemimpin Berdampak.docx
 
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptxMODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
MODUL 7 MANAJEMEN KUALITAS (11) (2).pptx
 
MODUL AJAR BAHASA INGGRIS KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INGGRIS KELAS 4 KURIKULUM MERDEKA.pdfMODUL AJAR BAHASA INGGRIS KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INGGRIS KELAS 4 KURIKULUM MERDEKA.pdf
 
Jaringan Internet dan Komputer dasar-dasar
Jaringan Internet dan Komputer dasar-dasarJaringan Internet dan Komputer dasar-dasar
Jaringan Internet dan Komputer dasar-dasar
 
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
1.4.a.4.3. Keyakinan Kelas tuga mandiri calon guru penggerak.pdf
 
MODUL AJAR SENI TARI KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR SENI TARI KELAS 4 KURIKULUM MERDEKA.pdfMODUL AJAR SENI TARI KELAS 4 KURIKULUM MERDEKA.pdf
MODUL AJAR SENI TARI KELAS 4 KURIKULUM MERDEKA.pdf
 
Materi: Mengapa tidak memanfaatkan Media ?
Materi: Mengapa tidak memanfaatkan Media ?Materi: Mengapa tidak memanfaatkan Media ?
Materi: Mengapa tidak memanfaatkan Media ?
 
MODUL AJAR BAHASA INDONESIA KELAS 1 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INDONESIA KELAS 1 KURIKULUM MERDEKA.pdfMODUL AJAR BAHASA INDONESIA KELAS 1 KURIKULUM MERDEKA.pdf
MODUL AJAR BAHASA INDONESIA KELAS 1 KURIKULUM MERDEKA.pdf
 
PPT PEMBELAJARAN KELAS 3 TEMATIK TEMA 3 SUBTEMA SUBTEMA 1 PEMBELAJARAN 1
PPT PEMBELAJARAN KELAS 3 TEMATIK TEMA 3 SUBTEMA SUBTEMA 1 PEMBELAJARAN 1PPT PEMBELAJARAN KELAS 3 TEMATIK TEMA 3 SUBTEMA SUBTEMA 1 PEMBELAJARAN 1
PPT PEMBELAJARAN KELAS 3 TEMATIK TEMA 3 SUBTEMA SUBTEMA 1 PEMBELAJARAN 1
 
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptxLokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
Lokakarya Kepemimpinan Sekolah 1_Mei 2024.pptx
 
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docxOK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
OK Lembar Umpan Balik dari Kepala Sekolah_A5 FINAL 150522.docx
 
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaanSoal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
Soal BAB 6 IPAS KELAS 4.doc tentang kebudayaan
 
Master 2_Modul 4_Percakapan Coaching.pdf
Master 2_Modul 4_Percakapan Coaching.pdfMaster 2_Modul 4_Percakapan Coaching.pdf
Master 2_Modul 4_Percakapan Coaching.pdf
 
Aksi Nyata Pendidikan inklusi-Kompres.pdf
Aksi Nyata Pendidikan inklusi-Kompres.pdfAksi Nyata Pendidikan inklusi-Kompres.pdf
Aksi Nyata Pendidikan inklusi-Kompres.pdf
 

Stat d3 4

  • 1. KULIAH BAB IV UKURAN KERAGAMA N DATA
  • 2. X3 UKURAN X5 KERAGAMAN DATA UNTUK MENGETAHUI SEBERAPA JAUH PENYEBARANNYA DARI NILAI RATA-RATA Xr X2 X1 X4 Xn
  • 3. 2 GUGUS DATA Pengukuran Jarak PQ oleh surveyor A dan B P Q Data Data Surveyor Surveyor A B 125,332 m 125,350 m 125,329 m 125,322 m 125,330 m 125,338 m 125,333 m 125,346 m Manakah gugus data yang lebih akurat?
  • 4. ANALISIS ATAS DATA Nilai rata2 Nilai rata2 data A = 125,331 data B = 125,339 m m Nilai median Nilai median data A = 125,331 data B = 125,342 m m Nilai modus Nilai modus data A tidak ada data B tidak ada KESIMPULAN???
  • 5. Nilai Rata2 Median Modus UKURAN GEJALA PUSAT TIDAK MAMPU MENYIMPULKAN
  • 6. UKURAN KERAGAMAN Simpangan Rentang Varians Baku =Xmax – Xmin n n ∑ (xi − xr ) 2 2 ∑ (x i − x r ) i =1 s= v = i =1 n−1 n−1
  • 7. RENTANG =Xmax – Xmin Rentang Data Rentang Data A = 125,333 – B = 125,350 – 125,329 125,322 = 0,004 m = 0,028 m Kesimpulan: karena rentang A < rentang B, maka gugus data A lebih akurat daripada gugus data B
  • 8. SIMPANGA N = Xi - Xr GUGUS A GUGUS B Xr = 125,331 Xr = 125,339 Gugus X1 - Xr X2 - Xr X3 - Xr X4 - Xr Data A 0,001 - 0,002 - 0,001 0,002 Data B 0,011 - 0,017 - 0,001 0,007 SIMPANGAN GUGUS A < GUGUS B
  • 9. Gugus Data A VARIAN Gugus Data B Xi - Xr (Xi – Xr)2 S Xi - Xr (Xi – Xr)2 0,001 0,000001 0,011 0,000121 - 0,002 0,000004 n - 0,017 0,000289 2 ∑ (x i − x r ) - 0,001 0,000001 - 0,001 0,000001 v = i =1 n−1 0,002 0,000004 0,007 0,000049 Jml 0,000010 Jml 0,000460 V= 0,0000033 V= 0,0001533 Varians A < Varians B Gugus A lebih akurat daripada gugus B
  • 10. SIMPANGAN BAKU n 2 ∑ (xi − xr ) s= i =1 n−1 Gugus Data A Gugus Data B V= 0,0000033 V= 0,0001533 S= 0,0018257 S= 0,0123814 Simp. baku A < Simp. baku B Gugus A lebih akurat daripada gugus B
  • 11. SIMPANGAN BAKU TANPA NILAI RATA-RATA n n ∑ xi 2 − ( n x )2 Gugus Data A ∑ i s= i =1 i =1 Xi Xi2 n(n − 1) 125,332 15.708,110224 n 125,329 15.707,358241 n ∑x i2 = 4x62.831,438254 i =1 = 251.325,753016 125,330 15.707,608900 125,333 15.708,360889 n 2 = (501,324)2 ( ∑x i ) 501,324 62.831.438254 i =1 = 251.325,752976 251.325,753016 − 251.325,752976 0,00004 s= = = 0,0018257 4 x3 12
  • 12. SIMPANGAN BAKU Bila sebuah gugus data ditambah/dikurangi dengan suatu konstanta, maka simpangan bakunya sama dengan simpangan baku data aslinya Gugus Data A n n ∑ (x i − 125 )2 = 1,753016 Xi Xi - 125 (Xi-125)2 i =1 125,332 0,332 0,110224 n 125,329 0,329 0,108241 ( ∑ (x i − 125 ))2 = 1,752976 i=1 125,330 0,330 0,108900 125,333 0,333 0,110889 S = 0,0018257 1,324 0,438254
  • 13. SIMPANGAN BAKU Bila sebuah gugus data dikalikan/dibagi dengan suatu konstanta c, maka simpangan bakunya sama dengan simpangan baku data asli dikalikan/dibagi c Harga suatu barang di 4 toko berbeda adalah Rp 1 juta, Rp 1,002 juta, Rp 1,001 juta, dan Rp 1,002 juta. Menghitung simpangan baku data itu, bagilah semua harga dengan 1000 menjadi 1000, 1002, 1001, dan 1002 lalu kurangi dengan 1000 diperoleh 0, 2, 1, dan 2 n n n ∑x i2 = 36 ( ∑x i )2 = 25 S = 0,957427 x 1000 i =1 i =1
  • 14. SIMPANGAN BAKU Untuk Distribusi Frekuensi 2 ∑ fi (Xi − Xr ) S = Dengan Xr n −1 n∑ fi Xi2 − (∑ fi Xi)2 S = Tanpa Xr n (n − 1)
  • 15. CONTOH dengan Xr Nilai fi Xi Xi-Xr (Xi-Xr)2 fi (Xi-Xr)2 Ujian 31 – 40 1 35,5 – 41,1 1.689,21 1.689,21 41 – 50 2 45,5 – 31,1 967,21 1.834,42 51 – 60 5 55,5 – 21,1 445,21 2.226,05 61 – 70 15 65,5 – 11,1 123,21 1.848,15 71 – 80 25 75,5 – 1,1 1,21 30,25 81 – 90 20 85,5 8,9 79,21 1.584,20 91 – 100 12 95,5 18,9 357,21 4.286,52 Jumlah 80 13.498,80 Xr = 76,6 S = 13,07
  • 16. CONTOH tanpa Xr Nilai fi Xi Xi2 fi Xi fi Xi2 Ujian 31 – 40 1 35,5 1.260,25 35,5 1.260,25 41 – 50 2 45,5 2.070,25 91,0 4.140,50 51 – 60 5 55,5 3.080,25 277,5 15.401,25 61 – 70 15 65,5 4.290,25 982,5 64.353,75 71 – 80 25 75,5 5.700,25 1.887,5 142.506,25 81 – 90 20 85,5 7.310,25 1.710,0 146.205,00 91 – 100 12 95,5 9.120,25 1.146,0 109.443,00 Jumlah 80 6.130,0 483.310,00 S = 13,12
  • 17. DALIL CHEBYSHEV "Sedikitnya 1 - 1/k2 bagian data terletak di dalam k simpangan baku dari nilai rata-ratanya Interval." Sampel dihitung menggunakan persamaan xr ± ks Contoh : Dari 1080 siswa didapat nilai IQ rata-rata = 120 dengan simpangan baku 8. (a) Tentukan interval nilai IQ untuk sedikitnya 810 mahasiswa, gunakan dalil Chebyshev. (b) Simpulkan mengenai nilai IQ untuk seluruh mahasiswa
  • 18. JAWAB (a) 810 Siswa dari 1080 = 810/1080 = 3/4 bagian atau = 1 - 1/k2. Jadi 1 - 1/k2 = 3/4, didapat k = 2. Interval nilai IQ = Xr ± ks = 120 ± 2x8 Atau, intervalnya: 120 + 16 = 136 dan 120 – 16 = 104. (b) Kesimpulan: 810 siswa memiliki IQ antara 104 – 136
  • 19. NILAI Z Definisi: Suatu pengamatan X yang mempunyai nilai rata-rata Xr dan simpangan baku s, mempunyai nilai z yang didefinisikan sebagai z = (X – Xr) / s Nilai z mengukur besar simpangan baku suatu pengamatan terletak di atas/bawah nilai rata-rata Nilai seorang mahasiswa Mata Nilai Rata-rata Simpang. z Kuliah kelas baku Kimia 82 68 8 1,75 Ekonomi 89 80 6 1,50 Nilai Kimia lebih baik daripada nilai Ekonomi