Measure Of Central Tendency

Measure Of Central Tendency dalam Statistika

Measure of Central Tendency dapat didefinisikan sebagai sutu pengukuran nilai yang dapat digunakan untuk merepresentansikan nilai tipikal atau sentral dari suatu dataset.

• Mean

Mean dari suatu dataset merupakan penjumlahan dari keseluruhan entri pada dataset dibagi dengan banyaknya entri pada dataset tersebut.

rumus :

Contoh :

• Median

Median dari suatu dataset merupakan nilai yang berada ditengah dengan mengacu pada nilai dataset yang sudah terurut.

• Mode

Mode dari suatu dataset merupakan nilai dari dataset yang memiliki frekuensi kemunculan paling tinggi.

• Weighted Mean

Weighted Mean adalah nilai rerata dari suatu dataset dimana setiap entrinya memiliki bobot tertentu.

• Mean of Grouped Data (Frequency Distribution)

Kita juga dapat melakukan estimasi nilai rerata dari suatu dataset yang sudah dikelompokkan kedalam format distribusi frekuensi.

Kelebihan dan Kekurangan Mean :

Kelebihan mean adalah:

1.Rata-rata lebih dikenal banyak orang sehingga penggunaannya lebih mudah.

2.Setiap rangkaian data kuantitatip memiliki rata-rata dan hanya satu rata-rata.

3 Oleh karena perbedaan data memiliki hanya satu rata-rata,maka ukuran pusat data ini dapat digunakan dengan baik dalam prosedur-prosedur statiska seperti mengatur dua atau lebih rangkaian data.

Kelemahan mean adalah:

1.Oleh karena rata-rata dihitung dari seluruh data pengamatan,maka rata-rata sangat peka terhadap angka-angka data ekstrim. Dengan demikian,rata-rata dari data yang memiliki angka-angka yang besar akan menjadi kurang representatip.

2.Untuk data kualitatip,rata-rata tidak dapat digunakan untuk menentukan ukuran pusat datanya.

3.Untuk data yang telah dikelompokkan hasil perhitungannya tidak mencerminkan rata-rata yang sebenarnya.

4.Untuk data yang telah dikelompokkan dengan kelas terbuka,rata-rata tidak dapat dihitung.

Visualisasi Data

 Visualisasi Data

Visualisasi data adalah representasi grafis dari data dan informasi. Dengan menggunakan elemen-elemen visual seperti diagram, grafik dan peta, komunikasi data dan informasi menjadi lebih mudah.

Berikut beberapa teknik visualisasi data yang akan dipelajari :

• Stem and Leaf Plot

• Dot Plot

• Pie Chart

• Bar Plot

• Scatter Plot

• Time Series Chart

• Visualisasi Data dengan Python

Distribusi Frekuensi

Distribusi Frekuensi (Frequency Distribution)

Distribusi frekuensi adalah sebuah daftar, tabel, atau diagram yang menunjukkan frekuensi berbagai kejadian dalam suatu sampel. Setiap butir atau baris dalam tabel menunjukkan frekuensi atau jumlah terjadinya nilai dalam kelompok atau interval tersebut.

Jenis-jenis Distribusi Frekuensi :

• Distribusi frekuensi biasa

Distribusi frekuensi yang berisikan jumlah frekuensi dari setiap kelompok data. Distribusi frekuensi ada dua jenis yaitu distribusi frekuensi numerik dan distribusi frekuensi peristiwa atau kategori.

• Distribusi frekuensi relatif

Distribusi frekuensi yang berisikan nilai-nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan. Distribusi frekuensi relatif menyatakan proporsi data yang berada pada suatu kelas , distribusi frekuensi relatif pada suatu kelas didapatkan dengan cara membagi frekuensi dengan total data yang ada dari pengamatan atau observasi.

• Distribusi frekuensi kumulatif

Distribusi frekuensi yang berisikan frekuensi kumulatif (frekuensi yang dijumlahkan). Distribusi frekuensi kumulatif memiliki kurva yang disebut ogif. Ada dua macam distribusi frekuensi kumulatif yaitu distribusi frekuensi kumulatih kurang dari dan distribusi frekuensi lebih dari.

Histogram

Frequency Polygon

Ogive

Pengumpulan Data Statistika

 Pengumpulan Data (Data Collection)

Sensus

Pengertian Sensus adalah cara pengumpulan data apabila seluruh elemen populasi diselidiki satu per satu. Data yang diperoleh tersebut merupakan hasil pengolahan sensus disebut sebagai data yang sebenarnya (true value), atau sering juga disebut parameter.

Sampling

Pengertian Sampling adalah cara pengumpulan data apabila yang diselidiki berupa sampel dari suatu populasi. Data yang didapat dari hasil sampling merupakan data perkiraan (estimated value). Jadi, jika dari 100 perusahaan hanya akan diselidiki 10 saja, maka hasil dari penyelidikannya merupakan suatu perkiraan.

Teknik Sampling (Sampling Techniques)

• Simple Random Sampling

Simple Random Sampling adalah pengambilan anggota sampel dari populasi yang dilakukan secara acak tanpa memperhatikan strata yang ada dalam populasi itu.

• Stratified Sampling

Merupakan proses pengambilan sampel melalui cara pembagian populasi ke dalam strata, memilih sampel acak setiap stratum, dan menggabungkannya untuk menaksir parameter populasi.

• Cluster Sampling

Cluster sampling adalah teknik sampling dimana peneliti membentuk beberapa cluster dari hasil penyeleksian sebagian individu yang menjadi bagian dari sebuah populasi.

• Systematic Sampling

Merupakan sistem pengambilan sampel yang dilakukan dengan menggunakan selang interval tertentu secara berurutan.

• Convenience Sampling

Convenience sampling adalah prosedur sampling yang memilih sampel dari orang atau unit yang paling mudah dijumpai atau diakses.

Studi Statistik

 Studi Statistik (Statistical Study)

1. Studi observasi (observational study)

Seorang peneliti hanya melakukan pengamatan terhadap subjek tanpa melakukan tindakan apapun yang dapat mempengaruhi hasil pengamatan.

2. Studi eksperimen (experimental syudy)

Seorang peneliti menerapkan suatu treatment tertentu terhadap subjek sebelum melakukan pengamatan untuk memahami efek treatment yang diberikan.

3. Desain eksperimen (experimental design)

• Kendali (control)

Experimental unit ➡️ treatment group ↔️ control group.

• Pengacakan (randomisation)

Experimental unit ➡️ pemilihan acak, treatment group ↔️ control group.

• Replikasi (replication)

Tantangan dalam experimental study :

1. Confounding/Lurking variabel

• Faktor eksternal (dan tidak diperhitungkan sebelumnya) yang berpotensi memberikan pengaruh terhadap hasil eksperimen.

2. Placebo effect

• Subjek eksperimen memberikan reaksi positif walau subjek tersebut menerima placebo (treatment palsu).

3. Hawthorne effect

• Perubahan perilaku dari subjek eksperimen setelah mengetahui bahwa dirinya terlibat dalam eksperimen.

Tipe data Statistika

Statistika 

Tipe data statistika :

1. Data kualitatif (Qualitative)

Data non numerik :

• Atribut

• Label

2. Data kuantitatif (Quantitative)

Data numerik :

• Penghitungan

• Pengukuran

Contoh tipe data :

Skala pengukuran (Level of Measurements)

• Nominal

• Ordinal

• Interval

• Rasio (ratio)

1. Skala Nominal

Skala nominal adalah skala yang hanya bisa membedakan benda, peristiwa, ataupun objek yang diteliti antara satu dengan yang lainnya berdasarkan nama atau predikatnya. Umumnya, pengukuran dengan skala ini dilakukan dengan pemberian angka atau simbol pada objek tersebut.

2. Skala Ordinal

Skala ordinal adalah skala yang mengandung pengertian tingkatan. Walaupun sama-sama bertipe facto, skala ini disebut-sebut lebih tinggi daripada skala nominal.

3. Skala Interval

Skala interval adalah skala numerik dimana kita bisa mengetahui urutan dan perbedaan jarak antar datanya. Karakteristik skala interval sama dengan skala nominal dan ordinal hanya saja ditambah dengan interval yang tetap.

4. Skala Rasio (ratio)

Skala rasio adalah skala tertinggi dibanding jenis skala pengukuran yang lain. Skala rasio sudah mencakup seluruh karakteristik pada skala nominal, ordinal, dan interval, Skala ini juga sudah bisa diinterpretasikan pada semua operasi statistik bahkan dapat menghitung rasio atau perbandingan karena skala ini sudah memiliki nilai nol mutlak.

Statistika Dasar

Statistika 

Pengertian 

Statistika adalah cabang ilmu matematika terapan yang terdiri dari teori dan metoda mengenai bagaimana cara mengumpulkan, mengukur, mengklasifikasi, menghitung, menjelaskan, mensintesis, menganalisis, dan menafsirkan data yang diperoleh secara sistematis. Dengan demikian, didalamnya terdiri dari sekumpulan prosedur mengenai bagaimana cara:

• Mengumpulkan data

• Meringkas data

• Mengolah data

• Menyajikan data

• Menarik kesimpulan dan interpretasi data berdasarkan kumpulan data dan hasil analisisnya

Jenis-Jenis Statistika

Terdapat beberapa jenis-jenis statistika yang dibedain berdasarkan beberapa kategori, diantaranya :

• Berdasarkan orientasi pembahasannya

• Teknik/metode yang digunakan

• Asumsi

Berdasarkan Tujuannya

• Statistika Matematik

Statistika berorientasi terhadap model dan teknik statistika yang digunakan secara teoritis. Statistika ini lebih ke dalam melakukan uji coba terhadap model-model atau teknik statistika baru yang bisa digunakan

• Statistika Terapan

Berbeda dengan statistika matematik yang berfokus pada teoritis, kalo statistika terapan lebih berfokus pada penerapan dari metode yang digunakan. Jadi, statistika ini lebih banyak penggunaannya dalam industri atau bidang lainnya yang dapat meningkatkan kinerja suatu proses.

Berdasarkan Teknik/Metode

• Statistika Deskriptif

Statistika ini sangat erat dengan pengumpulan data, pengolahan, dan penyajian data sehingga memberikan informasi yang dapat membantu para penggunanya.

• Statistika Inferensial

Berbeda dengan statistika deskriptif yang berfokus pada penjelasan data, statistika inferensial berfokus proses menebak karakter sebuah kelompok berdasarkan data sampel. Statistika inferensial bertujuan untuk mengetahui dari mana asal suatu data sampel yang sedang diuji.

Berdasarkan Syarat Data/Asumsi Data/Parameternya

• Statistika Parametrik

Statistika parametrik berfokus uji metode statistika yang telah diperkuat dengan asumsi terlebih dahulu. Kebanyakan statistika parametrik digunakan pada data yang berskala interval dan rasio.

• Statistika Non Parametrik

Statistika non parametrik berfokus pada uji metode statistika yang berlawanan dengan statistika parametrik yaitu menggunakan sedikit asumsi atau bahkan nggak sama sekali. Pada metode statistika ini, data yang diambil dari sebuah populasi tidak terikat terhadap model statistikanya.

Kalo statistika parametrik digunakan pada data berskala interval dan rasio, maka statistika non parametrik digunain pada data yang berskala ordinal dan nominal.

Berdasarkan Jumlah Variabel

• Statistika Univariat

Statistika ini menggunakan satu variabel dalam metode analisisnya karena memudahkan dalam meringkas data dalam bentuk grafik. Kalo kamu bingung, biasanya uji-t, uji-z, dan uji normalitas adalah salah satu dari statistika univariat.

• Statistika Bivariat

Statistika bivariat menggunakan dua variabel dalam penelitiannya. Biasanya sih statistika ini digunain untuk menjelaskan sebuah hubungan atau pengaruh antar variabel. Contohnya seperti uji korelasi dan uji regresi.

• Statistika Multivariat

Statistika multivariat menggunakan lebih dari 2 variabel dalam penelitiannya. Penelitian ini berfokus pada pendalaman fenomena dari banyak variabel. Salah satu contohnya adalah uji regresi berganda, uji cluster, analisa faktor dkk.