Kind: captions
Language: id
Halo assalamualaikum warahmatullahi
wabarokatuh berjumpa lagi dengan saya di
channel YouTube saya ensiklopedia Ahmad
Fauzi channel yang menjelaskan berbagai
hal yang berkaitan dengan statistika
penelitian penulisan ataupun
pengetahuan-pengetahuan lain yang dapat
meningkatkan pengetahuan ataupun
keterampilan kalian di video Sebelumnya
saya telah menjelaskan Bagaimana caranya
kita melakukan penyajian data dalam
video tersebut saya juga telah
menjelaskan Bagaimana caranya kita
memilih jenis atau macam tabel dan
grafik yang sesuai dengan kondisi data
kita
Hai dan pada video kali ini kita masih
membahas dalam ranah statistika
deskriptif tetapi fokus bahasan kita
lebih difokuskan pada tendensi Sentral
dispersi dan posisi
Hai sebelum kita membahas tendensi
Sentral dispersi dan posisi kita perlu
mengingat kembali bahwa dalam statistika
ada dua kelompok besar yang pertama
adalah statistika deskriptif bila kita
berbicara terkait statistika deskriptif
kita bertujuan untuk mendeskripsikan
data yang telah kita kumpulkan Apakah
itu sampel Apakah itu populasi Bila kita
ingin mendeskripsikan kondisi dari data
tersebut kita menggunakan statistika
deskriptif sedangkan statistika satunya
adalah statistika inferensia statistika
inferensia kita gunakan ketika kita
ingin memprediksi kondisi populasi
berdasarkan kondisi sampel yang telah
kita kumpulkan
Hai selanjutnya bila kita berbicara
statistika deskriptif kita biasanya
membahas statistika deskriptif sebagai
aktivitas kita bila kita melakukan
perangkuman pendeskripsian atau
memvisualisasikan dan mengkarakterisasi
data yang telah kita kumpulkan yang
tujuannya adalah memunculkan angka-angka
yang dapat mewakili kondisi dari data
kita tersebut Selain itu Kita juga
melakukan statistika deskriptif ketika
kita ingin menganalisis kenormalan
distribusi data kita secara garis besar
data kita dikatakan normal bila
distribusi data kita bila di grafik kan
akan membentuk kurva normal kurva normal
itu adalah kurva yang berbentuk seperti
lonceng
Hai nah pada video yang lain agar seakan
saya bahas secara lebih mendetail Apakah
yang dimaksud dengan distribusi normal
tersebut kemudian statistika deskriptif
Biasanya kita sajikan dalam bentuk
angka-angka yang kita kenal sebagai
statistik
hai ketika angka-angka tersebut mewakili
sampel dari data kita ataupun bisa kita
wakili dalam istilah parameter bila
angka-angka tersebut mewakili kondisi
populasi dari data kita
Hai Selain itu hasil dari statistika
deskriptif juga bisa berupa persentase
ataupun disajikan dalam bentuk diagram
Hai terakhir statistika deskriptif
Biasanya kita temukan di setiap laporan
dan disajikan sebelum pelapor atau
penulis atau peneliti menyampaikan hasil
analisis statistika inferensia nya Oleh
karena itu bila kita membuka skripsi
tesis disertasi naskah publikasi ataupun
laporan laporan ilmiah lain pada umumnya
di bagian metode dan hasil analisis kita
akan menemukan metode analisis
statistika deskriptif yang digunakan
oleh penulis dan hasil analisis
statistika deskriptif yang telah
dilakukan oleh penulis Oleh karena itu
apapun statistika inferensia nya
biasanya atau bahkan selalu ada
statistika deskriptif di dalam laporan
tersebut oleh karena itu statistika
deskriptif itu penting dan perlu kita
kuasai sebelum kita melakukan pelaporan
ataupun bahkan
kita melakukan penelitian atau
Hai dan di dalam statistika deskriptif
sendiri terdiri atas beberapa konsep
atau topik yang perlu kita kuasai yang
pertama adalah tendensi sentral tendensi
itu kecenderungan sentral adalah pusat
Hai secara sederhana tendensi Sentral
itu merupakan angka-angka yang dapat
mewakili kondisi dari dari sdata kita
kita bisa menggunakan satu angka dan
satu angka tersebut dapat mewakili
kondisi secara keseluruhan dari data
yang telah kita Kumpulkan dan nama lain
dari tendensi sentral adalah
kecenderungan mengusap
Hai kemudian kita juga akan mempelajari
ukuran dispersi dispersi itu sebaran
prinsipnya dalam melakukan ukuran
dispersi kita ingin menginformasikan
kepada pemberat pembaca seberapa
dispersi kah seberapa tersebar kah data
kita selain itu kita juga akan
mempelajari ukuran posisi atau ukuran
letak yang menginformasikan Dimanakah
this data tunggal kita berada di dalam
distribusi data kita secara keseluruhan
selain itu kita juga akan mengenal
istilah sequins dan kurtosis ketika kita
mempelajari statistika deskriptif dan
bentuk atau SIM dari distribusi data
kita nah di video kali ini kita akan
memfokuskan pada tiga topik pertama
yaitu tendensi Sentral ukuran dispersi
dan ukuran posisi
Ayo kita berbicara tendensi Sentral
terlebih dahulu
Hai nah dalam tendensi Sentral kita
mengenal beberapa istilah yaitu mean
median dan modus Apa itu mean median dan
modus kita berbicara terkait mint
terlebih dahulu mint merupakan Jumlah
semua hasil pengamatan dibagi dengan
banyaknya pengamatan
Oh ya nyamin itu nama lainnya rerata
yang bisa kita peroleh dengan cara kita
menjumlahkan semua hasil pengamatan kita
kemudian membaginya dengan berapa kali
kita melakukan pengamatan sedangkan
median merupakan nilai Tengah dari data
yang telah kita Urutkan pengurusannya
dari terendah hingga yang tertinggi
Hai dan yang terakhir modus adalah nilai
yang paling sering muncul atau dalam
artian lain yang memiliki frekuensi yang
paling tinggi
Hai misalkan saja kita memiliki data
seperti ini ya Ada 10 data-data ini
misalnya adalah data hasil belajar
menggunakan 10 soal misalkan kemudian
kita bagi kepada 10 siswa misalkan kelas
kita hanya terdiri atas 10 siswa
kemudian kita koreksi dan kita
memperoleh data seperti ini Bila kita
ingin mendapatkan minyak atau ratanya
caranya mudah kita jumlahkan data-data
ini setelah kita jumlahkan kita bagi
dengan jumlah data kita ya adanya 4 + 5
Plus 6 Plus 16 17 18 89 plus 10 kemudian
semua total tadi kita bagi dengan angka
10 Kenapa dibagi dengan 10 karena
pengamatan kita sebanyak 10 kali karena
data kita jumlahnya 10 sehingga aminnya
atau ratanya = 6,9 ya 69 dibagi
dengan 6,9 Lalu bagaimana dengan nilai
tengahnya nilai tengahnya harus kita
Urutkan terlebih dahulu angka-angka tadi
kebetulan angka-angka ini sudah tersusun
secara berurutan dari terkecil hingga
terendah kemudian cara kita mencari
nilai tengahnya kita lihat angka mana
yang berada ditengah bila jumlah data
kita ganjil misalkan 9 ya maka kita
mencari data mana yang berada di tengah
namun kalau genap seperti ini kita
mencari2 data yang berada di tengah
kemudian kita bagi menjadi dua
Oh ya misalkan ini data kita 10min
merupakan nilai Tengah yang mengembang
kidada kita menjadi dua kelompok sama
besar karena 10 maka median ya maka
median membagi data kita menjadi lima
bawah dan 5 yang atas
Hai kemudian medianya yang mana
mediannya adalah dua angka yang di
tengah kemudian dibagi dua yaitu enam
plus 7 dibagi dua sama dengan 6,5
sehingga angka 6,05 ini merupakan angka
yang membagi data kita menjadi dua
kelompok yaitu kelompok di bawah median
dan kelompok di atas median kelompok
bawah dan kelompok atas itu median nilai
Tengah sedagar modus merupakan angka
yang paling sering muncul kalau kita
menggunakan data-data ini maka angka
yang paling sering muncul adalah angka 6
karena angka 6 muncul sebanyak tiga kali
namun misalkan angka 8 yang muncul tiga
kali juga maka modusnya ada dua yaitu 6
dan 8
Hai yaitu pengertian dan cara sederhana
kita mencari mean median dan modus Mina
adalah rata median adalah nilai Tengah
yang membagi data kita menjadi dua dan
modus adalah angka yang paling sering
muncul dari data kita
Hai nah Demian ini Biasanya kita gunakan
ketika data kita dalam skala interval
ataupun rasio sehingga bila Teteh kita
variabel kontinyu ya misalkan data hasil
belajar data keterampilan berfikir data
tinggi badan berat badan jarak itu kita
bisa menggunakan mint misalkan kita
mengukur berat badan anak-anak di kelas
kita maka kita bisa menggunakan mint
untuk mengetahui berapa sih angka yang
bisa mewakili berat badan di kelas
tersebut
Hai jadinya kita bisa menggunakan satu
angka untuk mewakili berat badan seluruh
kelas tersebut nah median Biasanya kita
gunakan bila data kita dalam skala
ordinal ya segala ordinal merupakan
Skala yang dapat diurutkan misalkan
tingkat kesukaan sangat tidak suka agak
suka-suka dan suka sekali itu ordinal
dan biasanya kita menggunakan median
sebagai ukuran tendensi sentral untuk
mewakili data kita misalkan kita
melibatkan 10 responden untuk menilai
kita rasa dari kopi
Hai nah responden 1 menyatakan sangat
juga responden 2 menyatakan suka
responden 3 menyatakan sangat suka lagi
kemudian nanti kita Urutkan dari 10 itu
kemudian kita lihat nilai tengahnya
sehingga nilai tengah itu mewakili hasil
dari kesepuluh pengukuran menggunakan 10
responden ketika mencicipi makanan atau
minuman tersebut kemudian modus biasa
kita gunakan ketika data kita dalam
skala nominal misalkan saja kita ke
suatu desa terus di desa tersebut ada 40
warga yang kita ambil kemudian 40 warga
tersebut kita data warna apa yang paling
mereka sukai Nah warna kan merupakan
data nominal Nah misalkan dari 40 warga
30 warga mengatakan suka warna merah
maka warna merah Inilah kita jadikan
perwakilan dari warna
Hai dari desa tersebut begitu ya namun
Adakalanya tidak selalu kita menggunakan
mint meskipun data kita dalam skala
interval ataupun ratio pada saat Seperti
apa nanti akan kita bahas di tengah
video ini
megawin77 Ramin kita juga akan mengenal
rumus rumus atau formula formula Berikut
kita pada video sebelumnya telah
mengenal bahwa dalam statistika kita
mengenal istilah sampel dan populasi dan
di dalam sampel angka-angka menyang
mewakili sambel kita kenal sebagai
statistik sedangkan Angga angka yang
mewakili kondisi populasi dinamakan
parameter bisa kita lihat di sini bila
kita menghitung Min sampel maka simbol
mint sampel adalah x bar
Hai jadinya statistik dari mint adalah x
bar sedangkan bila kita menghitung Min
populasi maka simbol dari mint populasi
adalah Miu Oleh karena itu
parameter-parameternya kalau kita
menghitung Min atau rata adalah Miu
rumusnya sama namun simbolnya berbeda
simbol berbeda karena yang satunya
namanya statistik yang satunya namanya
parameter rumusnya sama seperti yang
saya jelaskan tadi cara kita mencari
rata-rata adalah dengan mentotal semua
hasil pengamatan kita dibagi dengan
jumlah hasil pengamatan yang telah kita
lakukan namun lihat lagi ke pembaginya
pun simbolnya beda kalau kita berbicara
terkait sampel maka jumlah data
disimbolkan sebagaian kecil
Hai namun dalam populasi jumlah data
kita simbolkan sebagai and capital
Hai dan disini saya Tuliskan nah Sigma X
yang atas the sickness adalah Jumlah
semua hasil pengamatan sedangkan n kecil
adalah Jumlah item data dalam sampel
sedangkan n Capital adalah Jumlah item
data dalam populasi rumusnya sama namun
simbolnya yang
Hai Na misalkan kita memiliki data ini
kita mengumpulkan skor literasi dari 78
siswa misalkan dan skor literasi
tersebut dalam rentang and 0-200 10
Misalkan siswa yang mengerjakan tes
literasi ini bila salah semua akan
mendapatkan nilai nol namun bila Betul
semua akan mendapatkan skor 210 jadinya
rintangannya bukan 0-100 ya dan ternyata
yang kita kumpulkan siswa-siswa tersebut
literasinya rendah sehingga rentang and
distribusi datanya pun juga rendah
seperti ini hanya 14-26
Hai sehingga ketika kita hitung minnya
adalah sebesar 1967 kita memperoleh
angka ini dengan menjumlahkan tadi
14-14-14 dan seterusnya kemudian dibagi
78 sehingga angka yang dapat mewakili
keseluruhan skor literasi sains siswa
tersebut adalah 19,6 7
Oh begitu ya Dan bila kita ubah data ini
menjadi distribusi frekuensi dan
kemudian kita Munculkan menjadi
histogram maka bentuknya seperti ini
bagaimana caranya kita membuat
distribusi frekuensi bisa kalian lihat
di video saya sebelumnya dan bagaimana
caranya kita membuat histogram Kalian
juga bisa melihat video saya yang lain
juga
Hai nah namun Anggap saja kita melakukan
pengambilan data literasi seperti ini
juga ya Namun ternyata dua ada dua anak
yang terlalu pintar misalkan seperti ini
ya jadinya dua anak terakhir skornya
bukan 25 dan 26 Tapi skornya 150 dan 180
lima jadinya skor anak-anak yang lain
rendah rendah dari 1415 sehingga 25
kemudian ada dua anak yang terlalu
pintar dikelas tersebut sehingga skornya
yang anak sia dapat 150 dan yang si b
dapat 185 nah angka-angka ini dalam
statistika kita kenal sebagai out layer
atau data pencilan data yang
Hai di luar distribusi normal dari data
kita
Hai dan kalau kita hitung ratanya kita
jumlahkan lagi 14-14-14 Hingga tambah
150 tambah 185 dibagi 78 maka rata yang
kita hasilkan adalah 23,3
Hai Nah sekarang kita lihat kita
perbandingkan Dik kasus awal tadi yaitu
data di sisi kiri minimnya adalah 19,6
7min merupakan statistika deskriptif
dalam bidalan topik tendensi sentral dan
kalau kita berbicara tendensi sentral
dan statistika deskriptif mint merupakan
angka yang dapat mewakili kondisi dari
keseluruhan data kita kita gunakan 11
angka untuk mendeskripsikan seluruh data
kita kalau minimnya 19,6 7 make kita
anggap angka ini mampu mewakili kondisi
data secara keseluruhan Kenapa karena
19,6 7 kalau kita lihat di histogram itu
berada di tengah dan memiliki frekuensi
yang paling banyak dan bisa kita lihat
Hai data-data yang lain itu mendekat
yang paling banyak adalah yang mendekati
atau sama dengan 1967 sedangkan
data-data lain yang terlalu jauh dari
19,6 7 frekuensinya lebih kecil sehingga
kita bisa mewakili kondisi literasi
kelas tersebut dengan angka 19,6 7 namun
di kondisi kasus kedua ketika ada dua
anak yang terlambat Pintar kita lihat
ratanya langsung berubah menjadi 23,3
Hai pertanyaannya adalah Apakah 23,3
satu tetap mampu menjadi perwakilan atau
mewakili gambaran literasi di kelas
tersebut dengan valid datanya Tidak
kenapa karena hanya dengan kemunculan
dua anak yang terlampau pintar ratanya
menjadi lebih tinggi sehingga rata ini
menjadi kurang baik dalam menggambarkan
kondisi dari kelas tersebut banyak aneh
yang merupakan 14 15 16 17 tapi ratanya
23,3
Oh begitu ya jadinya angka 23,3 satu
kurang baik menggambarkan data
keseluruhan
Hai dan di sini bisa kita lihat ternyata
ketika kita menggunakan mint kemudian
ada data outlier atau data pencilan
minnya langsung berubah dan berubahnya
agak drastis sehingga bila kita
berbicara terkait mint dikatakan mint
itu sensitif terhadap data pencilan lalu
Bagaimana bila ada data pencilan di
dalam kelompok data
at&t Sentral mana yang bisa kita gunakan
untuk mewakili data kita tersebut
Hai jawabannya adalah media Kenapa Nah
misalkan kita kembali ke kasus Adi kasus
yang pertama menyadarkan 19,6 7
sedangkan kasus yang kedua mainnya
menjadi 23,9 kita coba hitung mediannya
Seperti yang saya jelaskan tadi median
adalah nilai Tengah Nilai Tengah yang
membagi data kita menjadi dua kelompok
sama besar
hai oke ya Nah di sini ada 78 data kita
cari delete tengahnya ternyata nilai
tengahnya adalah 19,5 atau
hai kenapa Karena bila kita bagi datanya
data bawah atau data kelompok pertama
itu dari 14 hingga 19 sedangkan data
yang kedua data kelompok atas dari 20
hingga 26 karena genap maka dua angka
yang di tengah kita tambahkan kemudian
kita bagi menjadi dua 19 tambah 20 / 2 =
19,5 atau
Hai di sisi lain kasus kedua kita hitung
juga mediannya jumlah datanya tetap 78
dan dua angka yang di tengah adalah step
19 dan 20 sehingga medianya pun tetap
19,5 Oleh karena itu meskipun ada data
pencilan median tidak terlalu berubah
atau bahkan tidak mengalami perubahan
Oleh karena itu median pun dikatakan
tidak terlalu sensitif terhadap
keberadaan data pencilan berbeda dengan
rata tadi ketika ada dua data yang out
layer 2 data yang terpencil punya
pencilan ya Mah karena tanya langsung
berubah sehingga rata menjadi kurang
baik dalam mewakili kondisi dari
data-data kita ini namun dengan
menggunakan median meskipun ada data
pencilan median angka dari median masih
mampu menggambarkan kondisi dari data
kita di
Oh ya tetap sekarang kita tetap
membicarakan terkait grafik ini
Hai Oke kita sudah berbicara terkait
mint yang sensitif terhadap keberadaan
ottplayer kita juga telah berbicara
median kita bisa gunakan median ketika
data kita ada pencilan meskipun data
kita skalanya merupakan skala interval
atau rasio jadikan variabel kontinyu
literasi Nia seperti yang saya katakan
diawal mint Biasanya kita gunakan ketika
data kita skala interval atau rasio
sedangkan median kita gunakan ketika
data kita skalanya ordinal tapi saya
katakan tadi juga namun ada kondisi
tertentu sehingga kita meskipun
menggunakan skala interval atau rasio
kita tidak menggunakan mint namun
menggunakan median nah contohnya tadi
karena ada data pencilan kita tidak
menggunakan mesin tetapi menggunakan
median Nah sekarang kita berbicara modus
Hai modus merupakan data yang
frekuensinya paling banyak atau yang
paling sering muncul sebab kita
menggunakan kasus satu ini dan kita bisa
melihat modusnya adalah angka 19 cor 19
Kenapa karena 19 muncul sebanyak sebelas
kali frekuensi itu jauh lebih banyak
daripada frekuensi dari item skor yang
lain
Hai dan di sini bisa kita lihat ketika
data kita terdistribusi normal ya Inikan
histogramnya saya tumpak saya Tampilkan
tadi saya katakan secara sederhana
distribusi Normal itu ketika data kita
ketika di grafikan membentuk seperti
lonceng seperti gunung yang kita kenal
sebagai kurva normal dan bisa kita lihat
dari contoh kasus ini ketika data kita
terdistribusi normal maka angka-angka
tendensi Sentral kita hampir sama
ataupun bahkan sama dengan menggunakan
kasus pertama ini kita memperoleh mint
atau rata 19,5 19,6 7 Maaf kemudian
mediannya daddy's dan belas koma 5 dan
modusnya adalah
Hai nah data yang bagus itu kalau median
dan modusnya itu tidak terlalu berbeda
Hai dan ketika grafik kita seperti ini
maka kita bisa men-scan makan grafik
kita membentuk grafik seperti di sisi
kanan ini karena puncaknya hanyalah satu
maka Cina kita kenal sebagai unimodal
satu modus karena satu modus maka ada
satu Puncak saja namun Adakalanya data
kita memiliki dua modus sehingga ketika
kita grafik kan akan membentuk seperti
ini ada dua pikada dua Puncak maka
grafik ini atau distribusi data ini kita
kenal sebagai bimodal dan Adakalanya
juga distribusi data kita menghasilkan
data yang modusnya lebih dari dua
sehingga ada lebih dari dua Puncak dan
grafik ini atau seribu sidata ini kita
kenal sebagai multimodal Kenapa
multimodal karena ada lebih dari satu
atau lebih dari dua modus
ia beberapa angka yang sama-sama
frekuensinya lebih tinggi dari frekuensi
data yang lain sehingga puncaknya lebih
dari
Hai data yang bagus adalah data yang
Yudi modal karena data yang ini modal
menunjukkan kurva normal dan biasanya di
alam ini data secara alami tuh berbentuk
kurva normal ketika kita melakukan
pengukuran pengambilan sampel kemudian
setelah kita bentuk kurva ternyata
kurvanya be model atau multimodal
mungkin ada kesalahan ketika kita
melakukan pengambilan sampel Biasanya
seperti itu Meskipun tidak selalu
Hai ok tadi kita sudah belajar terkait
tendensi Sentral Sekarang kita akan
berbicara terkait ukuran dispersi
dispersi itu namanya sebarannya
Hai dispersi dispers dari bahasa Inggris
nah dalam disversia ada berbagai
perhitungan namun dalam video ini kita
akan hanya membahas empat saja yang
pertama rentang rentang itu merupakan
ukuran dispersi yang paling sederhana
sekaligus paling kurang akurat akurat
atau kurang kuat
Hai Oleh karena itu rentang paling
jarang kita gunakan untuk menggambarkan
this Persia atau sebaran data kita dan
rentang sendiri dapat kita peroleh
dengan cara mengurangkan skor tertinggi
dengan skor terendah kita jadinya nilai
maksimum dikurangi nilai minimum adalah
rentang misalkan kita menggunakan contoh
kasus pertama tadi ya angka tertinggi
atau maksimumnya adalah 26 sedangkan
angka terendah atau minumnya adalah 14
maka renteng nya adalah
Hai Nah kita bisa melaporkan rentan baik
menggunakan dua angka maupun satu angka
meskipun yang paling umum hanyalah satu
angka satu angka ya pengurangan dari
maksimum dan minimum tadi yaitu 12 namun
kalau kita hanya mengatakan 12 misalkan
rentang dari skor literasi sains di
kelas adalah 12 itu masih kurang
bermakna Namun kita bisa melaporkan
rentang dalam 2 angka yaitu skor
maksimum dan skor minimum misalkan
dikelas a.kor literasi tertinggi adalah
26 dan Seekor literasi terendah adalah
14 Nah itu dua cara kita melaporkan
rentang data dan menggunakan dua angka
kita bisa memperoleh informasi yang
lebih spesifik
Hai bila kita hanya menyatakan 12 kita
tidak tahu 12 itu rencananya dari mana
sampai mana Tapi ketika menggunakan
angka maksimum dan minimum pembaca atau
pendengar informasi tersebut dapat
mengetahui kondisi data di kelas tadi
apakah masih dalam kategori rendah
sedang atau Tinggi oke kemudian ukuran
dispersi yang lain adalah varians
the variance itu merupakan variasi atau
dari data
Hai variasi itu keragaman dari data ya
cara kita memperoleh varians adalah
dengan menghitung rata dari Selisih
kuadrat masing-masing skor terhadap mint
jadinya yang pertama yang perlu kita
lakukan adalah menghitung rata kita
tetap kita misalkan gunakan kasus
pertama Teddy maka kita melakukan atau
mencari rata kita dulu tadi kita sudah
melakukannya menghitung rata-rata
ratanya hasilnya adalah 19,6 7
Hai Langkah kedua adalah kita
mengurangkan setiap item data dengan
minyak kemudian dikuadratkan tadi kan
ada 78 data dari 14 hingga 26 maka satu
persatu angka tadi kita kurangkan dengan
mint dan nya 14.com kurangi 19,6 7-14
lagi dikurangi 19,6 7 karena batasnya
muncul dua kali ya kemudian 15 dikurangi
19,6 7 Hingga y angka terakhir yaitu 26
dikurangi 19,6 7
Hai nah hasil hasil pengurangan tadi
kemudian kita kuadratkan c-nya 14
kurangnya 1967 hasilnya 5,9 dikuadratkan
kemudian 14 dikurangi 19,6 7 negatif ya
minus 5 koma sekian kemudian
dikuadratkan dan seterusnya dan Langkah
terakhir kemudian kita hitung ratanya
Hai jadinya hasil-hasil kuadrat dari
selisih tadi kita total kemudian kita
bagi 78 sehingga kita memperoleh rata
dari Selisih kuadrat masing-masing skor
terhadap mint itulah varians
Hai nanti kita lihat contoh kasus yang
lain tapi varian situ jarang digunakan
juga rentang and itu jarang digunakan
varian juga agak jarang digunakan nah
yang paling sering digunakan adalah
standart deviasi ketika kita ingin
menyampai menyampaikan ukuran dispersi
atau sebaran data kita standar deviasi
sendiri merupakan rata jarak skor
terhadap mint yang digunakan untuk
mengukur dispersi atau sebaran skor
terhadap rata kita
Hai dan hasil penjumlahan standart
deviasi =
Hai semakin besar standar deviasi Mada
data kita dikatakan semakin besar
sebarannya namun kalau angka standar
deviasinya semakin kecil maka data kita
tersebarnya juga semakin kecil data yang
bagus ada standar deviasinya tidak
terlalu besar ketika data kita standar
deviasinya terlalu besar maka data kita
dikatakan kurang bagus karena terlalu
tersebar kalau terlalu tersebar maka
tendensi Sentral nya misalkan relate
kita kurang mampu menggambarkan data
kita di
Hai dan mudah saja kita memperoleh
angkasa dari kreasi hanya dengan tinggal
mengakar dari varians kita di
Hai chatnya langkah-langkahnya sama
dengan varian kemudian hasilnya kita
akar kuadrat kan Itulah standar
deviasinya
Hai ukuran dispersi yang lain yang biasa
digunakan juga adalah standart error nah
tanda teror dikenal juga dengan serta
Terror of the mind sehingga disingkat
sebagai simsem ya
Hai nah standart error sendiri sama
dengan standar deviasi yang dibagi
dengan akar banyaknya pengamatan
Hai atau kita tulis sebagai akar n i
Hai jadinya standar deviasi itu
merupakan akar kuadrat dari varian Nah
kalau seandainya deviasi kita bagi
dengan akar jumlah data kita yaitu
adalah standart error Oleh karena itu
Misalkan menggunakan tetap kasus tadi
maka standar deviasinya dibagi akar 78
hasilnya berapa itulah standar errornya
G2 ini yang paling sering kita temukan
di laporan ilmiah
Hai dan biasanya standar deviasi lebih
sering digunakan daripada standart error
Hai misalkan kita ambil contoh kasus
lain kita melakukan pengambilan data
lagi misalkan data skor hasil belajar
yang berada dari rentang 0-10 bila salah
semua jawabannya maka skornya no
lebihlah Betul semua Maka hasilnya 10
kemudian kita mengambil data dari
delapan siswa dan data tersebut ada
siswa yang mendapatkan nilai dua
sebanyak satu anak kemudian ada yang
mendapatkan nilai 34 sebanyak tiga anak
kemudian 52 anak 71 anak dan 91 anak
kita ingin menghitung varians nya
bagaimana caranya seperti yang saya
sampaikan tadi kita hitung ratanya
terlebih dahulu
Oh ya cara ini sampel maka kita gunakan
miu-miu nya 2014 14145 + 5 Plus 1579
kemudian dibagi jumlah data yaitu
delapan sehingga jumlahnya adalah
pembagiannya adalah lima sehingga
ratanya 5 rata-rata kita dapat kemudian
kita ke langkah selanjutnya yaitu dengan
menguraikan setiap data dengan mint
kemudian dikuadratkan data pertama2
dikurangi menyali mag kemudian
dikuadratkan negatif 3 kuadrat = 9 data
kedua 44 dikurangi mienya mienya 54
kurangi 5 itu min 1 kemudian
dikuadratkan = 1 dardak ketiga dan
keempat juga sama-sama sebesar empat
sama-sama dikurangi 5 kemudian
dikuadratkan sehingga min 1 kuadrat = 1
begitu juga selanjutnya min 1 kuadrat =
1 data
255 dikuranginya 55 kurangi 50 kemudian
dikuadratkan nol kuadrat = 0 data 6 juga
55 dikurangi 5 = 0 dikuadratkan juga no
kemudian dada ketujuh sebesar 77
dikurangi rata 7 dikurangi 5 = 22
kuadrat adalah 4 dan data terakhir 99
dikurangi Min 9 dikurangi 5 = 4 4
dikuadratkan = 16 Nah kita sudah
memperoleh data-data selisih yang telah
kita kuadratkan selanjutnya kita rerata
untuk mendapatkan variansnya nah simbol
statistik dari varians adalah itu Sigma
kuadrat
Ayo kita jumlahkan saja tadi hasil
selisih tadi 91 plus satu persatu + not
+ no + 14-16 dibagi 8 sehingga hasilnya
empat Oleh karena itu variansnya adalah
sebesar empat kalau kita ingin
mendapatkan standar deviasinya gampang
standar deviasi merupakan akar kuadrat
dari varians maka Standar deviasinya
adalah akar dari empat yaitu sama dengan
2 Nah dari sini bisa kita lihat simbol
dari standar deviasi adalah Sigma simbol
dari varians adalah Sigma kuadrat begitu
ya inilah cara kita mendapatkan varians
dan standar deviasi Bila kalian ingin
mengetahui standar errornya ya tinggal
dilanjutkan sendiri saja dua dibagi akar
n n y adalah 82 dibagi akar 8 kalian
hitung jumlahnya mohon maaf hasil
pembagiannya merupakan standar error
dari data kita
ini
Hai itu ukuran dispersi ya
Hai kemudian ukuran yang selanjutnya
adalah ukuran Posisi ada banyak Namun
kita akan membahas 3 terlebih dahulu di
dalam video ini yang pertama adalah
kuartil
Kwartir kita lakukan dengan mengurutkan
data lalu membaginya menjadi empat
bagian yang sama nah berbeda dengan
media anda di kolom median itu kita
mengorbankan mengurutkan data lalu kita
bagi menjadi dua bagian yang sama
sehingga ada satu angka yang kita kenal
sebagai nilai tengah atau median kalau
kuartil kita Urutkan kemudian data kita
kita bagi menjadi empat karena ada empat
bagian maka ada tiga kuartil yaitu
kuartil 1 kuartil dua dan kuartil 3
Misalkan kita memiliki data seperti ini
lagi 2 3 3 4 5 6 7 7 8 8 9
Hai ada 11 item data kita ingin
mengetahui Q1 Q2 q3 nya
Hai maka kita melakukan perhitungan
untuk mencari kuartil kuartil itu tadi
seperti saya katakan datanya harus
diurutkan kemudian terbagi menjadi 4
kelompok atau empat bagian yang sama
besar karena ada 11 data maka disini
kuartil pertama 3 kuartil ke-2 adalah 6
dan kuartil ketiga adalah
hai kenapa karena bisa kita lihat dengan
angka-angka yang saya tanda merah ini
maka urutan data ini terbagi menjadi
empat bagian yang sama rata begitu
Hai dan kuartil kedua sendiri Kita kenal
juga sebagai median Kenapa karena
kuartil kedua itu berada diposisi Tengah
Nilai Tengah dan nilai tengah sendiri
adalah median gitu ya oke kemudian desil
desil merupakan aktivitas yang kita
lakukan dengan cara mengurutkan data
lalu membaginya menjadi 10 bagian yang
sama
the median itu menjadi dua bagian yang
sama kuartil menjadi empat bagian yang
sama sedangkan desil 10 bagian yang sama
Nah misalkan kita memiliki data berikut
ya 11223 hingga 16 maka desil pertama
adalah angka 2 Desa kedua adalah Anda
ketiga dan seterusnya jadinya ada Devil
satu hingga
and1 nya misalkan dua dirumahnya 8
ditujunya 8dd yang lain bisa dituliskan
sendiri secara mandiri nah tanda tanda
merah ini menunjukkan data kita terbagi
menjadi 10 bagian yang sama dan yang
terakhir adalah persentil Nah persentil
itu kita lakukan dengan hasilnya adalah
membagi urutan data kita menjadi 100
bagian yang sama sehingga ada P1 hingga
Oh ya kalau kuartil Q1 sampai G3 kalau
desil itu dia 1-9 sedangkan persentil
adalah P1 hingga p99 ini saya salah
tulis sehingga nanti kita bisa mengenal
adanya p25 ada pilih mapulu ada
Hai misalkan kita menuliskan p50w 50
sendiri tuscan berada di tengah-tengah
maka b50 itu sama saja dengan
Oh begitu di dalam desil = de Lima
jadinya p50 itu sama dengan D5 sama juga
dengan Q2 sama juga dengan median kiri
ya
Hai misalkan kita memiliki 200 data
kemudian 200 data itu kita hitung persen
till nya kemudian kita peroleh persentil
50 adalah 67 maka kita bisa katakan 50%
data kita tadi di bawah 67 dan 50% data
lainnya diatas 67 kalau persentil 95 nya
sama dengan 76 maka 95% data kita
dibawah angka 76 sedangkan lima persen
data kita di atas 76 kalau p25 persentil
25 = 24 maka 25% data kita di bawah 24
sedangkan 75% sisanya diatas angka 24
itu cara menginterpretasikan hasil
persentil sama ketika kita
menginterpretasikan desil sama kuartil
redaksi kalimatnya saja yang tinggal
diubah jadi ya
hai hai
Hai Nah sekarang kita lihat
simbol-simbol yang kita gunakan dalam
statistika ketika kita membicarakan
tendensi sentral dan dispersi nah ini
merupakan beberapa simbol yang penting
jumlah pengukuran tadi sudah saya
singgung Ketika kita melihat formula
dari min-ho
Hai Nah kalau jumlah pengukuran itu
kalau kita menggunakan data sampel kita
menggunakan n kecil Kalau kita
menggunakan data dari populasi kita
menggunakan n Capital ingat ya kalau
angka-angka itu mewakili sampel kita
kenal sebagai statistik kalau
angka-angka itu mewakili populasi kita
kenal sebagai parameter kalau mint
simbolnya adalah x bar sedangkan
parameter simbolnya adalah Miu
Hai kemudian kalau varians statistiknya
simbolnya adalah S kuadrat sedangkan
parameter simbolnya Sigma kuadrat kosong
deviasi standar deviasi dari mint Monas
ada deviasi dari sampel adalah SC saja
sedangkan saya deviasi dari populasi
adalah Sigma saja ini simbol-simbol
ketika kita menggunakan formula ketika
kita menggunakan bahasa titik namun
dalam melakukan pelaporan kita tidak
menggunakan simbol-simbol ini ya dalam
proses perhitungan kita menggunakan
simbol-simbol ini dalam pelaporan tidak
dalam pelaporan kita menyesuaikan dengan
format pelaporan yang sesuai dengan
institusi kita atau jurnal yang kita
tuju salah satu style atau format
pelaporan yang umum digunakan di
Indonesia maupun di beberapa negara yang
lain adalah pelaporan menggunakan IP
style
Hai Nah berikut adalah daftar
Hai simbol yang kita gunakan ketika kita
menggunakan IPS style nahen kecil itu
jumlah subjek dalam setiap kelompok n
Capital adalah jumlah total Suke color
kita menggunakan rata kita menggunakan
ehm Capital ketika kita menggunakan
media melaporkan median kita menuliskan
sebagai mdn kemudian saya deviasi SD
Oh ya ya ini kita gunakan simbol ini
kita kita gunakan ketika pelaporan
pelaporan hasil di laporan ilmiah kita
misalkan di skripsi tesis publikasi
ilmiah kita menggunakan simbol-simbol
ini Untuk menginformasikan hasil
perhitungan kita
Hai Contohnya bagaimana dalam
menggunakan simbol ini sebelum melihat
contohnya kita perlu memperhatikan
beberapa hal yang perlu kita lakukan
ketika kita melaporkan hasil analisis ya
pertama ketika kita melaporkan hasil
analisis statistika deskriptif kita
menyampaikan hasilnya saja jangan
memberikan penilaian subjektif misalkan
baik sangat baik dan sebagainya buruk
misalkan rela tanya 75 sehingga
dikatakan rata ini baik tidak usah kita
cukup mengabaikan ratanya 75.4 Asy kita
sampaikan nanti di bagian pembahasan
Hai kemudian kita dapat melaporkan hasil
analisis secara lengkap tanpa
menggunakan simbol dari saya sampaikan
simbol-simbolnya tetapi kita tidak harus
menggunakan simbol tersebut kita bisa
menulis secara lengkap rerata atau mint
median tidak menggunakan mdn standart
deviasi tidak menuliskan SD kita
Tuliskan secara lengkap selanjutnya bila
kita menggunakan simbol-simbol harus
ditulis miring italic jangan tegak
Hai dan yang terakhir jangan lupa beri
spasi sebelum menuliskan simbol
berikutnya langsung kita lihat contohnya
misalkan kita ingin melaporkan jumlah
presiden kita partisipan terdiri atas 50
mahasiswa yang terdiri atas 49%
laki-laki dan 51 persen perempuan ini
contoh pelaporan yang tidak menggunakan
simbol sama sekali Nah selanjutnya kita
menggunakan simbol seperti ini
partisipan terdiri atas 49% laki-laki
dan 51 persen perempuan dalam kurung n =
50n nya kapital dan miring
Oh begitu ya karena pokoknya Capital
karena kita melaporkan keseluruhan data
kita kalau kita melaporkan laki-laki
sendiri perempuan sendiri maka kita
menggunakan n-nya bukan NK kita begitu
Hai namun ketika kita melaporkan
keseluruhan data kita kita menggunakan n
Capital kita lihat contoh lain agar
lebih mudah Misalkan begini tes
keterampilan berpikir disuguhkan kepada
sembilan peserta berlatar belakang
akademik SD 11 peserta berlatar belakang
akademik SMP 13 peserta berlatar
belakang akademik SMA dan 17 peserta
berlatar belakang akademik perguruan
tinggi dalam kurung n Capital miring =
saat ini jumlah keseluruhan data kita
maka n-nya Capital hasil analisis
statistika deskriptif menunjukkan bahwa
rerata keterampilan berpikir peserta
berlatar belakang akademik SD adalah
sebesar 679 ratanya kita tulis langsung
ya tidak menggunakan simbol dengan
standar deviasi sebesar 13 205 sana
deviasi juga kita tulis lengkap bukan
simbol begitu juga yang di SMP SMA dan
perguruan tinggi ya SMP sebesar 7 2,36
seandainya deviasinya 11,6 73 SMA adalah
sebesar 7708 dengan sel deviasi sebesar
14,6 09 dan perguruan tinggi adalah
sebesar 7 4,00 dengan sel deviasi
sebesar 1418 dari contoh laporan ini
kita hanya menggunakan satu simbol yaitu
n Capital Ketika kita menyampaikan
jumlah keseluruhan partisipan dalam
penelitian kita
Hai cara pelaporan yang lain bisa
menggunakan simbol yang lebih banyak
Misalkan seperti ini ya
Halo tes keterampilan berpikir
distribusikan kepada 50 peserta yang
berlatar belakang akademik dari SD dalam
gunung n-nya bukan Capital = 9 karena
jumlah kelompok bukan jumlah total SMP
dalam kurung n-nya kecil jangan lupa
dimiringkan = 11 SMA n nya 13 dan
perguruan tinggi lainnya 17 hasil
analisis statistika deskriptif
menunjukkan bahwa rerata keterampilan
berpikir beserta berlatar belakang
akademik SD adalah sebesar 679 dalam
kurung SD = 13,2 05 SD itu saat deviasi
ya ingat tulisannya Capital kemudian
dimiringkan SMP ratanya 7236 dalam
kurung SD = 11,6 73 SMA ratanya 7708
dalam kurung SD sama dengan 14 69 dan
perguruan tinggi adalah sebesar 74000
sp-nya 14,8
Smash ini cara kita melaporkan dengan
menggunakan simbol yang lebih banyak
pelaporan ini maupun pelaporan
sebelumnya sama-sama tepat tinggal kita
pilih saja kita ingin menggunakan simbol
lebih sedikit atau lebih banyak yang
penting adalah cara pelaporannya tepat
penulisan simbolnya sesuai dan sesuai
format yang diinginkan begitu
file-nya demikian video kali ini kita
telah mempelajari bagaimana caranya kita
menghitung tendensi Sentral dispersi dan
posisi dan kita juga sudah mempelajari
konsep dasar dari ketiga ini dan
bagaimana cara pelaporannya menggunakan
formatip style dengan tepat
Hai bade video selanjutnya kita akan
mempelajari bagaimana cara membuat tabel
dan grafik Oleh karena itu silahkan
simak video saya selanjutnya dan
demikian video kali ini terima kasih dan
Mohon maaf bila ada kesalahan
Assalamualaikum warahmatullahi
wabarakatuh
hai hai
Hi Ho