PENDAHULUAN

PERANAN STATISTIKA
Disadari atau tidak peranan statistika telah banyak digunakan dalam
kehidupan sehari-hari. Dunia penelitian atau riset, dimanapun dilakukan,
bukan saja telah mendapatkan manfaat yang baik dari statistika tetapi sering
harus menggunakannya. Untuk mengetahui apakah cara yang baru
ditemukan lebih baik daripada cara lama, melalui riset yang dilakukan di
laboratorium, atau penelitian yang dilakukan dilapangan perlu dilakukan
penilaian statistika. Statistika juga mampu menentukan apakah faktor yang
satu dipengaruhi atau mempengaruhi yang lainnya.

STATISTIK DAN STATISTIKA
Kata statistik dipakai untuk menyatakan kumpulan data, bilangan
maupun non bilangan yang disusun dalam table atau diagram yang
menggambarkan suatu persoalan. Statistik dapat diartikan sebagai kumpulan
fakta tentang suatu persoalan baik merupakan hasil penelitian yang umumnya
berbentuk angka yang disusun dalam tabel atau diagram sehingga dapat
menggambarkan keadaan dari persoalan tersebut.
Statistik yang menjelaskan sesuatu hal, biasanya diberi nama statistik
mengenai hal yang bersangkutan, misalnya statistik penduduk, statistik
pendidikan, statistik pertanian dan lain-lain.
Sedangkan kata statistika adalah pengetahuan yang
berhubungan dengan cara-cara pengumpulan data, pengolahan atau
penganalisaaannya dan dilakukan penarikan kesimpulan
berdasarkan kumpulan data dan penganalisaan yang telah
dilakukan. Ada dua cara untuk mempelajari statistika, jika akan
membahas statistika secara mendasar dan teoritis maka yang
dipelajari digolongkan kedalam statistika matematis atau statistiak
tetoritis. Disini diperlukan dasar matematika yang kuat dan
mendalam

Pembagian Statistik

Statistik
Inferens
(induktif)
Deskriptif
Teknik pengumpulan,
pengolahan dan penyajian
data hanya untuk
dipelajari karakteristiknya
dan tidak untuk dilakukan
penarikan kesimpulan
secara umum
Teknik pengumpulan,
pengolahan dan penyajian
data sebagai alat untuk
penarikan kesimpulan
yang berlaku umum dari
persoalan yang diamati

Pengumpulan Data
Pengambilan data dengan sampling secara Random ialah cara
pengambilan sampel secara acak artinya bahwa setiap elemen mempunyai
kesempatan yang sama untuk terpilih menjadi anggota sampel. Sedangkan
pengambilan data secara Non-Random ialah cara pengambilan sampel
dimana setiap elemen tidak mempunyai kesempatan yang sama untuk
menjadi anggota sampel.










MEMBACA DAN MENGINTERPRETASIKAN DATA
Pengertian
Data menurut Webters New World Dictionary ialah sesuatu yang
diketahui dan dianggap. Pengertian lain mengenai data ialah keterangan yang
dapat memberikan gambaran tentang suatu keadaan atau persoalan.
Proses yang dilalui agar data dapat dibaca dan diinterpretasikan
Agar dapat dibaca dan diinterpretasikan maka data tersebut
diolah dengan menggunakan metoda-metoda statistika. Secara
umum tahapan proses yang dilalui untuk memudahkan dalam
pembacaan data serta intrepretasi data adalah sebagai berikut :



START
Pengumpulan
Data
Pengolahan
Data
Penyajian
Data
END
Observasi Langsung
Questionnaire
Melalui Organisasi,
Sumber lainnya

Metoda Statistika

Tabel

Grafik/ Diagram

Pengumpulan
Data

Melalui
pengambilan
sample dari
populasi
Elemen
Populasi
diselidiki
satu
persatu
Sampling
Sensus
Non
Random
Random
Non
Probability
sampling
Probabilitling

PENGUMPULAN DAN PENYAJIAN DATA

Tujuan
- Untuk memperoleh gambaran tentang suatu persoalan atau keadaan
- Sebagai dasar untuk pengambilan keputusan atau pemecahan
persoalan
Kegunaan
- Sebagai dasar dari suatu perencanaan
- Sebagai pengontrol terhadap pelaksanaan dari perencanaan
- Evaluasi hasil akhir kerja
Pembagian data
1. Menurut sifat :
-data kualitatif : data yang tidak berbentuk angka
-data kuantitatif : data yang berupa angka-angka
2. Menurut Sumber :
-data internal : data yang menggambarkan keadaan didalam suatu
organisasi atau perusahaan
-data eksternal : data yang menggambarkan keadaan diluar suatu
organisasi atau perusahaan
3. Menurut cara Memperoleh :
-data primer : data yang dikumpulkan, dan diolah langsung dari
objeknya
-data sekunder :data yang sudah jadi karena sudah dikumpulkan
oleh organisasi atau orang lain
4. Menurut waktu pengumpulan :
-Cross section data :data yang dikumpulkan pada waktu tertentu
-Time series data :data yang dikumpulkan dari waktu ke waktu
Cara pengumpulan data
1. Mengadakan penelitian langsung ke lapangan terhadap objek yang
akan diteliti atau diselidiki menggunakan daftar "Questionnaire"
yang dikirimkan melalui pos maupun diserahkan langsung kepada
responden
2. Menggunakan seluruh atau sebagian data yang sudah di
kumpulkan oleh orang atau organisasi lain.
Syarat-syarat data yang baik
1.Data harus objektif
2.Data harus mewakili
3.Data harus relevan
4.Data harus tepat waktu "Up to date"
5.Mempunyai kesalahan baku (standard error) sangat kecil

Penyajian data
1) Penyajian dalam bentuk tabel
Penyajian tabel statistik harus mempunyai bentuk sederhana dan jelas,
adapun macam -macam tabel sbb : one way table, two ways table,
three ways table
a. One way table
Keterangan yang memuat satu karakteristik, Contoh :

Tahun Jumlah Wisatawan
1980
1981
1982
561.178
600.151
592.046


b. Two ways table
Keterangan yang memuat dua karakteristik, Contoh :

Tahun 1980 1981
Kategori Kamar TPK(%) Kamar TPK(%)
Bintang 5&4
Bintang 3
Bintang 2
Bintang 1
4225
1467
1469
433
71,9
52,3
36,4
54,3
4225
1483
1444
424
76,5
70,3
55,7
55,0


c. Three ways table
Keterangan yang memuat tiga karakteristik, contoh :

Uraian
HOTEL BINTANG

SATU

DUA

TIGA

EMPAT

LIMA

1. Jumlah kamar tersedia
2. Rata-rata tingkat
penghunian kamar (%)

3. Rata-rata lama tinggal
(hari)
42
42,86


1,0
1.009
49,50


2,09
256
53,51


0,84
1.331
61,36


4,09
178
41,63


3,72


Penyajian data dalam bentuk diagram atau grafik
Penyajian data dalam bentuk diagram atau grafik sering digunakan
untuk memperoleh gambaran secara visual mengenai persoalan atau
keadaan yang diselidiki atau dipecahkan.

Bentuk grafik yang sering digunakan adalah :
a. Diagram batang (Diagram batang tunggal dan Diagram batang
majemuk)
b. Diagram garis : untuk menggambarkan perkembangan suatu
keadaan (Diagram garis tunggal dan Diagram garis majemuk)

c. Diagram pastel : untuk memudahkan dalam melihat perbandingan
antar sektor kegiatan
d. Diagram lambang: menggunakan lambang dan simbol
e. Diagram peta : untuk menyajikan data statistik yang lebih
menekankan pada lokasi dimana data tentang suatu persoalan
terjadi.
Dari hal tersebut diatas maka dapat diambil kesimpulan bahwa :
a) Penyajian data dalam bentuk tabel dapat memberikan angka-angka
yang lebih teliti.
b) Penyajian data dalam bentuk grafik dapat memudahkan dalam
membaca dan mengiterpretasikan data dalam persoalan yang
sedang diamati.
2) Penyajian data dengan diagram









Diagram batang tunggal dan diagram garis tunggal
Dari data one way table:


Diagram garis tunggal Diagram batang tunggal

















100.000 -
200.000 -
300.000 -
400.000 -
500.000 -
600.000 -
700.000 -
1980 1981 1982
Jml wisatawan
Tahun
100.000 -
200.000 -
300.000 -
400.000 -
500.000 -
600.000 -
700.000 -
1980 1981 1982
Jml wisatawan
Tahun

Diagram batang majemuk dan diagram garis majemuk
Dari data two ways table:

Diagram garis majemuk


















Diagram batang majemuk












Diagram pastel (pie chart)
Diagram pastel adalah gambar berupa lingkaran
Luas lingkaran merupakan komponen dari beberapa nilai
Jenis Wisatawan Banyaknya Wisman Persentase (%)
Amerika
Soviet
Iran
Australia
124 Orang
13 Orang
59 Orang
167 Orang
124/363 x 100% = 34,2
13/363 x 100% = 3,6
59/363 x 100% = 16,2
167/363 x 100% = 46
Total 363 Orang 100 %

B
i
n
t
a
n
g

1

B
i
n
t
a
n
g

2

B
i
n
t
a
n
g

3

B
i
n
t
a
n
g

5

&

4

B
i
n
t
a
n
g

1

B
i
n
t
a
n
g

2

B
i
n
t
a
n
g

3

B
i
n
t
a
n
g

5

&

4

10

20

30

40

50

60

70

80

1980

1981

TPK (%)

Kategori/thn

B
i
n
t
a
n
g

1

B
i
n
t
a
n
g

2

B
i
n
t
a
n
g

3

B
i
n
t
a
n
g

5

&

4

B
i
n
t
a
n
g

1

B
i
n
t
a
n
g

2

B
i
n
t
a
n
g

3

B
i
n
t
a
n
g

5

&

4

1000

2000

3000

4000

1980

1981

Jml kamar



Amerika (A) = 34,2/100 x 360
0
= 123,12
0

Soviet (B) = 3,6/100 x 360
0
= 12,96
0

Iran (C) = 16,2/100 x 360
0
= 58,32
0

Australia (D) = 46/100 x 360
0
= 165,6
0

360
0










DISTRIBUSI FREKUENSI
Data yang diperoleh langsung dari hasil observasi pada umumnya masih
merupakan data kasar atau data mentah (raw data). Data mentah ini, secara
langsung belum dapat memberikan gambaran tentang persoalan atau keadaan
yang bersifat kuantitatif.

Penyusunan data yang paling sederhana adalah dalam bentuk
erei (array), yaitu suatu bentuk penyusunan data dimana data
disusun secara teratur dari data dengan nilai terkecil hingga nilai
terbesar atau sebaliknya.
Sebagai ilustrasi, misalnya dari hasil observasi tentang lamanya
tinggal dari 60 wisatawan asing yang datang ke Indonesia pada
bulan Januari 1985, dimana data diambil secara random, diperoleh
data sebagai berikut :
24 32 9 14 25 18
13 10 21 8 14 12
6 15 16 12 4 11
20 5 15 15 23 14
8 17 13 27 22 28
12 16 19 13 8 10
2 20 6 11 15 9
18 3 23 26 13 27
15 30 14 10 9 2
11 16 12 7 6 31
sumber : data fiksius (karangan belaka)


A
C
D
B

Dari kumpulan data tersebut diatas sepintas lalu kita sukar untuk
menentukan nilai ekstrim (nilai data terkecil dan nilai data terbesar) dan jarak
(range). Jarak (range) adalah merupakan beda antara nilai data terbesar dan nilai
data terkecil dalam suatu kumpulan data. Oleh karena itu, kumpulan data
tersebut diatas perlu kita susun kedalam bentuk erei (array). Dalam bentuk
array, data tersebut dapat disusun sbb:
2 8 11 14 16 23
2 8 11 14 17 24
3 8 12 14 18 25
4 9 12 15 18 26
5 9 12 15 19 27
6 9 12 15 20 27
6 10 13 15 20 28
6 10 13 15 21 30
7 10 13 16 22 31
7 11 14 16 23 32
Dari kumpulan data diatas, kita dengan mudah mengetahui dua nilai
ekstrim, yaitu nilai data terkecil adalah 2, dan nilai data terbesar adalah 32.
Dengan demikian jarak atau rentang (range) untuk kumpulan data tersebut
ialah 32 - 2 = 30. Meskipun demikian array itu sendiri bukan merupakan
cara penyusunan yang memuaskan guna menggambarkan distribusi data
statistik. Oleh karena itu, data tersebut perlu disusun kedalam daftar
atau tabel DISTRIBUSI FREKUENSI.

PENYUSUNAN TABEL DISTRIBUSI FREKUENSI
Pada dasarnya penyusunan data kedalam tabel distribusi
frekuensi dapat dibagi atas 3 langkah, yaitu :
1. Menentukan jumlah atau banyaknya kelas interval, biasanya
jumlah kelas interval ini diambil paling sedikit 5 kelas atau paling
banyak 15 kelas.
Untuk menentukan jumlah atau banyaknya kelas interval, pada thn
1926 STURGES, mengemukakan sebuah rumus yang kemudian
dikenal sebagai "Kriterium Sturges". melalui persamaan sbb.:

k = 1 + 3,322 log n
Dimana: k = jumlah atau banyaknya kelas interval
n = jumlah atau banyaknya data hasil observasi
Apabila persamaan tersebut kita gunakan untuk menentukan jumlah
kelas interval dari data hasil observasi tentang lamanya tinggal dari
60 wistawan asing yang datang ke Indonesia pada bulan Januari
1985, akan diperoleh jumlah kelas interval sebesar :



K = 1 + 3,322 log n
= 1 + 3,322 log 60
= 1 + 3,322 .(1,778)
= 1 + 5,906516
= 6,906516 7
jadi dari kumpulan data tersebut diatas, akan dibagi dalam 7 kelas interval
2. Menentukan Jarak atau Rentang (Range) dan panjang kelas interval :
Jarak atau rentang adalah beda antara nilai data terbesar dan nilai data
terkecil. Jarak atau rentang ini berguna dalam menentukan panjang kelas
interval ( i = p )
Rentang = Data Terbesar - Data Terkecil
Untuk soal tersebut diatas maka dapat dihitung jarak dari kumpulan data
tersebut adalah :
32 -2 = 30
Kemudian selanjutnya menentukan panjang kelas interval (i = p), yaitu
sebagai berikut :
Rentang
Kelas Interval
Dengan menggunakan persamaan tersebut maka diperoleh :
I = p = 30 / 7
= 4,2857 4,3

3. Mentabulasikan angka-angka ke dalam kelas-kelas yang sesuai dan
menghitung frekuensinya. Telah diketahui bahwa data terkecil adalah
2 dan data terbesar adalah 32 data tersebut akan dikelompokan ke
dalam 7 kelas dengan panjang interval tiap kelas adalah 4,3
Sehingga diperoleh : Kelas interval ke-1
Kelas interval ke-2
Kelas interval ke-3
Kelas interval ke-4
Kelas interval ke-5
Kelas interval ke-6
Kelas interval ke-7
Kelas Interval TALLY Frekuensi
2.0----------6.2
6.3----------10.5
10.6----------14.8
14.9----------19.1
19.2----------23.4
23.5----------27.7
27.8----------32.0
IIII III
IIII IIII I
IIII IIII IIII
IIII IIII II
IIII I
IIII
IIII
8
11
14
12
6
5
4
TOTAL 60

I = P =
4,3
4,3
4,3
4,3
4,3
4,3



Dengan demikian data observasi lamanya tinggal 60 wisatawan asing
yang datang ke indonesia pada bulan januari adalah tertera pada tabel
berikut :
TABEL PEYEBARAN LAMANYA TINGGAL DARI 60 WISATAWAN
ASING YANG DATANG KE INDONESIA, JANUARI 1995

Kelas Interval Frekuensi
2.0----------6.2
6.3----------10.5
10.6----------14.8
14.9----------19.1
19.2-----------23.4
23.5-----------27.7
27.8-----------32.0
8
11
14
12
6
5
4
TOTAL 60

Tetapi didalam praktek rumus struges ini mempunyai beberapa
kelemahan apabila digunakan sebagai pedoman mutlak untuk menentukan
jumlah atau banyak kelas interval karena rumus sturges tidak selamanya
menghasilkan jumlah atau banyaknya kelas interval yang dapat digunakan
secara praktis didalam penyusunan distrbusi frekuensi dari sekumpulan data
hasil observasi.
Sebagai contoh apabila data tersdebut diatas akan disajikan
dalam bentuk tabel distribusi frekuensi dengan panjang kelas interval
= 7 maka diperoleh kelas interval :

Rentang
Kelas Interval

7 = 30 / kelas interval, maka :
kelas interval = 30/ 7
= 4,285 = 5


Kelas Interval TALLY Frekuensi
2----------- 8
9-----------15
16-----------22
23-----------29
30-----------36
IIII IIII III
IIII IIII IIII IIII IIII
IIII IIII I
IIII III
III
13
25
11
8
3
TOTAL 60

I = P =


TABEL PEYEBARAN LAMANYA TINGGAL DARI 60 WISATAWAN
ASING YANG DATANG KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi
2------------------- 8
9--------------------15
16--------------------22
23--------------------29
30--------------------36
13
25
11
8
3
Total 60
Beberapa istilah yang sering dijumpai dalam penyusunan distribusi
frekuensi, antara lain :
1. Ujung-bawah: untuk soal diatas adalah 2, 9, 16, 23, 30
2. Ujung-atas: untuk soal diatas adalah 8, 15, 22, 29, 36
3. Batas - bawah (Lower Limit) : adalah ujung-bawah dikurangi
dengan bilangan
0,5 Untuk data yang tercatat dalam satuan
0,05 Untuk data yang tercatat dalam satu desimal
0,005 Untuk data yang tercatat dalam dua desimal,dst
4. Batas - atas (Upper Limit) : ujung-atas ditambah dengan
bilangan
0,5 Untuk data yang tercatat dalam satuan
0,05 Untuk data yang tercatat dalam satu desimal
0,005 Untuk data yang tercatat dalam dua desimal,dst
Dalam persoalan yang sedang dibahas maka diketahui bahwa :
Batas-bawah : Kelas Interval ke - 1 : 2 - 0.5 = 1.5
2 : 9 - 0.5 = 8.5
3 : 16 - 0.5 = 15.5
4 : 23 - 0.5 = 22.5
5 : 30 - 0.5 = 29.5

Batas-atas : Kelas Interval ke - 1 : 8 + 0.5 = 8.5
2 : 15 + 0.5 = 15.5
3 : 22 + 0.5 = 22.5
4 : 29 + 0.5 = 29.5
5 : 36 + 0.5 = 36 .5
5. Tanda Kelas ("Class Mark")
Tanda kelas disebut juga titik tengah atau mid-point adalah
bilangan yang harganya ada di tengah-tengah kelas interval. Tanda
kelas atau titik tengan juga merupakan harga rata-rata dari tiap-tiap
kelas interval atau sebuah nilai yang mewakili nilai-nilai yang
terdsapat pada tiap kelas interval.
) ( 2 / 1 UjungAtas UjungBawah
Tengah Tanda
kelas Tanda


Melalui proses perhitungan maka diketahui utk persoalan diatas
adalah :
Kelas Interval ke - 1 : 1/2 (2 + 8 ) = 5
2 : 1/2(9 + 15 ) = 12
3 : 1/2(16 + 22) = 19
4 : 1/2(23 + 29 ) = 26
5 : 1/2(30 + 36 ) = 33
Demikian pula untuk data dengan panjang kelas intervalnya = 7, dan
tanda kelas atau titik tengah kelas interval ke-1 = 1/2 (2+8) = 5 maka
untuk menentukan tanda kelas atau titik tengah berikutnya adalah :
Kelas Interval ke- 2 : 5 + 7 = 12
3 : 12 + 7 = 19
4 : 19 + 7 = 26
5 : 26 + 7 = 33

Macam Distribusi Frekuensi
Distribusi frekuensi dibagi atas 3 kategori, yaitu :
1. Distribusi frekuensi biasa : adalah distribusi frekuensi yang
banyaknya dapat dinyatakan dalam frekuensi yang sebenarnya
2. Distribusi Frekuensi relatif : adalah distribusi frekuensi yang
banyaknya data dinyatakan dalam proporsi atau persen
3. Distribusi Frekuensi Kumulatif : adalah distribusi frekuensi yang
frekuensi-frekuensinya dijumlahkan selangkah demi selangkah.
Distribusi Frekuensi Kumilatif ini dibagi lagi dua macam yaitu :
1) Distribusi frekuensi kumulatif "kurang dari"
2) Distribusi frekuensi kumulatif "atau lebih"
Untuk lebih jelas dapat dilihat dalam contoh:
1. Distribusi frekuensi biasa :

TABEL PEYEBARAN LAMANYA TINGGAL DARI
60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi
2.0---------------- 8
9----------------15
16----------------22
23----------------29
30----------------36
13
25
11
8
3
Total 60

2. Distribusi Frekuensi relatif
Apabila suatu data akan disajikan kedalam bentuk distribusi
frekuensi relatif maka frekuensinya harus diubah dulu kedalam
proporsi atau persentasenya, yaitu :

a. Untuk Proporsi : dengan membagi frekuensi tiap kelas terhadap
total dikalikan dengan bilangan 1,00

Misal frekuensi relatif utk interval ke-1: 13/60 x 1,00 = 0,22
ke-2 : 25/60 x 1,00 = 0,42
Dengan cara yang sama digunakan untuk menghitung frekuensi relatif
dari data pada tabel.
b. Untuk Persentase : dengan membagi frekuensi tiap kelas terhadap total
dikalikan 100,0 %
Misal frekuensi relatif utk interval ke-1 : 13/60 x 100% = 22%
ke-2 : 25/60 x 100% = 42%
Dengan cara yang sama maka dapat diperoleh hasil sebagai berikut :

TABEL PEYEBARAN LAMANYA TINGGAL DARI
60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi relatif
2.0------------------8
9-----------------15
16-----------------22
23-----------------29
30-----------------36
0,22
0,42
0,18
0,13
0,05
Total 1.00
TABEL PEYEBARAN LAMANYA TINGGAL DARI
60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Relatif (%)
2.0----------------8
9----------------15
16----------------22
23----------------29
30----------------36
21,7
41,7
18,3
13,3
5,0
Total 100.00

3. Distribusi frekuensi kumulatif
Berikut ini adalah contoh tabel distribusi frekuensi kumulatif "kurang
dari"dan "atau lebih" dari data yang terdapat pada tabel berikut :
TABEL FREKUENSI KUMULATIF "KURANG DARI"
UNTUK PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
Kurang dari 2
Kurang dari 9
Kurang dari 16
Kurang dari 23
Kurang dari 30
Kurang dari 37
0
13
38
49
57
60


TABEL DISTRIBUSI FREKUENSI KUMULATIF "ATAU LEBIH"
UNTUK PENYEBARAN LAMANYA TINGGAL DARI
60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
2 atau lebih
9 atau lebih
16 atau lebih
23 atau lebih
30 atau lebih
36 atau lebih
60
47
22
11
3
0
Total 100,00

TABEL PENYEBARAN LAMANYA TINGGAL DISTRIBUSI
FREKUENSI KUMULATIF RELATIF "KURANG DARI"
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
Relatif
Kurang dari 2
Kurang dari 9
Kurang dari 16
Kurang dari 23
Kurang dari 30
Kurang dari 37
0,00
0,22
0,64
0,82
0,95
1,00

TABEL PENYEBARAN LAMANYA TINGGAL DISTRIBUSI
FREKUENSI RELATIF KUMULATIF "ATAU LEBIH"
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
Relatif
2 atau lebih
9 atau lebih
16 atau lebih
23 atau lebih
30 atau lebih
36 atau lebih
1,00
0,78
0,36
0,18
0,05
0,00

TABEL DISTRIBUSI FREKUENSI KUMULATIF RELATIF
"KURANG DARI" PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
Relatif (%)
Kurang dari 2
Kurang dari 9
Kurang dari 16
Kurang dari 23
Kurang dari 30
Kurang dari 37
0,0
21,7
63,4
81,7
95,0
100,0


TABEL DISTRIBUSI FREKUENSI RELATIF KUMULATIF
"ATAU LEBIH" PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1995
Kelas Interval Frekuensi Kumulatif
Relatif (%)
2 atau lebih
9 atau lebih
16 atau lebih
23 atau lebih
30 atau lebih
36 atau lebih
100,0
78,3
36,6
18,3
5,0
0,0

PENYAJIAN DATA DISTRIBUSI FREKUENSI
Penyajian data distribusi frekuensi kedalam bentuk diagram atau grafik
terdapat tiga macam yaitu :
1. Histogram Frekuensi
2. Poligon Frekuensi
3. Ogive

1. Histogram Frekuensi
Pada bentuk histogram frekuensi sumbu tegak (vertikal) digunakan
untuk menyatakan frekuensi, baik frekuensi sebenarnya maupun
frekuensi relatifnya. Sedangkan sumbu mendatar untuk menyatakan
kelas interval dari suatu variabel. Umumnya sumbu mendatar adalah
batas-batas kelas interval tetapi dapat juga ditulis nilai ujung-ujung kelas
intervalnya.
Guna daripada histogram frekuensi ini adalah untuk menggambarkan
secara visual beda antara kelas-kelas di dalam suatu distribusi.
Untuk contoh penyajian dapat dilihat pada contoh dengan mengikuti
contoh soal sebelumnya :
HISTOGRAM FREKUENSI PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATAWAN ASING
YANG DATANG KE INDONESIA JANUARY 1995












Jumlah
wisatawan asing
13
25
11
8
3
10
20
1.5 8.5 15.5 22.5 29.5 36.5
30
LAMANYA TINGGAL

2. Poligon Frekuensi
Distribusi frekuensi dapat juga disajikan dalam bentuk poligon
frekuensi, dimana sumbu tegak untuk menyatakan frekuensi baik
frekuensi relatif maupun frekuensi sebenarnya sedangkan sumbu
mendatar untuk titik tengah atau tanda kelas.
Guna dari poligon frekuensi ini adalah apabila kita ingin melakukan
perbandingan dua buah distribusi frekuensi.
Untuk lebih jelas dapat dilihat dalam contoh grafik dibawah ini dengan
melihat pada persoalan sebelumnya. Contoh :
POLIGON FREKUENSI PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATWAN ASING YANG DATANG
KE INDONESIA,JANUARY 1995















POLIGON FREKUENSI RELATIF (%) PENYEBARAN
LAMANYA TINGGAL DARI 60 WISATWAN ASING
YANG DATANG KE INDONESIA,JANUARY 1995













3. OGIVE
Pada dasarnya ogive merupakan distribusi frekuensi kumulatif.
Sumbu tegak untuk menyatakan banyak data atatu frekuensi sedangkan
sumbu mendatar digunakan untuk menentukan ujung - ujung bawah
dari kelas interval (apabila dalam penyusunan distribusi frekuensi
kumulatifnya menggunakan ujung bawah dari kelas interval.) atau
batas-batas bawah kelas interval (apabila dalam penyusunan distribusi
2 5 12 19 26 33 37

LAMANYA TINGGAL

10 13.3
5.0
18.3
2
41.7
21.7
Jumlah
wisatawan asing
20
30
2 5 12 19 26 33 37

LAMANYA TINGGAL

10
3
8
11
2
25
2
13
2
Jumlah
wisatawan asing
20
30

frekuensi kumulatifnya menggunakan batas-batas bawah dari kelas
interval).
Ogive dibagi 2, yaitu :
1. Ogive untuk distribusi frekuen "Kurang dari"
2. Ogive untuk distribusi frekuensi "atau lebih"
Berikut adalah contoh yang diambil dari permasalahan sebelumnya :
OGIVE TENTANG PENYEBARAN LAMANYA TINGGAL
DARI 60 WISATAWAN ASING YANG DATANG
KE INDONESIA, JANUARI 1985
(Data diambil dari tabel distribusi frekuensi kumulatif relatif "kurang dari")














Kuesioner dan Wawancara

Petunjuk pembuatan kuesioner.
Pertanyaan dalam kuesioner harus disusun dengan secermat
mungkin :
A. perjelas lagi hubungan antara metode dengan masalah dan
hipotesis. Buatlah matriks yang menghubungkan antara masalah,
hipotesis, variable, indikator, dan pertanyaan
B. Rumuskan pertanyaan dengan memperhatikan hal-hal berikut :
1. Sesuaikan bahasa dengan tingkat pengetahuan responden.
Untuk daerah pedesaan, misalnya, lebih baik kita
menggunakan bahasa daerah. Untuk kebanyakan orang, kata
persepsi sebaiknya diganti dengan kata tanggapan.
2. Gunakan kata-kata yang mempunyai arti yang sama bagi setiap
orang
3. Hindari pertanyaan yang panjang karena pertanyaan yang
panjang seringkali mengaburkan dan membingungkan
4. Janganlah beranggapan bahwa responden memiliki informasi
faktual. Misal, Seorang ibu mungkin melaporkan acara televisi
yang disenangi anak, tetapi pendapat ibu tidak selalu sesuai
dengan pendapat anak.
Jml wisatawan
"kurang dari"
"atau lebih"
2 9 16 23 30 37
Lamanya
tinggal
60
40
20
0

5. Bentuklah kerangka pemikiran yang ada dalam benak anda.
Janganlah bertanya : berapa majalah yang anda baca? Bertanyalah
: apa saja majalah yang and baca?
6. Sarankanlah semua alternatif atau tidak samasekali
7. Lindungi harga diri responden. Janganlah bertanya : sebutkan
kalimat-kalimat yang benar diantara kalimat yang tercantum
dibawah ini. Katakanlah : saya ingin tahu pendapat Bapak,
manakah diantara kalimat-kalimat dibawah ini yang menurut
Bapak benar
8. Jika anda terpaksa menanyakan hal yang kurang mengenakkan
responden, mulailah bertanya tentang hal-hal yang positif
9. Tentukan apakah anda memerlukan pertanyaan langsung, tak
langsung atau pertanyaan tak langsung disusul dengan pertanyaan
langsung
10. Hindari kata-kata yang bermakna banyak, kata-kata seperti
partisipasi, pengaruh, solidaritas, rasa bangga, harus diganti
dengan kata-kata yang lebih spesifik seperti ikut KB,
menyumbangkan uang, dan menyimpan piagam penghargaan
11. Hindari pertanyaan yang bersifat mengarahkan responden pada
jawaban tertentu. Janganlah bertanya : apakah anda selalu
berperan serta dalam program pembangunan? Bertanyalah :
apakah anda menganjurkan orang lain untuk menjadi akseptor
KB?
12. Pertanyaan harus dibatasi pada satu gagasan saja. Janganlah
bertanya: apakah anda membaca surat kabar/ majalah/ buku?
Jadikanlah pertanyaan ini menjadi tiga kalimat pertanyaan
C. Organisasikan kuesioner secara sistematis
1. Mulailah dengan pertanyaan yang mudah dan disenangi oleh
responden. Ajukan pertanyaan yang membangkitkan minat
2. Jangan mengondisikan jawaban pada pertanyaan berikutnya
dengan pertanyaan sebelumnya
3. Gunakan urutan pertanyaan untuk melindungi harga diri
responden
4. Pertanyaan terbuka sebaiknya dikurangi
5. topik pertanyaan harus disusun sedemikian rupa sehingga
dapat dipahami oleh responden. Urutan pertanyaan harus
wajar dan mudah ditangkap maksudnya.
D. Lakukan prauji kuesioner. Pilihlah sejumlah responden yang
representatif. Ajukan pertanyaan-pertanyaan itu dan lihat
kemungkinan salah paham atau makna yang membingungkan.




PENGUKURAN "CENTRAL TENDENCY" DAN
PENYEBARAN "DISPERSION"

A.Simbol dan Notasi
Didalam melakukan pengukuran-pengukuran nilai suatu variabel yang
diselidiki dapat digunakan persamaan-persamaan model matematika yang
sederhana, dimana menggunakan notasi dan simbol yang umum
digunakan hal ini dapat memepermudah pemakaian dan perhitungan.

B. Sifat Penjumlahan
1. jika x1,x2,. Adalah variabel yang dikalikan dengan nilai
konstanta(bilangan tetapa maka persamaannya :
n
i
i
n
i
i
x k kx
1 1

2. Penjumlahan dari perkalian dua variabel sama dengan jumlah
perkalian antara dua variabel pertama sampai dua varibel ke-n
xnyn y x y x y x
n
i
i i
..... 2 2 1 1
1

3. Hasil penjumlahan dari jumlah atau selisih dari beberapa variabel atau
perkalian bilangan tetap dengan variabel adalah sama dengan jumlah
atau selisih dari penjumlahan variabel-variabel atau perkalian-
perkalian bilangan tetap dengan variabel tersebut.
n
i
i
n
i
i
n
i
i
n
i
i i i
z r y q x p rz qy px
1 1 1 1
) (

C. Pengukuran Central Tendency
Selain data sistematis yang menyertakan tabel serta grafik
dalam memperjelas gambaran mengenai suatu persoalan atau
keadaan dari suatu populasi /sampel masih diperlukan ukuran lain
yang dapat mewakili data tersebut. Dalam menggunakan ukuran
Central Tendensi umumnya yang sering digunakan adalah sbb : rata-
rata (avarages), rata-rata hitung (Arithmatic Mean), Median, Modus.
Ukuran yang dihitung dari data sampel adalah statistik
Ukuran yang dihitung dari data populasi adalah parameter
Central Tendensy debagi ke dalam 2 bagian yaitu :
1. Pengukuran Central Tendensy Untuk "Ungrouped data" (data
yang tidak dikelompokan)
2. Pengukuran Central Tendensy untuk "Grouped data"(data yang
dikelompokan)
PENGUKURAN UNGROUPED DATA
1. Rata-rata hitung (Arithmatic mean)
adalah nilai yang didapat dari penjumlahan semua nilai data dibagai
dengan banyaknya data.
Populasi :
N
x
u
n
i
i
1
Sampel :
N
x
x
n
i
i
1
_



2. Rata-rata hitung ditimbang (Weighted arithmatic mean)
Pada persamaan ini setiap nilai variabel mempunyai faktor
penimbang yang sama yaitu w1,w2,.,wn. Pada kenyataan faktor
penimbang ini adalah frekuensi dari setiap nilai variabel yang telah kita
tentukan.
3. Median (Me)
Median adalah harga atau nilai yang bersifat bahwa 50% dari data
telah disusun menurut urutan besarnya, lebih kecil atau sama dengan
bilangan tersebut dan untuk 50 % lagi akan lebih besar dari bilangan
tersebut.
Dalam menghitung median ada 2 cara yang dapat digunakan yaitu :
1. Data Ganjil
Me =Xk ; dimana k =
2
1 n

2. Data Genap
Me =
2
1 k k
x x

4. Modus (Mo)
Modus ialah nilai darisuatu kumpulan data yang paling sering muncul
atau data dengan frekuensi terbanyak. Modus tidak selalu bersifat
kuantitatif (berupa angka atau bilangan) tetapi juga bersifat kualitatif
(berupa atribut).
PENGUKURAN UNTUK GROUPED DATA
Hal yang perlu diperhatikan dalam menghitung central tendency
untuk grouped data ialah harus tersedianya lembar kerja "Worksheet"
karena tanpa lembar kerja tidak akan dapat menggunakan rumus-
rumus tersebut.
1. Rata-rata hitung (arithmatic Mean)
a. Long Method
k
i
i
k
i
i i
f
x f
x
1
1

dimana : k = jumlah kelas interval
fi = Frekuensi kelas-kelas interval
Xi = Titik tengah kelas interval
b. Short Method (cara koding)
k
i
i
k
i
i i
f
u f
p x x
1
1
0

dimana : Xo = nilai titik tengah yang ditransformasikan ke Ui = 0
p = Panjang kelas Interval


Ui = Transformasi nilai titik tengah yang berturut-turut lebih
kecil dan atau lebih besar dari X0 (,-3,-2,-1,0,+1,).
Tetapi cara ini dapat digunakan apabila panjang kelas
interval (I = P) dalam suatu distribusi frekuensi sama
besar.
2. Median
f
F
n
p b Me
2

Dimana : b = batas bawah kelas interval yang berisi median
P = Panjang kelas interval
n = Banyaknya data atau jumlah frekuensi
F = Jumlah frekuensi ukuran kelas dengan tanda-tanda
kelas yang lebih kecil dari tanda-tanda kelas median
f = Frekuensi kelas median
3. Modus
2 1
1
b b
b
p b Mo
dimana : b = batas bawah kelas modal
p = Panjang kelas interval
b1= beda frekuensi antara kelas modal dengan frekuensi
kelas interval yang mendahuluinya
b2 = beda frekuensi antara kelas modal dengan frekuensi kelas
interval berikutnya.

Karakteristik Mean, Median dan Modus
Pada umumnya mean, median dan modus dapat mempunyai nilai
yang cukup sesuai bagi penggambaran data dalam suatu kumpulan
data akan tetapi tingkat penyesuaian terhadap penggambaran data
tersebut sangat bergantung pada keadaan data tersebut. Data dapat
dikatakan mewakili suatu kumpulan data untuk proses perhitungan
Mean apabila nilai data tersebut serba sama atau HOMOGEN tetapi
apabila data yang dimiliki tidak sama atau HETEROGEN maka hasil
yang diperoleh untuk perhitungan tersebut kurang mewakili keadaan
data sesungguhnya.
Begitu pula dengan proses perhitungan median, perhitungan ini
dianggap dapat mewakili apabila data yang dimiliki homogen. Selain
itu kelemahan perhitungan ini tidak dapat menggambarkan sejauh
mana penyebaran nilai minimum dan maksimum atau "nilai ekstrim"
dalam suatu kumpulan data terhadap mediannya.
Sedangkan modus merupakan nilai yang mempunyai pengertian
"nilai yang paling sering muncul.

Penyebaran "DISPERSION"
Pengukuran penyebaran adalah pengukuran tingkat penyebaran nilai
dalam suatu kumpulan data terhadap rata-ratanya. Ukuran penyebaran
bermacam-macam diantaranya : Simpangan baku "standard deviation",
Simpangan rata-rata ("mean deviation"), Variansi (Variation), Koefisien
variasnsi(Cooficient of variation), serta untuk data-data yang bersifat
dikelompokan "grouped data" dan yang tidak dikelompokan "ungrouped
data".
Pengukuran penyebaran"dispersion" untuk Ungrouped data
1. Simpangan baku dan variansi
Persamaan model matematis untuk variansi adalah sbb :
- Untuk Populasi

N
x
N
i
i
1
2
2
) (

dimana : N = banyaknya data dalam populasi
= rata-rata populasi
atau
2
1 1
2
2
N
x
N
x
N
i
i
N
i
i



-Untuk sampel
a. Ukuran sampel n 30
1
) (
1
2
2
n
x x
s
n
i
i

dimana : n = banyaknya data dalam sampel
x = rata-rata sampel
atau

) 1 (
) (
1
2
1
2
2
n n
x x n
s
n
i
n
i
i


b. Ukuran sampel n > 30
n
x x
s
n
i
i
1
2
2
) (

atau

2
1
2
1
2
2
) (
n
x x n
s
n
i
n
i
i



Simpangan baku merupakan akar dari variansi, maka untuk rumus
standar deviasi dapat diperoleh sebagai berikut :
2. Untuk populasi

N
u x
N
i
i
1
2
) (

atau

2
1 1
2
N
x
N
x
N
i
i
N
i
i

3. Untuk Sampel
a. Ukuran sampel n 30
1
) (
1
2
n
x x
s
n
i
i
atau
) 1 (
) (
1
2
1
2
n n
x x n
s
n
i
n
i
i i

b. Ukuran sampel n > 30
n
x x
s
n
i
i
1
2
2
) (
atau
2
1
2
1
2
) (
n
x x n
s
n
i
n
i
i




Pengukuran penyebaran "Dispersion" untuk grouped data
1. Simpangan rata-rata
n
x x f
SR
k
i
i i
1
) (

dimana : FI = frekuensi kelas interval
k = banyaknya kelas interval
x = nilai rata-rata
2. Variansi dan Simpangan baku
a. untuk populasi

N
u x f
s
N
i
i i
1
2
2
) (

cara koding "short method"
2
1
2
1
2 2
1
N
u f
N u f p
n
s
k
i
i i k
i
i i

b. untuk sampel
n 30
1
1 2
n
x x f
s
k
i
i i



cara koding"short method"
) 1 (
1
2
1
2
2 2
n n
u f u f n
p s
k
i
i
k
i
i i i

- n > 30
n
x x f
s
k
i
i i
1
2
2

cara koding "Short Method"
2
1
2
1
2
2 2
n
u f u f n
p s
k
i
i
k
i
i i i


3. Simpangan baku

N
x
s
k
i
i
1
2
) (

cara koding "short method"
2
1
2
1
2
n
u f u f n
p s
k
i
i
k
i
i i i



-sampel n 30

1
1
2
n
x x f
s
k
i
i i

cara koding "short method"

) 1 (
1
2
1
2
n n
u f u f n
p s
k
i
i
k
i
i i i

- Untuk sampel n > 30

1
1
2
n
x x f
s
k
i
i i

cara koding "short method"

2
1
2
1
2
n
u f u f n
p s
k
i
i
k
i
i i i


Koefisien Variansi
Ukuran -ukuran yang telah diperlihatkan sebelumnya adalah
ukuran penyebaran mutlak dan hanya digunakan pada suatu distribusi
definitif. Apabila akan membandingkan tingkat penyebaran antara dua

kumpulan data atau lebih dimana data-data tersebut mempunyai
satuan berbeda maka ukuran penyebarab mutlak tidak dapat
digunakan karena makin besar data yang digunakan makin besar pula
nilai penyebarannya.
Untuk dapat membandingkan lebih dari satu kumpulan data maka
digunakan dispersi relatif salah satunya dinamakan koefisien variansi.

Koefisien variansi populasi
% 100 x v
dimana : = simpangan baku populasi
rata-rata populasi

Koefisian variansi sampel
% 100 x
x
s
v
dimana : s = simpangan baku sampel
x = rata-rata Sampel
berdasarkan rumus diatas maka dapat diambil kesimpulan bahwa
untuk kumpulan data yang mempunyai nilai koefisien variansi lebih
besar dari kumpulan lainnya maka data tersebut mempunyai sifat
heterogen dibandingkan dengan kumpulan data lainnya.
Contoh-contoh Perhitungan :
Rata-rata hitung (Arithmetic Mean)
Jika dalamsuatu observasi diperoleh data sebagai berikut :
Wisatawan Asing Pengeluaran Perhari
(Orang) (US $)
30 79,5
20 84.4
9 104.0
41 62.0

Maka rata-rata hitungnya untuk pengeluaran perhari :

n
X
X
n
i
i
1
= = 82.38

Rata-rata hitung ditimbang (Weighted Arithmetic Mean)
n
i
i
n
i
i i
W
X W
X
1
1
=
= 53.965

30(79.5) + 20(84.0) + 9(104.0) + 41(62.0)
30 + 20 + 9 + 41

79.5 + 84.0 + 104.0 + 62.0
4


Catatan :
n
i
i
X
1
dibaca Sigma Xi dimana i dari 1 s/d n

Median (Me)
Kalau ada sekelompok nilai sebanyak n kemudian diurutkan
mulai dari yang terkecil Xi sampai dengan yang terbesar Xn, maka nilai
yang ada ditengah-tengah disebut median
- Untuk data ganjil (n ganjil)
Me = Xk dimana
2
1 n
K
Contoh : variable X dengan nilai-nilai ;
X1 = 9.0; X2 = 6.5; X3 = 5.0; X4 = 11.5; X5 = 4.0; X6 = 8.0; X7 = 7.5

Kita harus susun dulu menurut urutan besarnya
4.0 5.0 6.5 7.5 8.0 9.0 11.5
X
1
; X
2
; X
3
; X
4
; X
5
; X
6
; X
7

Me = Xk dimana
2
1 n
K =
2
1 7
= 4
Me = X4 = 7.5

- Untuk data genap (n genap)

Me =
2
1 k k
X X
; dimana K =
2
n
=
2
8
= 4

Me =
2
1 4 4
X X
=
2
5 4
X X
=
2
0 . 8 0 . 7
=
2
15
= 7.5
Modus (Mo)
Adalah suatu bilangan atau nilai dari sekumpulan data yang
terdapat paling sering atau data dengan frekuensi yang terbanyak

X f
2 2
5 1
7 1
Modus----- 9 3
10 2
11 1
12 1



Simpangan rata-rata (Mean Deviation)
SR =
n
X X
i


X X
i
dibaca harga mutlak dari selisih Xi dengan X

Contoh : dari hasil observasi diperoleh data dengan nilai-nilai sbb. :
3.4; 8.6; 6.5; 5.7; 10.8
i
X
X
X X
i

X X
i

3.4
8.6
6.5
5.7
10.8


7.0
-3.6
1.6
-0.5
-1.3
3.8
3.6
1.6
0.5
1.3
3.8
35.0 10.8

n
X
X
i
=
5
0 . 35
= 7.0
SR =
n
X X
i
=
5
8 . 10
= 2.16

Simpangan Baku (Standard Deviation) & Variansi (Variation)
Untuk menghindari harga mutlak bagi pengukuran dispersi, maka
deviasi nilai-nilai observasi terhadap rata-ratanya X X
i
harus
dipangkatkan dua (dikuadratkan). Deviasi kuadrat ini disebut juga
variansi (variation), dan akar dari variansi disebut simpangan baku.
i
X
X
X X
i

2
X X
i

2
i
X
3.4
8.6
6.5
5.7
10.8


7.0
-3.6
1.6
-0.5
-1.3
3.8
12.96
2.56
0.25
1.69
14.44
11.56
73.96
42.25
32.49
116.64
35.0 31.90 276.90

Rumus I
Variansi :
n
X X
S
n
i
i
1
2
2
=
1 5
90 . 31
= 7.975
Standard Deviasi :
2
S S

= 975 . 7 = 2.824
Rumus II
Variansi :
1
1
2
1
2
2
n n
X X n
S
n
i
n
i
i i
=
1 5 5
35 90 . 276 5
2
= 7.975
Standard Deviasi :
2
S S
= 975 . 7 = 2.824

Penghitungan Median (Me) untuk data berkelompok
f
30 - 39 4
40 - 49 6
50 - 59 8
60 - 69 12
70 - 79 9
80 - 89 7
90 - 99 4
Jumlah 50
Kelas

Rumus Median = Med =
m
i
f
f
n
C Lo
0
2

Dimana ; Lo = Nilai batas bawah dari kelas yang
mengandung atau memuat nilai median
n = Jumlah semua frekuensi

0
i
f = Jumlah frekuensi dari semua kelas dibawah
kelas yang mengandung Median (kelas yang
mengandung Median tidak termasuk)
Not diatas bukan pangkat nol

m
f = Frekuensi dari kelas yang mengandung
Median
C = Besarnya kelas interval, jarak antara kelas
yang satu dengan yang lainnya atau
besarnya kelas interval yang mengandung
Median

50% observasi =
2
50
= 25 ------
3 2 1
f f f = 4 + 6 + 8 = 18

Untuk mencapai nilai 25 masih kurang 7, perlu ditambah dengan
frekuensi kelas keempat.
Jadi Median terletak pada kelas ke-4 ----- 60 69 ;


Maka; Lo = 59,5 ; C = 10 ;
2
n
=
2
50
= 25 ;
0
i
f = 18 ;
m
f = 12
Med = 59,5 +
12
18 25
10 = 59,5 + 5,83 = 65,33

Penghitungan Modus (Mo) untuk data berkelompok
f
30 - 39 4
40 - 49 6
50 - 59 8
60 - 69 12
70 - 79 9
80 - 89 7
90 - 99 4
Jumlah 50
Kelas


Rumus Modus = Mo =
0
2
0
1
0
1
f f
f
C Lo
Dimana ; Lo = Nilai batas bawah dari kelas yang memuat
Modus


mo
f = Frekuensi kelas yang mengandung Modus
0
1
f =
mo
f -
1 mo
f = selisih frekuensi kelas yang
memuat modus dengan frekuensi
kelas sebelumnya
0
2
f =
mo
f -
1 mo
f = selisih frekuensi kelas yang
memuat modus dengan frekuensi
kelas sesudahnya
Not diatas bukan pangkat nol
C = Besarnya kelas interval, jarak antara kelas yang satu
dengan yang lainnya atau besarnya kelas interval
yang mengandung Median

mo
f = 12 ; Frekuensi kelas yang mengandung Modus,
nilai tertinggi

Lo = 59,5; C = 10;
1 mo
f = 8;
1 mo
f = 9;
0
1
f = 12 8 = 4;
0
2
f = 12 9 = 3

Mo =
0
2
0
1
0
1
f f
f
C Lo = 59,5 +
3 4
4
10
= 59,5 + 5,714 = 65,214


Penghitungan X rata-rata ( X ), Variansi (S), dan Standard Deviasi
(Sd) untuk data berkelompok

Kelas f Tanda Kelas fiXi X Xi - X (Xi - X )
2
fi(Xi - X )
2

(Xi)
31 - 40 1 35.5 35.50 -41.12 1,690.85 1,690.85
41 - 50 2 45.5 91.00 -31.12 968.45 1,936.91
51 - 60 5 55.5 277.50 -21.12 446.05 2,230.27
61 - 70 15 65.5 982.50 76.62 -11.12 123.65 1,854.82
71 - 80 25 75.5 1,887.50 -1.12 1.25 31.36
81 - 90 20 85.5 1,710.00 8.88 78.85 1,577.09
91 - 100 12 95.5 1,146.00 18.88 356.45 4,277.45
80 6,130.00 13,598.75

Rumus
i
i i
f
X f
X =
80
00 . 130 , 6
= 76,62
RUMUS I
Rumus Variansi (S
2
) =
1
2
n
X Xi f
i

=
1 80
75 . 598 , 13
= 172.14
Rumus Standard Deviasi =
2
S

= 14 . 172 = 13.12
RUMUS II
Rumus Variansi (S
2
) =
1
2
2
n n
X f X f n
i i i i

Kelas f Tanda Kelas X X
2
fiXi fiXi
2

(Xi)
31 - 40 1 35.5 1,260.25 35.50 1,260.25
41 - 50 2 45.5 2,070.25 91.00 4,140.50
51 - 60 5 55.5 3,080.25 277.50 15,401.25
61 - 70 15 65.5 76.62 4,290.25 982.50 64,353.75
71 - 80 25 75.5 5,700.25 1,887.50 142,506.25
81 - 90 20 85.5 7,310.25 1,710.00 146,205.00
91 - 100 12 95.5 9,120.25 1,146.00 109,443.00
80 6,130.00 483,310.00

Rumus Variansi (S
2
) =
79 80
) 00 . 130 , 6 ( 00 . 310 , 483 80
2
x
x

=
320 , 6
00 . 900 , 576 , 37 00 . 800 , 664 , 38

=
320 , 6
00 . 900 , 087 , 1
= 172.14
Rumus Standard Deviasi =
2
S


= 14 . 172 = 13.12