Bahasan 1.

2

Penyajian Data : Tabel dan Gambar
Statistik & Probabilitas
Tujuan Pembahasan
Setelah menyelesaikan bahasan ini, mahasiswa akan
dapat:
Membangun dan menginterpretasi distribusi frekuensi,
polygon, dan ogive
Membuat histogram
Membangun dan menginterpretasi bar charts, pie charts,
dan scatter diagrams
Membangun dan menginterpretasi data kategori dalam
bar charts and pie charts
Menggambar cara yang seharusnya untuk menampilkan
data secara grafis
Organisasi dan Presentasi
Data secara Grafis
Data dalam bentuk mentah biasanya tidak
mudah digunakan dalam pengambilan
keputusan
Jenis organisasi data yang diperlukan
Tabel
Grafik
Teknik yang ditinjau disini adalah sbb:
Ordered Array
Distribusi Frekuensi dan Histograms
Bar charts and pie charts
Tabel Contingency
Tabel dan Gambar untuk
Data Numerik
Data Numerik
Ordered Array
Histogram Polygon Ogive
Distribusi Frekuensi dan
Distribusi Kumulatif
The Ordered Array
Suatu daftar tersortir dari data:
Menunjukkan batas jangkauan (min ke max)
Menunjukkan variasi dalam jangkauan
Dapat membangun/mengenali outliers (observasi
yang tidak biasanya)
Jika serangkaian data terlalu besar maka ordered
array tidak begitu bermanfaat
Data dalam bentuk mentah (sebagaimana
terkumpul):

24, 26, 24, 21, 27, 27, 30, 41, 32, 38

Data dalam ordered array dari terkecil sampai
terbesar:

21, 24, 24, 26, 27, 27, 30, 32, 38, 41
(continued)
The Ordered Array
Apa yang dimaksud Distribusi Frekuensi?
Suatu distribusi frekuensi adalah suatu daftar
atau tabel
mengandung pengelompokan kelas (kategori
atau rentang dimana data didalamnya)
dan menghubungkan frekuensi dengan data
yang ada dalam setiap pengelompokan atau
kategori
Tabulasi Data Numerik:
Distribusi Frekuensi
Kenapa Distribusi Frekuensi diperlukan?
Suatu distribusi frekuensi merupakan
suatu cara untuk meringkas/menyimpulkan
data
Distribusi akan memadatkan data mentah
menjadi suatu bentuk yang lebih berguna
Dan memungkinkan untuk interpretasi
cepat data secara visual
Interval Kelas
dan Batas Kelas
Setiap pengelompokan kelas mempunyai lebar yang
sama
Lebar setiap interval ditentukan:
Gunakan minimal 5 tapi tidak lebih 15
kelompok
Batas kelas tidak pernah overlap
Bulatkan lebar interval untuk mendapatkan titik
/ nilai akhir

diinginkan yang kelas kelompok jumlah
rentang
interval Lebar
Contoh Distribusi Frekuensi
Contoh: Suatu pabrik insulasi secara acak
memilih 20 hari musim dingin dan
mencatat suhu tertinggi harian
24, 35, 17, 21, 24, 37, 26, 46, 58, 30,
32, 13, 12, 38, 41, 43, 44, 27, 53, 27
Data mentah disortir dan diurutkan naik:
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58
Rentang/range: 58 - 12 = 46
Pilih jumlah kelas: 5 (biasanya antara 5 dan 15)
Hitung interval kelas (lebar): 10 (46/5 lalu bulatkan)
Tentukan batas kelas (limit): 10, 20, 30, 40, 50, 60
Hitung nilai/titik tengah: 15, 25, 35, 45, 55
Lakukan perhitungan observasi dan kelaskan
Contoh Distribusi Frekuensi
(continued)
Contoh Distribusi Frekuensi




Kelas Frekuensi
10 < 20 3 .15 15
20 < 30 6 .30 30
30 < 40 5 .25 25
40 < 50 4 .20 20
50 < 60 2 .10 10
Total 20 1.00 100
Frekuensi
Relatif
Prosentase
Data in ordered array:
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58
(continued)
Menggambar Data Numerik:
Histogram
Gambar suatu data dalam distribusi frekuensi
disebut suatu histogram
Batas Kelas (atau nilai tengah) digambar
pada Sumbu Horisontal
Sumbu Vertikal; adalah baik frekuensi,
frekuensi relatif, atau prosentase
Batang dengan ketinggian tertentu digunakan
untuk menggambarkan angka observasi
dengan masing-masing kelas
Histogram: Suhu Tinggi Harian
0
3
6
5
4
2
0
0
1
2
3
4
5
6
7
5 15 25 35 45 55 More
F
r
e
k
u
e
n
s
i
Nilai Tengah Kelas
Contoh Histogram
(Tidak
ada Gap
antar
batang)
Kelas
10 < 20 15 3
20 < 30 25 6
30 < 40 35 5
40 < 50 45 4
50 < 60 55 2
Frekuensi
NilaiTengah
Kelas
Histogram di Excel
Pilih Menu
Tools/Data Analysis
1
Pilih Histogram
2
3
Input data range and bin
range (bin range rentang sel
yang terdiri dari batas kelas atas
untuk setiap kelompok kelas)

Pilih Chart Output
Dan klik OK
Histogram in Excel
(continued)
(
Pertanyaan untuk Pengelompokan
Data ke dalam Kelas
1. Berapa lebar kelas yang seharusnya?
(Berapa banyak kelas yang sebaiknya dipakai?)

2. Bagaimana seharusnya nilai akhir kelas ditentukan?
Sering dijawab dengan coba-coba, tergantung
pertimbangan pemakai
Tujuannya adalah membuat suatu distribusi yang tidak
terlalu renggang" maupun terlalu padat
Tujuannya adalah untuk memperlihatkan secara benar
pola variasi dari data
Berapa Banyak Interval Kelas?
Banyak (Interval Kelas Menyempit)
Dapat menghasilkan distribusi yang
sangat renggang dengan ada
kesenjangan dari kelas kosong
Dapat menghasilkan indikasi yang
tidak tepat bagaimana variasi
frekuensi dari keseluruhan kelas

Sedikit (Interval Kelas Melebar)
Dapat memadatkan variasi yang
terlalu banyak dan menghasilkan
distribusi yang terblok
Dapat mengaburkan pola-pola penting
dari variasi
0
2
4
6
8
10
12
0 30 60 More
Temperature
F
r
e
q
u
e
n
c
y
0
0.5
1
1.5
2
2.5
3
3.5
48
1
2
1
6
2
0
2
4
2
8
3
2
3
6
4
0
4
4
4
8
5
2
5
6
6
0
M
o
r
e
Temperature
F
r
e
q
u
e
n
c
y
(X axis labels are upper class endpoints)
Frequency Polygon: Daily High Temperature
0
1
2
3
4
5
6
7
5 15 25 35 45 55 More
F
r
e
q
u
e
n
c
y
Menggambar Data Numerik:
Polygon Frekuensi
Nilai Tengah
Kelas
10 < 20 15 3
20 < 30 25 6
30 < 40 35 5
40 < 50 45 4
50 < 60 55 2
Frekuensi
Nilai
Tengah
(Dalam suatu polygon
sumbu vertikal akan
menunjukkan
prosentase observasi
per kelas)
Tabulasi Data Numerik:
Frekuensi Kumulatif
Kelas
10 < 20 3 15 3 15
20 < 30 6 30 9 45
30 < 40 5 25 14 70
40 < 50 4 20 18 90
50 < 60 2 10 20 100
Total 20 100
Persentase
Persentase
Kumulatif
Data in ordered array:
12, 13, 17, 21, 24, 24, 26, 27, 27, 30, 32, 35, 37, 38, 41, 43, 44, 46, 53, 58
Frekuensi
Frekuensi
Kumulatif
Penggambaran Frekuensi Kumulatif:
The Ogive (Cumulative % Polygon)
Ogive: Daily High Temperature
0
20
40
60
80
100
10 20 30 40 50 60
C
u
m
u
l
a
t
i
v
e

P
e
r
c
e
n
t
a
g
e
Class Boundaries (Not Midpoints)
Kelas
< 10 10 0
10 < 20 20 15
20 < 30 30 45
30 < 40 40 70
40 < 50 50 90
50 < 60 60 100
Perentase
Kumulatif
Batas
Bawah
Kelas
Diagram Scatter (Diagram Sebaran)
digunakan untuk data numerik yang
bivariat
Data Bivariat terdiri atas sepasang observasi
yang diambil dari 2 variabel numerik

Diagram Scatter:
Satu variabel diukur pada sumbu vertikal dan
variabel lainnya diukur pada sumbu horisontal
Diagram Scatter
Contoh Diagram Scatter
Cost per Day vs. Production Volume
0
50
100
150
200
250
0 10 20 30 40 50 60 70
Volume per Day
C
o
s
t

p
e
r

D
a
y

Volume
per hari
Biaya
per hari
23 125
26 140
29 146
33 160
38 167
42 170
50 188
55 195
60 200
Diagram Scatter di Excel
Pilih kotak chart wizard
1
2
Pilih XY(Scatter), lalu klik
Next
Ketika jendela muncul,
Masukkan data range,
legend, dan halaman
tujuan diagram diplot
3
Tabel dan Grafik untuk
Data Kategori
Data Kategori
Grafik Data
Pie
Charts
Pareto
Diagram
Bar
Charts
Tabulasi Data
Tabel
Ringkasan
Tabel Ringkasan
Contoh: Current Investment Portfolio

Tipe Jumlah Persentase
investasi (dalam ribu $) (%)


Stocks 46.5 42.27

Bonds 32.0 29.09

CD 15.5 14.09

Savings 16.0 14.55

Total 110.0 100.0
(Variabel
dikategorikan)
data diringkas dengan kategori
Bar and Pie Charts
Bar charts (Diagram Batang) dan Pie
charts (Gambar Kue) sering digunakan
untuk data qualitatif (kategorik)

Tinggi batang atau potongan kue
menunjukkan frekuensi atau prosentase
dari masing-masing kategori
Contoh Bar Chart
Investor's Portfolio
0 10 20 30 40 50
Stocks
Bonds
CD
Savings
Amount in $1000's
Tipe Jumlah Persentase
Investasi (dalam ribu $) (%)


Stocks 46.5 42.27

Bonds 32.0 29.09

CD 15.5 14.09

Savings 16.0 14.55

Total 110.0 100.0
Current Investment Portfolio
Contoh Pie Chart
Current Investment Portfolio
Savings
15%
CD
14%
Bonds
29%
Stocks
42%
Tipe Jumlah Persentase
Investasi (dalam ribu $) (%)

Stocks 46.5 42.27

Bonds 32.0 29.09

CD 15.5 14.09

Savings 16.0 14.55

Total 110.0 100.0
Diagram Pareto
Digunakan untuk menggambarkan data
kategorik
Bar chart, kategori ditunjukkan dengan cara
frekuensi menurun
Polygon juga sering menunjukkan hal yg sama
Digunakan untuk memisahkan hal penting yang
sedikit (vital few) dari trivial many (banyak
yang sepele)
Contoh Pareto Diagram
c
u
m
u
l
a
t
i
v
e

%

i
n
v
e
s
t
e
d

(
l
i
n
e

g
r
a
p
h
)

%

i
n
v
e
s
t
e
d

i
n

e
a
c
h

c
a
t
e
g
o
r
y

(
b
a
r

g
r
a
p
h
)

0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
Stocks Bonds Savings CD
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
Current Investment Portfolio
Tabulasi dan Grafik
Data Kategori Multivariat
Tabel Kontijensi Untuk Pilihan Investasi ($1000s)
Kategori Investor A Investor B Investor C Total
Investasi
Stocks 46.5 55 27.5 129

Bonds 32.0 44 19.0 95

CD 15.5 20 13.5 49

Savings 16.0 28 7.0 51


Total 110.0 147 67.0 324

(Masing-masing nilai menggambarkan suatu prosentase dari keseluruhan,
prosentase total pada baris, atau pada kolom)
Side by side bar charts
(lanjutan)
Tabulasi dan Grafik
Data Kategori Multivariat
Comparing Investors
0 10 20 30 40 50 60
St oc k s
Bonds
CD
Savings
Inves t or A Inves t or B Inves t or C
Contoh Side-by-Side Chart
Penjualan Catur Wulan dari 3 daerah penjualan:
0
10
20
30
40
50
60
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr
East
West
North
1st Qtr 2nd Qtr 3rd Qtr 4th Qtr
East 20.4 27.4 59 20.4
West 30.6 38.6 34.6 31.6
North 45.9 46.9 45 43.9
Kelebihan Penggunaan
Gambar/Grafik
Menggambarkan data dengan suatu cara
sedemikian rupa dengan unsur-unsur, statistik
dan desain
Mengkomunikasikan ide/gagasan yang rumit
dengan jelas, akurat dan efisien
Menampilkan sejumlah ide/gagasan dengan
cara yang paling efisien
Keunggulan hampir selalu ditunjukkan dalam
berbagai dimensi
Memberitahukan kebenaran data
Menggunakan chart junk
(Gambar sampah)
Gagal menyediakan basis
Kaitan dalam membandingkan data
antar kelompok/group
Kompresi atau distorsi pada sumbu vertikal
Tidak ada nilai NOL pada sumbu vertikal
Kesalahan dalam Presentase Data
Chart Junk
Presentase Baik
1960: $1.00
1970: $1.60
1980: $3.10
1990: $3.80
Upah Minimum Upah Minimum
0
2
4
1960 1970 1980 1990
$
Presentase Buruk

Penekanan Sumbu Vertikal
Presentasi Baik
Quarterly Sales Quarterly Sales
Presentase Buruk
0
25
50
Q1 Q2 Q3 Q4
$
0
100
200
Q1 Q2 Q3 Q4
$

Ringkasan Pembahasan
Data mentah biasanya sulit dipakai dalam pengambilan
keputusan Jadi diperlukan organisasi data dalam:
Tabel Grafik/Gambar
Teknik-teknik yang dibahas dalam bab ini:
Tampilan Ordered array dan stem-and-leaf
Distribusi Frekuensi dan histogram
Polygon Prosentase dan ogives
Diagram Scatter untuk data bivariat
Bar charts, pie charts, dan Diagram Pareto
Tabel Contingency dan side-by-side bar charts