E-Stat (Ebook Statistik)

E-book pada Paket Statistik-I sangat cocok bagi Anda yang ingin belajar statistika terutama bagi Anda yang sedang menempuh kuliah jurusan Statistika atau Matematika.

Diagram Batang

Diagram batang (histogram) adalah gambaran mengenai suatu distribusi frekuensi, dimana untuk setiap kelas dinyatakan dalam skala horizontal (datar) dan frekuensinya dalam skala vertical (tegak); atau sebaliknya.

Selamat Datang di Blog kami. Semoga Berkenan dan Bermanfaat.

Blog ini akan membantu anda dalam mempelajari metode statistik dan analisis data statistik dengan menggunakan software SPSS, Minitab, dsb. Terutama bagi anda yang menganalisis data untuk Skripsi, Tesis, atau karya ilmiah lainnya.

Jangan lupa tulis KOMENTAR pada tiap postingan dan tak lupa ada sebuah LAYANAN KHUSUS buat anda.

Kamis, 26 Mei 2011

TABEL DISTRIBUSI FREKUENSI


Distribusi frekuensi adalah suatu daftar atau tabel yang membagi data dalam beberapa kelas. Distribusi frekuensi terdiri dari 2 macam, yaitu distribusi frekuensi categorical dan distribusi frekuensi numerical.

Distribusi frekuensi categorical adalah distribusi frekuensi yang pembagian kelas – kelasnya berdasarkan atas macam – macam data, atau golongan data yang dilakukan secara kwalitatif. Perhatikan contoh berikut.


HASIL PENJUALAN TOKO TRI BHAKTI, TAHUN 2005

Macam Barang Dagangan
Jumlah Penjualan (Ton)
Kacang tanah
Kedelai
Jagung
Beras
20
15
35
60
Jumlah Total Penjualan
130
Catatan : data fiksi

Distribusi frekuensi numerical adalah distribusi frekuensi yang pembagian kelas – kelasnya dinyatakan dalam angka. Perhatikan contoh berikut.



DATA USIA KARYAWAN PT. ANGIN RIBUT AMBULU

UMUR KARYAWAN
(Tahun)
JUMLAH KARYAWAN
( Orang )
20 – 24.9
25 – 29.9
30 – 34.9
35 – 39.9
15
16
4
5
Jumlah
40

Prosedur atau langkah – langkah dalam membuat tabel frekuensi adalah sebagai berikut :
1.     tentukan range dari data pengamatan, dan gunakan data terkecil sebagai sebagai limit bawah kelas pertama;
2.     tentukan interval kelas yang diinginkan dan tentukan jumlah kelas,
3.     buat interval kelas dan hitung pengamatan yang jatuh untuk tiap kelas dengan membuat tally;
4.     jumlah frekuensi pada masing – masing kelas.

Contoh soal :          Diberikan data mentah tentang gaji bulanan 50 pegawai honorer dalam ribuan rupiah.

138
164
150
132
144
125
149
157
118
124
144
152
148
136
147
140
158
146
128
135
168
165
126
154
138
118
178
163
137
143
135
140
153
135
147
142
173
146
146
150
142
150
135
156
145
145
161
128
155
162

Dari data diatas, buatlah daftar distribusi frekuensi dari gaji tersebut.
Untuk menjawab soal diatas, langkah – langkah yang perlu dilakukan adalah sebagai berikut.
1.     Menentukan Range (R).
Range dapat diartikan sebagai jarak antara data terkecil sampai terbesar atau selisih antara data terbesar sampai terkecil. Dari contoh diatas :
Range (R)    =    Data terbesar – data terkecil
              = 178 – 118
              = 60
2.     Menentukan Jumlah Kelas (k).
Interval atau panjang kelas adalah bebas, kelas dapat berinterval 3, 5, 10, dsb.
Cara menentukan jumlah kelas (k) yang paling sederhana adalah dengan Rumus :
Jumlah Kelas (k) = Range (R) : Interval kelas (i).        ( 2.1 )

Dari contoh diatas, jika interval kelas adalah 9, maka jumlah kelas adalah : 60 : 9 = 6,67  » 7 (dibulatkan).
Ada cara lain untuk menentukan jumlah kelas, yaitu dengan rumus STURGES, yang formulasinya sebagai berikut :
Jumlah kelas (k) = 1 + 3,3 log n                              ( 2.2 )
Dimana : n = jumlah data yang dimiliki
Pada cara ini, jumlah kelas (k) hitung terlebih dahulu, selanjutnya interval kelas dihitung dengan rumus ( 2.1 ). Sehingga, dari contoh diatas diperoleh :
k = 1 + 3,3 log 50 = 1 + 3,3 (1,699) = 6,607 dibulatkan 7 kelas
Maka interval kelas (i) = R : k = 60 : 7 = 8,57 dibulatkan menjadi 9
3.     Menentukan kelas.
Dalam menentukan kelas, diharapkan semua data yang ada dapat masuk keseluruhan. Data terkecil harus masuk pada kelas pertama, dan data terbesar dapat masuk pada kelas terakhir. Dari persoalan diatas, dapat dibuat interval – interval kelas sebagai berikut.
Kelas I      = dimulai dengan 118, mengingat panjang kelas = 9 maka :
Kelas II     = dimulai dengan 127
Kelas III    = dimulai dengan 136
Kelas IV    = dimulai dengan 145
Kelas V     = dimulai dengan 154
Kelas VI    = dimulai dengan 163
Kelas VII   = dimulai dengan 172
4.     Menghitung Frekuensi Kelas.
Frekuensi tiap – tiap kelas diartikan sebagai jumlah dari data – data yang sudah dimasukkan kedalam masing – masing kelas. Selanjutnya semua data pengamatan pada masing – masing kelas dihitung dengan menggunakan sistem Tally (tanda : ////). Frekuensi kelas adalah jumlah dari tanda yang diperoleh. Jika semua langkah dipenuhi, maka dari soal diatas dapat dibuat tabel distribusi frekuensi sebagai berikut.

TABEL DISTRIBUSI FREKUENSI GAJI BULANAN
50 PEGAWAI HONORER

KELAS
GAJI
( Dalam Ribuan )
TALLY
FREKUENSI
I
II
III
IV
V
VI
VII
118 – 126
127 – 135
136 – 144
145 – 153
154 – 162
163 - 171
172 - 180
////
//// //
//// //// /
//// //// ////
//// //
////
//
5
7
11
14
7
4
2

TOTAL

50
Jika frekuensi dinyatakan dalam persentasi  terhadap total frekuensi, maka tabel tersebut dinamakan tabel frekuensi relatif. Jumlah frekuensi dari semua nilai yang lebih kecil dari limit atas dari suatu interval kelas sampai dengan dan termasuk kelas yang bersangkutan disebut frekuensi kumulatif. Jika frekuensi kumulatif dinyatakan dalam bentuk hasil pembagiannya dengan total frekuensi disebut frekuensi kumulatif relatif.

TABEL DISTRIBUSI FREKUENSI, FREKUENSI RELATIF,
FREKUENSI KUMULATIF DAN FREKUENSI KUMULATIF RELATIF
GAJI BULANAN 50 PEGAWAI HONORER

KELAS
GAJI
(Ribuan )
FREKUENSI
FREKUENSI
KUMULATIF
FREKUENSI
RELATIF
( % )
FREKUENSI
KUMULATIF
RELATIF
(%)
I
II
III
IV
V
VI
VII
118 – 126
127 – 135
136 – 144
145 – 153
154 – 162
163 - 171
172 - 180
5
7
11
14
7
4
2
0
12
23
37
44
48
50
10
14
22
28
14
8
4
0
24
46
74
88
96
100

TOTAL
50

100


TABEL BARIS KOLOM

Tabel baris kolom merupakan penyajian data dalam bentuk tabel dengan bentuk susunan baris dan kolom yang saling berhubungan. Pada umumnya, skema garis besar sebuah tabel dengan nama – nama bagiannya adalah seperti dibawah ini :



Judul Daftar





Judul
kolom


Judul
baris
Sel



Badan
tabel





Sel

Sel






sel


Catatan


Untuk sekumpulan data yang diberikan, kita dapat membuat lebih dari satu macam tabel. Semakin banyak kategori atau klasifikasi data, maka semakin sulit tabel dibuat, sehingga bijaksana apabila dibuat lebih dari satu tabel. Perhatikan contoh – contoh berikut.



PEMBELIAN BARANG – BARANG OLEH JAWATAN A
DALAM RIBUAN UNIT DAN JUTAAN RUPIAH TAHUN 1965 – 1967

Tahun
Jumlah
Barang
Barang
Harga
A
B
Banyak
Harga
Banyak
Harga
(1)
(2)
(3)
(4)
(5)
(6)
(7)
1965
1966
1967
19.1
22.1
24.0
315.8
388.3
382.4
8.3
12.7
11.0
234.4
307.8
290.4
10.8
9.4
13.0
81.4
80.5
92.0
Jumlah
65.2
1086.5
32.0
832.6
33.2
256.9
Catatan : Data Fiktif

PEMBELIAN BARANG – BARANG OLEH JAWATAN A
DALAM RIBUAN UNIT DAN JUTAAN RUPIAH
1965 – 1967

Barang
1965
1966
1967
Banyak
Barang
Banyak
Barang
Banyak
Barang
A
8.3
234.4
12.7
307.8
11.0
290.4
B
10.8
81.4
9.4
80.5
13.0
92.0

Jumlah

19.1
315.8
22.1
388.5
24.0
382.4
Catatan : Data Fiktif

PERINGKASAN DAN PENYAJIAN DATA

Data yang telah dikumpulkan, baik berasal dari populasi ataupun dari sample, untuk keperluan laporan dan atau analisis selanjutnya, perlu diatur, disusun, disajikan dalam bentuk yang jelas dan baik. Garis besarnya ada dua cara penyajian data yang sering dipakai ialah : tabel atau daftar dan grafik atau diagram.

Macam – macam tabel atau daftar yang dikenal :
  1. tabel baris kolom,
  2. tabel kontingensi,
  3. tabel distribusi frekuensi.
Sedangkan diagram atau grafik yang akan diuraikan disini ialah :
  1. diagram batang,
  2. diagram garis,
  3. diagram pencar atau diagram titik,
  4. diagram pastel atau lingkaran,
  5. diagram peta atau kartogram.

Rabu, 25 Mei 2011

Analisis Regresi (ANAREG)

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang lain. Variabel "penyebab" disebut dengan bermacam-macam istilah: variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis, atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak.

Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini.

Analisis Varian (ANAVA)

Analisis varians (analysis of variance, ANOVA) adalah suatu metode analisis statistika yang termasuk ke dalam cabang statistika inferensi. Dalam literatur Indonesia metode ini dikenal dengan berbagai nama lain, seperti analisis ragam, sidik ragam, dan analisis variansi. Ia merupakan pengembangan dari masalah Behrens-Fisher, sehingga uji-F juga dipakai dalam pengambilan keputusan. Analisis varians pertama kali diperkenalkan oleh Sir Ronald Fisher, bapak statistika modern. Dalam praktik, analisis varians dapat merupakan uji hipotesis (lebih sering dipakai) maupun pendugaan (estimation, khususnya di bidang genetika terapan).

Secara umum, analisis varians menguji dua varians (atau ragam) berdasarkan hipotesis nol bahwa kedua varians itu sama. Varians pertama adalah varians antarcontoh (among samples) dan varians kedua adalah varians di dalam masing-masing contoh (within samples). Dengan ide semacam ini, analisis varians dengan dua contoh akan memberikan hasil yang sama dengan uji-t untuk dua rerata (mean).
Supaya sahih (valid) dalam menafsirkan hasilnya, analisis varians menggantungkan diri pada empat asumsi yang harus dipenuhi dalam perancangan percobaan:
  1. Data berdistribusi normal, karena pengujiannya menggunakan uji F-Snedecor
  2. Varians atau ragamnya homogen, dikenal sebagai homoskedastisitas, karena hanya digunakan satu penduga (estimate) untuk varians dalam contoh
  3. Masing-masing contoh saling bebas, yang harus dapat diatur dengan perancangan percobaan yang tepat
  4. Komponen-komponen dalam modelnya bersifat aditif (saling menjumlah).
Analisis varians relatif mudah dimodifikasi dan dapat dikembangkan untuk berbagai bentuk percobaan yang lebih rumit. Selain itu, analisis ini juga masih memiliki keterkaitan dengan analisis regresi. Akibatnya, penggunaannya sangat luas di berbagai bidang, mulai dari eksperimen laboratorium hingga eksperimen periklanan, psikologi, dan kemasyarakatan.