Pertemuan 4 · Bab 1 · Statistika 2 Satuan Kredit Semester · Program Studi Diploma Empat Manajemen Proyek Konstruksi

Ukuran Penyebaran dan Posisi Data

Dua dataset dapat memiliki mean yang sama tetapi tingkat variasi yang sangat berbeda. Karena itu, setelah mempelajari pusat data pada Pertemuan 3, mahasiswa perlu memahami seberapa jauh data menyebar dan di mana posisi suatu observasi berada. Pertemuan ini membahas rentang, varians, simpangan baku, koefisien variasi, kuartil, persentil, dan rentang antarkuartil serta penerapannya pada data proyek konstruksi.

Rentang Varians Simpangan Baku Koefisien Variasi Kuartil Persentil Rentang Antarkuartil IBM SPSS Statistics 340 menit Tugas 5%

Target Rencana Pembelajaran Semester: mahasiswa mampu menganalisis ukuran penyebaran dan posisi data. Indikator keberhasilan: ukuran variasi dihitung dengan benar dan kesimpulan tentang konsistensi data didukung oleh evidence.

Sinkronisasi Rencana Pembelajaran Semester

Kemampuan Akhir yang Direncanakan: Menganalisis ukuran penyebaran dan posisi data.
Waktu: TM 100 + PT 120 + BM 120 = 340 menit
Penilaian: Tugas 5%
Referensi RPS: 1,2,3

Tujuan belajar Pertemuan 4

Pertemuan 4 mempunyai 5 tujuan utama. Klik salah satu tujuan untuk langsung menuju materi yang membahasnya.

1
Menghitung dan menjelaskan rentang, varians, dan simpangan baku. 2
Menggunakan koefisien variasi untuk membandingkan variasi secara proporsional. 3
Menentukan dan menginterpretasikan kuartil, persentil, dan rentang antarkuartil. 4
Menghitung dan memeriksa ukuran penyebaran dengan IBM SPSS Statistics. 5
Membandingkan konsistensi dua dataset proyek berdasarkan evidence statistik.

Cara belajar: selesaikan Tujuan Pembelajaran 1 sampai Tujuan Pembelajaran 5 secara berurutan. Setiap blok mempunyai konsep, contoh, latihan, dan tombol kembali ke daftar tujuan.

Cara belajar Pertemuan 4 agar tetap ringan

Mulai dari pertanyaan. Apakah data rapat, menyebar, atau memiliki posisi tertentu?

Hitung manual. Gunakan dataset kecil untuk memahami makna deviasi, varians, dan simpangan baku.

Bandingkan skala. Gunakan koefisien variasi hanya ketika perbandingan relatif memang bermakna.

Lihat posisi. Gunakan kuartil dan persentil untuk mengetahui letak observasi dalam distribusi.

Verifikasi dan interpretasikan. Gunakan IBM SPSS Statistics lalu jelaskan makna hasil dalam konteks proyek.

Siklus belajar Pertemuan 4: pusat data → penyebaran → posisi → perbandingan → interpretasi.

Peta materi Pertemuan 4

Tujuan Pembelajaran 1 · Rentang, Varians, Simpangan Baku Tujuan Pembelajaran 2 · Koefisien Variasi Tujuan Pembelajaran 3 · Kuartil & Persentil Tujuan Pembelajaran 4 · IBM SPSS Statistics Tujuan Pembelajaran 5 · Perbandingan Dataset Proyek

Pusat Data → Penyebaran → Posisi → Konsistensi → Keputusan

Pertemuan 4 melengkapi Pertemuan 3. Mean/median menjelaskan pusat, sedangkan ukuran penyebaran menjelaskan seberapa rapat atau beragam data di sekitar pusat tersebut.

TUJUAN PEMBELAJARAN 1

Menghitung dan menjelaskan rentang, varians, dan simpangan baku

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Ukuran penyebaran menjelaskan seberapa jauh nilai-nilai dalam dataset berbeda satu sama lain. Dua kelompok dapat memiliki mean yang sama, tetapi satu kelompok sangat konsisten sementara kelompok lain sangat bervariasi.

1.1 Rentang — ukuran paling sederhana

Rentang adalah selisih nilai maksimum dan minimum.

Rentang = nilai maksimum − nilai minimum

Contoh durasi aktivitas

Durasi: 9, 10, 10, 11, 12 hari.

Rentang = 12 − 9 = 3 hari

Rentang hanya menggunakan dua nilai: minimum dan maksimum. Karena itu rentang mudah berubah jika terdapat satu nilai ekstrem.

1.2 Deviasi dari mean

Untuk memahami varians, perhatikan jarak setiap nilai terhadap mean. Selisih tersebut disebut deviasi.

Deviasi = nilai observasi − mean

Data: 8, 10, 12. Mean = 10.

Nilai	Deviasi dari mean	Kuadrat deviasi
8	−2	4
10	0	0
12	2	4

Jumlah deviasi biasa = 0. Karena itu varians menggunakan kuadrat deviasi agar penyimpangan positif dan negatif tidak saling menghapus.

1.3 Varians populasi dan varians sampel

Jika data mencakup seluruh populasi yang didefinisikan, varians populasi membagi jumlah kuadrat deviasi dengan jumlah anggota populasi. Jika data adalah sampel, varians sampel lazimnya menggunakan penyebut jumlah observasi dikurangi satu.

Varians populasi: σ² = Σ(x − μ)² / N

Varians sampel: s² = Σ(x − x̄)² / (n − 1)

Mengapa n − 1? Pada varians sampel, mean populasi tidak diketahui dan digantikan oleh mean sampel. Penggunaan n − 1 merupakan koreksi standar agar estimasi varians populasi tidak cenderung terlalu kecil.

1.4 Simpangan baku

Varians berada dalam satuan kuadrat. Simpangan baku adalah akar varians sehingga kembali ke satuan asli data.

Simpangan baku sampel: s = √s²

Jika varians durasi = 4 hari², maka simpangan baku = √4 = 2 hari.

1.5 Contoh terarah lengkap

Data produktivitas: 8, 9, 10, 11, 12 m²/hari.

Mean: 10 m²/hari.

Jumlah kuadrat deviasi: 4 + 1 + 0 + 1 + 4 = 10.

Varians sampel: 10 / (5 − 1) = 2,5 (m²/hari)².

Simpangan baku sampel: √2,5 ≈ 1,581 m²/hari.

Rentang: 12 − 8 = 4 m²/hari.

1.6 Apa arti simpangan baku?

Simpangan baku yang lebih kecil menunjukkan data lebih rapat di sekitar mean; simpangan baku yang lebih besar menunjukkan variasi yang lebih besar. Namun interpretasi harus mempertimbangkan skala, satuan, dan konteks.

1.7 Pengaruh nilai ekstrem

Karena varians dan simpangan baku menggunakan kuadrat deviasi, nilai ekstrem dapat memberikan pengaruh besar. Jika nilai ekstrem muncul, periksa validitas data dan bandingkan juga ukuran berbasis kuartil.

Latihan Tujuan Pembelajaran 1

Hitung rentang, varians sampel, dan simpangan baku sampel untuk data: 5, 7, 7, 9, 12.

Jawaban: mean = 8; rentang = 7; jumlah kuadrat deviasi = 28; varians sampel = 28/4 = 7; simpangan baku sampel ≈ 2,646.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 2

Menggunakan koefisien variasi untuk membandingkan variasi secara proporsional

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Simpangan baku memiliki satuan yang sama dengan data. Jika dua dataset memiliki mean atau skala yang sangat berbeda, membandingkan simpangan baku secara langsung dapat kurang adil. Dalam kondisi tertentu, koefisien variasi membantu membandingkan variasi relatif.

Koefisien variasi = (simpangan baku / mean) × 100%

2.1 Contoh perbandingan dua aktivitas

Kelompok	Mean	Simpangan baku	Koefisien variasi
Tim A	10 m²/hari	1 m²/hari	10%
Tim B	20 m²/hari	1,5 m²/hari	7,5%

Tim B memiliki simpangan baku lebih besar secara absolut, tetapi variation relatif terhadap mean lebih kecil.

Jika tujuan adalah membandingkan konsistensi relatif, koefisien variasi dapat lebih informatif daripada simpangan baku saja.

2.2 Kapan koefisien variasi layak digunakan?

variabel berada pada skala rasio;
nol memiliki makna substantif;
mean positif dan tidak sangat dekat dengan nol;
perbandingan relatif antar kelompok memang masuk akal;
satuan/definisi operasional variabel konsisten.

2.3 Kapan harus berhati-hati?

mean mendekati nol sehingga rasio menjadi sangat besar/tidak stabil;
nilai dapat negatif dan nol bukan titik rasio yang bermakna;
variabel berskala interval, misalnya suhu Celsius;
kelompok mengukur konstruk yang berbeda;
perbedaan mean sendiri sudah mencerminkan perubahan konteks yang substansial.

Jangan menggunakan koefisien variasi secara otomatis. Penggunaannya harus didukung oleh sifat skala data dan tujuan perbandingan.

2.4 Simpangan baku dan koefisien variasi menjawab pertanyaan berbeda

Ukuran	Pertanyaan
Simpangan baku	Seberapa besar variasi dalam satuan asli?
Koefisien variasi	Seberapa besar variasi relatif terhadap mean?

Latihan Tujuan Pembelajaran 2

Kelompok A: mean biaya 100 juta, simpangan baku 10 juta. Kelompok B: mean biaya 40 juta, simpangan baku 6 juta. Hitung koefisien variasi dan tentukan kelompok yang lebih konsisten secara relatif.

Jawaban: Kelompok A = 10%; Kelompok B = 15%. Kelompok A lebih konsisten secara relatif karena koefisien variasi lebih kecil.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 3

Menentukan dan menginterpretasikan kuartil, persentil, dan rentang antarkuartil

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Ukuran posisi menjawab pertanyaan: di bagian mana suatu nilai berada dalam distribusi? Kuartil membagi data terurut menjadi empat bagian, sedangkan persentil membagi distribusi menjadi seratus bagian posisi.

3.1 Kuartil

Kuartil	Makna umum
Kuartil pertama	sekitar 25% data berada pada atau di bawah posisi ini
Kuartil kedua	median; sekitar 50% data berada pada atau di bawah posisi ini
Kuartil ketiga	sekitar 75% data berada pada atau di bawah posisi ini

3.2 Rentang antarkuartil

Rentang antarkuartil mengukur lebar 50% data tengah.

Rentang antarkuartil = Kuartil ketiga − Kuartil pertama

Karena menggunakan dua kuartil tengah, rentang antarkuartil lebih tahan terhadap nilai ekstrem dibanding rentang keseluruhan.

3.3 Persentil

Persentil membantu menjelaskan posisi relatif. Misalnya, suatu durasi pada persentil ke-90 berarti nilainya berada di sekitar batas di mana sebagian besar data (sekitar 90%) berada pada atau di bawah nilai tersebut, bergantung pada definisi perhitungan persentil yang digunakan.

Catatan penting: terdapat beberapa metode perhitungan kuartil dan persentil. Hasil dapat berbeda sedikit antar buku, perangkat lunak, atau prosedur. Karena itu laporan sebaiknya konsisten dengan metode/prosedur yang digunakan.

3.4 Contoh terarah kuartil dan rentang antarkuartil

Data terurut: 5, 6, 7, 8, 9, 10, 11, 12.

Median = (8 + 9) / 2 = 8,5.

Bagian bawah: 5, 6, 7, 8 → Kuartil pertama = (6 + 7) / 2 = 6,5.

Bagian atas: 9, 10, 11, 12 → Kuartil ketiga = (10 + 11) / 2 = 10,5.

Rentang antarkuartil = 10,5 − 6,5 = 4.

Contoh di atas memakai metode median-of-halves untuk pembelajaran manual. IBM SPSS Statistics dapat menggunakan algoritma kuantil yang berbeda pada prosedur tertentu.

3.5 Kuartil dan diagram kotak

Diagram Kotak yang diperkenalkan pada Pertemuan 2 dibangun dari informasi posisi seperti kuartil dan median. Kotak biasanya membentang dari Kuartil pertama sampai Kuartil ketiga, dengan garis median di dalamnya.

3.6 Aturan eksploratif 1,5 × rentang antarkuartil

Dalam diagram kotak, salah satu aturan eksploratif yang umum adalah menandai observasi yang berada lebih dari 1,5 kali rentang antarkuartil di bawah Kuartil pertama atau di atas Kuartil ketiga.

Batas bawah = Kuartil pertama − 1,5 × rentang antarkuartil

Batas atas = Kuartil ketiga + 1,5 × rentang antarkuartil

Nilai yang melewati batas tersebut bukan otomatis salah. Itu adalah sinyal untuk diperiksa lebih lanjut.

3.7 Alat latihan kuartil

Kalkulator ini memakai metode median-of-halves untuk latihan manual.

Format input angka: pisahkan nilai dengan titik koma (;) atau baris baru; gunakan koma sebagai tanda desimal.

Data numerik

Latihan Tujuan Pembelajaran 3

Gunakan metode median-of-halves untuk data terurut: 4, 5, 6, 7, 8, 9, 12, 16. Tentukan median, Kuartil pertama, Kuartil ketiga, dan rentang antarkuartil.

Jawaban: median = 7,5; Kuartil pertama = 5,5; Kuartil ketiga = 10,5; rentang antarkuartil = 5.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 4

Menghitung dan memeriksa ukuran penyebaran dengan IBM SPSS Statistics

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

IBM SPSS Statistics digunakan untuk mempercepat perhitungan, tetapi mahasiswa tetap harus memahami apa arti setiap statistik dan kapan statistik tersebut layak digunakan.

4.1 Descriptives untuk rentang, varians, dan simpangan baku

Buka Analyze → Descriptive Statistics → Descriptives.

Pindahkan variabel numerik yang akan dianalisis.

Gunakan Options untuk memilih mean, simpangan baku, varians, rentang, minimum, dan maximum.

Jalankan analisis dan periksa jumlah kasus valid.

Bandingkan hasil dengan perhitungan manual dataset kecil.

4.2 Frequencies untuk kuartil dan persentil

Menu Analyze → Descriptive Statistics → Frequencies dapat digunakan untuk meminta kuartil atau persentil tertentu melalui pilihan statistik.

4.3 Explore untuk ringkasan dan diagram kotak

Menu Analyze → Descriptive Statistics → Explore berguna untuk melihat ringkasan distribusi, persentil, dan diagram kotak, terutama ketika data dibandingkan antar kelompok.

4.4 Koefisien variasi tidak selalu tersedia sebagai satu tombol standar

Jika koefisien variasi tidak tampil langsung pada prosedur deskriptif yang digunakan, mahasiswa dapat menghitungnya dari mean dan simpangan baku yang telah diperoleh:

Koefisien variasi = (simpangan baku / mean) × 100%

Pastikan syarat penggunaan koefisien variasi sudah terpenuhi sebelum menghitungnya.

4.5 Audit output

Output	Pertanyaan audit
Minimum / Maximum	Apakah nilainya masuk akal dan sesuai satuan?
Rentang	Apakah sama dengan maksimum − minimum?
Varians	Apakah satuannya merupakan satuan kuadrat?
Simpangan baku	Apakah kembali ke satuan asli?
Kuartil / Persentil	Apakah posisi data dan prosedur yang digunakan jelas?
Diagram Kotak	Apakah terdapat kasus yang perlu diperiksa lebih lanjut?

4.6 Kalkulator latihan penyebaran

Kalkulator memakai rumus varians dan simpangan baku sampel.

Format input angka: pisahkan nilai dengan titik koma (;) atau baris baru; gunakan koma sebagai tanda desimal.

Data numerik

4.7 Kesalahan yang sering terjadi

mencampur varians populasi dan varians sampel;
menulis varians tanpa memperhatikan satuan kuadrat;
membandingkan simpangan baku antar skala berbeda tanpa konteks;
menggunakan koefisien variasi pada mean mendekati nol;
menganggap titik pada diagram kotak otomatis salah;
melaporkan output tanpa menjelaskan implikasinya terhadap konsistensi data.

Latihan Tujuan Pembelajaran 4

Hitung rentang, varians sampel, dan simpangan baku sampel pada dataset kecil secara manual, lalu verifikasi dengan Descriptives pada IBM SPSS Statistics.

Kriteria: hasil manual konsisten dengan output, perbedaan akibat pembulatan dijelaskan, dan mahasiswa mampu menyebut satuan setiap statistik.

↑ Kembali ke Tujuan Belajar

TUJUAN PEMBELAJARAN 5

Membandingkan konsistensi dua dataset proyek berdasarkan evidence statistik

↑ Kembali ke Tujuan Belajar

Rujukan utama: Montgomery & Runger · Sudjana · Sugiyono

Tujuan terakhir adalah menggabungkan mean dari Pertemuan 3 dengan ukuran penyebaran Pertemuan 4 untuk membandingkan konsistensi data proyek.

5.1 Dua tim dengan mean sama

Tim A: 8, 9, 10, 11, 12 m²/hari.

Tim B: 4, 7, 10, 13, 16 m²/hari.

Keduanya memiliki mean = 10 m²/hari.

Ukuran	Tim A	Tim B
Mean	10	10
Rentang	4	12
Varians sampel	2,5	22,5
Simpangan baku sampel	≈1,581	≈4,743
Koefisien variasi	≈15,81%	≈47,43%

Walaupun mean kedua tim sama, Tim A jauh lebih konsisten karena rentang, varians, simpangan baku, dan koefisien variasi lebih kecil.

5.2 Konsistensi tidak sama dengan “lebih baik”

Dataset yang lebih konsisten belum tentu memiliki kinerja lebih tinggi. Konsistensi hanya menjelaskan variasi. Penilaian “lebih baik” harus mempertimbangkan target, mutu, biaya, waktu, keselamatan, dan konteks keputusan.

5.3 Jika mean berbeda, jangan melihat simpangan baku saja

Ketika mean dua kelompok berbeda jauh, simpangan baku absolut perlu dibaca bersama mean. Jika syarat terpenuhi, koefisien variasi dapat membantu melihat variasi relatif.

5.4 Gunakan kuartil ketika data memiliki nilai ekstrem

Jika terdapat nilai yang sangat tinggi atau rendah, bandingkan juga median, kuartil, dan rentang antarkuartil agar interpretasi tidak hanya bergantung pada mean dan simpangan baku yang sensitif terhadap nilai ekstrem.

5.5 Contoh narasi yang baik

“Tim A dan Tim B sama-sama memiliki produktivitas rata-rata 10 m²/hari, tetapi variasi Tim A lebih kecil. Simpangan baku Tim A sekitar 1,58 m²/hari dibanding 4,74 m²/hari pada Tim B. Dengan mean yang sama, koefisien variasi juga menunjukkan Tim A lebih konsisten secara relatif. Temuan ini menggambarkan konsistensi output, bukan secara otomatis menyatakan Tim A lebih baik pada seluruh aspek kinerja.”

5.6 Evidence yang harus dihasilkan

mean masing-masing dataset sebagai konteks pusat;
rentang, varians, dan simpangan baku;
koefisien variasi bila syaratnya terpenuhi;
kuartil dan rentang antarkuartil jika relevan;
diagram kotak atau visual pendukung;
kesimpulan konsistensi yang didukung angka;
batas interpretasi yang membedakan variasi dari kualitas/kinerja secara keseluruhan.

5.7 Indikator ketercapaian Pertemuan 4

Sesuai Rencana Pembelajaran Semester: ukuran variasi dihitung dengan benar dan kesimpulan konsistensi didukung data.

Latihan integrasi Tujuan Pembelajaran 5

Kelompok X mempunyai mean 50 dan simpangan baku 5. Kelompok Y mempunyai mean 100 dan simpangan baku 8. Jika variabel berskala rasio dan mean positif, bandingkan variation relatif keduanya.

Jawaban: koefisien variasi X = 10%; koefisien variasi Y = 8%. Kelompok Y lebih konsisten secara relatif meskipun simpangan baku absolutnya lebih besar.

↑ Kembali ke Tujuan Belajar

Rangkuman Pertemuan 4

Tujuan Pembelajaran 1

Penyebaran absolut: rentang → varians → simpangan baku.

Tujuan Pembelajaran 2

Penyebaran relatif: koefisien variasi digunakan hanya jika sifat skala mendukung.

Tujuan Pembelajaran 3

Posisi data: kuartil → persentil → rentang antarkuartil → diagram kotak.

Tujuan Pembelajaran 4–5

Verifikasi dan keputusan: IBM SPSS Statistics membantu menghitung, tetapi konsistensi harus dijelaskan dengan evidence.

Kalimat kunci Pertemuan 4: pusat data menjelaskan “di mana”, sedangkan penyebaran menjelaskan seberapa konsisten atau bervariasi nilai-nilai di sekitarnya.

Beban kegiatan Pertemuan 4

Tatap muka / terbimbing	100 menit
Penugasan terstruktur	120 menit
Belajar mandiri	120 menit
Total	340 menit
Penilaian	Tugas 5%

Tugas belajar Pertemuan 4

Gunakan dua dataset proyek yang mengukur variabel numerik dengan definisi dan satuan yang sama.

hitung mean sebagai konteks pusat;
hitung rentang, varians, dan simpangan baku;
hitung koefisien variasi jika syarat penggunaannya terpenuhi;
tentukan kuartil dan rentang antarkuartil bila relevan;
buat diagram kotak menggunakan IBM SPSS Statistics;
bandingkan konsistensi kedua dataset dan tulis kesimpulan berbasis evidence.

Bobot tugas: 5%. Fokus penilaian mengikuti Rencana Pembelajaran Semester: ketepatan ukuran variasi dan kekuatan evidence yang mendukung kesimpulan konsistensi.

Kriteria Penilaian Tugas Pertemuan 4

Kriteria berikut mengikuti rubrik analitik umum Rencana Pembelajaran Semester. Tidak ada bobot internal tambahan yang ditetapkan pada halaman materi; penilaian mengikuti instrumen dosen pada pelaksanaan tugas.

Kriteria	Fokus evidence pada Pertemuan 4
Pemahaman masalah dan data	pusat, penyebaran, posisi, dan skala data dibedakan dengan tepat
Pemilihan metode statistik	ukuran penyebaran/posisi dipilih sesuai tujuan
Perhitungan/analisis	rentang, varians, simpangan baku, koefisien variasi, kuartil/persentil dihitung benar
Interpretasi	variasi dan konsistensi dijelaskan tanpa klaim berlebihan
Kesimpulan berbasis bukti	perbandingan konsistensi didukung statistik dan visual
Komunikasi data	satuan, tabel, diagram kotak, dan narasi konsisten

Prinsip: ketepatan prosedur harus disertai kemampuan menjelaskan alasan pemilihan metode, interpretasi, dan kaitannya dengan masalah/data.

Checklist penguasaan Pertemuan 4

0 dari 5 tujuan tercapai 0%

Tujuan Pembelajaran 1 — Saya dapat menghitung dan menjelaskan rentang, varians, dan simpangan baku. Tujuan Pembelajaran 2 — Saya dapat menggunakan koefisien variasi secara tepat. Tujuan Pembelajaran 3 — Saya dapat menentukan dan menginterpretasikan kuartil, persentil, dan rentang antarkuartil. Tujuan Pembelajaran 4 — Saya dapat memeriksa hasil menggunakan IBM SPSS Statistics. Tujuan Pembelajaran 5 — Saya dapat membandingkan konsistensi dua dataset proyek berdasarkan evidence statistik.

Checklist ini tersimpan hanya pada browser/perangkat dan bukan progres atau nilai resmi pada sistem pembelajaran.

Catatan Penyelarasan

Materi dan penilaian pada halaman ini menggunakan struktur canonical semester yang telah diharmonisasi. Acuan kurikulum final adalah Rencana Pembelajaran Semester yang berlaku; nomor versi tidak ditampilkan pada halaman materi agar tidak menjadi usang ketika dokumen diperbarui.

Daftar Pustaka Pertemuan 4

Montgomery, D. C., & Runger, G. C. (2018). Applied Statistics and Probability for Engineers (7th ed.). Wiley.
Sudjana. (2005). Metoda Statistika. Bandung: Tarsito.
Sugiyono. (2019). Statistika untuk Penelitian. Bandung: Alfabeta.

Daftar pustaka pada halaman ini identik dengan kode referensi pada Rencana Pembelajaran Semester terbaru.

↑ Kembali ke bagian utama

Jembatan ke Pertemuan 5

Pertemuan 1 sampai Pertemuan 4 membentuk fondasi statistika deskriptif: struktur data, tabel/grafik, ukuran pusat, serta ukuran penyebaran dan posisi. Pertemuan 5 mulai berpindah ke probabilitas untuk memodelkan ketidakpastian pada kasus proyek.

Deskriptif Data → Ketidakpastian → Probabilitas

↑ Lihat kembali Tujuan Belajar Pertemuan 4