Anda di halaman 1dari 32

Tri Cahyono

ANALISIS UNIVARIAT
SERI BIOSTATISTIK TERAPAN
(Aplikasi Statistik Deskriptif)
100

90

80

70
OLEH :
60 Tri Cahyono
50
(tricahyono37@yahoo.co.id)
40

30

20

10

1st Qtr
2nd Qtr

fi.Xi
3rd Qtr
4th Qtr
Jurusan Kesehatan Lingkungan Purwokerto
X= Politeknik kesehatan semarang
fi
2007
JKLP POLTEKKES SEMARANG 2007

1 2
KATA PENGANTAR DAFTAR ISI

Statistik merupakan kumpulan angka, alat, metoda untuk menjelaskan suatu


fenomena kejadian dengan berdasarkan data. Kenyataan sebenarnya banyak Halaman
manfaat yang dapat diambil dengan mempelajari statistik. Banyak orang yang HALAMAN JUDUL ................................................................................ i
ingin mendalami statistik, namun suatu mitos kesukaran telah membelenggu KATA PENGANTAR.............................................................................. ii
terlebih dahulu, sehingga orang merasa sulit belajar statistik. Banyak orang DAFTAR ISI............................................................................................. iii
yang membutuhkan statistik, namun mitos kerumitan menghadang, sehingga
takluk sebelum bertanding, sebenarnya statistik mudah dipelajari. Analisis Univariat (Aplikasi Statistik Deskriptif)……………………… 1
A. Angka................................................................................................... 2
1. Angka............................................................................................. 2
Kadangkala pengguna statistik paham dengan berbagai rumus yang disajikan, 2. Rate................................................................................................. 2
namun untuk menerapkan masih merasa kebingungan dan keraguan. 3. Ratio................................................................................................ 3
Berdasarkan keadaan tersebut penulis terdorong untuk menyajikan rumus- 4. Proporsi........................................................................................... 3
rumus statistik dengan teori yang sederhana dan memberikan contoh penerapan B. Ukuran Tendensi Sentral...................................................................... 4
rumus tersebut, sehingga mudah dipahami dan dipergunakan serta 1. Modus............................................................................................. 4
menjembatani untuk mempelajari statistik yang lebih dalam. 2. Median............................................................................................ 6
3. Mean................................................................................................ 11
Dalam penyajian buku ini tentunya masih banyak kekurangannya, untuk itu C. Dispersi / Deviasi / Variability ............................................................ 17
saran, kritik sangatlah penulis harapkan demi sempurna buku ini. 1. Range.............................................................................................. 17
2. Deviasi rata-rata.............................................................................. 17
Penulis berharap mudah-mudahan tulisan yang singkat ini dapat bermanfaat 3. Variansi........................................................................................... 19
bagi pembaca dan menggugah lebih dalam lagi untuk mempelajari statistik. 4. Stnadar Deviasi............................................................................... 22
5. Koefisien keragaman (Coefficien of Variation)………………….. 23
D. Penyajian Data .................................................................................... 24
Purwokerto, Maret 2007 1. Tulisan............................................................................................. 24
2. Tabel................................................................................................ 25
Penulis 3. Grafik / Diagram / Gambar............................................................. 35
E. Moment ................................................................................................ 47
1. Kemiringan / Kemencengan (Skewness)........................................ 47
2. Kurtosis........................................................................................... 48
Tri Cahyono
DAFTAR PUSTAKA

3 4
ANALISIS UNIVARIAT A. Angka
(Aplikasi Statistik Deskriptif)
1. Angka
Angka menunjukkan kadar atau besaran yang sebenar keadaan fenomena
Analisis data merupakan kegiatan untuk merubah data menjadi seringkasnya, karakteristik spesifik obyek (variabel). Angka dapat dihasilkan dari suatu
sehingga data tersebut dapat diwakili oleh satu atau beberapa angka yang dapat pengukuran, penghitungan ataupun dari laporan-laporan. Analisis dalam
memberikan informasi yang jelas. Angka tersebut merupakan kondisi / kadar bentuk merupakan analisis yang paling sederhana dan mendasar untuk
fenomena yang akan dipakai sebagai deskripsi informasi bagi setiap orang. nantinya digunakan analisis lebih lanjut. Analisis dalam bentuk angka
Angka tersebut juga dapat dipakai sebagai patokan untuk keperluan analisis hanya menunjukkan terjadi suatu kejadian. Pada kasus tertentu ukuran
berikutnya. angka dapat dijadikan sebagai patokan yang baku mempunyai arti penting,
Angka hasil pengukuran yang didapatkan dari populasi lazim disebut sebagai misalnya 1 kasus polio, 1 kasus flu burung. Namun secara umum analisis
parameter, sedangkan angka hasil pengukuran yang didapatkan dari sampel dalam bentuk angka belum dapat menggambarkan kondisi keseluruhan
biasanya disebut statistik. fenomena suatu daerah.
Pada analisis yang sederhana angka dapat langsung dibandingkan dengan Contoh:
standar atau ketentuan baku yang disepakati aturan, teori atau hukum. Pada jumlah penderita ISPA 37 balita,
analisis untuk mengeneralisasi populasi dari pengukuran sampel diperlukan jumlah penderita TB paru 14 orang,
langkah lebih lanjut, yaitu menggunakan uji statistik tertentu, untuk menarik jumlah kader 24 orang,
suatu simpulan. jumlah tenaga sanitarian 43 orang
Analisis data secara bertahap dimulai dengan analisis univariat, kemudian jumlah pelayanan kesehatan 4 rumah sakit umum, 39 puskesmas
analisis bivariat dan analisis multivariat. Analisis univariat adalah suatu teknik
analisis data terhadap satu variabel secara mandiri, tiap variabel dianalisis tanpa 2. Rate
dikaitkan dengan variabel lainnya. Analisis univariat biasa juga disebut analisis Rate mengukur probabilitas terjadinya suatu peristiwa. Rate merupakan
deskriptif atau statistik deskriptif yang berujuan menggambarkan kondisi perbandingan antara jumlah suatu peristiwa dibagi oleh semua yang
fenomena yang dikaji. Analisis univariat merupakan metode analisis yang memiliki kemungkinan terkena peristiwa itu dikalikan konstanta. Bersarnya
paling mendasar terhadap suatu data. Hampir dipastikan semua laporan, baik konstanta tergantung sesuai dengan kebutuhan analisis, misalnya per 1.000,
laporan penelitian, praktek, laporan bulanan, dan informasi yang per 100.000, dsb. Rate banyak dipakai dalam ukuran-ukuran epidemiologi
menggambarkan suatu fenomena, menggunakan analisis univariat. Model atau vital statistic / statistic kependudukan, yang membicarakan ukuran
analisis univariat dapat berupa menampilkan angka hasil pengukuran, ukuran kelahiran (natalitas/fertilitas), kesakitan (morbiditas) dan kematian
tendensi sentral, ukuran dispersi/deviasi/variability, penyajian data ataupun (mortalitas). Secara umum rumusnya sebagai berikut.
kemiringan data. X
Rate = .K
Angka hasil pengukuran dapat ditampilkan dalam bentuk angka, atau sudah X +Y
diolah menjadi prosentase, ratio, prevalensi. Ukuran tendensi sentral meliputi Contoh :
perhitungan mean, median, kuartil, desil persentil, modus. Ukuran dispersi Angka kelahiran kasar (CBR) 42,1 per seribu penduduk.
meliputi hitungan rentang, deviasi rata-rata, variansi, standar deviasi, koefisien Angka kematian bayi (IMR) 91 per seribu kelahiran.
of variansi. Penyajian data dapat dalam bentuk narasi, tabel, grafik, Insiden rate penyakit Diare 1,1.
diagram,maupun gambar. Kemiringan suatu data erat kaitannya dengan model Prevalensi penyakit TB paru 2,1.
kurva yang dibentuk data.
5 6
3. Ratio Penyajian data dalam bentuk apapun yang dipilih harus dapat berbicara sendiri,
Ratio adalah suatu perbandingan antara jumlah suatu peristiwa dengan menjelaskan fenomena yang disajikan. Penyajian data harus
jumlah peristiwa yang lain. Suatu jumlah peristiwa sebagai pembilang mempertimbangkan kelaziman angka dan satuan ukur yang disajikan, tujuan
(numerator) dengan jumlah peristiwa yang lain sebagai penyebut penyajian dan konsumen yang diperkirakan memerlukan data.
(denominator). Penulisan ratio dapat berbentuk dua angka dengan tanda Penyajian data dapat dilakukan tidak hanya satu jenis model penyajian saja,
bagi atau hasil pembagian kedia angka kejadian peristiwa tersebut. Secara namun dapat dilakukan pengembangan variasi model, sehingga menarik untuk
umum rumusnya sebagai berikut. dilihat. Disamping penyajiannya yang sangat bagus, informasi data yang
X disampaikan mudah dimengerti konsumen.
Ratio = Pada hakekatnya secara umum ada tiga bentuk penyajian data yang digunakan
Y
Contoh: yaitu : penyajian dalam bentuk tulisan, penyajian dalam bentuk tabel dan
Ratio beban tanggungan / Dependency ratio (perbandingan jumlah penyajian dalam bentuk grafik / diagram / gambar.
penduduk usia 0-14 th + >64 th dan penduduk usia 15-64 th), 2,4.
Sex ratio (perbandingan penduduk laki-laki dan wanita) 1: 2,3. 1. Tulisan
Tujuan utama penyajian dalam bentuk tulisan adalah memberikan
4. Proporsi keterangan keseluruh prosedur, hasil dan interpretasi yang dibuat dengan
Proporsi adalah suatu perbandingan antara suatu jumlah kejadian sebagai menggunakan tulisan. Data disajikan dalam bentuk angka yang
pembilang dengan seluruh kejadian dimana pembilang menjadi sebagian dirangkaikan dengan kalimat. Penyajian dalam bentuk ini merupakan
dari penyebut, biasa disebut juga prosentase. Analisis proporsi penyajian data yang paling sederhana. Kemampuan untuk menerangkan
menunjukkan gambaran umum karakteristik suatu fenomena. Pada data statistik sangat terbatas, dengan demikian sangat sulit memberikan
proporsi pencapaian kegiatan dapat dibandingkan dengan target yang telah gambaran yang tepat mengenai perbandingan, antar situasi dan
ditentutkan, untuk melihat keberhasilkan suatu upaya. Secara umum perkembangan. Disamping itu juga kadang-kadang membingungkan, tidak
rumusnya sebagai berikut: efisien dan efektif.
X Contoh : Luas wilayah bagian Jawa sebagai berikut :
Pr oporsi = .100% Jakarta seluas 560 km2
X +Y
Jawa Barat seluas 46.317 km2
Contoh:
Jawa tengah seluas 34.206 km2
Prosentase penduduk perkotaan 41,3%
DIY seluas 3.169 km2
Prosentase rumah sehat 35%
Jawa Timur seluas 47.922 km2

2. Tabel
B. Penyajian Data
Tujuan penyajian bentuk tabel adalah untuk melihat perbandingan variabel-
variabel, perkembangan variabel, disamping memperlihatkan suatu agregat
Data yang telah dikumpulkan, baik berasal dari populasi maupun sampel tidak
data. Data disusun dalam bentuk baris dan kolom sedemikian rupa sehingga
akan bermanfaat sebelum diolah dan disajikan. Data yang diperoleh dari
dapat memberikan perbandingan-perbandingan yang mudah dipahami.
pengumpulan data, baik dengan cara wawancara, pengamatan, pengukuran dan
Baris adalah deret dari kiri ke kanan, sedangkan kolom adalah deret dari
kuesioner ( data primer ) sifatnya masih kasar dan mentah. Data yang telah
atas ke bawah. Data yang disajikan dapat berbentuk angka absolut,
diolah sesuai dengan yang diinginkan, kemudian harus disajikan dalam bentuk
persentase atau keduanya.
penyajian data yang mudah dimengerti maknanya dan mudah diinterpretasikan.
7 8
a. Ketentuan Penyajian Bentuk Tabel b). Jumlah, terletak pada bagian kolom paling kanan dan atau baris
1). Judul tabel paling bawah. Pertemuan jumlah kolom dan baris ini disebut
Judul tabel diletakkan bagian tengah atas tabel, membentuk segitiga grand total. Posisi ini tidak mutlak, kadang juga dapat diletakkan
terbalik, simetris kanan kiri, terdiri beberapa baris (maksimal 5 pada kolom setelah stub hanya untuk tujuan tertentu.
baris), ditulis dengan huruf kapital. Judul tabel harus dapat Keberadaan jumlah hanya muncul ketika diperlukan.
menerangkan arti angka-angka yang disajikan dalam tabel, singkat Kadangkala jumlah tidak diperlukan, karena memang data yang
jelas, lengkap dan mengenai sasaran. Persyaratan minimal judul disajikan tidak memungkinkan untuk dilakukan penjumlahan,
tabel harus dapat menjawab pertanyaan apa, dimana dan kapan namun bila data memungkinkan dilakukan penjumlahan seyogya
(what, where and when). jumlah dimunculkan.
Contoh : c). Catatan kaki, berfungsi untuk menjelaskan ketidaksempurnaan
PERKEMBANGAN KASUS MALARIA TROPICANA DI data pada tabel, terletak pada bawah sebelah kanan tabel.
KABUPATEN SIKKA TAHUN 2004 - 2006 Ketidaksempurnaan data ini dapat berupa keterangan, penjelasan
SARANA SANITASI DI DESA REJO TAHUN 2005 atau kekecualian data yang ditampilkan pada body table,
JUMLAH PENDUDUK MALUKU TAHUN 2005 sehingga konsumen memahami keterbatasan data yang
KASUS KERACUNAN DIARE DI DESA WAYAN TAHUN disajikan.
2004 d). Sumber data, terletak pada sebelah bawah catatan kaki,
KEGIATAN POSYANDU DI DESA MULYO TAHUN 2006 berfungsi menjelaskan asal usul data, bila datanya merupakan
2). Stub data primer, maka tidak perlu sumber. Penulisan sumber data
Stub adalah kolom yang paling kiri dari suatu tabel. Stub memberi harus lengkap meliputi, asal instansi pemilik data, buku yang
keterangan secara rinci tentang gambaran pada setiap baris pada memuat, penanggungjawab, tanggal/bulan/tahun.
badan tabel, dengan kata lain stub ini adalah tempat judul baris. 6). Ketentuan lain
Kadang-kadang ada tabel yang tanpa stub, sehingga hanya berupa Dalam tulisan ilmiah lazimnya penyajian tabel tidak boleh dipotong
kolom-kolom dari atas ke bawah atau kolom untuk stub oleh halaman, baik secara horizontal maupun vertikal, tabel
dipergunakan tempat nomor urut baris. merupakan satu kesatuan utuh. Angka yang disajikan secara kolom
3). Box head lurus sesuai dengan satuan, puluhan, ratusannya. Banyaknya angka
Box head terletak pada baris yang paling atas pada suatu tabel. Box desimal (di belakang koma) seyogyanya seragam. Kesesuaian antara
head memberi keterangan secara terperinci tentang gambaran tiap judul tabel, box head, stub dan isi tabel perlu diperhatikan.
kolom badan tabel, dengan kata lain box head adalah tempat judul
kolom. b. Bentuk Tabel
4). Body table / badan tabel Bentuk table yang dipakai umumnya ada dua, yaitu bentuk tertutup dan
Body tabel terdiri atas pertemuan kolom dengan baris pada bagian terbuka. Bentuk tertutup berarti semua data tertutup oleh garis-garis
tengah tabel yang hanya dipergunakan untuk meletakkan angka- horizontal dan vertical, sedangkan bentuk tertbuka berarti hanya bagian
angka data yang dimaksud. atas dan paling bawah yang dibatasi dengan garis horizontal tanpa garis
5). Bagian-bagian lain tabel : vertikal.
a). Nomor tabel, biasanya diletakkan pada sebelah atas judul tabel
atau serangkaian dengan judul tabel.

9 10
1). Bentuk tabel tertutup: c. Jenis - Jenis Tabel

JUDUL MENJAWAB PERTANYAAN APA, DIMANA DAN 1). Tabel induk


KAPAN, BENTUK SEGITIGA TERBALIK, SIMETRIS, Tabel induk adalah tabel yang berisi berbagai macam informasi.
HURUF KAPITAL Tujuan penyajian bentuk ini adalah untuk memberikan gambaran
box head JUMLAH secara keseluruhan permasalahan yang ada dengan data yang terinci,
sehingga pembaca dari berbagai latar belakang profesi pengguna
dapat memperoleh setiap informasi yang diinginkan.
Contoh :
KEADAAN KESEHATAN DI INDOENSIA
TAHUN 1990 S/D 1995
stub body table NO TAHUN IR.CAMPA IR DBD RSU BOR DPT3 TT2
K
1. 1990 22,1 12,7 774 57,6 87 61
JUMLAH GRAND TOTAL 2. 1991 26,7 11,6 796 57,0 86 60
Catatan kaki : ...................................... 3. 1992 20,5 9,5 810 56,0 90 62
Sumber : ..................................... 4. 1993 15,8 9,2 810 55,8 89 67
5. 1994 12,7 9,7 830 53,4 91 64
6. 1995 9,9 2,5 850 55,2 - -
2). Bentuk tabel terbuka Sumber : Profil Kesehatan Indonesia 1996
2). Teks tabel
JUDUL MENJAWAB PERTANYAAN APA, DIMANA DAN Penyajian bentuk teks tabel sifatnya lebih sederhana daripada tabel
KAPAN, BENTUK SEGITIGA TERBALIK, SIMETRIS, induk. Bentuk teks tabel hanya spesifik menyajikan data sesuai
HURUF KAPITAL dengan keinginan saja. Maksud penyajian bentuk ini adalah untuk
...... ....... ....... box head ....... JUMLAH menyajikan data seringkas dan seefektif mungkin sesuai dengan
pokok permasalahan yang ingin dibahas. Teks tabel juga disebut
…… …… …… …… …… …… tabel distribusi frekuensi.
…… …… …… …… …… …… Contoh :
ANGKA KEMATIAN BAYI (IMR) DI INDONESIA
…… …… …… …… …… …… TAHUN 1971 S/D 1995
Stub …… …… body table …… …… NOMOR TAHUN IMR
….. …… …… …… …… ….. 1. 1971 145
2. 2006 71
JUMLAH …… …… …… …… GRAND TOTAL 3. 1992 60
Catatan kaki : ...................................... 4. 1993 60
Sumber : ..................................... 5. 1995 55
Sumber : Profil Kesehatan Indonesia 1996
11 12
3). Tabel distribusi frekuensi 9. Lain-lain 35.304
Distribusi frekuensi adalah susunan data menurut besarnya JUMLAH 118.152
(kuantitasnya) atau menurut kategorinya (kualitasnya). Yang Sumber : BPS Kabupaten Banyumas Tahun 1999
pertama disebut distribusi kuantitatif dan yang kedua disebut
distribusi kualitatif (kategorik). Tabel ini biasanya hanya dua kolom Pada kategori skala ordinal, tidak berbeda dengan skala nominal.
saja, yaitu kolom interval kelas atau variabel kategori dan jumlah Pada data skala ordinal prinsipnya urutan harus diperhatikan, tidak
atau frekuensi. Penyusunan distribusi frekuensi kualitatif atau data boleh dibolak balik, harus urut menurut kelazimannya, dapat
dalam skala nominal dan ordinal tidaklah rumit, karena kategorinya dimulai dari yang terbesar ke terkecil maupun sebaliknya.
cukup jelas dan mudah dibedakan. Seandainya kategorinya banyak Misal : Kualitas sajian suatu makanan dapat dikategorikan menjadi ;
pun mudah diadakan penyempitan. sangat baik sekali, sangat baik, baik, sedang, jelek, sangat jelek,
Misalnya : kategori sarana penyediaan air bersih terdiri ; sumur gali, sangat jelek sekali. Kategori tersebut dapat dipersempit hanya
sumur pompa, sumur artesis, penampungan air hujan, mata air, dengan tiga kategori saja, yaitu baik, sedang, jelek. Karena biasanya
ledeng, sungai, telaga ; kategori nominal untuk matapencaharian kategori yang ekstrim (sangat baik sekali, sangat baik, sangat jelek,
terdiri ; Pegawai Negeri Sipil, TNI, Pensiunan, Karyawan, Buruh sangat jelek sekali) jumlah frekuensinya kecil.
pabrik, Buruh tani, Wiraswasta, Pedagang, Petani, Nelayan, Sopir, Contoh lain misalnya tingkat pendidikan yang diurut dari
dan masih banyak lagi yang dapat dikategorikan dll. Kategori di atas pendidikan tinggi sampai tidak bersekolah. Seharusnya ada kategori
dapat dipersempit sesuai dengan kebutuhan. Mungkin dapat Pendidikan Tinggi S3, S2, S1, D III, D II, D I, SLTA, SLTP, SD,
ditampilkan jumlah frekuensi yang besarnya saja, misalnya PNS, Belum tamat SD dan Tidak sekolah. Untuk lebih efisiennya
ABRI, Petani, Pedagang, dll. Khusus data dalam skala nominal dipersempit menjadi kategori : Pendidikan Tinggi, SLTA, SLTP,
peletakan urutan kategori sesuai keinginan penyaji. Disarankan SD, Belum tamat SD.
peletakan kategori disesuai dengan urutan besarnya frekuensi. Contoh :
Frekuensi tertinggi diletakkan paling atas, kecuali kategori lain-lain.
Data dalam skala ordinal, interval dan ratio peletakan kategori atau DISTRIBUSI PENDUDUK 10 TAHUN KEATAS MENURUT
interval kelas urut mulai dari terbesar sampai terkecil atau TINGKAT PENDIDIKAN DI KOTIP PURWOKERTO
sebaliknya. TAHUN 1997
Contoh : NOMOR TINGKAT PENDIDIKAN JUMLAH
DISTRIBUSI PENDUDUK MENURUT MATAPENCAHARIAN 1. Perguruan tinggi / akademi 6.531
DI KOTIP PURWOKERTO TAHUN 1998 2. Tamat SLTA 22.440
NOMOR MATAPENCAHARIAN JUMLAH 3. Tamat SLTP 32.677
1. Pedagang 19.542 4. Tamat SD 81.144
2. PNS / ABRI 15.029 5. Belum tamat SD 55.186
3. Buruh bangunan 11.794 JUMLAH 197.978
4. Buruh industri 11.222 Sumber : Profil Kesehatan Kabupaten Banyumas Tahun 1997
5. Angkutan 7.868
6. Pengusaha 6.812 Penyusunan distribusi frekuensi kuantitatif, jika rentang (beda nilai
7. Buruh tani 5.608 tertinggi dan terendah) datanya kecil, tidaklah sulit, tetapi jika
8. Pensiunan 4.973 rentang datanya besar, maka agak menyulitkan. Penyajian tabelnya
13 14
akan memanjang ke bawah, sehingga tidak efektif. Keadaan tersebut dari 50, angka 50 ikut kelas 3. Pada kelas 3 dimulai 50 sampai
dapat diatasi dengan cara data dapat dikelompokkan dalam beberapa kurang dari 59, angka 59 ikut kelas 4, dst. Model lain pada
kelas, yang dinamakan interval kelas. Banyaknya dan lebarnya interval kelas 1 dimulai angka 32 sampai dengan 40. kelas 2
interval kelas tergantung pada banyak dan besarnya data yang akan mulai 41 sampai dengan 49, kelas 3 mulai 50 sampai dengan 58,
disusun. dst. Penyajian tabel distribusi frekuensi dengan menggunakan
Langkah-langkah menyusun data kuantitatif yang belum tally / melidi.
dikelompokkan menjadi data yang berkelompok : BERAT BADAN RESPONDEN PENELITIAN
a). Tentukan jumlah interval kelas ( K ) DI DESA SALAK TAHUN 2006
Menentukan jumlah interval kelas ini dapat dtempuh dengan dua NO INTERVAL BERAT BADAN TALLY JUMLAH
cara, yaitu : langsung ditentukan antara 5 s/d 15 atau 1. 32 – 41 |||| | 6
mempergunakan rumus Sturgess 2. 41 – 50 |||| || 7
K = 1 + 3,3 log N 3. 50 – 59 |||| |||| 9
K = banyaknya kelas 4. 59 – 68 |||| | 5
N = banyaknya angka pada data 5. 68 – 77 |||| |||| 9
b). Tentukan rentang / range ( R ), yaitu beda nilai data tertinggi 6. 77 - 86 |||| 5
dengan terendah. 7. 86 – 95 ||| 3
R
c). Tentukan lebar interval ( I ) . I = JUMLAH 44
K Pada tabel di atas, sajian interval kelas tanpa ada selah angka
d). Susun interval kelas pada tabel distribusi frekuensi. Untuk kelas antara batas atas kelas dengan batas bawah kelas di bawahnya.
pertama, batas bawah interval kelas lebih mudahnya sama Bila ada data yang berada pada batas atas kelas, maka data
dengan angka data terendah atau data tertinggi. Interval kelas tersebut ikut kelas yang di bawahnya. Secara tidak nyata kelas 1
berikutnya hanya menambah atau mengurangi dengan lebar intervalnya mulai 32 sampai dengan 40,999...(kurang dari 41),
interval kelas. 41 ikut kelas 2, kelas 2 intervalnya mulai 41 sampai dengan
Contoh : 49,999...(kurang dari 50), 50 ikut kelas 3, kelas 3 intervalnya
Berat badan responden penelitian di Desa Salak tahun 1997 mulai 50 sampai dengan 58,999...(kurang dari 59), 59 ikut kelas
45, 56, 32, 78, 59, 69, 70, 80, 86, 45, 68, 56, 92, 88, 74, 77, 80, 83, 4, kelas 4 intervalnya mulai 59 sampai dengan 67,999...(kurang
38, 36, 46, 72, 64, 71, 40, 46, 38, 58, 50, 52, 38, 48, 57, 69, 64, 43, dari 68), 68 ikut kelas 5, kelas 5 intervalnya mulai 68 sampai
56, 44, 59, 63, 62, 70, 54, 75, dengan 76,999...(kurang dari 77), 77 ikut kelas 6, kelas 6
a). Jumlah kelas berdasarkan rumus Sturgess K = 1 + 3,3 log N = 1 intervalnya mulai 77 sampai dengan 85,999...(kurang dari 86),
+ 3,3. log 44 = 6,42, di bulat menjadi 7 kelas karena termasuk 86 ikut kelas 7, kelas 7 intervalnya mulai 86 sampai dengan
data diskrit, namun dalam perhitungan tetap menggunakan 6,42 94,999...(kurang dari 95). Angka-angka tersebut merupakan
b). Rentang = 92 – 32 = 60 batas-batas interval kelas nyata maupun tidak nyata, angka
R 60
c). I = = = 9,35 dibulatkan menjadi 9, karena termasuk tersebut dipergunakan pada setiap perhitungan sebagai batas
K 6,42 kelas.
data kontinue. Sajian bentuk lainnya sebagai berikut :
d). Pada interval kelas 1 dimulai 32 sampai kurang dari 41, angka
41 ikut kelas 2. Pada interval kelas 2 dimulai 41 sampai kurang
15 16
BERAT BADAN RESPONDEN PENELITIAN 3. Penampungan mata air 75.687 10,81
DI DESA SALAK TAHUN 2006 4. Sumur pompa tangan 39.348 5,62
NO INTERVAL BERAT BADAN TALLY JUMLAH 5. Penampungan air hujan 1.158 0,17
1. 32 – 40 |||| | 6 6. Lain-lain 10.380 1,48
2. 41 – 49 |||| || 7 JUMLAH 700.093 100,00
3. 50 – 58 |||| |||| 9 Sumber : Profil Kesehatan Kabupaten Banyumas Tahun 1996
4. 59 – 67 |||| | 5
5. 68 – 76 |||| |||| 9 5). Tabel distribusi frekuensi komulatif
6. 77 – 85 |||| 5 Bentuk penyajian tabel distribusi frekuensi komulatif ada dua
7. 86 – 94 ||| 3 bentuk, yaitu : tabel distribusi komulatif kurang dari dan tabel
JUMLAH 44 distribusi komulatif lebih dari sama dengan. Skala data yang dapat
disusun menjadi distribusi frekuensi komulatif adalah ordinal,
Pada tabel di atas, sajian interval kelas terdapat kesan ada selah interval dan ratio. Skala nominal tidak dapat disajikan dalam bentuk
antara batas atas kelas dengan batas bawah kelas berikutnya ; 40 tabel distribusi komulatif, karena skala nominal tidak mengenal
dengan 41, 49 dengan 50, 58 dengan 59, 67 dengan 68, 76 urutan kategorinya, hanya dapat dibedakan.
dengan 77, 85 dengan 86. Secara tidak nyata interval kelas Contoh :
model di atas memiliki batas tidak nyata, yaitu 31,5 – 40,5, 40,5
– 49,5, 49,5 – 58,5, 58,5 – 67,5, 67,5 – 76,5, 76,5 – 85,5, 85,5 – TABEL DISTRIBUSI FREKUENSI TINGGI BADAN
MASYARAKAT KALIMAS TAHUN 2006
94,5. Dalam setiap perhitungan, batas-batas tidak nyata tersebut
NO. TINGGI BADAN JUMLAH
sebagai angka batas kelas, baik batas kelas atas maupun batas
1. 140 – 149 6
kelas bawah, jadi bukan yang tertulis pada tabel.
2. 150 – 159 22
4). Tabel distribusi frekuensi relatif 3. 160 – 169 39
Tabel distribusi frekuensi relatif tidak beda dengan tabel distribusi 4. 170 – 179 25
frekuensi biasa, hanya frekuensinya dalam bentuk prosentase ( % ). 5. 180 – 189 7
Jumlah prosentase lazimnya menurut kolom, dapat juga menurut 6. 190 – 199 1
baris jika diperlukan. Jumlah prosentase harus menunjukkan angka JUMLAH 100
100%, bila kurang seharusnya diupayakan dengan pembulatan,
sehingga jumlahnya memenuhi 100%. TABEL DISTRIBUSI FREKUENSI KOMULATIF KURANG DARI
Contoh : (<) TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006
NO. TINGGI BADAN JUMLAH KURANG (<)
PROSENTASE PENDUDUK MENURUT SUMBER AIR 1. < 140 6 0
BERSIH DI KABUPATEN BANYUMAS TAHUN 1995 2. < 150 22 6
NO JENIS SARANA AIR BERSIH JUMLAH PROSENTASE 3. < 160 39 28
1. Sumur gali 497.597 71,08 4. < 170 25 67
2. Ledeng 75.923 10,84 5. < 180 7 92
6. < 190 1 99
17 18
7. < 200 100 HUBUNGAN LUAS LUBANG VENTILASI RUMAH DENGAN
JUMLAH 100 ADANYA KASUS ISPA DI DESA REJO TH 2005
ADANYA KASUS LUBANG VENTILASI / (luas lantai) JUMLAH
TABEL DISTRIBUSI FREKUENSI KOMULATIF LEBIH DARI ISPA < 10% 10% - 20% > 20%
SAMA DENGAN (≥) TINGGI BADAN MASYARAKAT KALIMAS ADA KASUS 16 24 20 60
TH 2006 (57,14%) (54,44%) (47,62%) (48,39%)
LEBIH DARI SAMA TIDAK ADA 12 30 22 64
KASUS (42,86%) (55,56%) (52,38%) (51,61%)
NO. TINGGI BADAN JUMLAH DENGAN (≥)
JUMLAH 28 54 42 124
1. ≥ 140 6 100 (100,00%) (100,00%) (100,00%) (100,00%)
2. ≥ 150 22 94
3. ≥ 160 39 72 3. Grafik / Diagram / Gambar
4. ≥ 170 25 33 Penyajian bentuk grafik dimaksudkan untuk memberikan suatu kesan
5. ≥ 180 7 8 penglihatan dan situasi umum mengenai bahan yang disajikan tanpa harus
6. ≥ 190 1 1 mempelajari secara terperinci data yang ada. Pada grafik dapat juga dilihat
7. ≥ 200 0 penyebaran dan kecenderungan data. Secara umum penyajian dalam bentuk
JUMLAH 100 grafik memiliki alternatif fungsi dan tujuan untuk meramalkan sifat-sifat
6). Tabel distribusi relatif komulatif dari agregat data atau tujuan untuk membandingkan sifat-sifat yang ada.
Penyajian bentuk tabel distribusi relatif komulatif ini berdasarkan a. Grafik
distribusi frekuensi relatif yang dibentuk menjadi komulatif kurang 1). Ketentuan umum penyajian bentuk grafik
dari atau lebih dari sama dengan. Penekanan penyajian data bukan Penyajian grafik untuk tujuan meramalkan atau melihat
pada angka absolutnya, namun prosentase dari frekuensi, bahkan kecenderungan. Prinsip-prinsip pembuatan grafik :
kadang-kadang angka absolutnya tidak disajikan. a). Harus dapat menerangkan sendiri
b). Garis grafik yang disajikan harus lebih tebal dari pada garis
7). Tabel silang koordinasinya (sumbu Y dan X).
Tabel silang biasanya digunakan untuk menganalisis hubungan dua c). Judul harus dapat menjawab pertanyaan apa, dimana dan kapan,
variabel atau lebih dalam data kategorik skala nominal, dapat juga diletakkan di bawah grafik, simetris, segitiga sama kaki terbalik.
untuk menganalisis perbedaan antar kelompok sampel dengan d). Keterangan grafik dapat diletakkan di antara grafik dan judul.
variabel pembeda dalam data nominal. Pada penggunaan analisis e). Frekuensi digambarkan pada sumbu vertikal (Y) dan klasifikasi
hubungan, maka variabel yang mempengaruhi diletakkan di box pada sumbu horinsontal (X)
head dan variabel yang dipengaruhi diletakkan di stub. Pada analisis f). Skala frekuensi harus mulai dari angka nol, sedangkan
uji beda, variabel kategorinya diletakkan di stub dan kelompok yang klasifikasi dapat dimulai dari tidak nol, pemberian tanda mulai
diuji perbedaannya diletakkan di stub. Bila penyajian disertai dari kiri ke kanan dan dari bawah ke atas untuk nilai positif serta
dengan prosentase, maka penjumlahan 100% nya secara perkolom, sebaliknya untuk nilai negatif.
dari atas ke bawah dijumlahkan 100%, sebagai pembagi adalah g). Pembagian skala dan besarnya harus jelas, nilai intervalnya
jumlah kolom. harus sama. Sumbu X dan Y dapat menggunakan skala yang
Contoh : berbeda.

19 20
h). Dapat menggunakan skala break (w) yang menunjukkan bahwa
skala itu terpotong, biasanya pada sumbu Y
i). Perbandingan panjang sumbu X dan sumbu Y umumnya 3 : 2 Model pengembangan penyajian grafik ini dapat berbentuk area
atau 10 : 8
j). Fenomena yang disajikan dapat lebih dari satu
160
k). Lebih baik garfik diberi bingkai, sehingga satu kesatuan utuh 140
grafik jelas batasnya 120
2). Jenis-jenis grafik 100
Jenis-jenis penyajian dalam bentuk grafik : 80
a). Grafik Garis 60
Grafik garis biasanya digunakan untuk menggambarkan 40
perubahan nilai dalam satuan waktu. Grafik ini sangat cocok 20
0
untuk data kuantitatif. Angka absis dapat dimulai dari nol atau JAN FEB MAR APR MEI JUN
tidak. GAKY KEP AGB KVA
Pengembangan bentuk grafik garis ini bermacam-macam
STATUS GIZI MASYARAKAT KEC TUAS TAHUN 2006
bentuk. Dalam bentuk dua atau tiga dimensi dapat dibuat pita,
area ataupun dibuat secara bertumpuk.

Contoh : b). Histogram / Grafik Batang


Prinsip pembuatan histogram tidak beda dengan pembuatan
grafik garis, hanya penyajiannya digambarkan dengan sel-sel
90
yang mempunyai luas area yang sama frekuensi datanya. Antara
80 sel yang satu dengan lainnya tidak ada jarak, karena datanya
70 termasuk data kontinue, yang terus berkelanjutan, sehingga
60 batang yang satu dengan berikutnya harus berhimpitan.
50 Penyajian histogram dari data yang berkelompok tidaklah sulit,
40 karena ada interval kelas yang memiliki batas atas dan batas
30 bawah masing-masing interval kelas, sehingga untuk
20
menggambarkannya telah jelas batas-batas tersebut. Sedangkan
10
untuk data yang tidak berkelompok, maka perlu dilakukan
0
JAN FEB MAR APR MEI JUN pengelompokan terlebih dahulu sesuai dengan ketentuan
membuat data berkelompok pada tabel distribusi frekuensi.
DBD MALARIA FRAMBUSIA Selanjutnya berdasarkan tabel distribusi frekuensi tersebut
diubah dalam bentuk penyajian histogram. Pada data yang
KASUS MALARIA, DBD DAN FRAMBUSIA DI KAB WETAN berkelompok yang batas atas dan batas bawah interval kelasnya
TAHUN 2005
tidak bersinggungan langsung, maka antara batas data yang satu
dengan yang berikutnya terbagi dua seakan-akan merupakan
21 22
batas bawah dan batas atas suatu interval kelas. Jadi prinsipnya
batang yang satu dengan berikutnya tidak ada selah.
Contoh :
60

50

40

30

20

10
d). Ogive
030 - 40
Ogive adalah termasuk grafik garis yang menyajikan data dasar
40 - 50 50 - 60 60 - 70 70 - 80 80 - 90 90 - 100
tabel distribusi frekuensi komulatif kurang dari atau lebih dari
BERAT BADAN MAHASISWA BARU JKL PURWOKERTO sama dengan.
TAHUN 2007 Contoh :

120
c). Poligon
Poligon adalah area yang semata-mata untuk menyajikan suatu 100
distribusi frekuensi data kontinue. Permukaan area frekuensi
poligon sama luasnya dengan permukaan area histogram yang 80
menjadi dasarnya. Untuk menggambarkan poligon digunakan
titik-titik tengah interval kelas dan titik tengah tersebut yang 60
berada pada bagian atas batang histogram, kemudian
40
dihubungkan dengan menggunakan garis, maka terbentuklah
garis yang disebut poligon. Garis poligon harus dimulai dari 20
sumbu X dan diakhiri pada sumbu X juga. Jadi poligon
merupakan suatau area kurva yang tertutup garis dan sumbu X. 0
Contoh : KURANG DARI LEBIH DARI
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006

e). Scatter
Scatter dipergunakan untuk menyajikan sepasang pengamatan
dari dua variabel untuk memperlihatkan ada tidaknya saling
berhubungan dua variabel tersebut. Berdasarkan kondisi titik
23 24
yang terjadi dapat dilihat kecenderungan pasangan data tersebut. 2000
100
Tiap pasang pengamatan pada satu individu atau objek disajikan 80
sebagai sebuah titik. Sumbu X maupun sumbu Y dapat dimulai 2006 60 2001
dengan angka tidak nol. 40
Contoh : TT 1
20
0
30 TT 2

2005 2002
25

20
2004 2003
15
CAKUPAN IMUNISASI TT1 DAN TT2 PADA BUMIL
10 DI DESA ARYO TAHUN 2000 - 2006

5
b. Diagram
0
Penyajian bentuk grafik dan bentuk diagram tidak berbeda. Ketentuan
0 10 20 30 40
HUBUNGAN PENGALAMAN KERJA DENGAN
umum penyajian bentuk grafik juga berlaku untuk penyajian bentuk
PRODUKTIVITAS PADA PEKERJA BATU KAPUR TH 2006 diagram. Penyajian bentuk diagram berfungsi memperlihatkan
perbandingan atau proporsi secara menyeluruh. Jadi analisis data yang
f). Radar disajikan untuk membandingkan antar kelompok / variabel berdasarkan
Penyajian bentuk radar mirip dengan cara pembuatan sarang prosentase keseluruhan, sebagai dasar penyajian adalah tabel distribusi
laba-laba. Lingkaran dibagi menjadi beberapa jari-jari sesuai frekuensi relatif. Diagram kurang mementingkan angka absolutnya,
banyaknya klasifikasi. Besarnya sudut antar klasifikasi adalah namun prosentase.
sebesar 360° dibagi banyaknya klasifikasi. Kemudian garis jari- Jenis-jenis diagram :
jari sebagai skala frekuensi. Titik-titik frekuensi yang terbentuk 1). Diagram batang / Bar Diagram
dari fenomena data dihubungkan dengan garis grafik dan Diagram batang kadangkala disamakan dengan histogram.
berarkhir pada frekuensi semula, sehingga terbentuk suatu area. Perbedaan diagram batang dengan histogram disamping data yang
Luasan area dapat dipergunakan sebagai analisis perbandingan. disajikan berbentuk proporsi, juga antar batang diagram terdapat
Contoh : selah, walaupun dapat juga disajikan secara berhimpitan. Jenis-jenis
bar diagram ada tiga jenis, yaitu single bar, subdivided bar dan
multipel bar.
a). Single bar
Single bar merupakan sajian batang tunggal, yang
membandingkan dengan bar yang lain.
Contoh :

25 26
90 100%
80 90%
70 80%
70%
60
60%
50
50%
40 40%
30 30%
20 20%
10 10%
0 0%
RW I RW II RW III RW IV ZONE I ZONE II ZONE III ZONE IV

CAKUPAN AIR BERSIH DI DESA REJO TAHUN 2006 BAYI BALITA BUMIL
CAKUPAN KIA DI PUSKESMAS SENDANG TAHUN 2006

Modifikasi penyajian dapat berbentuk melintang sebagai berikut


: c). Multipel bar
Mulitpel bar merupakan sajian bar yang secara berdampingan.
RW IV Contoh :
90
RW III 80
70
60
RW II 50
40
30
RW I 20
10
0 20 40 60 80 100 0
WILAYAH I WILAYAH II WILAYAH III WILAYAH IV
CAKUPAN AIR BERSIH DI DESA REJO TAHUN 2006
BAYI BALITA BUMIL

KUNJUNGAN KIA DI PUSKESMAS MULYO TAHUN 2006


b). Subdivided bar
Subdivided bar merupakan penyajian bentuk diagram batang
yang penyajian barnya secara bertumpuk. Satu tumpukan batang 2). Pie / Ven Diagram
merupakan satu kesatuan tempat, atau waktu, yang terdiri Pie diagram merupakan bentuk penyajian berupa lingkaran yang
beberapa objek. dibagi berdasarkan proporsi kejadian terhadap keseluruhan.
Contoh : Lingkaran dibagi dalam sektor-sektor proporsi. Perhitungan luas
sektor dengan cara mengalikan proporsi data dengan besaran sudut
360o. Dengan kata lain, dasar pembuatannya adalah tabel distribusi
27 28
frekuensi relatif yang ditranfer dalam bentuk lingkaran. Jadi luasan tidak diperhatikan, hanya besar sudut yang merupakan proporsi
sektor lingkaran yang menjadi area merupakan proporsi objek. masing-masing variabel.
Objek yang disajikan hanya satu variabel yang dirinci. Contoh :
Contoh :
LAIN-LAIN
7% 24% 25%
23% 13% 13% 23%
PUSKESMAS
60% DOKTER
13% 17%

26% 57% 28%


25% 26%
RUMAH SAKIT
20%

PILIHAN PELAYANAN PENGOBATAN PADA MASYARAKAT


GIZI LEBIH GIZI BAIK GIZI SEDANG GIZI KURANG
KEC TAWANG TAHUN 2006

Modifikasi bentuk diagram ven yang digabung dengan area batang STATUS GIZI BALITA DESA RETE TAHUN 2004-2006
sebagai penjelas.
Contoh :
c. Gambar
1). Pictogram
Bentuk penyajian dengan cara menvisualisasikan satuan jumlah
RUMAH SAKIT dengan gambar. Sebuah pictogram menyajikan data berupa gambar.
20%
Tiap gambar melambangkan/mewakili suatu jumlah tertentu. Data
PUSKESMAS
Other
60%
yang dapat disajikan hanya satu variabel yang dirinci.
67%

Contoh :
LAIN-LAIN
DOKTER
7%
Zone I
13%

PILIHAN PELAYANAN PENGOBATAN PADA MASYARAKAT


Zone II
KEC TAWANG TAHUN 2006
Zone III
3). Dounat
Penyajian bentuk dounat tidak berbeda dengan bentuk lingkaran, Zone IV
namun hanya bagian tepinya saja dan penyajiannya dapat Zone V
bertumpuk, sehingga menyerupai kue donat. Jadi data yang
disajikan dapat meliputi satu variabel yang dirinci, dan beberapa Pusat
waktu, tempat, kondisi yang beda. Perbandingan antar luas area
29 30
= mewakili 10 ambulans C. Ukuran Tendensi Sentral
JUMLAH AMBULANS YANG DIMILIKI PEMERINTAH
Ukuran tendensi sentral meliputi modus (mode), median dan mean.
PADA TIAP ZONE PENGEMBANGAN TAHUN 2006
Perhitungan modus, median dan mean merupakan perhitungan dasar untuk
analisis lebih lanjut. Perhitungan modus, median dan mean terdiri dari dua
2). Peta
jenis, yaitu untuk data yang belum dikelompokkan atau data mentah hasil
Penyajian dalam bentuk peta dimaksudkan untuk memberikan
pengukuran dan data yang telah dikelompokkan dalam tabel distribusi
gambaran situasi lokasi suatu daerah secara singkat, jelas dan
frekuensi.
lengkap. Simbol-simbol objek yang ditampilkan pada peta
tergantung kemuan pembuat dan informasi yang ingin disajikan.
1. Modus
Simbol melambangkan kondisi wilayah yang sebenarnya. Selain
Modus adalah angka yang sering muncul pada suatu data. Banyaknya
simbol dapat juga disertakan angka yang dianggap penting dengan
modus pada suatu data mungkin tidak ada, mungkin satu, dua, tiga, empat
permsalahan yang ada.
atau lebih. Analisis modus cocok untuk data katagorik skala nominal atau
Contoh :
ordinal.
a. Modus data yang tidak berkelompok
Modus untuk data yang belum dikelompokkan cukup melihat angka
paling sering muncul pada data tersebut.
Contoh :
2, 3, 3, 2, 4, 4, 3, 4, 5, 6, 4, 4, 5. Maka modusnya adalah 4
2, 4, 3, 5, 5, 2, 3, 6, 6, 5, 4, 4, 3. Maka modusnya adalah 3, 4, dan 5
b. Modus data yang berkelompok
Data yang sudah dikelompokkan menurut interval kelas, modus selalu
terletak pada interval kelas yang memiliki frekuensi paling tinggi. Bila
frekuensi tertinggi ada satu, maka modus ada satu, bila frekuensi
tertinggi ada dua, maka modus juga ada dua (bimodus), bila frekuensi
PETA DESA MULYO TAHUN 2006 tertinggi lebih dari dua, maka modusnya lebih dari dua (multimodus).

Unimodus
31 32
yang lebih tinggi di dekatnya atau frekuensi sesudahnya
I = lebar interval kelas

Kadang-kadang antara rumus pertama dengan rumus kedua


menghasilkan angka yang berbeda, namun perbedaannya tidak terlalu
besar.
Contoh :
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2009
NO. TINGGI BADAN JUMLAH
Bimodus 1. 140 – 149 6
2. 150 – 159 22
3. 160 – 169 39
4. 170 – 179 25
5. 180 – 189 7
6. 190 – 199 1
JUMLAH 100

Kelas dengan frekuensi tertinggi ( 39 ) adalah posisi modus, yaitu kelas


ke 3 pada interval kelas 160 - 170. Jadi :
multimodus Lb = 159,5
La = 169,5
Rumus modus untuk data yang sudah dikelompokkan ada dua macam,
yaitu : ∆ a = 17
∆a ∆ b = 14
Mdo = Lb + .I I = 10
∆a + ∆b
∆a
atau menggunakan rumus Mdo = Lb + .I
∆b ∆a + ∆b
Mdo = La − .I 17
∆a + ∆b Mdo = 159,5 + .10
Keterangan: 17 + 14
Mdo = Modus Mdo = 164,98
Lb = batas bawah kelas modus atau menggunakan rumus
La = batas atas kelas modus ∆b
Mdo = La − .I
∆ a = beda frekuensi pada kelas modus dengan frekuensi pada kelas ∆a + ∆b
yang lebih rendah didekatnya atau frekuensi sebelumnya 14
Mdo = 169,5 − .10
∆b = 17 + 14
beda frekuensi pada kelas modus dengan frekuensi pada kelas
33 34
Mdo = 164,98 frekuensi komulatif sebelum frekuensi kelas median atau kelas
Fa = lebih rendah
2. Median frekuensi komulatif sesudah frekuensi kelas median atau kelas
Median adalah angka yang berada di tengah-tengah pada suatu data yang Fb = lebih tinggi
telah diurutkan (array) mulai dari angka terendah sampai tertinggi atau fd = frekuensi pada kelas median
sebaliknya. Posisi median selalu didasarkan pada rumus (N+1)/2. Median I = lebar interval
biasanya dipergunakan untuk analisis data skala ordinal.
a. Median data yang tidak berkelompok atau menggunakan gambar
Bila banyaknya angka pada data ganjil, maka angka pada posisi median Langkah yang perlu ditempuh dengan menyajikan data dalam bentuk
langsung didapatkan. Namun bila banyaknya angka pada data genap histogram. Luasan histrogram dihitung dengan ketentuan lebar adalah
maka mediannya adalah angka yang berada di bawah posisi median dan interval kelas, sedangkan panjang adalah frekuensi. Luasan histogram
di atas posisi median dijumlah dibagi dua. dibagi menjadi dua luasan yang sama besar. Garis tengah yang
Misal : memisahkan histogram menjadi dua luasan yang sama besar memotong
Banyaknya angka pada data ganjil. 2, 3, 2, 4, 5, 4, 5, 5, 6, 4, 3, 5, 4 sumbu X merupakan titik median.
untuk menentukan mediannya, disusun terlebih dahulu arraynya, yaitu
2, 2, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 6. Posisi median (N+1)/2, berarti
(13+1)/2=7, maka angka yang berada diurutan ke 7 adalah mediannya,
yaitu 4.
Banyaknya angka pada data genap. 4, 3, 5, 6, 4, 4, 5, 6, 7, 6, 3, 2 untuk
menentukan mediannya, disusun terlebih dahulu arraynya, yaitu 2, 3, 3,
4, 4, 4, 5, 5, 6, 6, 6, 7. Posisi median (N+1)/2, berarti (12+1)/2=6,5,
maka angka yang berada diurutan ke 6 dan 7 dijumlahkan, kemudian
dibagi dua, yaitu ( 4 + 5 )/ 2 = 4,5.
b. Median data yang berkelompok
Data yang telah tersusun dalam distribusi frekuensi dapat dicari dengan
interpolasi, rumus yang digunakan ada dua macam, yaitu :
N N
− Fa − Fb
Mdi = Lb + 2 .I atau menggunakan rumus Mdi = La − 2 .I
fd fd Contoh :
Keterangan: TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2009
Mdi = Median NO. TINGGI BADAN JUMLAH
Lb = batas bawah kelas median 1. 140 – 149 6
La = batas atas kelas median 2. 150 – 159 22
N = total frekuensi / banyaknya angka pada data 3. 160 – 169 39
4. 170 – 179 25
5. 180 – 189 7
35 36
6. 190 – 199 1
JUMLAH 100

Langkah-langkah perhitungan median :


( N + 1) (100 + 1)
Tentukan posisi median dengan rumus = = 50,5 ,
2 100
berarti pada kelas ke 3, maka :
Lb = 159,5
La = 169,5
N = 100
Fa = 28
Fb = 33
fd = 39 Berdasarkan gambar di atas luas histogram adalah (6 x 10) + (22 x 10) +
I = 10 (39 x 10) + (25 x 10) + (7 x 10) + (1 x 10) = 1000. Luasan dibagi
menjadi dua bagian, berarti masing-masing luasan 500. Telah diketahui
N luasan batang I = 60, batang II 220, luasan batang III = 390, luasan
− Fa batang IV = 250, luasan batang V = 70 dan luasan batang VI = 10.
Mdi = Lb + 2 .I Luasan batang I ditambah luasan batang II berjumlah 280, yang berarti
fd
untuk menjadi luasan 500 masih kurang 220. Luasan 220 didapat pada
100
− 28 luasan batang III, panjang batang III = 39, berarti lebar untuk mencapai
Mdi = 159,5 + 2 .10 luasan 220, luasan 220 dibagi lebar 39 didapat angka 5,64. Median
39 berarti 159,5 sebagai batas bawah batang III ditambah 5,64 sama
Mdi = 165,14 dengan 165,14.

Menggunakan rumus yang lain : Sejenis dengan perhitungan median adalah kuartil, desil dan persentil.
N Median membagi data menjadi dua bagian yang sama, kuartil membagi
− Fb data menjadi empat bagian yang sama, desil membagi data menjadi sepuluh
Mdi = La − 2 .I bagian yang sama dan persentil membagi data menjadi seratus bagain yang
fd
sama. Pada median hanya ada satu angka median, angka yang berada di
100
− 33 tengah pada suatu data yang telah diurutkan (array) terlebih dahulu. Pada
Mdi = 169,5 − 2 .10 kuartil terdapat tiga angka, yaitu kuartil I, kuartil II dan kuartil III. Kuartil II
39 sama dengan median, sedangkan kuartil I dan II dihitung dengan cara yang
Mdi = 165,14 sama seperti menghitung median. Demikian juga untuk menghitung desil
Menggunakan gambar histogram dan persentil.
Rentang Data

37 38
Median Mdi rendah
(Mdi) frekuensi komulatif sebelum frekuensi kelas ke i atau kelas lebih
Fbi = tinggi
f = frekuensi pada kelas i atau frekuensi letak angka yang dicari
Kuartil (Qi) Q1 Q2 Q3 I = Lebar interval

Langkah pertama penggunaan rumus di atas, yaitu menentukan terlebih


Decile (Di) D1 D2 D3 D4 D5 D6 D7 D8 D9 dahulu posisi kelas letak kuartile, decile, percentile yang akan dicari. Cara
N +1 N +1
menentukan posisi kelas dengan rumus i untuk kuartile, i
4 10
Percentile P25 P50 P75
(Pi) N +1
untuk decile, i untuk percentile. Kemudian faktor lain yang
100
N N terdapat pada rumus dicari.
− Fa i
i. i. − Fb i
Q i = Lbi + 4 .I Q i = La i − 4 .I Contoh :
f Qi atau f Qi
N N TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2009
i. − Fa i i. − Fb i NO. TINGGI BADAN JUMLAH
D i = Lb i + 10 .I D i = La i − 10 .I 1. 140 – 149 6
f Di atau f Di 2. 150 – 159 22
N N 3. 160 – 169 39
i.− Fa i i. − Fb i
100 100 4. 170 – 179 25
Pi = Lb i + .I atau Pi = La i − .I
f Pi f Pi 5. 180 – 189 7
6. 190 – 199 1
JUMLAH 100
Keterangan: Langkah-langkah menghitung Kuartil 1
i = urutan deret ke 1, 2, 3, 4, dst. Tentukan posisi kuartil 1 dengan rumus
Qi = kuartile ke i N +1 100 + 1
i =1 = 25,25
Di = decile ke i 4 4 , berarti pada posisi di kelas 2, maka
Pi = persentile ke i
Lb = 149,5
Lbi = Batas bawah kelas ke i
N = 100
Lai = Batas atas kelas ke i
Fa = 6
N = total frekuensi / banyaknya angka pada data
fq = 22
Fai = frekuensi komulatif sesudah frekuensi kelas ke i atau kelas lebih
I = 10
39 40
N Tentukan posisi kuartil 1 dengan rumus
i. − Fa i
4 N +1 100 + 1
Q i = Lb i + .I i =1 = 1,01
f Qi 100 100 , berarti pada posisi di kelas 1, maka

100 Lb = 139,5
1. −6 N = 100
Q i = 149,5 + 4 .10 Fa = 0
22 fq = 6
Q i = 158,14 I = 10
N
Langkah-langkah menghitung Desil 1 i. − Fa i
Pi = Lb i + 100 .I
N +1 100 + 1
i =1 = 10,1 f Pi
Tentukan posisi desil 1 dengan rumus 10 10 ,
100
berarti pada posisi di kelas 2, maka 1. −0
Lb = 149,5 Pi = 139,5 + 100 .10
N = 100 6
Fa = 6 Pi = 141,17
fq = 22
I = 10
3. Mean
Mean biasa diterjemahkan dengan rata-rata atau rerata. Mean dilambangkan
dengan tanda X yang diberi garis di atasnya ( X ) biasa disebut X bar. Pada
N
− Fa i
i. mean suatu populasi biasa dilambangan dengan µ, sedangkan untuk sampel
D i = Lb i + 10 .I dilambangkan X . Mean merupakan angka yang dapat mewakili suatu data
f Di untuk ukuran tendency central.
100 a. Mean data yang tidak berkelompok
1. −6 Mean biasa dirumuskan dengan jumlah seluruh angka yang ada pada
D i = 149,5 + 10 .10 data dibagi dengan banyaknya angka pada data, dengan notasi rumus
22 sebagai berikut :
D i = 151,32 Xi di
X = atau menggunakan rumus X = X d + .
N N
Langkah-langkah menghitung Desil 1 Keterangan:
X = rata-rata
Xi = angka anggota data

41 42
N = banyaknya angka pada data 30
X = 36 +
X d = angka yang diduga sebagai rata-rata (guess mean) 11
selisih antara rata-rata yang diduga dengan angka anggota data X = 38,73
di = ( X i − X d )
misalnya yang diduga sebagai rata-rata 40, maka
NO ANGKA (Xi) YANG DIDUGA ( X d ) = 40 di = Xi - 40
Contoh : 1. 35 -5
35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34 2. 45 +5
Xi 3. 36 -4
X = 4. 42 +2
N
35 + 45 + 36 + 42 + 38 + 36 + 48 + 38 + 40 + 34 + 34 5. 38 -2
X = 6. 36 -4
11
7. 48 +8
X = 38,73 8. 38 -2
9. 40 0
di 10. 34 -6
atau menggunakan rumus X = X d +
N 11. 34 -6
misalnya yang diduga sebagai rata-rata angka 36, maka JUMLAH -14
di
NO ANGKA (Xi) YANG DIDUGA ( X d ) = 36 di = Xi - 36 X = Xd +
N
1. 35 -1 − 14
X = 40 +
2. 45 +9 11
3. 36 0
X = 38,73
4. 42 +6
5. 38 +2
b. Mean data yang berkelompok
6. 36 0
Data yang telah tersusun pada tabel distribusi frekuensi menggunakan
7. 48 +12
rumus sebagai berikut :
8. 38 +2
fi .X i f i .d i
9. 40 +4 X = atau menggunakan rumus X = X d + atau
10. 34 -2 N N
11. 34 -2 f i .U i
JUMLAH +30 menggunakan rumus X = X d + .I
N
Keterangan:
di X = rata-rata
X = Xd +
N fi = Frekuensi
43 44
titik tengah interval kelas (batas bawah kelas + ½ lebar interval 16530
X =
Xi = kelas) 100
N = banyaknya angka pada data (total frekuensi) X = 165,30
Angka (titik tengah interval kelas) yang diduga sebagai rata-rata
f i .d i
Xd = (guess mean) Menggunakan rumus X = X d + , misalnya diduga mean = 175
N
selisih antara rata-rata yang diduga dengan titik tengah interval NO. TINGGI BADAN JUMLAH (fi) Xi di = Xi - 175 fi.di
di = kelas ( X i − X d ) 1. 140 – 149 6 144,5 -30,5 -183,0
di 2. 150 – 159 22 154,5 -20,5 -451,0
Ui = working unit 3. 160 – 169 39 164,5 -10,5 -409,5
I
4. 170 – 179 25 174,5 -0,5 -12,5
I = lebar interval kelas
5. 180 – 189 7 184,5 9,5 66,5
6. 190 – 199 1 194,5 19,5 19,5
Contoh :
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006 JUMLAH 100 -970,0
NO. TINGGI BADAN JUMLAH
− 970
1. 140 – 149 6 X = 175 +
2. 150 – 159 22 100
3. 160 – 169 39 X = 165,30
4. 170 – 179 25
5. 180 – 189 7 f i .U i
Menggunakan rumus X = X d + .I , misalnya diduga mean=165
6. 190 – 199 1 N
JUMLAH 100
JML di
NO. TINGGI BADAN (fi) Xi di=Xi -165 Ui= fi.Ui
fi .X i I
Menggunakan rumus X =
N 1. 140 – 149 6 144,5 -20,5 -2,05 -12,30
NO. TINGGI BADAN JUMLAH (fi) Xi fi.Xi 2. 150 – 159 22 154,5 -10,5 -1,05 -23,10
1. 140 – 149 6 144,5 867,0 3. 160 – 169 39 164,5 -0,5 -0,05 -1,95
2. 150 – 159 22 154,5 3399,0 4. 170 – 179 25 174,5 9,5 0,95 23,75
3. 160 – 169 39 164,5 6415,5 5. 180 – 189 7 184,5 19,5 1,95 13,65
4. 170 – 179 25 174,5 4362,5 6. 190 – 199 1 194,5 29,5 2,95 2,95
5. 180 – 189 7 184,5 1291,5 JUMLAH 100 3,00
6. 190 – 199 1 194,5 194,5
JUMLAH 100 16530,0

45 46
3
X = 165 + .10
100
X = 165,30

Secara empirik modus, median dan mean memiliki hubungan matematis


sebagai berikut ;
Kurva normal.
 Modus – Mean  = 3  Mean – Median 

Aplikasi ukuran tendency pada distribusi data dapat memperlihatkan


kemiringan / kemencengan (skewness) seperti pada kurva di bawah ini.

Kemencengan ke kanan.

Kemencengan ke kiri.

47 48
D. Dispersi / Deviasi / Variability NO KELOMPOK I KELOMPOK II
X1  X1 - X  X2 X2 - X 
1. Rentang
Rentang adalah perbedaan angka yang tertinggi dan angka yang terendah 1. 35 3,73 36 6
pada suatu data. Rentang merupakan suatu analisis deviasi yang paling 2. 45 6,27 34 8
sederhana, hanya mengetahui kisaran angka pada data. Rentang biasa 3. 36 2,73 50 8
dirumuskan : 4. 42 3,27 10
32
R = Att – Atr ada juga menambah rumus tersebut dengan angka 1.
5. 38 0,73 46 4
Contoh :
Kelompok I ; 35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34, maka rentang data 6. 36 2,73 34 8
tersebut adalah 48 – 34 = 14. 7. 48 9,27 38 4
Kelompok II ; 36, 34, 50, 32, 46, 34, 38, 44, 48, 44, 56, maka rentang data 8. 38 0,73 44 2
tersebut 56 – 32 = 24. 9. 40 1,27 6
48
Berdasarkan keadaan tersebut di atas keadaan data kelompok II lebih
menyebar memanjang daripada kelompok I yang kondisinya lebih 10. 34 4,73 44 2
mengumpul. 11. 34 4,73 56 14
Rentang untuk data yang berkelompok adalah batas atas kelas yang paling JUMLAH 426 40,19 462 72
besar dikurangi batas bawah kelas yang paling rendah. MEAN 38,73 3,65 42 6,55

2. Deviasi rata-rata Xi − X 40,19


Deviasi rata-rata adalah rata-rata penyimpangan tiap angka pada suatu data Dr = Kelompok I ; Dr = ; Dr = 3,65
terhadap meannya. Makin kecil harga deviasi ini, berarti makin kecil N 11
dispersi (pemencaran) angka pada data tersebut terhadap meannya. 75,27
Kelompok II ; Dr = ; Dr = 6,55
a. Deviasi rata-rata data yang tidak berkelompok 11
Deviasi rata-rata pada data yang tidak berkelompok dirumuskan sebagai Berdasarkan keadaan deviasi rata-rata data tersebut di atas dapat
berikut : dilakukan analisis, bahwa data kelompok I lebih mengumpul ke arah
Xi − X meannya daripada data kelompok kedua yang menyebar terhadap
Dr = meannya.
N b. Deviasi rata-rata data yang berkelompok
Keterangan:
Dr = deviasi rata-rata fi . X i − X
Dr =
X = rata-rata N
Xi = angka anggota data Keterangan:
N = banyaknya angka pada data Dr = deviasi rata-rata
Contoh : fi = Frekuensi
Kelompok I ; 35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34, X = rata-rata
Kelompok II ; 36, 34, 50, 32, 46, 34, 38, 44, 48, 44, 56, Xi = titik tengah interval kelas (batas bawah kelas + ½ lebar interval
49 50
kelas) Variansi adalah harga deviasi yang juga memperhitungkan deviasi tiap data
N = banyaknya angka pada data / total frekuensi terhadap meannya. Variansi untuk populasi biasanya dilambangkan τ,
sedangkan vraiansi untuk sampel dilambangkan S2.
Contoh :
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006 a. Variansi data yang tidak berkelompok
NO. TINGGI BADAN JUMLAH Variansi data yang tidak berkelompok menggunakan rumus
1. 140 – 149 6
V =
(X i −X ) 2

atau rumus V =
X i2

Xi
2

atau rumus
2. 150 – 159 22 N N N
3. 160 – 169 39
X i2 2
4. 170 – 179 25 V = −X .
5. 180 – 189 7 N
6. 190 – 199 1 Keterangan:
JUMLAH 100 V = Variansi
X = rata-rata
Diketahui rata-rata = 165,30 Xi = angka anggota data
No TB JML(fi) Xi Xi - X  fi . Xi - X  N = banyaknya angka pada data
Contoh :
1. 140 – 149 6 144,5 20,8 124,80
35, 45, 36, 42, 38, 36, 48, 38, 40, 34, 34
(X )
2. 150 – 159 22 154,5 10,8 237,60
NOMOR Xi X i2 Xi - X −X
2
3. 160 – 169 39 164,5 0,8 31,20 i

4. 170 – 179 25 174,5 9,2 230,00 1. 35 1.225 -3,73 13,91


5. 180 – 189 7 184,5 19,2 134,40 2. 45 2.025 6,27 39,31
6. 190 – 199 1 194,5 29,2 29,20 3. 36 1.296 -2,73 7,45
Jumlah 100 787,20 4. 42 1.764 3,27 10,69
5. 38 1.444 -0,73 0,53
fi . X i − X
Dr = 6. 36 1.296 -2,73 7,45
N 7. 48 2.304 9,27 85,93
787,2 8. 38 1.444 -0,73 0,53
Dr =
100 9. 40 1.600 1,27 1,61
Dr = 7,872 10. 34 1.156 -4,73 22,37
11. 34 1.156 -4,73 22,37
Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N JUMLAH 426 16.710 -0,03 212,18
dikurangi 1 MEAN 38,73

3. Variansi

51 52
V =
(X i −X )
2
3. 160 – 169 39
4. 170 – 179 25
N
5. 180 – 189 7
212,18
V = ; V = 19,29 6. 190 – 199 1
11
2 JUMLAH 100
X i2 Xi
atau menggunakan rumus V = − ;
N N Diketahui rata-rata = 165,30
2 TB JML(fi) Xi fi.Xi Xi - X (Xi - X )2 fi(Xi - X )2 Xi2 fi.Xi2
16710 426
V = − ; V = 19,29 140 – 149 6 144,5 867,0 -20,80 432,64 2595,84 20880,25 125281,50
11 11 150 – 159 22 154,5 3399,0 -10,80 116,64 2566,08 23870,25 525145,50
X i2 2 160 – 169 39 164,5 6415,5 -0,80 0,64 24,96 27060,25 1055349,75
atau menggunakan rumus V = −X ;
N 170 – 179 25 174,5 4362,5 9,20 84,64 2116,00 30450,25 761256,25
16710 180 – 189 7 184,5 1291,5 19,20 368,64 2580,48 34040,25 238281,75
V = − 38,732 ; V = 19,29 190 – 199 1 194,5 194,5 29,20 852,64 852,64 37830,25 37830,25
11
b. Variansi data yang berkelompok Jumlah 100 16530,0 10736,00 2743145,00
Perhitungan variansi untuk data yang berkelompok dapat menggunakan
V =
(
fi . X i − X )
2

rumus
( ) 2 2
N
fi . X i − X f i . X i2 fi . X i 10736
V = atau V = − atau V = ; V = 107,36
N N N 100
2
f i . X i2 f i . X i2 fi .X i
V = −X
2
atau menggunakan rumus V = −
N N N
Keterangan: 2
2743145 16530
V = variansi V = − ; V = 107,36
100 100
X = rata-rata
fi = frekuensi
f i . X i2 2
titik tengah interval kelas (batas bawah kelas + ½ lebar interval atau menggunakan rumus V = −X
Xi = kelas) N
N = banyaknya angka pada data (total frekuensi) 2743145
V = − 165,32 ; V = 107,36
Contoh : 100
TINGGI BADAN MASYARAKAT KALIMAS TAHUN 2006
NO. TINGGI BADAN JUMLAH Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N
1. 140 – 149 6 dikurangi 1
2. 150 – 159 22
4. Standar deviasi
53 54
Standar deviasi atau simpangan baku merupakan akar dari variansi. Standar Kelompok I tinggi badan wanita X = 157 cm ; SD = 2,4 cm
deviasi dapat dipergunakan sebagai angka yang mewakili seluruh agregate Kelompok II tinggi badan pria X = 172 cm ; SD = 4,8 cm
untuk ukuran variability, dipengaruhi oleh perubahan nilai observasi.
Standar deviasi biasa disingkat SD untuk ukuran sampel, sedangkan standar 2,4
deviasi untuk populasi biasa dilambangkan σ dan standar deviasi untuk COV Kelompok I = .100% = 1,53%
sampel biasa dilambangkan S. 157
4,8
SD = V COV Kelompok II = .100% = 2,79%
172
5. Standar error
Berdasarkan hitungan COV tersebut dapat dianalisis bahwa kondisi
Standar error biasa juga disebut standar kesalahan mean. Standar error
kelompok II data lebih bervariasi daripada kelompok I.
dilambangkan/disingkat dengan SE dirumuskan sebagai berikut:
SD
SE =
N
Pada hitungan-hitungan statistik (hasil pengukuran dari sampel) faktor N
dikurangi 1.
Kondisi yang perlu diketahui sehubungan dengan standar error adalah
dalam suatu distribusi frekuensi yang simetrik berdistribusi normal luas
yang dibatasi nilai X ± 1 SE terdapat 68,3% jumlah observasi, yang
dibatasi nilai X ± 2 SE terdapat 95,4% jumlah observasi, dan yang dibatasi
nilai X ± 3 SE terdapat 99,7% jumlah observasi.

Proporsi luasan tersebut di atas secara rincinya dapat dilihat pada tabel
distribusi normal.

6. Koefisien keragaman (Coefficien of Variation)


SD
COV = .100
X
Contoh :
55 56
E. Kemiringan dan Kurtosis Derajat ketaksimetrisan suatu model kurva dapat dilihat berdasarkan ukuran
kemiringan yang ditentukan dengan rumus koefisien kemiringan Pearson
1. Kemiringan / Kemencengan (Skewness) sebagai berikut :
Suatu data jika disajikan dalam bentuk kurva halus mungkin berbentuk RERATA − MODUS 3( RERATA − MEDIAN )
KEMIRINGAN = ≈
kurva yang menceng ke kanan, atau menceng ke kiri atau membentuk kurva STANDAR .DEVIASI STANDAR .DEVIASI
normal. Pada kurva yang tak simetris menceng ke kanan, jika bagian
ekornya memanjang ke kanan, biasa disebut juga model kurva positif, Jika hasil perhitungan kemiringan negative berarti model kurva data tak
sebalik kurva yang tak simteris menceng ke kiri, jika bagian ekornya simetris miring ke kiri, demikian sebaliknya jika hasil perhitungan
memanjang ke kiri, biasa disebut kurva negative. Sedangkan yang simetris kemiringan positif berarti model kurva data tak simetris miring ke kanan,
kurva normal, jika kondisi kanan dan kiri seimbang. sedangkan pada hasil perhitungan kemiringan nol atau mendekati nol, berati
model kurva data simetris atau membentuk kurva nomral.
Contoh :
TABEL DISTRIBUSI FREKUENSI TINGGI BADAN
MASYARAKAT KALIMAS TAHUN 2006
NO. TINGGI BADAN JUMLAH
1. 140 – 149 6
2. 150 – 159 22
Kemencengan ke kanan. 3. 160 – 169 39
4. 170 – 179 25
5. 180 – 189 7
6. 190 – 199 1
JUMLAH 100
Hasil perhitungan berdasarkan data tabel di atas nilai mean = 165,30,
standar deviasi = 10,36, median = 165,14 dan modus = 164,98. Maka nilai
kemiringan
RERATA − MODUS 3( RERATA − MEDIAN )
Kemencengan ke kiri. KEMIRINGAN = ≈
STANDAR .DEVIASI STANDAR .DEVIASI
165,30 − 164,98 3(165,30 − 165,14 )
KEMIRINGAN = ≈
10,36 10,36
Kemiringan = 0,03 ≈ 0,05
Hasil perhitungan positif dan mendekati nol, berarti model kurva data
miring ke kanan sedikit mendekati simetris kurva normal.

2. Kurtosis
Kurva normal. Penyelidikan data berdistribusi normal atau tidak berdistribusi normal dapat
menggunakan koefisien kurtosis persentil sebagai berikut:

57 58
SK 1 / 2( K3 − K1 ) N 100
KOEFISIEN.KURTOSIS.PERSENTIL= = ≈ 0,263 90. − Fa 90 90. − 67
P90 − P10 P90 − P10 P90 = Lb90 + 100 . I ⇔ P90 = 169,5 + 100 .10 ⇔ 178,70
f P 90 25
Keterangan : κ = kappa (Koefisien Kurtosis Persentil)
: SK = rentang semi antar kuartil
: P = persentil 1 ( K 3 − K1 ) 1 (172,70 − 158,14 )
SK
: K = kuartil κ= = 2 ⇔κ = 2 ⇔ 0,265
P90 − P10 P90 − P10 178,70 − 151,32
Bila nilai Koefisien Kurtosis Persentil mendekati 0,263, maka dapat
disimpulkan data berdistribusi normal.
Contoh : Hasil Koefisien Kurtosis Persentil 0,265 ≠≈ 0,263, distribusi normal
TABEL DISTRIBUSI FREKUENSI TINGGI BADAN
MASYARAKAT KALIMAS TAHUN 2006 Berdasarkan model kurva data simetris atau kurva normal, tinggi rendahnya
NO. TINGGI BADAN JUMLAH
atau datar tidaknya kurva disebut kurtosis. Model kurva normal yang tidak
terlalu tinggi dan tidak terlalu datar disebut mesokurtik, yang tinggi disebut
1. 140 – 149 6
leptokurtic, sedangkan yang mendatar disebut platikurtik
2. 150 – 159 22
3. 160 – 169 39
4. 170 – 179 25
5. 180 – 189 7
Kurva Platikurtik
6. 190 – 199 1
JUMLAH 100

Selanjutnya dihitung Koefisien Kurtosis Persentil sebagai berikut :

N 100
− Fa1 −6
K 1 = Lb1 + 4 . I ⇔ K 1 = 149,5 + 4 .10 ⇔ 158,14
f Q1 22

N 100
3. − Fa 3 3. − 67
4 4 Kurva Leptokurtik
K 3 = Lb3 + . I ⇔ K 3 = 169,5 + .10 ⇔ 172,70
f Q3 25

N 100
10. − Fa10 10. −6
P10 = Lb10 + 100 . I ⇔ P10 = 149,5 + 100 .10 ⇔ 151,32
f P10 22
Kurva normal.

59 60
Penyelidikan bentuk kurva normal platikurtik, leptokurtik atau normal DAFTAR PUSTAKA
dapat menggunakan rumus koefisien kurtosis sebagai berikut :
m ( xi − x) r
a 4 = 42 mr = Arikunto, Suharsimi, 1993, Prosedur Penelitian Suatu Pendekatan Praktik
m2 n edisi revisi II cetakan ke sembilan, Jakarta : PT. Rineka Cipta.
Jika :
Burhan, Safrida, 1995, Metodologi Penelitian dan Pedoman Penulisan
a = 3 normal
Karya Tulis, Bandung : Akademi Keperawatan Pajajaran.
a > = leptokurtic
a < = platikurtik Conover, W.J, 1980, Practical Nonparametric Statistics second edition, New
Contoh kasus data di atas York : John Wiley & Sons.

TB JML(fi) Xi fi.Xi Xi - X (Xi - X )2 fi(Xi - X )2 (Xi - X )4 fi(Xi - X )4


Hadi, Sutrisno, 1993, Statistik jilid II cetakan XIV, Yogyakarta : Andi Offset.
140 – 149 6 144,5 867,0 -20,80 432,64 2595,84 187177,37 1123064,22 Hall, Marguerite. F, 1949, Public Health Statistics, New York : Paul B Horber
150 – 159 22 154,5 3399,0 -10,80 116,64 2566,08 13604,89 299307,57 Inc
160 – 169 39 164,5 6415,5 -0,80 0,64 24,96 0,41 15,97
170 – 179 25 174,5 4362,5 9,20 84,64 2116,00 7163,93 179098,24 Nasir, Moh, 1985, Metode Penelitian cetakan pertama, Jakarta : Ghalia
180 – 189 7 184,5 1291,5 19,20 368,64 2580,48 135895,45 951268,15 Indonesia.
190 – 199 1 194,5 194,5 29,20 852,64 852,64 726994,97 726994,97
Poerwadi, Troeboes. Joesoef, Aboe Amar dan Widjaja, Linardi, 1993, Metode
Jumlah 100 16530,0 10736,00 3279749,12
Penelitian dan Statistik Terapan / editor, Surabaya : Airlangga
University Press.
f i ( xi − x) 2 f i ( xi − x) 4
f i ( xi − x) r m2 = m4 = Siegel, Sidney, 1956, Non Parametric Statistics For The Behavioral Sciences,
mr = => n => n
n 10736,00 3279749,12 New York : Mc Graw-Hill Book Company.
m2 = = 107,36 m 4 = = 32797,49
100 100 Siegel, Sidney, 1986, Statistik Non Parametrik Untuk Ilmu-Ilmu Sosial,
diterjemahkan oleh Zanzawi Suyuti dan Landung Simatupang dalam
m4 32797,49 koordinasi Peter Hagul, Cetakan ke 2, Jakarta : Gramedia.
a4 = 2
=> a 4 = = 2,85
m2 107,36 2
Singarimbun, Masri dan Effendi Sofian, 1989, Metode Penelitian Survei /
editor, Jakarta : LP3ES.
Hasil Koefisien Kurtosis < 3, mendekati normal / platikurtik.
Snedecor, George W dan Cochran, William G, 1980, Statistical Methods
seventh edition, Ames Iowa USA : The Iowa State University Press
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik I STA
201/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
61 62
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik I STA
201/3 SKS/Modul 6-9, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soejoeti, Zanzawi, 1984/1985, Buku Materi Pokok Metode Statistik II STA
202/3 SKS/Modul 1-5, Jakarta : Universitas Terbuka, Departemen
Pendidikan dan Kebudayaan.
Soejoeti, Zanzawi, 1985, Buku Materi Pokok Metode Statistik II STA 202/3
SKS/Modul 6-9, Jakarta : Universitas Terbuka, Departemen Pendidikan
dan Kebudayaan.
Soepeno, Bambang, 1997, Statistik Terapan (Dalam Penelitian Ilmu-Ilmu
Sosial dan Pendidikan), Jakarta ; PT. Rineka Cipta
Sujana, 1992, Metoda Statistika, edisi ke 5, Bandung : Tarsito.
Tjokronegoro, Arjatmo. Utomo, Budi, dan Rukmono, Bintari, (editor), 1991,
Dasar-Dasar Metodologi Riset Ilmu Kedokteran, Jakarta : Departemen
Pendidikan dan Kebudayaan Konsorsium Ilmu Kedokteran

63