statistikas2 01 pu 2013
DESCRIPTION
nnTRANSCRIPT
STATISTIKA DAN METODE PENELITIAN (TRANPORTASI)
Pertemuan-1
Armin LawiProdi Teknik Perencanaan Transportasi
Program Pasca-sarjana, Universitas Hasanuddin
Nama Lengkap: Armin Lawi
Pendidikan: Sarjana Sains (S.Si.), Matematika, UNHAS Master of Engineering (M.Eng.), Computer Science,
Kyushu University, Japan Doctor of Engineering (Dr.Eng.), Computer Science,
Kyushu Institute of Technology, Japan
Pekerjaan: Dosen, Universitas Hasanuddin, 1995 – sekarang. Dosen Pascasarjana, PS Matematika, PS Teknik Elektro
(Konsentrasi Teknik Komputer dan Informatika), PS Teknik Transportasi, dan PS Teknik Perencanaan Prasarana, Program Pascasarajana UNHAS, 2008 – skrg.
Salam Kenal
Pegalaman Pekerjaan General Manager, Kyushu–Indonesia Support Center (KISC), 2011-sekarang IT Consultant, Windom International Inc., Japan, 2007-sekarang Special Trainer, Nihon Suisan Development Center, 2004-sekarang Koordinator ICT-Pura Prov. Sulsel Kementrian Kominfo, 2011-sekarang Tim Ahli Implementasi e-Government Pemerintah Kota Makassar, 2008-sekarang Ketua Pelaksana Tim Teknis Aplikasi e-Government Pemkab Maros, 2012-sekarang Ketua STMIK Kharisma Makassar 2009 - 2012 Sekretaris PS Teknik Perencanaan Prasarana (TPP), Program Pascasarjana UNHAS,
2009 – 2011 Ketua Tim Pengembangan dan Perencanaan FMIPA UNHAS, 2008 –2010 Lecturer (Assistant Professor), Faculty of Information Science, Kyushu Sangyo
University,Japan, 2004 – 2007. Research Assistant (part-time), Grad. School of Computer Science and Systems
Engineering, Kyushu Institute of Technology, Japan, 2004 – 2007. Dosen Luar Biasa, STMIK Dipanegara Makassar, 1995 – 1998.
Afiliasi Organisasi Keahlian IEEE Computer Society, Member No. 80272484 Association for Computing Machinery (ACM), Member No. 9163395 Asosiasi Perguruan Tinggi Informatika dan Komputer (APTIKOM), Ketua Wilayah IX
Sulawesi The Indonesian Mathematical Society (IndoMS), Bidang Pendidikan dan Penelitian
Wilayah Sulselbar
Outline Materi Statistika
Pengantar Pengolahan Data Statistika Dasar Pengolahan Data (Analisis
Perbandingan) Analisis Pengolahan Data Kuantitatif Analisis Pengolahan Data Kualitatif Tugas Pengolahan Data
Transportasi/Prasarana
Metode Penilaian MK
Tugas 5 buah masing2 berbobot 15%. Tugas resume kuliah dalam format Ms-Word .docx Dikirim lewat email ke: [email protected] Subject: Stat2013-S2-PU-Tugas-x-<Nama>
Contoh: Stat2013-S2-PU-Tugas-1-Armin Lawi Kumpul hari Minggu sebelum jam 23:59 WITA
Tugas Besar kompilasi perbaikan tugas-tugas sebelumnya dalam bentuk buku berbobot 15%
Ujian Tengah Semester (UTS) bobot 10% Seluruh tugas jika terlambat dikumpul dari waktu
yang ditentukan akan dikenai discount nilai 25% Syarat administrasi 80% kehadiran
Kurang dari 80% hadir (4 kali absen) = E
Tata Tertib Perkuliahan
Masuk paling lambat 15 menit sebelum dosen datang
Ijin dan sakit dapat dihitung hadir jika ada pemeberitahuan sebelum kuliah dimulai (sebaiknya via SMS)
Jumlah ijin dan sakit yg dihitung hadir maksimal 3XKecuali, keadaan darurat
Selama perkuliahaan Ponsel dalam mode OFF atau SILENT. Ponsel boleh dilihat untuk, dan hanya untuk, mengetahui waktu.
Informasi Kontak
Cellular phone: +62 813 55794212 Facebook:
http://www.facebook.com/armin.lawi/ Twitter: @arminlawi Instigram: arminlawi Yahoo!ID: armin_lawi Email: <[email protected]> atau
Pengolahan Data Statistika
Statistika Deskriptif Statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok data itu saja Ukuran Lokasi: mode, mean, dll. Ukuran Variabilitas: variansi, standar deviasi, range, dll Ukuran Bentuk: skewness, kurtosis, plot boks
Statistika Inferensi (Statistika Induksi) Statistika menggunakan data dari suatu sampel untuk menarik kesimpulan mengenai populasi dari mana sampel tersebut diambil
Statistika Deskriptif
Statistika Induktif
Kelompok Analisis Statistika
Statistika Parametrik Menggunakan asumsi mengenai populasi (dengan
sebuah distribusi kepluangan) Membutuhkan pengukuran kuantitatif dengan level
data interval atau rasio Statistika Non-Parametrik
Menggunakan lebih sedikit asumsi mengenai populasi (atau bahkan tidak ada sama sekali)
Membutuhkan data dengan level serendah-rendahnya ordinal (ada beberapa metode untuk nominal)
Statistika Pseudo-Parametrik
Beberapa Istilah
Populasi: Seluruh obyek yang sedang diteliti
Sampel: Sebagian dari populasi yang apabila diambil secara benar merupakan representasi dari populasi
Sensus: Pengumpulan data pada seluruh populasi
Parameter: Ukuran deskriptif dari populasi
Statistik: Ukuran deskriptif dari sampel
Tipe Data Statistika
Data Kualitatif Data Nominal: Data kategori yang bernilai setara.
Misal: Jenis Kelamin (L/P setara), dll. Data Ordinal: Data kategori yang mempunyai level nilai.
Misal: Sikap (sangat suka, suka, biasa, tidak suka, sangat tidak suka) dimana sangat suka > suka > … > sangat tidak suka
Data Kuantitatif Data Interval: Data pengukuran dengan kategori pada
selang bilangan rasional tertentu. Data Rasio: Data pengukuran dengan sebuah bilangan
rasional tertentu
Pengolahan Data Statistika Modern
Data Masukan
Data Keluaran
(Informasi)
Aplikasi Pengolah Data Statistika
Proses Komputer/Statistika
Aplikasi statistika buatan sendiri
Program add-ins pada aplikasi lain (Ms-
Excel, Sheet, dll.)
Aplikasi khusus statistika (Minitab, SAS, SPSS, dll.)
Teknik Dasar Pengolahan Data
Pengujian Hipotesis
Hipotesis: Pernyataan yang dibuat dalam penelitian terhadap suatu populasi atau lebih yang mungkin benar atau salah
Hipotesis dibuktikan dengan pengujian Hipotesis mempermudah penelitian dan
dapat dijadikan pedoman berdasarkan fakta-fakta
Hipotesis merupakan alat untuk membuat kesimpulan dasar yang penting dan menyeluruh
Tahapan Pengujian Hipotesis Rumuskan hipotesis awal (H0) dan
hipotesis tandingan (H1) yang sesuai dengan masalah
Pilih statistik uji Tetapkan taraf signifikansi atau taraf
keberartian () Hitung statistik uji Tentukan nilai atau daerah kritis pengujian Lihat kurva hasil terhadap daerah kritis Buat kesimpulan atas hasil pengujian
Contoh Pengujian Hipotesis
Suatu perusahaan pembuat tali pancing sintetik merek baru mengklaim bahwa tali pancing mereka rata-rata mampu menahan beban 8 kg dengan simpangan baku 0,5 kg. Untuk itu suatu sample diambil sebanyak 50 tali dan ternyata rata-rata daya tahannya 7,8 kg. Uji hipotesis tersebut dengan taraf keberartian 1 %!
Contoh Pengujian Hipotesis (contd.) Hipotesis yang digunakan
H0 : = 8 H1: ≠ 8 (uji dua arah)
Digunakan statistik uji dua-arah Taraf signifikansi 1%. Karena dua arah
diperoleh 0,5% atau 0,005. Statistik uji: Menentukan daerah kritis
Zcrit = 0,5 - /2 = 0,5 – 0,005 = 0,495
.50;5,0;8,7 nx
Contoh Pengujian Hipotesis (contd.)
Oleh karena itu didapatkan nilai Z/2 = 2,575 dan -Z/2 = -2,575.Sehingga daerah kritisnya Z > 2,575 atau Z < -2,75.
Nilai Zhit diperoleh: 83,2505,0
88,7
n
xz
Contoh Pengujian Hipotesis (contd.)
Karena nilai (Z = -2,830) berada pada daerah kritis, maka hipotesis H0 ditolak.Kesimpulannya, daya tahan beban tali pancing tidak sama dengan 8 kg
Contoh Lain
Sebuah sample acak 100 kematian dari catatan di Jepang selama tahun 2009 menunjukkan rata-rata usia mereka 71, 8 tahun. Andaikan simpangan bakunya 8,9 tahun, apakah ini menunjukkan bahwa rata-rata usia penduduk Jepang lebih dari 70 tahun? Gunakan taraf keberartian 5 %!
Contoh Lain (contd.)
Hipotesis yang digunakanH0 : = 70 H1: > 70 (uji satu arah)
Digunakan statistik uji satu-arah Taraf signifikansi 5% atau 0,05. Statistik uji: Menentukan daerah kritis
Zcrit = 0,5 - = 0,5 – 0,05 = 0,4500
.100;9,8;8,71 nx
Contoh Lain (contd.)
02,21009,8
708,71
n
xz
Dari tabel dapat diperoleh nilai Z = 1,645
Nilai Zhit diperoleh:
Contoh Lain (contd.)
• Nilai (Z = 2,02) jatuh pada daerah kritis, maka hipotesis H0 ditolak.
• Kesimpulannya, usia rata-rata penduduk Jepang lebih dari 70 tahun, atau dengan kata lain hipotesis tandingan (H1 : > 70 tahun) diterima.