Bab 3

Statistika Bisnis
BAB 3
Pengukuran Deskriptif Numerik
Business Statistics, A First Course (4e) © 2006 Prentice-Hall, Inc. Chap 3-1
Tujuan Kuliah
In this chapter, you learn:

 Menggambarkan sifat dari central tendency,
variation, and shape/bentuk dalam data numerik

 Menghitung hasil pengolahan deskriptif untuk
populasi
Topik di Bab ini
 Pengukuran dari central tendency
 Mean, median, mode, geometric mean
Measures of Central Tendency
Overview
Central Tendency
Arithmetic Mean Median Mode Geometric Mean
X i
XG  ( X1  X 2    Xn )1/ n
X i1
n Nilai tengah Nilai yang
dari data paling
yang telah banyak
diurutkan muncul
Arithmetic Mean
 The arithmetic mean (sample mean) is the
most common measure of central tendency
 For a sample of size n:

n
X i
X1  X 2    Xn
X i1

n n
Sample size Observed values
Arithmetic Mean
(continued)
 The most common measure of central tendency

 Mean = sum of values divided by the number of values
 Affected by extreme values (outliers)
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Mean = 3 Mean = 4
1  2  3  4  5 15 1  2  3  4  10 20
 3  4
5 5 5 5
Median
 In an ordered array, the median is the “middle”
number (50% above, 50% below)
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
Median = 3 Median = 3
 Not affected by extreme values
Finding the Median
 The location of the median:
n 1
Median position  position in the ordered data
2
 If the number of values is odd, the median is the middle number
 If the number of values is even, the median is the average of
the two middle numbers
n 1
 Note that is not the value of the median, only the
2
position of the median in the ranked data
Mode
 A measure of central tendency
 Value that occurs most often
 Not affected by extreme values
 Used for either numerical or categorical
(nominal) data
 There may be no mode
 There may be several modes
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 1 2 3 4 5 6
No Mode
Mode = 9
Review Example
 Five houses on a hill by the beach
$2,000 K
House Prices:
$2,000,000
500,000 $500 K
300,000 $300 K
100,000
100,000
$100 K
$100 K
Review Example:
Summary Statistics
House Prices:
 Mean: ($3,000,000/5)
$2,000,000 = $600,000
500,000
300,000
100,000
100,000
 Median: middle value of ranked data
Sum $3,000,000
= $300,000
 Mode: most frequent value

= $100,000
Which measure of location
is the “best”?
 Mean is generally used, unless
extreme values (outliers) exist
 Then median is often used, since
the median is not sensitive to
extreme values.
 Example: Median home prices may be
reported for a region – less sensitive to
outliers
Geometric Mean
 Geometric mean
 Used to measure the rate of change of a variable
over time
XG  ( X1  X 2    Xn ) 1/ n
 Geometric mean rate of return

 Measures the status of an investment over time
R G  [(1  R1 )  (1  R 2 )    (1  Rn )]1/ n  1
 Where Ri is the rate of return in time period i
Example
An investment of $100,000 declined to $50,000 at the

end of year one and rebounded to $100,000 at end
of year two:
X1  $100,000 X 2  $50,000 X3  $100,000
50% decrease 100% increase
The overall two-year return is zero, since it started and

ended at the same level.
Example
(continued)
Use the 1-year returns to compute the arithmetic

mean and the geometric mean:
Arithmetic ( 50%)  (100%)

mean rate X  25% Misleading result
2
of return:
Geometric R G  [(1  R1 )  (1  R 2 )    (1  Rn )]1/ n  1

mean rate
 [(1  ( 50%))  (1  (100%))]1/ 2  1 More
of return:
accurate
 [(.50)  (2)]1/ 2  1  11/ 2  1  0% result
Tugas
 All Seasons Plumbing has two service trucks

that frequently need repair. If the probability the
first truck is available is .75, the probability the
second truck is available is .50, and the
probability that both trucks are available is .30,
what is the probability neither truck is available?
Varians/Variance
 Untuk mengetahui variasi penyebaran di sekitar

mean pada sampel
n
 Varians sampel:
 (X i  X) 2
S  2 i1
n -1
Dimana X= rata-rata sampel
n = ukuran sampel
Xi = nilai ke I dari variabel X
Business Statistics, A First Course
(4e) © 2006 Prentice-Hall, Inc. Chap 3-17
Contoh Perhitungan:
Data
Sampel (Xi) : 10 12 14 15 17 18 18 24
n=8 Rata-rata = X = 16
(10  X ) 2  (12  X ) 2  (14  X ) 2    (24  X ) 2

S
n 1
(10  16) 2  (12  16) 2  (14  16) 2    (24  16) 2


8 1
Rata-rata sebaraan data disekitar rata-

130
  4.3095 rata hitung
7
Deviasi Standar
 Alat ukur yang paling umum digunakan dalam
mengukur variansi
 Menunjukkan variansi disekitar rata-rata
 Merupakan akar dari variansi
 Deviasi Standar Sampel: n
 i
(X  X ) 2
S i1
n -1
Mengukur Variasi
Simpangan Baku yang kecil
Simpangan Baku yang besar

Perbandingan Simpangan Baku
Data A
Rata-rata = 15.5
11 12 13 14 15 16 17 18 19 20 21
S = 3.338
Data B
Rata-rata = 15.5
11 12 13 14 15 16 17 18 19 20 21 S = 0.926
Data C
Rata-rata = 15.5
11 12 13 14 15 16 17 18 19 20 21
S = 4.567
Koefisien Variasi
 Mengukur variasi relatif
 Selalu dalam bentuk persentasi (%)
 Menunjukkan variasi relatif terhadap rata-rata
 Digunakan untuk mengukur
kehomogenan/keheterogenan dua buah data
yang memiliki ukuran yang berbeda
 S 
CV     100%

X 
Membandingkan Koefisien
Variasi
 Saham A:
 Harga rata-rata pada akhir tahun = $50
 Deviasi Standar = $5
S $5
CVA     100%   100%  10%
X $50 Masing-masing
 Saham B: saham memiliki
deviasi standar
 Harga rata-rata pada akhir tahun = $100
yang
 Deviasi Standar = $5 sama,namun
saham B kurang
berfluktuatif
S $5 terhadap harga
CVB     100%   100%  5%
X $100
Keuntungan dari Varians dan
Deviasi Standar
 Setiap nilai pada data dilibatkan pada
perhitungan
 Nilai yang jauh dari rata-rata akan

memberikan bobot yang lebih besar
(karena deviasi dari rata-rata dikuadratkan)

Z-scores / Nilai-Z
 Untuk mengidentifikasi adakah nilai

ekstrem/outliers/pencilan yang letaknya jauh
dari mean
 Pencilan teridentifikasi bila nilai-Z di bawah -3
atau di atas +3
XX
Z
S
Bentuk dari Distribusi
 Menggambarkan bagaimana data terdistribusi

 Simetrik atau cenderung miring
Miring Kiri Simetrik Miring Kanan

Rata-rata < Median Rata-rata = Median Median < rata-rata

Contoh Soal
• Data mentah berikut adalah data sampel dengan
n=7:
Data 1: 0 3 4 7 7 9 12
Data 2: -8 -5 7 7 9 10 12
a. Tentukan mean, median, modus.
b. Tentukan range, varians, simpangan baku, dan
koefisien variasi. Manakah data yang lebih
homogen?
c. Hitung Z-scores. Apakah ada outliers/pencilan?
d. Jelaskan bentuk dari data
Pengukuran Numerik untuk Populasi
 Pengukuran untuk populasi disebut sebagai parameter
 Rata-rata Populasi adalah jumlah dari populasi dibagi
dengan ukuran populasi
N
X i
X1  X 2    XN
 i 1

N N
Dimana μ = rata – rata populasi
N = ukuran populasi
Xi = nilai ke I dari variabel X
Varians Populasi
 Untuk mengetahui variasi penyebaran di sekitar

mean pada populasi
N
 Varians Populasi :  (X i  μ) 2
σ2  i 1
N
Dimana μ = rata – rata populasi

N = ukuran populasi
Xi = nilai ke – I dari variabel X
Deviasi Standar Populasi
 Paling umum digunakan untuk mengukur variasi
 Menunjukkan variasi data disekitar rata – rata
hitung
 Merupakan akar dari varians populasi
 Deviasi Standar Populasi: N
 i
(X  μ) 2
σ i1
N
Hukum Empirik
 Apabila distribusi data terdistribusi dengan
normal maka memiliki interval:
μ  1σ Mengandung kurang lebih 68%

dari nilai data pada populasi atau
sampel
68%
μ
μ  1σ
Hukum Empirik
 μ  2σ Mengandung kurang lebih 95% dari
nilai data pada populasi atau
sampel
μ  3σ
 Mengandung kurang lebih 99.7%
dari nilai data pada populasi atau
sampel
95% 99.7%
μ  2σ μ  3σ
Teorema Chebyshev
 Menjelaskan bagaimana data terdistribusi,

paling sedikit (1 - 1/k2) x 100% dari nilai data
yang terletak dalam k deviasi standar rata-
rata hitung (untuk k > 1)
 Contoh:
Paling Sedikit Dalam
(1 - 1/12) x 100% = 0% ……..... k=1 (μ ± 1σ)
(1 - 1/22) x 100% = 75% …........ k=2 (μ ± 2σ)
(1 - 1/32) x 100% = 89% ………. k=3 (μ ± 3σ)

Analisi Data Eksploratori
 Diagram Kotak Garis: Penampakan grafis yang
didasarkan pada nilai kuartil, untuk
memudahkan kita menggambar suatu kelompok
berdasarkan data
Minimum -- Q1 -- Median -- Q3 -- Maksimum
Contoh:
25% 25% 25% 25%
Minimum 1st Median 3rd Maximum

Quartile Quartile
Bentuk dari Diagram Kotak Garis
 Kotak dan garis diletakkan pada angka akhir jika

datanya simetrik pada sekitar median
Min Q1 Median Q3 Max
 Diagram Kotak Garis dapat digunakan juga dalam

bentuk vertikal

Bentuk Distribusi dan Diagram
Kotak Garis
Miring Kiri Simetrik Miring Kanan
Q1 Q2 Q3 Q1 Q2 Q3 Q1 Q2 Q3

Contoh Diagram Kotak Garis
 Dibawah ini merupakan diagram kotak garis untuk

sekumpulan data:
 Min Q1 Q2 Q3 Max
0 2 2 2 3 3 4 5 5 10 27
0 23 5 27
 Data menunjukkan miring kanan

Kovarians Sampel
 Kovarians sampel mengukur kuat tidaknya hubungan
linier antara dua variabel (data bivariat)
 Kovarians Sampel:
n
 ( X  X)( Y  Y )
i i
cov ( X , Y )  i1
n 1
 Hanya berkonsentrasi dengan kuatnya hubungan

Interpretasi Kovarians
 Kovarians antara dua variabel:
cov(X,Y) > 0 X dan Y bergerak ke arah yang sama

cov(X,Y) < 0 X dan Y bergerak ke arah yang berlawanan
cov(X,Y) = 0 X dan Y bersifat independen

Korelasi Koefisien
 Mengukur kuatnya hubungan linier antara dua
variabel secara relatif
 Koefisien Korelasi Sampel:
cov (X , Y)
r
SX SY
Dimana,
n n n
 (X  X)(Y  Y)
i i  (X  X) i
2
 (Y  Y )
i
2
cov (X , Y)  i1
SX  i1
SY  i1
n 1 n 1 n 1
Karakteristik dari Koefisien
Korelasi, r
 Memiliki jarak antara –1 dan 1
 Semakin mendekati -1, memiliki hubungan negatif yang
kuat
 Semakin mendekati 1, memiliki hubungan positif yang
kuat
 Semakin mendekati 0 memiliki hubungan yang lemah

Scatter Plots of Data dengan
Korelasi Koefisien yang Beragam
Y Y Y
X X X
r = -1 r = -.6 r=0
Y
Y Y
X X X
r = +1
r = +.3 r=0
Ringkasan Pengukuran Deskriptif
Numerik
 Analisis data yang objektif

 Harus dapat menampilkan kesimpulan berdasarkan
asumsi data yang ada
 Interpretasi data yang subjektif
 Harus dilakukan secara adil, netral dan sesuai kaidah

Contoh Soal
Bulan Promosi Penjualan
Januari 3 9
Februari 4 12
Maret 5 15
April 6 18
Mei 7 21
Juni 8 24
Juli 9 27
Agustus 10 30
September 12 36
Oktober 15 45
November 18 54
a. Hitung Five Number Summary/kelima indikator (nilai terkecil, Q1,

Q2/Mean, Q3, nilai terbesar) dari masing-masing data di atas
b. Bangun box-and-whisker plot dan jelaskan bentuk masing-masing data
c. Dari kedua data diatas (promosi dan penjualan), Manakah data yang
lebih homogen? ?
 Estimate the mean and the standard deviation of the
following frequency distribution showing the number of
times students eat at campus dining places in a month.

Bab 3

Uploaded by

Copyright:

Available Formats

Bab 3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Bab 3

Uploaded by

Copyright:

Available Formats

Statistika Bisnis

In this chapter, you learn:

variation, and shape/bentuk dalam data numerik

Arithmetic Mean Median Mode Geometric Mean

 For a sample of size n:

Sample size Observed values

 The most common measure of central tendency

 Not affected by extreme values

 The location of the median:

 Mode: most frequent value

 Geometric mean rate of return

An investment of $100,000 declined to $50,000 at the

X1  $100,000 X 2  $50,000 X3  $100,000

50% decrease 100% increase

The overall two-year return is zero, since it started and

Use the 1-year returns to compute the arithmetic

Arithmetic ( 50%)  (100%)

Geometric R G  [(1  R1 )  (1  R 2 )    (1  Rn )]1/ n  1

 All Seasons Plumbing has two service trucks

 Untuk mengetahui variasi penyebaran di sekitar

(10  X ) 2  (12  X ) 2  (14  X ) 2    (24  X ) 2

(10  16) 2  (12  16) 2  (14  16) 2    (24  16) 2

Rata-rata sebaraan data disekitar rata-

 Deviasi Standar Sampel: n

Simpangan Baku yang kecil

Simpangan Baku yang besar

Business Statistics, A First Course

 Nilai yang jauh dari rata-rata akan

Business Statistics, A First Course

 Untuk mengidentifikasi adakah nilai

 Menggambarkan bagaimana data terdistribusi

Miring Kiri Simetrik Miring Kanan

Business Statistics, A First Course

 Untuk mengetahui variasi penyebaran di sekitar

Dimana μ = rata – rata populasi

 Deviasi Standar Populasi: N

μ  1σ Mengandung kurang lebih 68%

 Menjelaskan bagaimana data terdistribusi,

Business Statistics, A First Course

Minimum 1st Median 3rd Maximum

 Kotak dan garis diletakkan pada angka akhir jika

Min Q1 Median Q3 Max

 Diagram Kotak Garis dapat digunakan juga dalam

Business Statistics, A First Course

Miring Kiri Simetrik Miring Kanan

Business Statistics, A First Course

 Dibawah ini merupakan diagram kotak garis untuk

Business Statistics, A First Course

Business Statistics, A First Course

 Kovarians antara dua variabel:

cov(X,Y) > 0 X dan Y bergerak ke arah yang sama

Business Statistics, A First Course

Business Statistics, A First Course

 Analisis data yang objektif

Business Statistics, A First Course

a. Hitung Five Number Summary/kelima indikator (nilai terkecil, Q1,

You might also like