Pengukuran Tendesi Sentral

 Pengukuran Tendesi Sentral yaitu sebagai suatu pengukuran nilai yang dapat digunakan untuk merepresentasikan 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.

Population Mean

(μ) = ΣX/N

Sample Mean

x =  ΣX/N

Kelebihan dan Kekurangan Mean

● Mean cukup bisa diandalkan karena mean memperhitungkan setiap entri dari dataset yang kita miliki. 

● Mean sangat rentan terhadap outlier. 

● Median bisa dijadikan alternatif bilamana terdapat outlier pada dataset.


Median

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

~Untuk dataset dengan jumlah entri ganjil, nilai median dapat diperoleh dari nilai yang tepat berada di tengah. 

~Untuk dataset dengan jumlah entri genap, nilai median diperoleh dari rerata dua nilai yang berada di tengah.

 

Mode

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

● Suatu dataset dapat memiliki lebih dari satu mode (multi-modal). 

● Suatu dataset juga bisa saja tidak memiliki mode, ketika frekuensi kemunculan dari tiap datanya sama.


Weighted Mean

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


Komentar

Posting Komentar

Postingan populer dari blog ini

Aturan Penjumlahan

Gambar
 Mutually Exclusive Events Dua buah events A dan B adalah mutually exclusive events bila A dan B tidak dapat muncul pada waktu yang bersamaan.   Mutually Exclusive.  contohnya: misal kejadian A : Anto masuk sekolah, kejadian  B : Anto tidak masuk sekolah. Not Mutually Exclusive   Event A: Mendapatkan seorang mahasiswa pria dari pemilihan acak sekumpulan mahasiswa  Event B: Mendapatkan seorang mahasiswa fakultas kedokteran dari pemilihan acak sekumpulan mahasiswa   Aturan Penjumlahan P(A atau B)=P(A)+P(B) P(A∪B)=P(A)+P(B) Contoh kejadian pada saat kita melakukan tos dengan dua koin, dimisalkan akan muncul kejadian tepat 1 gambar (A) atau bisa juga tepat 2 gambar (B). Jika ditulis secara matematis dapat dimisalkan A = {(G, A), (A, G)} dan B = {{G, G)}. Terlihat bahwa tidak ada satupun elemen A yang sama dengan elemen B. Aturan penjumlahan terjadi apabila terdapat 2 kegiatan, misalkan kegiatan 1 terjadi sebanyak A cara dan kegiatan 2 terjadi sebanyak B ca...
Baca selengkapnya

Distribusi Binomial

Gambar
 Binomial experiment merupakan suatu probability experiment yang memenuhi kriteria berikut:  1. Memiliki jumlah percobaan (trials) yang tetap dan setiap trial independent terhadap trials lainnya.  2. Setiap trial hanya memiliki dua kemungkinan outcomes; biasa dikategorikan sebagai success (S) atau failure (F).  3. Memiliki nilai probability success yang sama untuk tiap trial. 4. Random variabel x merepresentasikan jumlah kemunculan success dalam suatu experiment. n = Banyaknya trials pada suatu experiment p = Nilai probability success pada suatu trial q = Nilai probability failure pada suatu trial    ( q = 1-p) x = Jumlah kemunculan success pada suatu experiment Binomial Probability Formula Terdapat beberapa cara untuk menghitung probability dari x success dari sejumlah n trials pada suatu binominal experiment: Tree Diagram, Multiplication Rule, Binomial Probability Formula. p(x) =    n C x . P^ x  . ( 1-P)^ n-x Binomial Probability...
Baca selengkapnya

Geometric Distribution & Poisson Distribution

  Geometric Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut:  1. Percobaan (trial) akan dilakukan berulang kali sampai mendapatkan outcome success.  2. Setiap percobaan (trial) adalah independent terhadap trials lainnya. 3. Memiliki nilai probability success (p) yang sama untuk tiap trial.  4. Random variable x merepresentasikan banyaknya trials yang dilakukan sampai mendapati kondisi success. q = 1 - p p(x) = p . q ^ x-1 Poisson Distribution merupakan suatu discrete probability distribution yang memenuhi kriteria berikut:  1. Random variable x merepresentasikan banyaknya kemunculan suatu event dalam interval waktu tertentu. 2. Nilai probability untuk kemunculan event adalah sama untuk setiap interval.  3. Jumlah kemunculan event pada suatu interval adalah independent terhadap jumlah kemunculan event pada interval lainnya. P(x; μ) = (e -μ  * μ x ) / x ! μ = 2 (jumlah rata-rata badai per tahun, secara hist...
Baca selengkapnya