[Link]

id Statistika Teknik

1
Statistika Teknik

Variabel Random
 Pengertian
Statistika Teknik

▪ Variabel random (variabel acak)

• suatu fungsi yang didefinisikan pada sample space
▪ Jenis
• Variabel random diskret
[Link]

• Variabel random kontinu

▪ Contoh
• jumlah hari hujan selama 1 tahun → diskret
• jumlah (volume) hujan selama 1 tahun → kontinu
2
 Variabel Random
Statistika Teknik

▪ Notasi
• X→ variabel random
• x→ nilai variabel random
▪ Fungsi
[Link]

• Suatu fungsi variabel random adalah variabel random pula

• Jika X adalah variabel random, maka Z = g(X) adalah juga variabel
random

3
 Univariate Probability Distributions
Statistika Teknik

X = variabel random diskret

= x1, x2, x3, …, xn

fX(x1)
[Link]

fX(x2) probabilitas
fX(x3) fX(xn) ∑ fX(xi) = 1

4
 a discrete
Statistika Teknik

probability distribution
fX(xi)

x 1 x2 x 3 … xn−1 xn

1
[Link]

a discrete cumulative
probability distribution
FX(xi)

probabilitas
x ≤ xi
0 …
x 1 x2 x 3 xn−1 xn
5
 ▪ Cumulative probability distribution
suatu variabel random X untuk X = x
Statistika Teknik

𝐹𝑋 𝑥 = ෍ 𝑓𝑋 𝑥𝑖
𝑥𝑖 ≤𝑥

▪ Distribusi probabilitas
[Link]

suatu variabel random X untuk X = x

𝑓𝑋 𝑥𝑖 = 𝐹𝑋 𝑥𝑖 − 𝐹𝑋 𝑥𝑖−1

6
 Univariate Random Variables
Statistika Teknik

▪ Jika X dapat bernilai x1, x2 , …, xn yang masing-masing memiliki

probabilitas fX(x1), fX(x2), …, fX(xn) dan ∑fX(xi) = 1, maka X
adalah variabel random diskret.
[Link]

7
 ▪ Frekuensi relatif ▪ Probabilitas
Statistika Teknik

𝑓𝑥𝑖 = 𝐹𝑥𝑖 − 𝐹𝑥𝑖−1 𝑓𝑋 𝑥𝑖 = 𝐹𝑋 𝑥𝑖 − 𝐹𝑋 𝑥𝑖−1

▪ Frekuensi relatif kumulatif

𝑖
𝐹𝑋 𝑥 = ෍ 𝑓𝑋 𝑥𝑖
[Link]

𝐹𝑥𝑖 = ෍ 𝑓𝑥𝑗
𝑗=1 𝑥𝑖 ≤𝑥

8
 Variabel Random Kontinu
Statistika Teknik

❑ Probabilitas
𝑛𝑖 ni = jumlah data di klas ke-i
prob 𝐴 = = 𝑓𝑥𝑖
𝑛 n = jumlah seluruh data
[Link]

❑ Dengan demikian fxi dapat dipandang sebagai nilai estimasi probabilitas

fxi → estimasi prob (A)
histogram frekuensi → pendekatan distribusi probabilitas
frekuensi kumulatif → pendekatan distribusi probabilitas kumulatif

variabel random kontinu diperlakukan

seolah-olah variabel random diskret
 pX(x)
luas =
Statistika Teknik

prob(X ≤ b) luas = 1
pdf = probability density function
luas =
prob(a ≤ X ≤ b)

a b x
[Link]

1
PX(x)
cdf = cumulative probability
distribution function
PX(b) PX(x) = prob(X ≤ x)
prob(a ≤ X ≤ b)
PX(a)
0
a b x
10
 pX(x) = probability density function of a continuous random variable
Statistika Teknik

PX(x) = cumulative probability distribution function

𝑃𝑋 𝑥 = prob 𝑋 ≤ 𝑥 𝑑𝑃𝑋 𝑥 = 𝑝𝑋 𝑥 𝑑𝑥 𝑃𝑋 𝑥 = න 𝑝𝑋 𝑡 𝑑𝑡
[Link]

−∞

11
 Beberapa Sifat Probabilitas
Statistika Teknik

(1) 𝑝𝑋 𝑥 ≥ 0, ∀𝑥 𝑏

+∞
(5) prob 𝑎 ≤ 𝑥 ≤ 𝑏 = න 𝑝𝑋 𝑡 𝑑𝑡 = 𝑃𝑋 𝑏 − 𝑃𝑋 𝑎
𝑎
(2) න 𝑝𝑋 𝑥 𝑑𝑥 = 1 𝑐
[Link]

−∞
(6) prob 𝑥 = 𝑐 = න 𝑝𝑋 𝑡 𝑑𝑡 = 𝑃𝑋 𝑐 − 𝑃𝑋 𝑐 = 0
(3) 𝑃𝑋 −∞ = 0 𝑐

(4) 𝑃𝑋 +∞ = 1

12 prob 𝑎 ≤ 𝑥 ≤ 𝑏 = prob 𝑎 < 𝑥 ≤ 𝑏 = prob 𝑎 ≤ 𝑥 < 𝑏 = prob 𝑎 < 𝑥 < 𝑏

 Kala Ulang
Statistika Teknik

prob 𝑥 ≥ 𝑏 = prob 𝑥 > 𝑏

▪ Jadi dalam definisi kala ulang

1. suatu kejadian yang menyamai atau melampaui suatu nilai tertentu
2. suatu kejadian yang melampaui suatu nilai tertentu
[Link]

Kedua definisi, 1 dan 2, adalah sama mengingat probabilitas

suatu kejadian (event) variabel random kontinu menyamai
suatu nilai tertentu (konstanta) adalah nol

13
 Contoh #1
Statistika Teknik

ST Contoh univariate probability distribution

[Link]

14
 Contoh #2
Statistika Teknik

▪ Diketahui suatu variabel random X memiliki fungsi kerapatan probabilitas

(pdf) sbb.

𝑥 Τ2 untuk 0 < 𝑥 < 2

𝑝𝑋 𝑥 = ቐ
[Link]

0 untuk nilai 𝑥 yang lain

• Gambarlah pdf tersebut

• Tunjukkan bahwa prob(0 < X < 2) = 1
• Hitunglah prob(X < 1.5)= PX(1.5)
• Hitunglah prob(0.5 < X < 1.5)

15
 Contoh #3
Statistika Teknik

▪ Pengolahan data annual series curah hujan harian maksimum, H mm, di suatu
stasiun ARR (Automatic Rainfall Recorder) menunjukkan bahwa sebaran
probabilitas suatu besaran curah hujan, pH(h), dapat dinyatakan dengan suatu
fungsi (pdf) sbb.

1
untuk 0 < ℎ < 50
[Link]

75
𝑝𝐻 ℎ = 1
100 − ℎ untuk 50 < ℎ < 100
3750
0 untuk nilai ℎ yang lain

• Gambarlah pdf tsb.

• Carilah fungsi cdf berdasarkan pdf tsb.
• Hitunglah prob(40 mm < H < 60 mm)

16
 Bivariate Distributions
Statistika Teknik

▪ Pada bahasan sebelumnya, variabel random adalah variabel tunggal

(univariate distribution)
▪ Pada bahasan berikut ini, variabel random terdiri dari dua variabel
(bivariate distributions)
• Apabila kita ingin mempelajari perilaku dua atau lebih variabel random, maka
[Link]

kita perlu menghitung probabilitas gabungan atau probabilitas bersama (joint

probabilities)
• Probabilitas gabungan → pdf gabungan, joint probability density function

17
 Bivariate Distributions
Statistika Teknik

• Joint probability density function

𝜕2
𝑝𝑋,𝑌 𝑥, 𝑦 = 𝑃 𝑥, 𝑦 pdf
𝜕𝑥𝜕𝑦 𝑋,𝑌
[Link]

𝑃𝑋,𝑌 𝑥, 𝑦 = prob 𝑋 < 𝑥 dan 𝑌 < 𝑦 cdf

+∞ +∞

= න න 𝑝𝑋,𝑌 𝑠, 𝑡 𝑑𝑡𝑑𝑠
−∞ −∞

18
 Bivariate Distributions
Statistika Teknik

▪ Beberapa persamaan
𝑃𝑋,𝑌 𝑥, ∞ cdf variabel random X saja (univariate)
𝑃𝑋,𝑌 ∞, 𝑦 cdf variabel random Y saja (univariate)
[Link]

𝑃𝑋,𝑌 𝑥, 𝑦 ≥ 0

𝑃𝑋,𝑌 ∞, ∞ = 1

𝑃𝑋,𝑌 −∞, 𝑦 = 𝑃𝑋,𝑌 𝑥, −∞ = 0

19
 Distribusi Marginal
Statistika Teknik

▪ Dua variabel random X dan Y

• Ingin diketahui perilaku X tanpa mempertimbangkan variabel Y
• Marginal density
[Link]

𝑝𝑋,𝑌 𝑥, 𝑦 → 𝑝𝑋 𝑥
+∞

𝑝𝑋 𝑥 = න 𝑝𝑋,𝑌 𝑥, 𝑡 𝑑𝑡
−∞

20
 Distribusi Marginal
Statistika Teknik

▪ Dua variabel random, X dan Y

• Cumulative marginal distribution
𝑃𝑋,𝑌 𝑥, 𝑦 → 𝑃𝑋 𝑥
𝑃𝑋 𝑥 = 𝑃𝑋 𝑥, ∞ = prob 𝑋 ≤ 𝑥 ∧ 𝑌 ≤ ∞
[Link]

= prob 𝑋 ≤ 𝑥
𝑥 +∞

= න න 𝑝𝑋 𝑠, 𝑡 𝑑𝑡𝑑𝑠
−∞ −∞
𝑥
21 = න 𝑝𝑋 𝑠 𝑑𝑠
−∞
 Distribusi Marginal
Statistika Teknik

▪ Untuk variabel Y
• Marginal density
𝑝𝑋,𝑌 𝑥, 𝑦 → 𝑝𝑋 𝑥
+∞
[Link]

𝑝𝑋 𝑥 = න 𝑝𝑋,𝑌 𝑥, 𝑡 𝑑𝑡
−∞
• Cumulative marginal distribution
𝑦

𝑃𝑌 𝑦 = 𝑃𝑌 ∞, 𝑦 = prob 𝑌 ≤ ∞ ∧ 𝑌 ≤ 𝑦 = prob 𝑌 ≤ 𝑦 = න 𝑝𝑌 𝑡 𝑑𝑡
22 −∞
 Distribusi Bersyarat (Conditional Probabilities)
Statistika Teknik

▪ Dua variabel random, X dan Y

• Ingin diketahui perilaku X yang bergantung pada Y
• Distribusi X jika Y = y0
• Distribusi Y jika x1 ≤ X ≤ x2
[Link]

‫𝑋𝑝 𝑆׬‬,𝑌 𝑥, 𝑡 𝑑𝑡
𝑝𝑋,𝑌 𝑥𝑖 |𝑦 dalam 𝑆 =
‫𝑡𝑑 𝑡 𝑌𝑝 𝑆׬‬

prob 𝑥 dalam 𝑅 | 𝑦 dalam 𝑆 = න 𝑝𝑋,𝑌 𝑥|𝑦 dalam 𝑆 𝑑𝑥

𝑅
𝑝𝑋,𝑌 𝑥, 𝑦0
𝑝𝑋|𝑌 𝑥|𝑦 = 𝑦0 = yang lebih sering dituliskan sebagai berikut:
𝑝𝑌 𝑦0
23 𝑝𝑋,𝑌 𝑥, 𝑦
𝑝𝑋|𝑌 𝑥|𝑦 =
𝑝𝑌 𝑦
 Independence
Statistika Teknik

▪ Dua variabel random, X dan Y

• Kedua variabel independence jika

𝑝𝑋|𝑌 𝑥|𝑦 bukan fungsi y

𝑝𝑋|𝑌 𝑥|𝑦 = 𝑝𝑋 𝑥
[Link]

• Joint probabilities: perkalian kerapatan marginal kedua variabel adalah:

𝑝𝑋,𝑌 𝑥, 𝑦 = 𝑝𝑋 𝑥 ∙ 𝑝𝑌 𝑦

24
 Contoh
Statistika Teknik

ST Contoh bivariate probability distribution

[Link]

25
 [Link] Statistika Teknik

26
Variabel Random

Sifat Variabel Random

Statistika Teknik

Populasi
[Link]

Sampel Sampel
observasi statistik estimasi (belum diukur)

27
 Statistika
Statistika Teknik

▪ Langkah
• Pengambilan sampel
• Observasi (analisis) terhadap sampel
• Penyimpulan tentang perilaku sampel
[Link]

• Estimasi tentang perilaku populasi berdasarkan butir (3)

• Estimasi tentang sampel lain (yang belum diambil/diukur) berdasarkan
butir (3)

28
 Statistika
Statistika Teknik

▪ Contoh
• Data debit suatu sungai selama 50 tahun yang telah lalu dipakai
sebagai dasar untuk melakukan estimasi debit sungai tersebut selama
periode tak terbatas (estimasi tentang perilaku populasi).
• Informasi tersebut dapat pula dipakai untuk estimasi debit sungai
[Link]

tersebut selama periode tertentu pada masa yang akan datang

(sampel yang belum diambil).

29
 Moment and Expectation: Univariate Distributions
Statistika Teknik

Y A Momen pertama terhadap O

dA 𝑑𝜇1′ = 𝑥𝑑𝐴
x 𝜇1′ = න 𝑥𝑑𝐴
𝐴
[Link]

O X
𝑝𝑋 𝑥 Untuk suatu variabel random
pdf
𝜇1′ = න 𝑥𝑑𝐴
𝐴
+∞
𝑑𝐴 = 𝑝𝑋 𝑥 𝑑𝑥
= න 𝑥𝑝𝑋 𝑥 𝑑𝑥
30 X
dx −∞
 Moment and Expectation: Univariate Distributions
Statistika Teknik

▪ Secara umum berlaku bahwa momen ke-i terhadap O adalah:

+∞
• distribusi random kontinu
𝜇𝑖′ = න 𝑥 𝑖 𝑝𝑋 𝑥 𝑑𝑥
−∞
[Link]

• distribusi random diskret

𝜇𝑖′ = ෍ 𝑥𝑗𝑖 𝑓𝑋 𝑥𝑗
𝑗
▪ Momen sentral ke-i: momen ke-i terhadap mean (nilai rerata)
+∞

𝜇𝑖 = න 𝑥 − 𝜇 𝑖 𝑝𝑋 𝑥 𝑑𝑥
−∞
31
 Moment and Expectation: Univariate Distributions
Statistika Teknik

▪ Nilai ekspektasi suatu variabel random X

+∞

E 𝑋 = න 𝑥𝑝𝑋 𝑥 𝑑𝑥 X kontinu
−∞
+∞
[Link]

E 𝑋 = ෍ 𝑥𝑗 𝑓𝑋 𝑥𝑗 X diskret
𝑗

• Dengan demikian
E 𝑋 = 𝜇𝑖′
𝑖
E 𝑋−𝜇 = 𝜇𝑖
 Statistical Measures
Statistika Teknik

▪ Common statistical measures

• Measure of central tendency
• Mean
• Mode
• Median
[Link]

• Measure of variability
• Range
• Variance
• Standard deviation
• Measure of an individual in a population
• z score
33
• Percentile rank
 Measure of Central Tendency
Statistika Teknik

▪ Nilai rerata (average)

• rerata (mean)
• mode → score yang paling sering muncul
• median → score yang berada di tengah dari suatu rangkaian score urut
[Link]

(dari nilai kecil ke besar atau sebaliknya)

34
 Measure of Central Tendency
Statistika Teknik

▪ Contoh
• Jumlah hari hujan selama 11 bulan terakhir adalah sbb.
21, 21, 21, 20, 18, 16, 12, 12, 6, 2, 1 MSExcel

• rerata = 14 =AVERAGE(...)
• mode
[Link]

= 21 =MODE(...)
• median = 16 =MEDIAN(...)
▪ Dari ketiga ukuran statistik tersebut, manakah yang paling
baik menceritakan tentang pola jumlah hari hujan dalam 11
bulan tersebut?
35
 Measure of Central Tendency
Statistika Teknik

▪ Contoh
• Carilah contoh sejenis, yang berhubungan dengan pengelolaan
sumberdaya air; misal:
• perilaku penduduk dalam pemakaian air (waktu, volume, debit, dsb.)
• data klimatologi (temperatur udara, kelembaban udara, lama penyinaran
[Link]

matahari, dsb.)
• Diskusikan
• nilai rerata
• mode, modus
• median
36
 Measure of Central Tendency
Statistika Teknik

▪ Simbol dan rumus

• Nilai rerata (variabel random kontinu)
𝜇𝑋 = E 𝑋 = 𝜇1′
+∞
[Link]

= න 𝑥𝑝𝑋 𝑥 𝑑𝑥
−∞

37
 Measure of Central Tendency
Statistika Teknik

▪ Simbol dan rumus estimasi

nilai rrata
• Rerata (variabel random diskret) populasi
𝑛
1 Nilai rerata sampel
ത
𝑋 = ෍ 𝑥𝑖
𝑛 n = jumlah anggota sampel
[Link]

𝑖=1

𝑛
1 Nilai rerata populasi
𝜇𝑋 = ෍ 𝑥𝑖
𝑛 n = jumlah anggota populasi
𝑖=1

parameter: berdasarkan seluruh anggota populasi

38 besaran statistik: hanya berdasarkan sebagian anggota populasi

 Measure of Central Tendency
Statistika Teknik

• Beberapa sifat nilai rerata

𝑛
1
ത
𝐶 𝑋 = ෍ 𝐶𝑥𝑖
𝑛
𝑖=1
𝑛
[Link]

1
ത
𝐶 + 𝑋 = ෍ 𝐶 + 𝑥𝑖
𝑛
𝑖=1

C = konstanta

39
 Measure of Central Tendency
Statistika Teknik

▪ Nilai rerata
𝑛
1
• Arithmetic mean 𝑋ത = ෍ 𝑥𝑖 =AVERAGE(…)
𝑛
𝑖=1
1
𝑛 𝑛
[Link]

• Geometric mean 𝑋ത = ෑ 𝑥𝑖 =GEOMEAN(…)

𝑖=1

𝑛
• Harmonic mean 𝑋ത = =HARMEAN(…)
1
σ𝑛𝑖=1
𝑥𝑖
40 σ𝑛𝑖=1 𝑤𝑥𝑖
• Weighted mean 𝑋ത = 𝑛
σ𝑖=1 𝑤
 Measure of Central Tendency
Statistika Teknik

▪ Nilai rerata
• Root mean square
𝑛
1
𝑋ത𝑅𝑀𝑆 = ෍ 𝑥𝑖2
[Link]

𝑛
𝑖=1

41
 Measure of Central Tendency
Statistika Teknik

▪ Median
• Variabel random kontinu
𝜇𝑚𝑑

𝜇𝑚𝑑 = න 𝑝𝑋 𝑥 𝑑𝑥 = 0.5
−∞
[Link]

• Variabel random diskret 𝑝

𝜇𝑚𝑑 = 𝑥𝑝 dalam hal ini 𝑥𝑝 ditentukan dari ෍ 𝑓𝑋 𝑥𝑖 = 0.5
𝑖=1

42
 Measure of Central Tendency
Statistika Teknik

▪ Mode, nilai yang paling sering muncul/terjadi

• Variabel random kontinu
𝜇𝑚𝑜 = mode populasi dihitung sedemikian sehingga:

𝑑𝑝𝑋 𝑥 𝑑 2 𝑝𝑋 𝑥
[Link]

=0 dan <0
𝑑𝑥 𝑑𝑥 2

• Variabel random diskret

max 𝑓𝑋 𝑥𝑖
mode adalah suatu nilai 𝑥 sedemikian sehingga: 1≤𝑖≤𝑛

43
 Measure of Variability
Statistika Teknik

▪ Keragaman
• Variability, scatter, spread
• menunjukkan apakah angka dalam distribusi saling berdekatan atau
berjauhan
• Range → beda antara nilai tertinggi dan terendah dalam distribusi
[Link]

• mungkin biasa digunakan dalam permasalahan sehari-hari

• Standard deviation (simpangan baku)
• biasa dipakai dalam permasalahan “teknis”

44
 Measure of Variability
Statistika Teknik

▪ Simbol dan rumus

• Variance (varians, ragam) variabel random kontinu merupakan
momen kedua terhadap nilai rerata
var 𝑋 = 𝜎 2 = 𝜇2
[Link]

=E 𝑋−𝜇 2

= E 𝑋2 − E2 𝑋

45
 Measure of Variability
Statistika Teknik

▪ Simbol dan rumus

• Variance (varians, ragam) variabel random diskret
σ𝑛𝑖=1 𝑥𝑖 − 𝜇 2
2
𝜎 = varians populasi =VAR.P(…)
𝑛
[Link]

2
2
σ𝑛𝑖=1 𝑥𝑖 − 𝑋ത varians sampel =VAR.S(…)
𝑠 =
𝑛−1

estimasi nilai
varians
populasi

46
 Measure of Variability
Statistika Teknik

• Kenapa penyebut n − 1?
• menghasilkan nilai yang lebih besar daripada dibagi dengan n; ini untuk
mengompensasi kecenderungan variabilitas sampel yang lebih kecil
daripada variabilitas populasi
• dari sisi praktis, hal ini juga menunjukkan variabilitas dari sampel
[Link]

beranggota 1 adalah tidak ada (tidak ada variabilitas dari 1 score)

47
 Measure of Variability
Statistika Teknik

2
2
σ𝑛𝑖=1 𝑥𝑖 − 𝑋ത
𝑠 =
𝑛−1
[Link]

σ𝑛𝑖=1 𝑥𝑖 2 − 𝑛𝑋ത 2
𝑠2 =
Cobalah 𝑛−1
Saudara uraikan

48
 Measure of Variability
Statistika Teknik

𝑛 2
2
σ ത
𝑖=1 𝑥𝑖 − 𝑋 σ𝑛𝑖=1 𝑥𝑖 2 − 2𝑥𝑖 𝑋ത + 𝑋ത 2
𝑠 = =
𝑛−1 𝑛−1
2
𝑛 2 σ𝑛𝑖=1 𝑥𝑖 𝑛 σ𝑛𝑖=1 𝑥𝑖
σ𝑖=1 𝑥𝑖 − 2 σ𝑖=1 𝑥𝑖 + 𝑛
σ𝑛𝑖=1 𝑥𝑖 2 − 2𝑋ത σ𝑛𝑖=1 𝑥𝑖 + 𝑛𝑋ത 2 𝑛 𝑛
= =
[Link]

𝑛−1 𝑛−1
2
𝑛 2
σ𝑛𝑖=1 𝑥𝑖
σ𝑖=1 𝑥𝑖 − σ𝑛𝑖=1 𝑥𝑖 2 − 𝑛𝑋ത 2
= 𝑛 =
𝑛−1 𝑛−1

49
 Measure of Variability
Statistika Teknik

▪ Simbol dan rumus

• Standard deviation (deviasi standar, simpangan baku)
σ𝑛𝑖=1 𝑥𝑖 − 𝜇 2
𝜎= simpangan baku populasi =STDEV.P(…)
𝑛
[Link]

2
σ𝑛𝑖=1 𝑥𝑖 − 𝑋ത simpangan baku sampel
𝑠= =STDEV.S(…)
𝑛−1

estimasi nilai
deviasi standar
50 populasi
 Measure of Variablitiy
Statistika Teknik

• Coefficient of variation
𝑠
𝑐𝑣 = ത
𝑋

• Catatan
[Link]

var 𝑐 = 0
var 𝑐𝑋 = 𝑐 2 var 𝑋
var 𝑎 + 𝑏𝑋 = b2 var 𝑋

51
 Simetri
Statistika Teknik

mode = median = mean mode

median
mean
[Link]

simetris positive skew negative skew

52
 Simetri
Statistika Teknik

𝜇 − 𝜇𝑚𝑜
▪ Skewness populasi =
𝜎
𝑋ത − 𝑋𝑚𝑜
▪ Skewness sampel =
𝑠
[Link]

𝑛2 𝑀3
▪ Skewness coefficient 𝑐𝑠 =
𝑛 − 1 𝑛 − 2 𝑠𝑋 3

Dalam persamaan di atas:

𝑛 jumlah sampel
𝑀3 momen ke-3 (sampel)
𝑠𝑋 simpangan baku (sampel)
53
 Peakedness
leptokurtic, k > 3, e > 0
Statistika Teknik

normal, mesokurtic, k = 3, e > 0

platykurtic, k < 3, e < 0
[Link]

𝜇4
kurtosis: 𝜅= (populasi)
𝜇2 2
𝑀4
𝑘= 4 (sampel)
𝑠𝑋

54 𝜀 = 𝜅 − 3 (excess kurtosis)
 [Link] Statistika Teknik

55
Lihat catatan: ST Sample moments
Sample Moments
 Some Measures of An Individual in A Population
Statistika Teknik

▪ z score untuk menunjukkan

posisi suatu score
𝑥−𝜇 dalam populasi
𝑧𝑋 =
𝜎

▪ Percentile rank
[Link]

untuk populasi
besar
𝐵 + 12𝐸
𝑃𝑅𝑋 = × 100
𝑛
𝐵 = jumlah score yang bernilai di bawah 𝑋
𝐸 = jumlah score yang bernilai sama dengan 𝑋
𝑛 = jumlah score seluruhnya
56
 Some Measures of An Individual in A Population
Statistika Teknik

▪ Beberapa fungsi dalam MSExcel

• =[Link](...), =[Link](…)
• posisi suatu nilai (angka) pada suatu urutan angka
• =[Link](...), =[Link](…)
[Link]

• nilai percentile dalam suatu kisaran angka

• =[Link](...), [Link](…)
• posisi suatu nilai (angka) dalam suatu urutan angka, dalam persen
𝐵
= × 100 perhatikan perbedaannya dengan PRX
𝐵+𝐴
𝐵 = jumlah score yang bernilai lebih kecil daripada 𝑋
57 𝐴 = jumlah score yang bernilai lebih besar daripada 𝑋
 [Link] Statistika Teknik

58