Armin Lawi

Prodi Teknik Perencanaan Transportasi

Program Pasca-sarjana, Universitas Hasanuddin

STATISTIKA DAN METODE

PENELITIAN (TRANPORTASI)
Pertemuan-1

Salam Kenal
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.

Pegalaman Pekerjaan

General Manager, KyushuIndonesia 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

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: armin.lawi@gmail.com

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 3X
Kecuali, 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: <armin.lawi@gmail.com> atau
<armin@unhas.ac.id>

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

Statistika Non-Parametrik

Menggunakan asumsi mengenai populasi (dengan

sebuah distribusi kepluangan)
Membutuhkan pengukuran kuantitatif dengan level
data interval atau rasio
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
Proses Komputer/Statistika
Data
Keluaran
(Informasi)

Data
Masukan

Aplikasi Pengolah
Data Statistika

Aplikasi statistika
buatan sendiri

Program add-ins pada

aplikasi lain (MsExcel, 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.
x 7,8; 0,5; n 50.
Statistik uji:
Menentukan daerah kritis
Zcrit = 0,5 - /2 = 0,5 0,005 = 0,495

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.

x
7,8 8

2,83
Nilai Zhit diperoleh: z
n 0,5 50

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 digunakan

H0 : = 70 H1: > 70 (uji satu arah)

Digunakan statistik uji satu-arah

Taraf signifikansi 5% atau 0,05.
x 71,8; 8,9; n 100.
Statistik uji:
Menentukan daerah kritis
Zcrit = 0,5 - = 0,5 0,05 = 0,4500

Contoh Lain (contd.)

Dari tabel dapat diperoleh nilai Z = 1,645

Nilai Zhit diperoleh:

x
71,8 70

2,02
n 8,9 100

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.