BAB I

PENDAHULUAN

A. SEJARAH STATISTIK
Dalam perkembangannya, kata statistik mulai dikenalkan oleh Profesor
Gottfried Achenwall di Gottingen pada pertengahan abad 18. Kemudian Dr.
Zimmerman membawa kata tersebut ke daratan Inggris dan mengubahnya
menjadi statistik. Penggunaan kata tersebut mulai popular dengan terbitnya buku
Statitical Account of Scotland 1791 1799 oleh Sir John Siclair. Pada kurun
waktu yang kurang lebih sama, William Playfair (1759-1823) memberikan
sumbangan pada ilmu statistik tentang penyajian data dengan grafik garis,
gambar batang (bar) dan gambar lingkaran (Pie).
Ilmu statistik kemudian terus berkembang, dan salah satu penggunaan
metode statistik dalam kegiatan ilmiah adalah ketika Galton menggunakan
korelasi (dibahas dalam buku lain) dalam penelitian ilmu Biologi pada tahun
1880. Kemudian tahun 1922 Ronald Fisher (1890-1962) mulai memperkenalkan
berbagai konsep baru dalam ilmu statistik, sehingga ia dianggap sebagai salah
satu pendiri statistik modern. Kontribusi Fisher antara lain ada pada penemuan
metode untuk menangani sampel dalam jumlah kecil, Analisis Varians
(ANOVA), konsep maximum likehood, uji hipotesa dan sebagainya. Pada masa
yang sama. Karl Pearson, teman sekerja Fisher, memperkenalkan konsep korelasi
atau hubungan antar variabel dalam berbagai penelitiannya di bidang biologi.

B. PENGERTIAN STATISTIK
Salah satu defenisi mengatakan bahwa statistik adalah ilmu untuk
pengambilan

keputusan.

Pengambilan

keputusan

ini

dimulai

dengan

pengumpulan data, menyusun data, dan meringkas data tersebut. Kemudian

dilanjutkan dengan penyajian data dan analisis data.
Pengertian statistik secara umum adalah metode ilmiah yang terdiri dari
proses pengumpulan data, mengorganisasi data tersebut sehingga lebih berarti,
menyajikan data, melakukan analisis dengan metode tertentu, serta menarik
kesimpulan dari analisis yang dilakukan.
C. PERANAN STATISTIK
1.

Dalam kehidupan sehari-hari

Dalam kehidupan sehari-hari, statistik memiliki peranan sebagai
penyedia bahan-bahan atau keterangan berbagai hal untuk diolah dan
ditafsirkan. Contohnya tingkat biaya hidup, tingkat kecelakaan lalu lintas,
dan tingkat pendapatan, analisa sampel pemercontohan dan lain-lain.

2.

Dalam penelitian ilmiah

Dalam penelitian ilmiah, statistik memiliki peranan sebagai penyedia
alat untuk mengemukakan atau atau menemukan kembali keteranganketerangan yang seolah-olah tersembunyi dalam angka-angka statistik.

3.

Dalam ilmu pengetahuan

Dalam ilmu pengetahuan, statistik memiliki peranan penting sebagai
peralatan analisis dan interprestasi dari data kuantitatif ilmu pengetahuan,
sehingga didapatkan suatu kesimpulan dari data-data tersebut.

D. BEBERAPA KONSEP DASAR

1. Populasi
Populasi adalah Keseluruhan Nilai Yang Mungkin, Hasil Pengukuran
Ataupun Perhitungan, Kualitatif ataupun kuantitatif mengenai karakteristik
tertentu dari semua anggota kumpulan yang lengkap dan jelas yang ingin
dipelajari sifat-sifatnya. Populasi dapat diartikan sebagai kumpulan dari
semua elemen yang sedang dipelajari, dan yang daripadanya akan diambil
kesimpulan tertentu.
Contoh :
Keseluruhan mahasiswa sebuah perguruan tinggi, jika mahasiswa
perguruan tinggi tersebut dijadikan sebagai objek penelitian, seluruh
penduduk kota padang, seluruh anak yang bersekolah di Sekolah Dasar
Tunas Bangsa.
2. Sampel
Sampel adalah bagian dari sebuah populasi yang dianggap dapat
mewakili populasi tersebut, bisa sebagian dari populasi namun tidak semua
elemen populasi.
Contoh:
Mahasiswa Fakultas Teknik dianggap dapat mewakili keseluruhan
siswa yang ada di perguruan tinggi tersebut, seluruh penduduk yang berada
di Kecamatan Padang Timur, Anak SD Tunas Bangsa khususnya kelas
empat dan lima

Jika digambarkan

Populasi
Sampel 1

Sampel 2

Gambar 1.1 Hubungan Antara Popuasi dan Sampel

Sampel diadakan karena adanya pertimbangan penghematan waktu,
biaya dan tenaga daripada jika semua elemen populasi harus diteliti.
E. PEMBAGIAN STATISTIK
Berdasarkan cara pengolahan datanya, statistik dapat dibagi atas dua
yaitu statistik deskriptif dan statistik inferensif
1.

Statistik deskriptif
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik
yang mempelajari cara pengumpulan dan penyajian data sehingga mudah
dipahami.
Statistik deskriptif hanya berhubungan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau
fenomena.

Dengan

kata

lain,

statistik

deskriptif hanya

berfungsi

menerangkan keadaan, gejala, atau persoalan. Berikut ini contoh-contoh

pernyataan yang termasuk dalam cakupan statistik deskriptif.

Penarikan kesimpulan pada statistik deskriptif (jika ada) hanya

ditujukan pada kumpulan data yang ada. Didasarkan atas ruang lingkup
bahasannya, statistik deskriptif mencakup hal berikut.
a. Distribusi frekuensi beserta bagian-bagiannya, seperti:
1) Distribusi (histogram, poligon frekuensi, dan ogif)
2) Ukuran nilai pusat (rata-rata, median, modus, kuartil, dan
sebagainya)
3) Ukuran

dispersi

(jangkauan,

simpangan

rata-rata,

variasi,

simpangan baku, dan sebagainya)

4) Kemencengan dan keruncingan kurva
b. Angka Indeks
c. Times series/deret waktu atau data berkala
d. Korelasi dan regresi sederhana
2. Statistik inferensi
Statistik inferensi atau statistik induktif adalah bagian dari statistik
yang mempelajari mengenai penafsiran dan penarikan kesimpulan yang
berlaku secara umum dari data yang telah tersedia.
Statistik inferensi berhubungan dengan pendugaan populasi dan
pengujian hipotesis dari suatu data atau keadaan atau fenomena. Dengan kata
lain, statistik inferensi berfungsi meramalkan dan mengontrol keadaan atau
kejadian.
Penarikan

kesimpulan pada statistik inferensi ini merupakan

generalisasi dari suatu populasi berdasarkan data (sampel) yang ada.

Didasarkan atas ruang lingkup bahasannya, maka statistik inferensi

mencakup:
1)

probabilitas atau teori kemungkinan,

2)

distribusi teoretis,

3)

sampling dan distribusi sampling,

4)

pendugaan populasi atau teori populasi,

5)

uji hipotesis.

6)

analisis korelasi dan uji signifikansi, dan

7)

analisis regresi untuk peramalan.

Dengan kata lain statistik inferensif merupakan kelanjutan dari

statistik deskriptif

Sampel

Statistik
Deskriptif
Statistik
Deskriptif

Statistik
Indukti

Populasi

Gambar 1.2 Hubungan Statistik Deskriptif dengan Deskriptif Induktif

F. BEBERAPA KONSEP DASAR

1. Variabel Diskrit
Variabel diskrit adalah variabel yang selalu memiliki nilai bulat dalam
bilangan asli, tidak berbentuk pecahan atau variabel yang tidak mengabil
seluruh nilai dalam sebuah interval (selang)

Contoh :
Jumlah hewan ternak yang dipelihara berjumlah 0,1, 2, 3. Tidak mungkin
berjumlah 0,5; 1,43; 2,4525.
2. Variabel Kontinu
Variabel kontinu adalah variabel yang memiliki nilai sembarang, baik
berupa nilai bulat maupun pecahan, diantara dua nilai tertentu atau variabel
yang mengambil seluruh nilai dalam suatu interval.
Contoh :
a.

Berat badan seseorang 72 kg, 65,5 kg

b.

S = { X : 3 X 8}

3. Pembulatan Data
Pembulatan biasanya dilakukan pada bilangan terdekat. Pembulatan
kebawah dapat dilakukan pada bilangan sampai dengan 5, selebihnya
dibulatkan ke atas
Contoh:
a.

56,78 dibulatkan menjadi 56,8

b.

456,300 dibulatkan ke 456

4. Notasi Sigma
Notasi menggunakan lambing
n

Xi X 1 X 2 X 3 ......... Xn
i 1

Contoh:
Dua variabel X dan Y masing-masing memiliki nilai :
X1 = 5, X2 = - 4. X3 = 8, X4 = -1
Y1 = -3, Y2 = 8, Y3 = -4, Y4 = 7
Hitunglang : a. X; b. XY ;

c. Y2 ; d. X2 Y

Penyelesaian :
a.

X = 5 +(-4) + 8 + (-1) = 8

b.

XY = (5) (-3) + (-4) (8) + (8) (-4) + (-1) (7) = -86

c.

Y2 = (-3)2 + 82 + (-4)2 + 72 = 138

d.

X2 Y = 5 2 (-3) + (-4)2 (8) + 82 (-4) + (-1)2 (7) = -196

SOAL-SOAL LATIHAN
1.

Buatlah definisi statistik yang jelas sesuai dengan konsepsi anda

2.

Antara statistik deskriptif dan statistik inferensif terdapat hubungan dan

perbedaan. Tuliskan hubungan tersebut dan jelaskan perbedaannya.

3.

Sebutkan peranan statistik dan contohnya

4.

Manakah diantara yang berikut ini merupakan data kontinu

a. Panjang jalan
b. Kecepatan kendaraan tiap jam
c. Hasil minyak mentah Indonesia tiap tahun
d. Banyak kecelakaan lalu lintas tiap hari

5.

Bulatkan hingga ketelitian yang diminta:

a. 0,0045

hingga per ribuan

b. 57,7

hingga satuan terdekat

c. 0,0175

hingga per ribuan

d. 128, 8885

hingga dua decimal

e. 576

hingga ratusan terdekat

BAB II
DATA STATISTIK

A. PENGERTIAN DATA
Data adalah sekumpulan bilangan atau keterangan yang dapat
menerangkan sesuatu. Sesuatu yang diketahui bisaanya didapat dari hasil
pengamatan atau percobaan dan hal itu berkaitan dengan waktu dan tempat.
Anggapan atau asumsi merupakan suatu perkiraan atau dugaan yang sifatnya
masih sementara, sehingga belum tentu benar. Oleh karena itu, anggapan atau
asumsi perlu diuji kebenarannya.
Contoh :
1.

Pada masa kini kebanyakan dari penduduk Indonesia masih agraris

2.

Pada tahun 1968 penduduk dunia lebih dari 3.000 juta manusia.

3.

Pada tahun 1968 penduduk Indonesia termasuk lima negara terpadat di

dunia.

4.

Australia adalah penghasil sapi pedaging terbesar di dunia

Kalimat 1 dan 4 ialah kalimat yang tidak mengandung bilangan dan

kalimat 2 dan 3 ialah kalimat yang mengandung bilangan

Disamping itu ada kalimat maupun bilangan yang bukan data, misalnya:
a. 4 + 6 = 10
b. Burung terbangnya tinggi

10

B. PENGUMPULAN DATA
Data statistik dapat dikumpulkan dengan menggunakan prosedur yang
sistematis. Pengumpulan data dimaksudkan sebagai pencatat peristiwa atau
karakteristik dari sebagian atau seluruh elemen populasi.
Pengumpulan

data

dapat

dibedakan

atas

beberapa

jenis

berdasarkan

karakteristiknya, yaitu :
1. Berdasarkan jenis cara pengumpulannya
a.

Pengamatan (observasi)
Pengamatan atau observasi adalah cara pengumpulan data dengan terjun
dan melihat langsung ke lapangan (laboratorium), terhadap objek yang
diteliti (populasi). Pengamatan disebut juga penelitian lapangan.

b. Penelusuran literature
Penelusuran

literature

adalah

cara

pengumpulan

data

dengan

menggunakan sebagian atau seluruh data yang telah ada atau laporan data
dari peneliti sebelumnya.
c.

Penggunaan kuesioner (angket)

Penggunaan

kuesioner

adalah

cara

pengumpulan

data

dengan

menggunakan daftar pertanyaan (angket) atau daftar isisan terhadap objek

yang diteliti (populasi)
d. Wawancara (interview)
Wawancara adalah cara pengumpulan data dengan langsung mengadakan
Tanya jawab kepada objek yang diteliti atau kepada perantara yang
mengetahui persoalan dari objek yang sedang diteliti.
2. Berdasarkan Banyak Data yang Diambil
a. Sensus
Sensus adalah cara pengumpulan data dengan mengambil elemen
atau anggota populasi secara keseluruhan untuk diselidiki. Data yang

11

diperoleh dari hasil sensus disebut parameter atau data yang sebenarnya
(true value).
Contoh :
1) Sensus penduduk Indonesia tahun 2010, memberikan data sebenarnya
mengenai penduduk Indonesia.
2) Sensus pegawai negeri tahun 1993
3) Sensus penduduk keluarga miskin
b. Sampling
Sampling adalah cara pengumpulan data dengan mengambil
sebagian dari elemen atau anggota populasi untuk diselidiki. Data yang
diperoleh dari sampling disebut statistik (tanpa s) atau data perkiraan
(estimate value).
Contoh :
Misalkan dalam sebuah kabupaten ada 750 rumah tangga yang
melakukan kegiatan MCK di Kali., namun hanya 100 rumah tangga yang
diselidiki dan dianggap sebagai sampel yang mampu mewakili lainnya.
C. PENGOLAHAN DATA
Pengolahan data dimaksudkan sebagai suatu proses untuk memperoleh data
ringkasan dari data mentah dengan menggunakan cara atau rumus tertentu. Data
ringkasan yang diperoleh dari pengolahan data itu dapat berupa jumlah (total),
rata-rata (average), persentase (percentage), dan sebagainya.
Contoh :
Data mentah, misalnya biaya kebutuhan selama satu bulan keluarga A:
Penghasilan

= 8 juta

Uang sekolah anak

= 1 juta

12

Uang belanja satu bulan = 3 juta

Biaya berobat

= 1 juta

Biaya rekreasi

= 1 juta

Biaya listrik, telpon

= 1 juta

Pengolahan data :
Jumlah pengeluaran

= 1 juta + 3 juta + 1 juta + 1 juta + 1juta

= 7 juta

3
Persentase pengeluaran uang belanja dalam satu bulan = x 100% 37,5%
8

D. PENYAJIAN DATA
Data yang sudah diolah, agar mudah dibaca dan dimengerti oleh orang lain
atau pengambil keputusan, perlu disajikan ke dalam bentuk-bentuk tertentu.
1. Tabel Data
Tabel data, disingkat tabel adalah penyajian data dalam bentuk kumpulan
angka yang disusun menurut kategori-kategori tertentu, dalam suatu daftar.
Dalam label, data disusun dengan cara alfabetis, geografis, menurut besarnya
angka, historis, atau menurut kelas-kelas yang lazim.
Sebuah tabel memuat bagian-bagian sebagai berikut.
Contoh:
Tabel 2. 1. Produksi Kaolin Indonesia
Tahun
Jumlah (ton)
1977
36.460
1978
37.800
1979
60.760
1980
85.463
1981
82.249
Sumber : Survei, PPTM 1993

Kepala
Leher

Badan

Kaki

13

2. Grafik Data
Grafik data, disebut juga diagram data, adalah penyajian data dalam bentuk
gambar-gambar. Grafik data dapat dibedakan atas beberapa jenis, yaitu:
a. Piktogram
Piktogram adalah grafik data yang menggunakan gambar atau lambang dari
data itu sendiri dengan skala tertentu.
Contoh :
Penduduk dunia pada akhir abad ke-20 diperkirakan :
1) Afrika

: 350 juta jiwa

2) Amerika

: 500 juta jiwa

3) Asia

: 2.000 juta jiwa

4) Eropa

: 600 juta jiwa

5) Jerman

: 50 juta jiwa

6) Uni Soviet

: 250 juta jiwa

Dalam bentuk pictogram, data tersebut digambarkan sebagai berikut :

Gambar 2.1. Piktogram Penduduk Dunia Akhir Abad ke-20

14

b. Grafik batang atau balok (Bar Chart)

Grafik batang atau balok adalah grafik data berbentuk persegi panjang
yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai
dengan data yang bersangkutan. Setiap batang (persegi panjang) tidak
boleh saling menempel atau melekat antara satu dengan yang lainnya dan
jarak antara setiap batang yang berdekatan harus sama. Sebenarnya grafik
batang hampir mirip dengan grafik histogram, hanya grafik batang tidak
perlu berdasarkan pada kelas-kelas pada sesuatu distribusi frekuensi.
Contoh :
Tabel 2.2 Data Konsumsi Batu Apung di Indonesia dari Tahun 1985
Sampai 1991
1985 1986 1987
1988
1989
1990
Tahun
Konsumsi Batu Apung

697

1.739 12.178 17.891 26.670 55.668 49.917

Dalam bentuk diagram batang data di atas digambarkan sebagai berikut :

60000
50000
40000
30000
20000
10000
0
1985

1986

1991

1987

1988

1989

1990

1991

Gambar 2.2. Grafik Batang Banyaknya Konsumsi Batu Apung

15

c. Grafik garis (line)

Grafik garis ini pada prinsipnya bertujuan untuk menyajikan data dengan
menghubungkan sekumpulan data dalam bentuk garis. Pada grafik garis
digunakan dua garis yang saling berpotongan dan saling tegak lurus
(sistem salib sumbu). Pada garis horizontal (sumbu-X) ditempatkan
bilangan-bilangan yang sifatnya tetap, seperti tahun dan ukuran-ukuran.
Pada garis tegak (sumbu-Y )

ditempatkan bilangan-bilangan yang

sifatnya berubah-ubah, seperti harga, biaya, dan jumlah.

Contoh:
Tabel 2.3.Target Persentase Sumber Energi yang
Dapat Diperbaharui di Negara Eropa
Negara

1997

2010

Australia

70

78,1

Portugal

38,5

39

Denmark

8,7

29

Italia

16

25

Jerman

4,5

12,5

Belanda

3,5

Belgia

1,1

16

Dalam bentuk diagram garis, data tersebut digambarkan sebagai berikut

90
Target % sumber energi
yang dapat diperbaharui

80
70
60
50
40
30
20
10
0
Australia Portugal Denmark

Italia

Jerman Belanda

Belgia

Negara

Gambar 2.3.Target Persentase Sumber Energi yang

Dapat Diperbaharui
d. Grafik lingkaran (Pie Chart)
Grafik lingkaran adalah grafik data berupa lingkaran yang telah dibagi
menjadi juring-juring sesuai dengan data tersebut. Bagian-bagian dari
keseluruhan data tersebut dinyatakan dalam persen. Untuk membuat
grafik lingkaran, biasanya dipakai dua cara, yaitu:
1) membagi keliling lingkaran menurut data-data yang ada,
2) membagi lingkaran menurut data yang ada dengan menggunakan busur
derajat.
Contoh:
Impor Flespar Indonesia ke beberapa Negara pada tahun 1994:
a) Turkey

= 21 %

b) Australia = 6 %

17

c) Hongkong = 3 %
d) India

= 13 %

e) Malaysia = 19 %
f) RRC

= 30 %

g) Thailand = 4 %
h) Lainnya

=4%

Dalam bentuk grafik lingkaran, data di atas digambarkan sebagai

berikut
Thailand Lainnya
4%
4%
Turkey
21%
RRC
30%

Australia
6%

Malaysia
19%

India
13%

Hongkong
3%

Gambar 2.4. Grafik Impor Flespar Menurut Negara Asal, Tahun 1994
e. Kartogram
Kartogram atau peta statistik adalah grafik data berupa peta yang
menunjukkan kepadatan penduduk, curah hujan, hasil pertanian, hasil
pertambangan, dan sebagainya.

18

Contoh :
Tabel 2.4 Pemasaran Pesawat Televisi
Perusahaan X, Semester I 1990
Daerah Pemasaran
Semarang

Jumlah
500.000

Yogyakarta

400.000

Purwokwerto

300.000

Tegal

300.000

Pati

200.000

Surakarta

350.000

Dalam bentuk kartogram (peta statistik), data tersebut digambarkan

sebagai berikut.

Gambar 2.5. Kartogram Pemasaran Pesawat Televisi

Perusahaan X, Semester I, 1990

19

E. PEMBAGIAN DATA
Data dapat dibagi dalam kelompok tertentu berdasarkan kriteria yang
menyertainya, misalnya menurut susunan, sifat, waktu pengumpulan, dan sumber
pengambilan.
1. Pembagian Data Menurut Susunannya
Menurut susunannya, data dibagi atas data acak atau tunggal dan data
berkelompok.
a. Data acak atau data tunggal
Data acak atau tunggal adalah data yang belum tersusun atau
dikelompokkan ke dalam kelas-kelas interval.
Contoh:
Data tinggi debit air di sebuah bendungan selama 30 hari terakhir dalam
satuan centimeter sebagai berikut :
Tabel 2.5. Data Tinggi Debit Air (cm)
125,3

145,2

158,3

125,3

127,6

145,3

153,2

145,2

127,2

145,2

146,2

126,3

178,6

159,6

149,6

155,6

165,3

147,5

205,3

214,6

158,9

201,5

221,3

204,5

168,5

145,6

199,5

205,6

201,4

198,6

b. Data berkelompok
Data berkelompok disusun dalam bentuk distribusi frekuensi atau
tabel frekuensi. Data nilai dan jumlah mahasiswa untuk mata kuliah
statistik ialah sebagai berikut

20

Tabel 2.6 Data Nilai Statistik

Nilai

Turus

Frekuensi

12

III

34

IIII

56

IIII IIII

10

78

IIII IIII IIII

15

9 10

IIII II

2. Pembagian Data Menurut Sifat

Menurut sifatnya, data dibagi atas data kualitatif dan data kuantitatif.
a. Data kualitatif
Data kualitatif adalah data yang tidak berbentuk bilangan.
Contoh :
Warna, jenis kelamin, status perkawinan. (merah, pria, kawin)
b. Data Kuantitatif
Data kuantitatif adalah data yang berbentuk bilangan.
Contoh:
Tinggi, umur, jenis, jumlah. (170 cm, 41 tahun, 70 buah)
3. Pembagian Data Menurut Sumber Pengambilannya
Menurut sumber pengambilannya, data dibedakan atas dua, yaitu data primer
dan data sekunder.
a. Data primer
Data primer adalah data yang diperoleh atau dikumpulkan oleh orang
yang melakukan penelitian atau yang bersangkutan secara langsung. Data
primer disebut juga data asli atau data baru.

21

b. Data sekunder
Data sekunder adalah data yang diperoleh atau dikumpulkan dari sumbersumber yang telah ada. Data itu bisaanya diperoleh dari perpustakaan
arsip, atau dari laporan-laporan peneliti yang terdahulu. Data sekunder
disebut juga data tersedia

22

SOAL-SOAL LATIHAN
1.

Jelaskan apa yang dimaksud dengan istilah

a. Data
b. Pengumpulan data
c. Pengolahan data
d. Penyajian data
e. Analisa data

2.

Berikut ini adalah luas lautan di dunia dalam mil2

Lautan

Pasifik

Atlantik

Hindia

Antartika

Arktika

Luas

63,8

31,5

28,4

7,6

1,8

Gambarkan data tersebut ke dalam grafik batang dan garis

3.

Berikan contoh grafik batang, grafik garis, dan grafik lingkaran, dari data tabel
buatan anda sendiri.

4.

Buatkan diagram lingkaran untuk data konsumsi

talk berdasarkan sektor

industri:
Industri
kertas
12%

5.

Industri cat

5%

Industri
barang
karet dan
ban
3%

Industri
keramik
dan porsen

Industri
kosmetik

24%

55%

Industri
lainnya
1%

Tabel di bawah ini adalah spesifikasi Zeolit sebagai imbuh makanan ternak:
SiO2

TiO2

Al2O3

Fe2O3

Na2O

CaO

MgO

64,5%

0,32%

11,95%

0,45%

4,22%

1,21%

0,13%

Buatlah data diatas dalam bentuk grafik batang.

23

BAB III
DISTRIBUSI FREKUENSI

A. PENGERTIAN DISTRIBUSI FREKUENSI

Data yang telah diperoleh dari suatu penelitian yang masih berupa data
acak atau data mentah dapat dibuat menjadi data yang berkelompok, yaitu data
yang telah disusun ke dalam kelas-kelas tertentu. Daftar yang memuat data
kelompok disebut distribusi frekuensi atau tabel frekuensi. Jadi, distribusi
frekuensi adalah susunan data menurut kelas-kelas interval tertentu atau menurut
kategori tertentu dalam sebuah daftar. Dari distribusi frekuensi, dapat diperoleh
keterangan atau gambaran sederhana dan sistematis dari data yang diperoleh.
Dalam pembuatan distribusi frekuensi ada aturan-aturan tertentu, namun
sebuah distribusi frekuensi pada dasarnya tidak ada aturan yang mengikat,
sehingga sebuah data mentah bisa saja ditampilkan dalam bentuk lebih dari satu
distribusi frekuensi. Tetapi pembuatan distribusi yang tepat adalah mengikuti
aturan-aturan yang ada, tapi juga tidak meninggalkan unsur subyetifitas atau
kegunaan khusus yang mungkin ada.
B. BAGIAN-BAGIAN DISTRIBUSI FREKUENSI
Sebuah distribusi frekuensi akan memiliki bagian-bagian sebagai berikut.
1. Kelas-kelas (class)
Kelas adalah kelompok nilai data atau variabel.
2. Batas kelas (class limits)
Batas kelas adalah nilai-nilai yang membatasi kelas yang satu dengan kelas
yang lain. Terdapat dua batas kelas, yaitu:
24

a. batas kelas bawah (lower class limits), terdapat di deretan sebelah kiri
setiap kelas;
b. batas kelas atas (upper class limits), terdapat di deretan sebelah kanan
setiap kelas.
Batas kelas merupakan batas semu dari setiap kelas, karena di antara kelas
yang satu dengan kelas yang lain masih terdapat lubang tempat angkaangka tertentu.
3. Tepi kelas (class boundary/real limits/true class limits)
Tepi kelas disebut juga batas nyata kelas, yaitu batas kelas yang tidak
memiliki lubang untuk angka tertentu antara kelas yang satu dengan kelas
yang lain. Terdapat dua tepi kelas, yaitu:
a. tepi bawah kelas atau batas kelas bawah
b. tepi atas kelas atau batas kelas atas.
Penentuan tepi bawah kelas dan tepi atas kelas bergantung pada keakuratan
pencatatan data.
a. Apabila data dicatat dalam bilangan bulat, maka
1) tepi bawah kelas = batas bawah kelas - 0,5
2) tepi atas kelas = batas atas kelas + 0,5
b. Bila data dicatat satu angka dibelakang koma, maka
1) tepi bawah kelas = batas bawah kelas 0,05
2) tepi atas kelas = batas atas kelas + 0,05
c. Bila data dicatat dua angka belakang koma , maka
1) tepi bawah kelas = batas bawah kelas - 0,005
2) tepi atas kelas = batas atas kelas + 0,005
4. Titik tengah kelas atau tanda kelas (class mid point, class marks)
Titik tengah kelas adalah angka atau nilai data yang tepat terletak di tengah
suatu kelas. Titik tengah kelas merupakan nilai yang mewakili kelasnya.

25

Titik tengah kelas =

batas atas+batas bawah

2

5. Interval kelas (class interval)

Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas
yang lain.
6. Panjang interval kelas atau luas kelas (interval size)
Panjang interval kelas adalah jarak antara tepi atas kelas dan tepi bawah kelas.
7. Frekuensi kelas (class frequency)
Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu.
Contoh:
Tabel 3.1. Tabel Distribusi Frekuensi
Nilai

Frekuensi (f)

31 40

41 50

51 60

19

61 70

15

71 80

25

81 90

20

91 100

13

Jumlah

100

Dari distribusi frekuensi di atas:

a) Banyaknya kelas adalah 7
b) Batas kelas-kelas adalah 31, 40, 41, 50, ....
c) Batas bawah kelas-kelas adalah 31, 41, 51, 61, 71, 81, 91
d) Batas atas kelas-kelas adalah 40, 50, 60, 70, 80, 90, 100

26

e) Tepi bawah kelas-kelas adalah 30,5; 40,5; 50,5; 60,5; 70,5; 80,5; 90,5.
f)

Tepi atas kelas-kelas adalah 40,5; 50,5; 60,5; 70,5; 80,5; 90,5; 100,5.

g) Titik tengah kelas-kelas adalah 35,5; 45,5; 55,5; 65,5; 75,5.

h) Interval kelas-kelas adalah 31 40, 41 50, 51 60,91 - 100
i)

Panjang interval kelas-kelas masing-masing 10.

j)

Frekuensi kelas-kelas adalah 3, 5, 19, 15, 25, 20, dan 13

C. PENYUSUNAN DISTRIBUSI FREKUENSI

Distribusi frekuensi dapat dibuat dengan mengikuti pedoman berikut.
1. Mengurutkan data dari yang terkecil ke yang terbesar.
2. Menentukan jangkauan (range) dari data.
3. Jangkauan = data terbesar - data terkecil.
4. Menentukan banyaknya kelas ( k ) .
5. Banyaknya kelas ditentukan dengan rumus sturgess
= 1 + 3,3

Keterangan:
k = banyaknya kelas
n = banyaknya data
Hasilnya dibulatkan, bisanya ke atas.
6. Menentukan panjang interval kelas.
Panjang interval kelas ( i )

jangkauan ( R )
banyak kelas ( k )

27

7. Menentukan batas bawah kelas pertama.

Batas bawah kelas pertama bisaanya dipilih dari data terkecil atau data
terkecil yang berasal dari pelebaran jangkauan (data yang lebih kecil dari
data terkecil) dan selisihnya harus kurang dari panjang interval kelasnya.
8. Menuliskan frekuensi kelas secara melidi dalam kolom turus atau tally
(sistem turus) sesuai banyaknya data.
Beberapa hal yang harus diperhatikan dalam penyusunan distribusi frekuensi
adalah
1. Pada pembuatan distribusi frekuensi, perlu dijaga jangan sampai ada data
yang tidak dimasukkan ke dalam kelas atau ada data yang masuk ke
dalam dua kelas yang berbeda.
2. Titik tengah kelas diusahakan bilangan bulat/tidak pecahan.
3. Nilai frekuensi diusahakan tidak ada yang nol.
4. Dalam menentukan banyaknya kelas (k), diusahakan:

tidak terlalu sedikit, sehingga pola kelompok kabur;

banyaknya kelas berkisar 5 sampai 15 buah;

jika jangkauan terlalu besar maka banyaknya kelas antara 10 sampai

20.

5. Cara lain dalam menetapkan banyaknya kelas ialah:

memilih atau menetapkannya sesuai dengan kebutuhan yang

diinginkan;

menggunakan rumus
=

+ 1

Keterangan :
R

= jangkauan

= panjang interval kelas

28

Cara tersebut dipakai dengan mencoba menetapkan terlebih dahulu panjang

interval kelasnya (i).
Contoh soal:
1. Dari hasil pengukuran diameter pipa-pipa yang dibuat oleh sebuah mesin
(dalam mm terdekat), diperoleh data sebagai berikut.
78 72 74

79

74 71 75

74 72 68

72 73 72

74

75 74 73

74 65 72

66 75 80

69

82 73 74

72 79 71

70 75 71

70

70 70 75

76 77 67

Buatlah distribusi frekuensi dari data tersebut :

Penyelesaian :
a. Urutkan data :
65

66 67
b.
71 71 72

68 69

70 70

70 70

71

72 72

72 72

72 73

73

73

74 747 74 74

74 74

74 75

75

75

75 75

78 79

79 80

82

76 77

b. Jangkauan ( R ) = 82 65 = 15
c. Banyak kelas (k) adalah
k = 1 + 3,3 log 40
= 1 + 5,3 = 6,3 6
d. Panjang interval kelas

= 2,5 3

e. Batas kelas pertama 65 (data terkecil)

29

Tabel 3.2 Pengukuran Diameter Pipa (satuan mm)

Diameter

Turus

Frekuensi

65 - 67

III

68 - 70

IIII I

71 - 73

IIII IIII II

12

74 - 76

IIII IIII III

13

77 - 79

IIII

80 - 82

II

Jumlah

40

2. Berikut ini adalah data debit maksimum tahunan Sungai Cypress

Tabel 3.3 Debit Maksimum Tahunan Sungai Cypress
Tahun
Debit Tahun Debit Tahun Debit
(m3/s)
(m3/s)
(m3/s)
1945
1946
1947

278,64
146,40
45,87

1956
1957
1958

9,63
154,04
84,95

1967
1968
1969

31,43
148,10
121,76

1948
1949

6,65
441,74

1959
1960

104,49
341,66

1970
1971

79,85
53,80

1950
1951
1952
1953
1954

134,22
12,09
93,73
124,59
219,74

1961
1962
1963
1964
1965

177,26
38,51
28,32
78,44
39,64

1972
1973
1974
1975

112,70
185,76
133,37
97,98

1955

71,36

1966

90,90

Buatlah distribusi frekuensinya dari data tersebut:

30

Penyelesaian :
a.

Urutkan data :
Urutan

b.

Urutan

Debit
(m3/s)
6,65

Urutan

12

Debit
(m3/s)
79,85

23

Debit
(m3/s)
146,4

9,63

13

84,95

24

148,1

12,09

14

90,9

25

154,04

28,32

15

93,73

26

177,26

31,43

16

97,98

27

185,76

38,51

17

104,49

28

219,74

39,64

18

112,7

29

278,64

45,87

19

121,76

30

341,66

53,8

20

124,59

31

441,74

10

71,36

21

133,37

11

78,44

22

134,22

Jangkauan ( R ) = 441,74 6,65 = 435, 09

Banyak kelas (k) adalah
k

= 1 + 3,3 log 31
= 1 + 4,921 = 5,921 6
=

= 72,515 73

c.

Panjang interval kelas

d.

Batas kelas pertama adalah 6 (data yang kecil dari data terkecil hasil
pelebaran jangkauan). Seharusnya data terkecil adalah 6,65. Apabila
diambil 6,65 sebagai batas bawah kelas pertama, maka pada akhirnya
ada data yang tidak masuk dalam kelas. Oleh karena itu, data terkecil
diperlebar menjadi 6.

31

e.

Tabel 3.4 Data Debit Maksimum Tahunan Sungai Cypress

Debit (m3/s)
6 78

Turus

Frekuensi

IIII IIII

10

79 151

IIII IIII IIII

14

152 224

IIII

225 297

298 370

271 443

D. HISTOGRAM, POLIGON FREKUENSI, DAN KURVA

1. Histogram dan poligon frekuensi
Histogram dan poligon frekuensi adalah dua grafik yang sering
digunakan

untuk

menggambarkan

distribusi

frekuensi.

Histogram

merupakan grafik batang dari distribusi frekuensi dan poligon frekuensi

merupakan grafik garisnya.
Pada histogram, batang-batangnya saling melekat atau berimpitan,
sedang poligon frekuensi dibuat dengan cara menarik garis dari satu titik
tengah batang histogram ke titik tengah batang histogram yang lain. Agar
diperoleh poligon tertutup, harus dibuat dua kelas baru dengan panjang
kelas sama dengan frekuensi nol pada kedua ujungnya. Pembuatan dua
kelas baru itu diperbolehkan karena luas histogram dan poligon yang
tertutup sama.
Pada pembuatan histogram digunakan sistem salib sumbu. Sumbu
mendatar (sumbu X) menyatakan interval kelas (tepi bawah dan tepi atas
masing-masing kelas) dan sumbu tegak (sumbu Y) menyatakan frekuensi.

32

Contoh soal:
Tabel 3.5. Distribusi Frekuensi Debit Air Sungai
Debit
(m3/s)
6 78

Turus

Frekuensi
10

Tepi interval
kelas
5,5 78,5

Titik
Tengah
42

IIII IIII

79 151

IIII IIII IIII

14

78,5 151,5

115

152 224

IIII

151,5 224,5

188

225 297

224,5 297,5

261

298 370

297,5 370,5

334

271 443

370,5 443,5

357

Histogram
16
14
12
10

Frekuensi

a.

8
6
4
2
0
298
370

443,5

225
297

370,5

152
224

297,5

79 151

224,5

151,5

6 78

78,5

5,5

0-6

271
443

Debit m3/s
Gambar 3.1. Histogram Tinggi Debit Air

33

b.

Poligon Frekuensi
16

14

14

Frekuensi

12

10

10
8
6

4
2

0
0-6

6 78

79
151

152 225 298 271

224
297
370
443

Debit m3/s
Gambar 3.2. Poligon Tinggi Debit Air

E. JENIS-JENIS DISTRIBUSI FREKUENSI

Berdasarkan

kriteria-kriteria

tertentu,

distribusi

frekuensi dapat

dibedakan atas tiga jenis, yaitu distribusi frekuensi bisaa, distribusi frekuensi
relatif, dan distribusi frekuensi kumulatif.
1.

Distribusi Frekuensi Bisaa

Distribusi frekuensi bisaa adalah distribusi frekuensi yang hanya
berisikan jumlah frekuensi dari setiap kelompok data atau kelas.
Ada dua jenis distribusi frekuensi bisaa, yaitu distribusi frekuensi numerik
dan distribusi frekuensi peristiwa atau kategori.
a.

Distribusi frekuensi numeric

Distribusi frekuensi numerik adalah distribusi frekuensi yang pembagian
kelasnya dinyatakan dalam angka.

34

Contoh :
Tabel 3.6. Nilai Ujian Statistik untuk 80 Mahasiswa

b.

Nilai Ujian

35 44

45 54

55 64

65 74

23

75 84

20

85 94

19

95 104

Jumlah

80

Distribusi frekuensi peristiwa atau kategori

Distribusi frekuensi peristiwa atau kategori adalah distribusi
frekuensi yang pembagian kelasnya dinyatakan berdasarkan data atau
golongan data yang ada.
Tabel 3.7. Hasil Pelemparan Dadu Sebanyak 30 kali
Angka Dadu (X)
1

Banyaknya Peristiwa
(f)
4

Jumlah

30

35

2.

Distribusi Frekuensi Relatif

Distribusi frekuensi relatif adalah distribusi frekuensi yang berisikan
nilai-nilai hasil bagi antara frekuensi kelas dan jumlah pengamatan yang
terkandung dalam kumpulan data yang berdistribusi tertentu. Pada distribusi
frekuensi relatif ini, frekuensi relatifnya dirumuskan:

100,

= 1, 2, 3,. . . .

Misalkan distribusi frekuensi memiliki k buah interval kelas dengan

frekuensi masing-masing: f1, f2,, . . ., fk maka distribusi yang terbentuk
adalah:
Tabel 3.8 Contoh Tabel Distribusi Frekuensi Relatif
Interval Kelas

Frekuensi

Interval kelas ke-1

f1

Interval kelas ke-2

f2

Jumlah

Frekuensi
Relatif

Frekuensi relatif kadang-kadang

=1

dinyatakan

dalam bentuk

perbandingan desimal ataupun persen

36

Contoh :
Tabel 3.9 Distribusi Frekuensi Relatif
Frekuensi Relatif
Debit
(m3/s)
6 78
79 151
152 224
225 297
298 370
271 443
Jumlah
3.

Frekuensi Perbandingan Desimal

10
10/31
0,32258
14
14/31
0,45161
4
14/31
0,11765
1
1/31
0,03226
1
1/31
0,03226
1
1/31
0,03226
1
1
31

Persen
32,258
45,161
11,765
3,226
3,226
3,226
100

Distribusi Frekuensi Kumulatif

Distribusi frekuensi kumulatif adalah distribusi frekuensi yang
berisikan frekuensi kumulatif. Frekuensi kumulatif adalah frekuensi yang
dijumlahkan. Distribusi frekuensi kumulatif memiliki grafik atau kurva yang
disebut ogif. Pada ogif dicantumkan frekuensi kumulatifnya dan digunakan
nilai batas kelas. Ada dua macam distribusi frekuensi kumulatif, yaitu
distribusi frekuensi kumulatif kurang dari dan lebih dari.
a.

Distribusi frekuensi kumulatif kurang dari

Distribusi frekuensi kumulatif kurang dari adalah distribusi frekuensi
yang memuat jumlah frekuensi yang memiliki nilai kurang dari nilai
batas kelas suatu interval tertentu.

b.

Distribusi frekuensi kumulatif lebih dari

Distribusi frekuensi kumulatif lebih dari adalah distribusi
frekuensi yang memuat jumlah frekuensi yang memiliki nilai lebih dari
nilai batas kelas suatu interval tertentu.

37

Tabel 3.10. Distribusi Frekuensi Kumulatif Kurang Dari

Distribusi Frekuensi
Bisaa
Pipa
Frekuensi
(mm)

Distribusi Frekuensi Kumulatif Kurang Dari

Diameter
(mm)

Frekuensi kumulatif

Kurang dari 65

=0

65 - 67

Kurang dari 68

0+3

=3

68 - 70

Kurang dari 71

0+3+6

=9

71 - 73

12

Kurang dari 74

0 + 3 + 6 + 12

= 21

74 - 76

13

Kurang dari 77

0 + 3 + 6 + 12 + 13

= 34

77 - 79

Kurang dari 80

0 + 3 + 6 + 12 + 13 + 4

= 38

80 - 82

Kurang dari 83

0 + 3 + 6 + 12 + 13 + 4 + 2

= 40

Grafik distribusi frekuensi kumulatif kurang dari disebut ogif kurang dari
atau ogif positif.

frkuensi kumulatif

Contoh:
45
40
35
30
25
20
15
10
5
0
65

68

71

74

77

80

83

Diameter (mm)

Gambar 3.3 Kurva Distribusi Frekuensi Kumulatif Kurang Dari

38

Contoh:
Tabel 3.11. Distribusi Frekuensi Kumulatif Lebih Dari
Distribusi Frekuensi
Bisaa
Pipa
Frekuensi
(mm)

Distribusi Frekuensi Kumulatif Kurang Dari

Diameter
(mm)

Frekuensi kumulatif

Lebih dari 65

= 40

65 - 67

Lebih dari 68

40 3

= 37

68 - 70

Lebih dari 71

40 3 6

= 31

71 - 73

12

Lebih dari 74

40 3 6 12

= 19

74 - 76

13

Lebih dari 7

40 3 6 12 13

=6

77 - 79

Lebih dari 80

40 3 6 12 13 4

=2

80 - 82

Lebih dari 83

40 3 6 12 13 4 2

=0

Grafik distribusi frekuensi kumulatif lebih dari disebut ogif lebih dari
atau ogif negatif

frekuensi kumulatif

Contoh :
45
40
35
30
25
20
15
10
5
0
65

68

71

74

77

80

83

Diameter pipa

Gambar 3.4. Kurva Distribusi Frekuensi Kumulatif Lebih Dari

39

SOAL-SOAL LATIHAN
1.

Apa yang dimaksud dengan distribusi frekuensi ?

2.

Apa yang dimaksud interval kelas, batas kelas, tepi kelas, serta titik tengah kelas

3.

Dari hasil pemboran diperoleh ketebalan batu bara sebagai berikut

Nama

Tebal (m)

Nama

Tebal (m)

BH - 041

7,5

BH - 001

11,25

BH - 042

6,25

BH - 063

1,5

BH - 076

5,74

BH - 011

2,12

BH - 069

8,08

BH - 062

10,74

BH 043

0,7

BH - 002

3,6

BH - 044

9,4

BH - 036

9,52

BH 046

4,5

BH -0 20

6,55

BH - 41

0,5

BH - 049

0,30

BH- 026

4,69

BH- 037

9,80

Tentukan:
a. Batas bawah kelas ke- 4
b. Batas atas kelas ketiga
c. Titik tengah kelas kelima
d. Tepi bawah kelas ke tujuh
e. Panjang interval kelas ke- 2
f. Buat distribusi frekuensinya
g. Buat histogram dan polygon
h. Buat distribusi frekuensi relatif beserta ogif
4. Temperatur udara pada sebuah kota dalam seblan terakhir adalah sebagai berikut:
40

(Satuan dalam derajat Celcius)

27,6

25,6

30,5

33,2

37,4

35,6

32,2

28,1

26,7

25,4

22,9

26,7

24,9

31,2

27,8

29,3

28,4

32,3

33,4

35,4

35,6

32,9

31,2

33,2

27,5

27,8

28,7

29,6

28,4

32,3

Dari data diatas:

a. Buat distribusi frekuensi data temperatur diatas
b. Berapa persen dalam sebulan temperature berada di bawah 31oC ?
c. Gambarkan distribusi frekuensi di atas dalam bentuk histogram, polygon dan
kurva ogif

41

BAB IV
UKURAN NILAI PUSAT

A. PENGERTIAN NILAI PUSAT

Ukuran nilai pusat merupakan ukuran yang dapat mewakili data secara
keseluruhan. Artinya jika keseluruhan nilai yang ada dalam data tersebut diurutkan
besarnya dan selanjutnya dimasukkan nilai rata-rata kedalamnya, nilai rata-rata
tersebut memiliki kecendrungan (tendensi) terletak di urutan paling tengah atau
pusat.
B. JENIS-JENIS UKURAN NILAI PUSAT
1. Rata-Rata Hitung (Mean)
Alat pengukur rata-rata yang paling popular adalah Mean (rata-rata
hitung atau bisa disebut rata-rata). Rata-rata hitung (mean) adalah nilai ratarata dari data-data yang ada. Disebut rata-rata hitung karena alat ini digunakan
untuk data kuantitatif, yakni membagi jumlah dari keseluruhan isi data
kuantitatif dengan jumlah datanya. Rata- rata hitung dari populasi diberi
simbol . (baca miu). Rata-rata hitung dari sampel diberi simbol

(baca eks

bar).
Mencari rata-rata hitung secara umum dapat ditentukan dengan rumus

a. Rata-rata hitung (mean) untuk data tunggal

Mean untuk data tunggal juga disebut rata-rata sederhana karena dalam
proses perhitungannya tidak memperhitungkan frekuensi data serta

42

bobotnya. Cara menghitung rata-rata hitung (mean) untuk data tunggal

ialah sebagai berikut :
1) Jika X1, X2, Xn merupakan n buah nilai dari variabel X, maka
rata-rata hitungnya sebagai berikut.

1 + 2 + +

Keterangan:
= rata-rata hitung (mean)
X

= wakil data

= jumlah data

Contoh soal:
Data temperatur udara di sembilan kota di pulau Jawa dalam sebulan
terakhir
Tabel 4.1 Temperatur Udara
Kota
Malang

Temperatur
(oC)
21

Surabaya

21

Yogyakarta

26

Bandung

23

Semarang

27

Jakarta

28

Magelang

23

Solo

23

Cirebon

25

43

Penyelesaian :
Rata rata temperatur di sembilan kota tersebut adalah :
X

= 21, 24, 26, 23, 27, 28, 23, 23, 25

=9

= 21 + 24 + 26 + 23 + 27 + 28 + 23 + 23 + 25 = 220

220
= 24,44
9

Jadi rata rata temperatur adalah 24,44 OC

2) Jika nilai X1, X2, . . ., Xn masing-masing memiliki frekuensi f 1 , f 2 , . .
., fn, maka rata-rata hitungnya adalah

1 1 + 2 2 + .+
+
+ +

Hitunglah rata-rata hitung dari nilai-nilai 3, 4, 3, 2, 5, 1, 4, 5, 1, 2, 6,

4, 3, 6, 1
Penyelesaian:
angka 3 keluar sebanyak 3 kali, maka x1 = 3, f1 = 3 angka 4 keluar
sebanyak 3 kali, maka x2 = 4, f2 = 3 angka 2 keluar sebanyak 2 kali,
maka x3 = 2, f3 = 2 angka 5 keluar sebanyak 2 kali, maka x4 = 5, f4 = 2
angka 1 keluar sebanyak 3 kali, maka x5 = 1, f5 = 3 angka 6 keluar
sebanyak 2 kali, maka x6 = 3, f6 = 2

+
+

= ,

44

3) Jika f1 nilai yang memiliki rata-rata hitung m 1 , f 2 nilai yang memiliki

rata-rata hitung m2 dan fk nilai yang memiliki rata-rata hitung mk,
maka rata-rata hitung dari keseluruhan nilai itu f 1 + f 2 +.. + f k ,
dapat dihitung dengan rumus:

+
+

+ .+
+ .+

Contoh soal :
Sebuah perusahaan tambang memiliki 40 pekerja. Dari keseluruhan
pekerja, pemillik perusahaan memberikan gaji, yaitu 5 orang dengan
gaji Rp. 6.000.000/bulan, 10 orang dengan Rp.4.500.000/bulan dan 25
orang dengan gaji Rp.2.500.000/bulan. Berapa rata-rata rupiah yang
dikeluarkan oleh pemilik perusahaan itu perbulan untuk setiap
pekerja.
Penyelesaian :
f1 = 5, m1 = Rp. 6.000.000
f2 = 10, m2 = Rp. 4.500.000
f2 = 25, m2 = Rp. 2.500.000

. .

+
.

=
=

Jadi gaji rata-rata yang harus dikeluarkan adalah Rp. Rp. 3.437.500

45

b. Rata-rata hitung (mean) data berkelompok

Untuk data berkelompok, atau data yang disajikan dalam suatu
distribusi frekuensi, perhitungannya hampir sama dengan perhitungan ratarata untuk frekuensi. Perbedaannya hanya pada penetapan titik tengah kelas
(Mid Point) sebagai dasar pengambilan frekuensi. Apabila fi = frekuensi
pada interval elas ke-i, Xi = titik tengah interval kelas ke-i, maka rata-rata
hitung (mean) dapat dihitung dengan rumus :
=

Contoh soal:
Tentukan rata-rata hitung dari tabel dibawah ini
Tabel 4.2. Perhitungan Frekuensi Debit Sungai
Interval Kelas
(m3/s)
0 59

Frekuensi
(f)
9

60 119

10

120 179

180 239

240 299

300 359

360 419

420 479

46

Penyelesaian :
fX

Interval Kelas

Titik

Frekuensi

(m /s)

Tengah (X)

(f)

0 59

29,5

265,5

60 119

89,5

10

895

120 179

149,5

1196

180 239

209,5

838

240 299

269,5

1078

300 359

329,5

659

360 419

389,5

779

420 479

449,5

449,5

30

6160

Jumlah

6160
= 205,33
30

2. Median
Konsep median

pada prinsipnya adalah mengurutkan dan membagi data

menjadi dua bagian yang sama besar, kemudian menghitung nilai data yang
membagi data menjadi dua tersebut. Median adalah nilai tengah dari data
yang ada setelah data diurutkan. Median ditulis singkat atau disimbolkan
dengan Me atau Md.
a. Median data tunggal
Median untuk data tunggal dapat dicari :
1) Jika jumlah data ganjil, mediannya adalah data yang berada paling
tengah
2) Jika jumlah datanya genap, mediannya adalah jumlahdua data yang
berada ditengah.
47

a)

Untuk data ganjil (n = ganjil)

=

b) Untuk data genap (n = genap)

=

+2
2

2+

2
Atau secara singkat median dapat ditentukan :
( + 1)

=
Contoh soal :
Tentukan median
1) 4, 3, 2, 6, 7, 5, 8
2) 11, 5, 7, 4, 8, 14, 9, 12
Penyelesaian :

1) Uratan data : 2, 3, 4, 5, 6, 7, 8
Jumlah data (n) = 7 (ganjil)
=

2) Urutan data 4,5,7,8,9,11,12,14

Jumlah data (n) = 8 (genap)

+
2

8+9
= 8,5
2

b. Median data berkelompok

Median data berkelompok dapat dicari dengan rumus sebagai berikut
=

1
( 2)
+ 2

48

Keterangan :
Me

= median

= tepi bawah kelas median

= jumlah frekuensi

( 2)

= jumlah frekuensi kelas-kelas sebelum kelas median

= panjang interval kelas

fMe

= frekuensi kelas median

Dalam mencari median data berkelompok (distribusi frekuensi) yang

perlu dicari terlebih dahulu adalah kelas tempat median berada (kelas
median). Kelas median dapat dicari dengan ( 2 )

Contoh soal :
Tentukan median dari distribusi frekuensi berikut :
Tabel 4. 3 Diameter 40 buah pipa
Diameter Pipa (mm) Frekuensi (f)
65 67

68 70

71 73

13

74 76

14

77 79

80 - 82

Penyelesaian :
Jumlah frekuensi (n)

= 40 dan

Kelas median adalah ( 2)

= 20

1 + 2 + 3 = 20 20
Jadi, kelas median adalah kelas ke 3

49

= 70,5

( 2)

= 7

=3

fMe

= 13

1
( 2)
+ 2

= 70,5 +

20 7
3 = 73,5
13

3. Modus (Mode)
Modus adalah nilai yang paling sering muncul dalam data. Modus sering
ditulis

atau disingkat dengan Mo. Sejumlah data bisa tidak mempunyai

modus, mempunyai satu modus (Unimodal), mempunyai dua modus

(Bimodal), atau mempunyai lebih dari satu modus (Multimodal)
a. Modus data tunggal
Modus dari data tunggal adalah data yang frekuensinya terbanyak
Contoh soal :
Diketahui Tentukan modus dari data-data berikut :
1) 1, 4, 7, 8, 9,9, 11
2) 1,4,7,8,9,11,13
3) 1,2,4,4,7,9,11,11,13
4) 1,1,3,3,7,7,12,12,14,15
Penyelesaian

Modus

=9

Modus

= tidak ada

Modus

= 4 dan 11

Modus

= 1, 3, 7, dan 12

50

b. Modus data berkelompok

Modus data berkelompok dapat dicari dengan rumus :
=

1
1+ 2

Keterangan :
Mo

= modus

= tepi bawah kelas modus

d1

= selisih frekuensi kelas modus dengan frekuensi

kelas sebelumnya

d2

= selisih frekuensi kelas modus dengan frekuensi

kelas sesuadahnya

= panjang interval kelas

Contoh soal :
Tentukan modus dari distribusi frekuensi pada tabel 3.1.
Penyelesaian :
Dari tabel 3.1 diketahui bahwa kelas modus adalah kelas
L

= 60,5

d1

= 10 9 = 1

d2

= 10 8 = 2

= 60
1
1+ 2
1
= 60,5 +
60
1+2
= 80,5
=

51

4. Ukuran-ukuran Lain
a. Fraktil
Fraktil adalah nilai-nilai yang membagi seperangkat data yang telah
terurut menjadi beberapa bagian yang sama. Fraktil dapat berupa kuartil,
desil, dan persentil
1) Kuartil (Q)
Kuartil adalah fraktil yang membagi seperangkat data yang telah
terurut menjadi empat bagian yang sama. Terdapat tiga jenis kuartil,
yaitu kuartil bawah atau pertama (Q1), kuartil tengah atau kedua (Q2),
dan kuartil atas atau ketiga (Q3). Kuartil kedua sama dengan median.
a) Kuartil data tunggal
=

( + 1)
, = 1, 2, 3
4

Contoh :
Tentukan kuartil dari data 2, 6, 8, 5, 4, 9, 12
Penyelesaian :
Data diurutkan : 2, 4, 5,6,8, 9, 12
n=7
=
1=
2=
3=

)
(

= 2,

= 4,

= 6,

52

b) Kuartil data berkelompok

(
+ 4

Keterangan :
Bi

= tepi bawah kelas kuartil

= jumlah semua frekuensi

= 1, 2, 3

= jumlah frekuensi semua kelas sebelum kelas kuartil

= panjang interval kelas

fQi

= frekuensi kelas kuartil

kelas tempat kuartil-kuartil itu berada (kelas kuartil), yaitu :

(1)

1,

( 1)

(2)

2,

( 2)

(3)

3,

( 3)

Contoh soal :
Tentukan kuartil ke-1 (Q1), kuartil ke-2 (Q2) dan kuartil ke-3 (Q3)
Tabel 4.4 Analisa Kadar Cu
Cu (%)
0,1 3
3,1 6
6,1 9
9,1 12
12,1 15
15,1 18
18,1 - 21
Jumlah

Frekuensi (f)
8
7
9
2
1
2
1
30

53

Penyelesaian :
n = 30, berarti

= 7,5;

= 15; dan

= 22,5

Kelas Q1 adalah kelas ke- 1

Kelas Q2 adalah kelas ke- 2
Kelas Q3 adalah kelas ke- 3
B 1 = 0,05 (ada dikelas ke-1)
B 2 = 3,05 (ada dikelas ke-2)
B 3 = 6,05 (ada dikelas ke-3)
( 1) = 0; ( 2) = 8; ( 3) = 15
C =3
fQ1 = 8; fQ2 = 7; fQ3 = 9
=

(
+ 4

1 30
0
4
1 = 0,05 +
3
8
= 0,05 + 2,813 = 2,863
2 30
8
4
2 = 3,05 +
3
7
= 3,05 + 3 = 6,05
3 30
4 15 3
3 = 6,05 +
9
= 6,05 + 2,5 = 8,55
2) Desil (D)
Desil adalah fraktil yang membagi seperangkat data yang telah terurut
menjadi sepuluh bagian yang sama. Terdapat Sembilan jenis desil,
yaitu desil pertama (D1), desil kedua (D2), .. dan desil ke sembilan
(D9). Desil kelima sama dengan median.

54

a) Desil data tunggal

(

, = 1, 2, . , 9

Contoh soal :
Tentukan desil ke- 3 (D3) dan desil ke- 7 (D7) dari data berikut ini :
23, 30, 32, 34, 38, 38, 39, 40, 41, 43, 44, 45, 46
Penyelesaian :
D3 = data ke
= data ke

= data ke 4,2

= X4 + 0,2 (X5 X4)

= 34 + 0,2 (38 34) = 34,8
D7 = data ke
= data ke

= data ke 9,8

= X9 + 0,8 (X10 X9)

= 41 + 0,8 (43 41) = 42,6
b) Desil data berkelompok
+ 10

( )

Keterangan :
Di

= desil ke- i

Bi

= tepi bawah kelas desil ke- i

= jumlah semua frekuensi

= 1, 2, 3,..9

= jumlah frekuensi semua kelas sebelum kelas

desil ke-i
55

= panjang interval kelas

fDi

= frekuensi kelas desil ke- i

Contoh soal :
Berdasarkan tabel 4.4 tentukan desil ke-4 (D4) dan desil ke- 8 (D8)
dari distibusi frekuensi berikut.
Penyelesaian :
a. Kelas desil ke-4, jika
4
( )
10
b. Kelas desil ke-4, jika

8
( )
10
Dari tabel 4.4 diketahui n = 30, maka

4
8
(30) = 12
(30) = 24
10
10
Kelas D4 adalah kelas ke- 2
Kelas D8 adalah kelas ke- 3
B2 = 3,05
B3 = 6,05
=8

= 15

C =3
fD4 = 7 dan

fD8 = 9

4 30
8
= 3,05 + 10
3
7
= 3,05 + 1,714 = 4,764
8 30
15
= 6,05 + 10
3
9
= 6,05 + 3 = 9,05
56

3) Persentil
Persentil adalah fraktil yang membagi seperangkat data yang telah
terurut menjadi seratus bagian yang sama. Terdapat Sembilan puluh
Sembilan persentil, yaitu persentil pertama (P1), Persentil ke dua (P2),
sampai persentil ke sembilan puluh sembilan (P99).
a)

Data tunggal
( + 1)
, = 1, 2, 3, .99
100

=
Contoh soal :

Tentukan persentil ke- 10 (P10) dan persentil ke- 76 (P76)

26

21

22

24

26

26

27

30

31

31

33

35

35

35

35

36

37

38

39

40

41

41

42

43

44

46

47

48

49

50

Penyelesaian :
n =30
10(30+1)
100
310
= nilai ke
=nilai ke 3,1
100

P10 = nilai ke

= X3 + 0,1 (X4 - X3 )
= 22 + 0,1 (24 22) = 22,2
76(30+1)
100
2.356
= nilai ke
=nilai ke 23,56
100

P76 = nilai ke

= X + 0,56 (X24 - X23 )

= 42 + 0,56 (43 42) = 42,56

57

b) Persentil

data

berkelompok

in
- ( fi )o
100
P i = Bi +
C
fPi
Keterangan :
Pi

= persentil ke- i

Bi

= tepi bawah kelas persentil ke- i

= jumlah semua frekuensi

= 1, 2, 3, , 99

( ) = jumlah frekuensi sebelum kelas persentil

C

= panjang interval kelas

fPi

= frekuensi kelas persentil

Contoh soal :
Tabel 4.5 Tabel Penggunaan Felspar
Na2O (%)

Frekuensi

1,00 4,00

5,00 9,00

10,00 14,00

14

15,00 19,00

35

20,00 24,00

37

25,00 29,00

12

Jumlah

100

Penyelesaian:
35

(1) kelas persentil ke-35, jika ( f35 )o

100

(2) kelas persentil ke-88, jika ( f88 )o

100

88

(n)
(n)

58

Dari Tabel 4.5 di atas, diketahui :

35
88
(100)=35 dan
(100)=88
100
100
Kelas P35 adalah kelas ke- 4
n =100, maka

Kelas P88 adalah kelas ke- 5

B35 = 14,5 (tepi bawah kelas ke- 4)
B88 = 19,5 (tepi bawah kelas ke- 5)
f35 o=26 dan

f88 o=61

C =5
fP35 = 35 dan fP88 = 27
35(n)
- ( f35 )o
P35 = B35 + 100
C
fP35
35(100)
26
= 14,5 + 100
5
35
= 14,5 + 1,29 = 15,79
88(n)
- ( f88 )o
P88 = B88 + 100
C
fP88
88(100)
61
= 19,5 + 100
5
35
= 19,5 + 5 = 24,5

59

C. SIFAT-SIFAT RATA-RATA HITUNG, MEDIAN, DAN MODUS

Dalam memilih ukuran nilai pusat, sifat-sifat atau ciri-ciri dari masingmasing ukuran perlu diperhatikan. Berikut ini sifat-sifat dari ketiga ukuran
tersebut.
1. Sifat-Sifat Rata-Rata Hitung
Beberapa sifat rata-rata hitung, antara lain sebagai berikut.
a. Nilai rata-rata hitung dipengaruhi oleh observasi atau pengamatan.
b. Nilai rata-rata hitung dapat menyimpang terlalu jauh. Hal itu disebabkan
rata-rata hitung dipengaruhi oleh bilangan-bilangan ekstrem (nilai sangat
besar atau sangat kecil), sehingga untuk distribusi dengan kecondongan
yang jelek, rata-rata hitung dapat kehilangan makna.
c. Rata-rata hitung tidak dapat dihitung dari distribusi yang memiliki kelas
terbuka.
d. Rata-rata paling sering digunakan dan populer, sehingga penjelasan
mengenai arti rata-rata hitung tidak diperlukan.
e. Jumlah dari penyimpangan semua nilai pengamatan dengan nilai rata-rata
hitung sama dengan nol.
f. Jika selisih semua nilai pengamatan dengan nilai rata-rata hitung
dikuadratkan maka jumlahnya lebih kecil daripada jumlah penyimpangan
kudrat semua nilai pengamatan dari titik lain selain rata-rata hitung.
g. Rata-rata hitung dapat dimanipulasi secara aljabar.
2. Sifat-Sifat Median
Beberapa sifat median, antara lain sebagai berikut.
a. Median dipengaruhi oleh banyaknya observasi atau pengamatan, namun
tidak dipengaruhi oleh nilai pengamatan, sehingga nilai median tidak
dipengaruhi oleh bilangan-bilangan ekstrem.
b. Median dapat dihitung dari distribusi yang memiliki kelas terbuka, kecuah
jika kelas mediannya berada pada kelas terbuka tersebut.

60

c. Median sering digunakan pada distribusi yang memiliki kccondongan yang

sangat jelek.
d. Median didefinisikan dan diinterpretasikan.
e. Median lebih terpengaruh oleh fluktuasi sampling, namun adakalanya
u n t u k distribusi tertentu median lebih konstan terhadap fluktuasi sampling.
f. Jumlah penyimpangan (tanda diabaikan) nilai-nilai dari median lebih kecil
daripada jumlah penyimpangan nilai-nilai dari titik yang lain.
g. Jika jumlah penyimpangan dari median dikuadratkan maka jumlahnya lebih
besar daripada jumlah penyimpangan kuadrat nilai-nilai dari rata-rata
hitung
3. Sifat-Sifat Modus
Beberapa sifat modus, antara lain sebagai berikut:
a. Dalam seperangkat data, modus bisa tidak ada dan bisa lebih dari satu.
b. Modus dapat ditempatkan pada distribusi yang memiliki kelas terbuka
c.

Modus tidak dipengaruhi oleh bilangan-bilangan yang ekstrem, dari suatu

distribusi.

d.

Letak modus atau nilai modus yang sebenarnya sukar ditentukan, karena
itu kebanyakan hanya berdasarkan taksiran dalam suatu distribusi.

e.

Perhitungan modus tidak didasarkan pada seluruh nilai pengamatan, tetapi

didasarkan pada individu yang berada pada titik tempat terjadinya
pemusatan yang terbanyak.

f.

Untuk perhitungan-perhitungan secara aljabar lebih lanjut, modus tidak

dapat digunakan.

D. HUBUNGAN RATA-RATA HITUNG, MEDIAN, DAN MODUS

Hubungan antara ketiga ukuran nilai pusat, yaitu rata-rata hitung, median,
lan modus akan memberikan gambaran bentuk kurva data yang bersangkutan.
Hubungan antara ketiga ukuran nilai pusat ialah sebagai berikut:

61

1. Jika rata-rata hitung, median, dan modus memiliki nilai yang sama maka
kurvanya berbentuk simetris. Pada kurva simetris sempurna, nilai rata-rata
hitung, median, dan modus terletak pada suatu titik di tengah-tengah absis dan
ketiga-tiganya berimpit.
2. Jika nilai rata-rata hitung lebih besar daripada nilai median dan lebih besar
daripada nilai modus maka kurvanya mencong ke kanan, karena ujungnya
memanjang ke arah nilai positif. Jadi, distribusi meruncing ke arah nilai tinggi.
3. Jika nilai rata-rata hitung lebih kecil daripada nilai median dan lebih kecil
daripada nilai modus maka kurvanya mencong ke kiri, karena ujungnya
memanjang ke arah nilai negatif. Jadi, distribusi meruncing ke arah nilai yang
rendah.
Dalam bentuk grafik, hubungan ketiga nilai tersebut dapat dilihat seperti di
bawah ini.

Gambar 4.1 Kurva Hubungan Rata-rata Hitung, Median dan Modus

62

SOAL SOAL LATIHAN

1. Apa yang dimaksud dengan ukuran nilai pusat? Sebutkan pula kegunaannya dalam
statistik
2. Ada berapa macam ukuran nilai pusat yang Anda ketahui? Sebutkan satu per satu!
3. Apa yang dimaksud dengan rata-rata hitung, median, dan modus? Bagaimana
aturan yang digunakan untuk merumuskannya?
4. Apa yang dimaksud dengan kuartil, desil, dan persentil?
5. Antara rata-rata hitung, median, dan modus terdapat hubungan yang dapat
memberikan gambaran mengenai bentuk kurva. Jelaskan hubungan tersebut!
6. Pengamatan selama lima hari terhadap temperature sebuah freezer menghasilkan
data sebagai berikut:
-40oF

-42 oF

-30 oF

0oF

11,2oF

-23 oF

-20 oF

-33 oF

-10 oF

Hitunglah rata-rata suhu freezer tersebut dengan menggunakan data tunggal dan
dan data berkelompok.
7. Seorang ahli menyatakan median dari pupuk yang diberikan kepada tanaman
jagung pada luas area tertentu adalah 3 kilogram. Berikut ini adalah pemberian
pupuk pada 10 daerah yang berlainan:
4,2

4,4

3,5

2,5

3,5

3,6

4,9

9,2

2,7

2,1

Dari data di atas, benarkah pernyataan ahli tersebut?

8. Diketahui pada suatu daerah terdapat emas pada urat kuarsa. Untuk penyelidikan
eksplorasi dibuat sebuah adit dan dilakukan chip sampling untuk mendapatkan
sampel emas pada urat kuarsa tersebut. Data hasil sampel dari chip sampling
tersebut adalah :

63

No
sampel
1
2
3
4
5
6
7
8
9

Grade
Au (gr/t)
1,5
2,3
2,4
2,6
3,2
3,5
4,8
5,5
7,7

No
sampel
10
11
12
13
14
15
16
17
18
19

Grade
Au (gr/t)
9,0
12,0
12,1
13,0
13,7
17,2
17,8
24,5
38,9
68,5

a.

Susunlah data chip sampling tersebut ke dalam distribusi frekuensi

b.

Carilah mean, mode, dan modus untuk data diatas

c.

Carilah kuartil ke-1, dan ke- 3.

d.

Hitunglah desil ke-5 dan ke- 7

e.

Hitunglah presentil ke- 50 dan ke- 56

9. Perhatikan distribusi frekuensi berikut!

Nilai
31 - 40
41 - 50
51 - 60
61 - 70
71 - 80
81 - 90
91 - 100
Jumlah

Frekuensi
3
5
19
15
25
20
13
100

Tentukan :
Hitunglah rata-rata dari tabel di atas!
a. Tentukan median dan modusnya
b. Tentukan Q3, D 1 dan P25, serta jelaskan artinya berkaitan dengan harga
tersebut

64

BAB V
UKURAN DISPERSI

A. PENGERTIAN DISPERSI
Ukuran dispersi atau ukuran variasi atau ukuran penyimpangan adalah
ukuran yang menyatakan seberapa jauh penyimpangan nilai-nilai data dari nilainilai pusatnya atau ukuran yang menyatakan seberapa banyak nilai-nilai data
yang berbeda dengan nilai-nilai pusatnya.
Ukuran dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat
dalam menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi
maka penggambaran sekumpulan data akan menjadi lebih jelas dan tepat.
B. JENIS-JENIS UKURAN DISPERSI
1 . Jangkauan (Range, R )
Jangkauan atau ukuran jarak adalah selisih nilai terbesar data dengan
nilai terkecil data. Cara mencari jangkauan dibedakan antara data tunggal dan
data berkelompok.
a. Jangkauan data tunggal
Bila ada sekumpulan data tunggal X 1 , X2 . . ., Xn maka jangkauannya
adalah
=

Contoh soal:
Tentukan jangkauan data: 1, 4, 7, 8, 9, 11!
Penyelesaian:
X6 = 11 dan X1 = 1
Jangkauan = X6 X1 = 11 - 1 = 10
65

b. Jangkauan data berkelompok

Untuk data berkelompok, jangkauan dapat ditentukan dengan dua
cara. yaitu menggunakan titik atau nilai tengah dan menggunakan tepi
kelas.
1) Jangkauan adalah selisih titik tengah kelas tertinggi dengan titik
tengah kelas terendah.
2) Jangkauan adalah selisih tepi atas kelas tertinggi dengan tepi bawah
kelas terendah.
Contoh soal:
Tentukan jangkauan dari distribusi frekuensi berikut
Tabel 5.1 Pengukuran Tinggi Badan 50 Mahasiswa
Tinggi Badan (cm)
140 144
145 149
150 154
155 159
160 164
165 169
170 - 174
Jumlah

Frekuensi
2
4
10
14
12
5
3
50

Penyelesaian:
Dari Tabel 5.1 terlihat:
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi

= 174,5

Jangkauan = 172 - 142 = 30

Jangkauan = 174,5 - 139,5 = 35

66

2. Jangkauan Antarkuartil dan Jangkauan Semi Interkuartil

Jangkauan antarkuartil adalah selisih antara nilai kuartil atas (Q 3 ) dan
kuartil bawah (Q1). Dirumuskan:
=

Jangkauan semi interkuartil atau simpangan kuartil adalah setengah dari

kuartil atas ( Q 3 ) dengan kuartil bawah ( Q 1 ). Dirumuskan:

1
(
2

Rumus-rumus di atas berlaku untuk data tunggal dan data berkelompok.

Contoh Soal:
a. Tentukan jangkauan antar kuartil dan jangkauan semi interkuartil dari data
berikut :
2,4,6,8,10, 12,14
Penyelesaian :
Q1 = 4 dan Q3 = 12
JK = Q3 Q1
= 12 4 = 8
Qd = (12 4) = 4
b. Tentukan jangkauan antarkuartil dan jangkauan semi interkuartil distribusi
frekuensi berikut :

67

Tabel 5.2 Nilai Statistik 80 Mahasiswa

Nilai
30 39
40 49
50 59
60 69
70 79
80 89
90 99
Jumlah

Frekuensi (f)
2
3
5
14
24
20
12
80

Penyelesaian:
=

+ 4

= 59,5 +

( )

20 10
10
14

= 59,5 + 7,14 = 66,64

=

3
(
+ 4

= 79,5 +

60 48
10
20

= 79,5 + 6 = 85,5
= 85,5 66,64 = 85,5
=

1
(85,5 66,64) = 9,43
2

Jangkauan antar kuartil (JK) dapat digunakan untuk menemukan

adanya data pencilan, yaitu data yang berada diluar pagar dalam dan pagar
luar. Data pencilan ini dapat terjadi karena ada kesalahan dari pencatatan atau
salah ukur atau berasal dari kasus yang menyimpang.

68

= 1,5
=

Keterangan :
L

= satu langkah

PD

= pagar dalam

PL

= pagar luar

Contoh soal:
Selidiki apakah terdapat data pencilan dari data dibawah ini
15, 33, 42, 50, 51, 51, 53, 55, 62, 64, 65, 68, 79, 85, 97
Penyelesaian :
= 50

= 68

= 68 50
= 1,5 18 = 27
= 50 27 = 23
= 68 + 27 = 95
Pada data di atas terdapat nilai 15 dan 97 yang berarti kurang dari
pagar dalam (23) atau lebih dari pagar luar (95). Dengan demikian, nilai 15
dan 97 termasuk data pencilan, karena itu perlu diteliti ulang. Adanya nilai 15
dan 97 mungkin disebabkan salah dalam mencatat, salah dalam mengukur,
atau data dari kasus yang menyimpang.

69

3. Deviasi Rata-Rata (Simpangan Rata-Rata)

Deviasi rata-rata adalah nilai rata-rata hitung dari harga mutlak
simpangan-simpangannya.
a. Deviasi rata-rata data tunggal
Untuk data tunggal, deviasi rata-ratanya dapat dihitung dengan
menggunakan rumus:
=

|=

Contoh soal :
Tentukan deviasi rata-rata dari 2, 3, 6, 8, 11
Penyelesaian :

2 + 3 + 6 + 8 + 11
=6
5

| = |2 6 | + |3 6| + |6 6| + |8 6| + |11 6| = 14
|

14
= 2,8
5

b. Deviasi rata-rata untuk data berkelompok

Untuk data berkelompok (distribusi frekuensi), deviasi rata-ratanya
dapat dihitung dengan rumus:

|=

70

Contoh Soal:
Tentukan deviasi rata-rata dari distribusi frekuensi pada tabel berikut :
Tabel 5.3 Temperatur Selama Sebulan
Temperatur OF

Frekuensi

|X X|

f |X X|

(hari)
-50 sampai -45,1

-47,5

11,3

45,2

-45 sampai -40,1

10

-42,55

6,3

63

-40 sampai -35,1

15

-37,55

1,3

19,5

-35 sampai -30,1

11

-32,55

3,7

40,7

-30 sampai -25,1

10

-27,55

8,7

87

50

=
=

255,4

255,4
= 0,141
1812,5

4. Varians
Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau
simpangan rata-rata kuadrat. Untuk sampel, variansnya (varians sampel)
disimbolkan dengan s2. Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 2 (baca: sigma).
a. Varians data tunggal
1) Untuk sampel besar (n > 30)
=

71

2) Untuk sampel kecil (n 30)

=

( )
1

Contoh soal:
Tentukan varians dari data 2, 3, 6, 8, 11 !
Penyelesaian :
n =5
=

2 + 3 + 6 + 8 + 11
=6
5
(

X2

-4

16

-3

36

64

11

25

121

54

234

30

54
= 13,5
51

b. Varians data berkelompok

1) Untuk sampel besar (n > 30)
=

72

2) Untuk sampel kecil (n 30)

=

( )
1

Contoh soal:
Tentukan varians dari distribusi frekuensi berikut:
Tabel 5.4 Pengukuran Diameter Pipa
Diameter

Frekuensi

65 67

68 70

71 73

13

74 76

14

77 79

80 82

Jumlah

40

Penyelesaian:
= 73,425
Diameter

( )

( )

65 67
68 70
71 73
74 76
77 79
80 82
Jumlah

2
5
13
14
4
2
40

66
69
72
75
78
81
-

-7,425
-4,425
-1,425
1,575
4,575
7,575
-

55,131
19,581
2,031
2,481
20,931
57,381
-

110,262
97,905
26,403
34,734
83,724
114,762
467,790

=
=

467,790
= 11,694
40

73

5. Simpangan Baku (Standar Deviasi)

Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai
tengah atau akar simpangan rata-rata kuadrat. Untuk sampel, simpangan
bakunya (simpangan baku sampel) disimbolkan dengan s. Untuk populasi,
simpangan bakunya (simpangan baku populasi) disimbolkan (dibaca
sigma). Variansnya tentulah s2 untuk sampel dan

untuk varians populasi.

Jelasnya s dan s2 merupakan statistik sedangkan dan

merupakan

parameter. Untuk nentukan nilai simpangan baku, caranya:

=
a.

Simpangan baku data tunggal

Untuk seperangkat data X1, X2, X3, .......Xn (data tunggal)
simpangan bakunya dapat ditentukan dengan:
1) Untuk sampel besar (n > 30):
( )

2) Untuk sampel kecil (n 30)

=

( )
1

Contoh soal:
Diberikan sampel dengan data: 8, 7, 10, 11, 4
Tentukan simpangan bakunya.
Xi
8
7
10
11
4
(

0
-1
2
3
-4
) = 0

)
0
1
4
9
16
( ) = 30

74

Rata rata
=

30
=
4

=8
7,5 = 2,74

b. Simpangan baku data berkelompok

1) Untuk sampel besar (n > 30)

( )

2) Untuk sampel kecil (n 30)

( )
1

Contoh soal:
Tentukan simpangan baku dari hasil ujian 100 orang mahasiswa
Tabel 5.5 Nilai Ujian Statistik 100 Orang Mahasiswa
Niali ujian

Frekuensi

40 44

45 49

12

50 54

19

55 59

31

60 64

20

65 69

70 - 74

Jumlah

100

75

Penyelesaian:
f

Nilai

fX

40 44

42

336

-13,85

191,8225

1534,58

45 49

12

47

564

-8,85

78,3225

939,87

50 54

19

52

988

-3,85

14,8225

281,63

55 59

31

57

1767

1,15

1,3225

40,99

60 64

20

62

1240

6,15

37,8225

756,45

65 69

67

402

11,15

124,3225

745,94

70 - 74

72

288

16,15

260,8225

1043,29

Jumlah

100

5585

5342,75

5585
= 55,85
100

( )
=
1

5342,75
= 7,31
100

C. KOEFISIEN VARIASI
Untuk membandingkan dispersi atau variasi dari beberapa kumpulan data
digunakan istilah dispersi relatif, yaitu perbandingan antara dispersi absolut dan
rata-ratanya. Dispersi relatif dirumuskan:

76

Jika dispersi absolut digantikan dengan simpangan bakunya maka dispersi

relatifnya disebut koefisien variasi ( K V ) Koefisien variasi dirumuskan:
=

100%

Keterangan:
KV

= Koefisien variasi

= simpangan baku
= rata-rata

Contoh soal:
Dari hasil sampling terhadap kandungan Ag dengan menggunakan
channel sampling dan bulk sampling diperoleh data sebagai berikut :
Channel sampling :
= 57,99 g/t

S = 78,274

Bulk sampling :
= 69,99 g/t

S = 88,584

a. Tentukan koefisien variasi masing-masing

b. Metode sampling yang mana sebaiknya dilalakukan
Penyelesaian:
Channel sampling
=

100% =

57,99
100% = 74,086 %
78,274

100% =

69,99
100% = 79,01 %
88,584

Bulk sampling

77

a. Jadi variasi kadar Ag dengan menggunakan Channel sampling lebih besar

daripada variasi kadar Ag dengan menggunakan Bulk Sampling
b. Sebaiknya menggunakan channel sampling untuk pengambilan sampel.
D. KEMENCENGAN ATAU KECONDONGAN
Kemencengan atau kecondongan (skewness) adalah tingkat ketidaksimetrisan
atau kejauhan simetri dari sebuah distribusi.
Jika distribusi memiliki ekor yang lebih panjang ke kanan daripada yang ke
kiri maka distribusi disebut menceng ke kanan atau memiliki kemencengan positif.
Sebaliknya, jika distribusi memiliki ekor yang lebih panjang ke kiri daripada yang
ke kanan maka distribusi disebut menceng ke kiri atau memiliki kemencengan
negatif.
Berikut ini gambar kurva dari distribusi yang menceng ke kanan (menceng
positif) dan menceng ke kiri (menceng negatif).

Gambar 5.1 Kemencengan Distribusi (a) Menceng ke kanan (b) Menceng ke kiri
Untuk mengetahui bahwa konsentrasi distribusi menceng ke kanan atau
menceng ke kiri, dapat digunakan menggunakan metode koefisien kemencengan
Pearson

78

Pada dasarnya, perhitungan Pearson menggunakan ketentuan ciri

distribusi normal, yaknii besaran mean, median dan modus adalah sama. Jika
distribusi data tersebut tidak normal, maka besaran mean, median, dan modus
juga tidak identik lagi. Koefisien kemencengan Pearson merupakan nilai selisih
rata-rata dengan modus dibagi simpangan baku. Koefisien kemencengan Pearson
dirumuskan:
=

Keterangan:
sk = koefisien kemencengan Pearson
= rata-rata data
Mo = Modus data
S

= standar deviasi data

Jika nilai sk dihubungkan dengan keadaan kurva maka:

1) sk = 0 > kurva memiliki bentuk simetris;
2) sk > 0 > nilai-nilai terkonsentrasi pada sisi sebelah kanan ( X terletak di
sebelah kanan M o ) , sehingga kurva memiliki ekor memanjang ke
kanan, kurva menceng ke kanan atau menceng positif;
3 ) sk < 0 > nilai-nilai terkonsentrasi pada sisi sebelah kiri ( X terletak d i
sebelah kiri M o ), sehingga kurva memiliki ekor memanjang ke
kiri, kurva menceng ke kiri atau menceng negatif.

79

Contoh soal:
Berikut ini adalah frekuensi debit air sungai
Tabel 5.6 Frekuensi Debit Sungai
Interval Kelas
(m3/s)
31 40

Frekuensi
(f)
4

41 50

51 60

61 70

71 80

11

81 90

91 100

Jumlah

40

a. Tentukan nilai sk dan ujilah arah kemencengan

b. Gambarkan kurvanya

Penyelesaian:

80

2700
= 67,5
40

( )
=
1

1
( 2)
+ 2

1
1+ 2

10840
= 16,672
39
1
(40) 12
= 60,5 + 2
10 = 60,5 + 10 = 70,5
8

= 70,5 +

4
10 = 70,5 + 4,44 = 74,94
4+5

67,5 74,94
= 0,446
16,672

Dari hasil perhitungan diperoleh nilai sk -0,446, yaitu negatif maka kurvanya
menceng ke kiri atau menceng negatif.
b. Gambar kurva:
12
10
8
6
4
2
0
35,5

45,5

55,5

65,5

75,5

85,5

95,5

Gambar 5.2 Kurva Menceng ke Kiri untuk Debit Air Sungai

81

E. KERUNCINGAN (KURTOSIS)
Suatu distribusi data, selain diuji kemencengan distribusinya, juga perlu
diketahui keruncingannya. Secara praktis, jika kemencengan menunjukkan
perubahan distribusi secara horizontal (menceng ke kiri atau ke kanan), maka
keruncingan (kurtosisi) distribusi menunjukkan perubahan distribusi secara
vertikal ( cendrung runcing ke atas atau gemuk ke bawah). Secara teoritis, bentuk
distribusi yang normal atau mendekati normal adalah distribusi mesokurtik. Jika
bentuk distribusi terlalu runcing ke atas (leptokurti) atau sangat landai
(Platikurtik), maka data tersebut tidak bisa dikatakan terdistribusi normal.
Keruncingan atau kurtosis adalah tingkat kepuncakan dari sebuah distribusi yang
biasanya diambil secara relatif terhadap suatu distribusi normal.
Berdasarkan keruncingannya, kurva distribusi dapat dibedakan atas tiga
macam, yaitu sebagai berikut.
1. Leptokurtik
Leptokurtik merupakan distribusi yang memiliki puncak relatif tinggi.
2. Platikurtik
Platikurtik merupakan distribusi yang memiliki puncak hampir mendatar.
3. Mesokurtik
Mesokurtik merupakan distribusi yang memiliki puncak tidak tinggi dan
tidak mendatar.
Bila distribusinya merupakan distribusi simetris maka distribusi
mesokurtik dianggap sebagai distribusi normal.

82

Gambar 5.3 Keruncingan Kurva

Ukuran yang sering digunakan untuk mengetahui keruncingan suatu
distribusi adalah koefisien keruncingan
1. Koefisien Keruncingan
Koefisien keruncingan atau koefisien kurtosis dilambangkan dengan
4. (alpha 4). Jika hasil perhitungan koefisien keruncingan diperoleh:
a.

nilai lebih kecil dari 3 (<3) maka distribusinya adalah distribusi

platikurtik:

b. nilai lebih besar dari 3 (>3) maka distribusinya adalah distribusi

leptokurtik.
c.

nilai yang sama dengan 3 (= 3) maka distribusinya adalah distribusi

mesokurtik.
Untuk mencari nilai koefisien keruncingan, dibedakan antara data

tunggal dan data berkelompok.

1) Untuk data tunggal

83

Contoh soal:
Tentukan keruncingan kurva dari data kadar Au hasil pemboran
Tabel 5.7 Kadar Au g/t
Kadar Au g/t
5,2
1,5
35,9
9,8
17,7

Lubang Bor
1
2
3
4
5
Penyelesaian:

( )

( )

5,2

-8,82

77,7924

6051,657

1,5

1,5

2,25

5,0625

35,9

35,9

1288,81

1661031

9,8

9,8

96,04

9223,682

17,7

17,7

313,29

98150,62

70,1

14,02

1778,1824

1774462

70,1
= 14,02
5

( )
=
1

1778,182
= 21,084
4

,
,

= ,

Karena nilainya lebih kecil dari pada 3 yaitu 1,796 maka distribusi
platikurtik.

84

2) Untuk data berkelompok

1
=

( )

Contoh soal:
Berikut ini adalah distribusi frekuensi dari pengukuran diameter pipa
Tabel 5.8 Diameter Pipa
Diameter Pipa
Frekuensi (f)
(mm)
65 67
2
68 70
5
71 73
13
74 76
14
77 79
4
80 - 82
2
40

Jumlah

a. Tentukan nilai koefisien keruncingannya

b. Gambar grafiknya
Penyelesaian:
Dari perhitungan diperoleh s = 3,42

X
66

-7,425

( )
3039,386

( )
6078,772

68 70

69

-4,425

383,4009

1917,004

71 73

13

72

-1,425

4,123438

53,60469

74 76

14

75

1,575

6,1535

86,14901

77 79

78

4,575

438,0911

1752,364

80 82

81

7,575

3292,536

6585,072

Diameter
65 67

Jumlah

40

16472,97

85

1
.

( )

1
16.472,97 411,824
= 40
=
= 3,01
(3,42)
136,806

Karena nilai keruncingannya adalah 3,01 maka bentuk kurva tersebut

adalah mesokurtik
b. Grafik:
16
14
12
10
8
6
4
2
0
66

69

72

75

78

81

Gambar 5.4 Keruncingan Kurva Diameter Pipa

86

SOAL-SOAL LATIHAN
1. Jelaskan apa yang dimaksud dengan ukuran :
a.

Kemiringan

b.

Kurtosis

2. Berikan contoh fenomena yang dapat memberikan model kurva:

a.

Negatif

b.

Positif

3. Jelaskan bagaimana sifat data akan berkumpul jika lengkungannya:

a. Leptokurtik
b. Platikutik
4. Diketahui data curah hujan rata-rata setiap bulan selama tahun 2012 adalah
sebagai berikut :
Bulan

Jan

Feb

Mar

Apr

Mei

Juni

Juli

Agus

Sept

Okt

Nov

Des

mm/

554,1

261,2

176,9

297,9

264,9

122,2

232,1

122,9

84

73,9

285,7

380,5

bulan

a. Susunlah data curah hujan tersebut kedalam tabel distribusi frekuensi

b. Hitung varians dan simpangan bakunya
c. Tentukan kemencengan atau skewness dari data di atas.
5. Diketahui kadar Ni (%) dari enam buah drill hole adalah :
Drill hole

Kadar Ni (%)

0,9

1,2

1,5

1,9

2,4

2,6

Tentukan simpangan kuartil, deviasi rata-rata, varians, dan simpangan baku dari
data diatas apakah ada data pencilan dari kadar Ni diatas

87

BAB VI
DATA BERKALA
(TIME S ERIES)

A. PENGERTIAN DATA BERKALA DAN KEGUNAANNYA

Pada umum nya penyajian data statistik menggunakan basis tempat, berat
suatu barang, nilai ujian, banyaknya kendaraan dan lain-lain. Namun demikian
ada satu jenis data statistik yang mencatat data statistik berdasarkan waktu. Data
berbasi waktu ini bisa berupa umur suatu barang atau alat produksi, harga saham,
keuntungan tiap bulan, harga barang dan lain-lain. Kumpulan data statistik yang
merupakan hasil pengamatan setiap interval waktu tertentu disebut Time Series.
Jadi data berkala (time series) adalah data yang disusun berdasarkan urutan waktu
atau data yang dikumpulkan dari waktu ke waktu. Waktu yang digunakan dapat
berupa minggu. bulan, tahun, dan sebagainya. Dengan demikian, data berkala
berhubungan dengan data statistik yang dicatat dan diselidiki dalam batasbatas (interval) waktu tertentu, seperti penjualan, harga, persediaan, produksi, dan
tenaga kerja.
Dengan adanya data berkala, maka gerakan data atau nilai-nilai variabel
dapat diikuti atau diketahui. Dengan demikian, data berkala dapat dijadikan
sebagai dasar untuk:
1) pembuatan keputusan pada saat in i
2) peramalan keadaan perdagangan dan ekonomi pada masa yang akan datang,
3) perencanaan kegiatan untuk masa depan

88

B. KOMPONEN TIME SERIES

Karena berdasarkan waktu, maka sebuah deret berkala bisa ditampilkan
dalam bentuk grafik garis (line).
Analisis data berkala adalah analisis yang menerangkan dan mengukur
berbagai perubahan atau perkembangan data selama satu periode. Pada umumnya
perubahan yang terjadi dalam data statistik dalam sederetan waktu tertentu dapat
berbentuk trend sekuler, variasi siklis, variasi musim, dan variasi residu, yang
disebut komponen data berkala.
1. Trend Sekuler (Seculer Trend)
Trend sekuler, disimbolkan T, merupakan gerakan teratur atau gerakan
rata-rata dalam jangka waktu yang panjang, lebih dari 10 jangka waktu.
Trend itu dilukiskan berupa suatu garis yang memiliki bentuk yang beraneka
ragam, dapat berupa garis meningkat, menurun, horizontal atau naik turun
secara halus, mirip huruf S yang memanjang.

Gambar 6.1 Bentuk-Bentuk Trend

2. Variasi Siklis (Cyclical Variation)
Pada prinsipnya variasi siklis adalah gerakan di sekitar trend apakah
gerakan siklis tersebut naik atau turun. Gerakan ini berlangsungnya lebih
pendek daripada trend, bisa teratur dengan pola tertentu atau tanpa pola.
Contohnya siklus bisnis, yakni kegiatan ekonomi di masyarakat.

Variasi

siklis atau variasi konjungtur disimbolkan C, merupakan variasi yang

89

berulang-ulang dan regular dengan periode waktu yang panjang. Siklusnya

ialah sebagai berikut.
a.

Periode kemakmuran (prosperity)

b.

Periode kemunduran (recession)

c.

Periode kesukaran (depression)

d.

Periode pemulihan (recovery)

Pada siklis tersebut terdapat puncak dan lembah. Gerakan dari puncak

ke lembah disebut kontraksi, sebaliknya gerakan dari lembah ke puncak

disebut ekspansi. Dalam bentuk grafik, variasi siklis dapat digambarkan
seperti berikut.
D

Gambar 6.2 Kurva Variasi Siklis

Keterangan:
X

= garis perkembangan normal

= puncak masa kemakmuran

= masa kesukaran paling bawah

= masa pemulihan

puncak kemunduran

Jangka waktu dari D sampai D' disebut satu periode, sedangkan jarak A - A disebut
Amplitudo.

90

3. Variasi Musim (Seasonal Variation)

Variasi musim, disimbolkan S, juga merupakan variasi yang berulangulang dan regular dengan periode waktu yang pendek, yaitu satu tahun atau
kurang.
Variasi musim bisaanya disebabkan oleh pengaruh-pengaruh, seperti
musim, adat istiadat, dan kebisaaan. Variasi itu kadang-kadang juga
dinyatakan sebagai angka indeks (angka persentase) dari angka rata-rata
bulanan dalam setahun.

Gambar 6.3 Kurva Variasi Musim

Variasi musim sering pula terjadi bersama-sama dengan trend dalam jangka
panjang.
4. Variasi Residu (Irregular/Random/Erratic Variation)
Variasi residu, disimbolkan/ merupakan gerakan yang berbeda-beda
dalam waktu yang singkat, tidak diikuti pola yang teratur, serta tidak dapat
diperkirakan.
Variasi residu timbul dari kejadian-kejadian yang terjadi secara
mendadak atau tidak diperhitungkan sebelumnya, seperti perang, timbulnya
pemogokan buruh, kematian pimpinan perusahaan, bencana alam, dan

91

kebijaksanaan baru yang dikeluarkan oleh pemerintah, perubahan situasi

politik.
Dengan demikian suatu time series bisa dipisahkan menjadi empat
bagian di atas, sehingga jika data time series disimbolak dengan variabel Y,
maka Y adalah perkalian antara faktor trend, siklis, musim dan ireguler.
=

Dimana:
T

= Trend

= Cyclical (gerakan siklis atau bisa disebut juga siklus)

= Seasonal atau gerakan musiman

= Irregular atau gerakan random tak teratur.

C. PENENTUAN TREND
1. Metode Tangan Bebas (Free Hand)
Sesuai dengan namanya, metode free hand tidak memakai model
matematis apapun, tetapi hanya menarik garis secara bebas menggunakan
mistar dan tangan. Langkah-langkah penyelesaian dengan metode tangan
bebas ialah sebagai berikut.
a. Data dari hasil pengamatan digambarkan ke dalam suatu diagram
(disebut diagram pencar).
b. Pada diagram pencar tersebut ditarik garis lurus secara bebas. Arah
garisnya sesuai dengan letak titik-titiknya.

92

Contoh soal:
Berikut ini data mengenai penjualan sepeda di sebuah daerah pada tahun
2002 adalah sebagai berikut:

Tabel 6.1 Tabel Penjualan Sepeda Setiap Bulan

Bulan

Sepeda (unit)

Januari

750

Februari

800

Maret

675

April

724

Mei

700

Juni

645

Juli

650

Agustus

800

September

750

Oktober

650

November

600

Desember

575

Gambarkan data tersebut ke dalam diagram pencar!

93

Penyelesaian
900
800
Speda (unit)

700
600
500
400
300
200
100
0

Gambar 6.4 Penjualan Sepeda Tiap Bulan

Dari gambar diatas dapat dilihat bahwa adanya kecendrungan

penurunan terhadap pembelian sepeda dalam jangka waktu yang lama.
Untuk memperkirakan penurunan tersebut, dibuat sebuah garis trand yang
diasumsikan bisa mewakili seluruh data yang ada. Karena pembuatan
garis tersebut bersifat bebas, maka pembuatan trend oleh setiap orang
akan berkemungkinan berbeda pula.
Keuntungan dari penggunaan free hand adalah tidak membutuhan
perhitungan dan
kemiringan

kerugiannya adalah

garis

trendnya

gambarnya kurang

tergantung

dari

orang

akurat,
yang

menggambarkannya.

94

2. Metode Setengah Rata-Rata (Semiaverage)

Langkah:
Bagi dua data penjualan sepeda. Karena ada 12 buah data, maka
masing-masing kelopok data terdiri atas 6 buah sepeda. Apabila data
berjumlah ganjil, maka nilai yang di tengahnya dibuang atau dihilangkan.
Bulan

Sepeda (unit)

Bulan

Sepeda (unit)

Januari

750

Juli

650

Februari

800

Agustus

800

Maret

675

September

750

April

724

O ktober

650

Mei

700

November

600

Juni

645

Desember

575

Total

4294

Total

4025

Rata-rata

716

Rata-rata

671

Dari tabel diatas dapat dilihat bahwa pada bulan januari sampai
juni rata-ratanya adalah = 4294/716 = 715,667 716. Pada bulan Juli
samapi Desember diperoleh rata-rata penjualan sepeda adalah = 4025/671
670,83 671. Jadi penurunan penjualan sepeda selama enam bulan
adalah:
716 671 = 45 unit sepeda
Dan jika penurunan dihitung tiap bulan yaitu :
45/6 = 7,5 8 sepeda
Peramalan Penjualan
Setelah

diketahui

tingkat penurunan tiap bulan, langkah

selanjutnya adalah memperkirakan penjualan tiap bulan. Untuk itu

diperlukan model dengan menggunakan variabel Y dan X. Variabel Y

95

adalah data penjualan sepeda, sedang variabel X adalah skor-skor

tertentu, yang dikodekan dengan ketentuan:
a.

Sebagai pedoman, digunakan kelopok awal (pertama) yangdalam

kasus ini adalah kelompok bulan januari - Juni

b.

Tempatkan kode awal pada kelompok tersebut, dengan ketentuan:

1) Jika jumlah data pada kelompok tersebut: Ganjil, maka beri
kode tengah-tengah data tersebut (misal jumlah data 5, maka
kode 0 teri pada data ketiga). Kemudian data diurutkan dengan
selisih 1.
2) Jika jumlah data pada kelompok tersebut: Genap, maka beri
kode - i +1 di tengah data (misal jumlah data 4, maka beri kode
-1 dan +1 data kedua dan ketiga). Kemudian data diurutkan
dengan selisih 2. Karena kelompok pertama (Januari-Juni) ada
6 buah, maka kode -1

+1 digunakan dan ditempatkan pada

data ketiga dan keempat.

3) Karena awal prediksi dimulai dari kelompok pertama dengan
rata penjualan 716 sepeda dan selisih adalah 8 sepeda maka
model trend adalah :
Y = 716 8X
Angka koefisien trend negatif karena adanya penurunan
penjualan sepeda. Apabila tren penjualan sepeda meningkat,
maka tanda koefisien trend adalah positif (+)

96

Hasil
Bulan

Sepeda (unit)

X (Kode)

Trend (unit)

Januari

750

-5

756

Februari

800

-3

740

Maret

675

-1

724

April

724

+1

708

Mei

700

+3

692

Juni

645

+5

676

Juli

650

+7

660

Agustus

800

+9

644

September

750

+11

628

Oktober

650

+13

612

November

600

+15

596

Desember

575

+17

580

4) Untuk bulan januari, karena kode X adalah -5, maka:

Y = 716 (8 5) = 756
5) Untuk memprediksi penjualan sepeda dimasa yang akan dating,
misalnya penjualan sepeda pada bulan januari 2003, maka kode
Desember 2002 adalah +17, sehingga secara logika kode Januari
2003 adalah selisih dua ke atas atau +19, sehingga:
Y = 716 (8 x 19) = 564
3. Metode Least Square
Sebuah prediksi yang baik adalah prediksi yang mempunyai tingkat
kesalahan yang paling kecil. Kesalahan minimal tersebut dapat
diantisipasidengan menggunakan Metode Least Square, yakni upaya ,

97

dimana Y sendiri adalah data asli dari time seriesmeminimumkan hasil

kuadrat antara hasil kuadrat antara data asli dengan data prediksi.
a. Konsep Least Square
Pada prinsipnya, sebuah model trend sama dengan model regresi yang
menggunakan metode least square, yakni:
=

di mana:
=

hasil prediksi, dimana Y sendiri adalah data asli dari

time series

X = kode yang berhubungan dengan waktu

Jika model trend yang diperoleh adalah model yang baik, maka hasil
prediksi
Y -

tidak berrbeda jauh dengan data aslinya (Y), sehingga

= minimum. Agar Y -

minimum, maka secara matematis

jumlah kuadrat dari selisih tersebut harus nol atau

a dan b dapat dicari dengan rumus:

=
=

Dimana adalah jumlah data. Karena dalam time series, jumlah X

adalah nol, maka rata-ratanya juga sama dengan nol, sehingga bisa
disingkat menjadi:
=

( )=

98

b. Penerapan Metode Least Square

Tabel 6.2 Jumlah Produksi Feldspar
Tahun
Produksi
1980

2827

1981

6616

1982

14782

1983

12226

1984

17839

1985

14785

1986

12626

1987

13417

1988

17995

1989

18715

1990

19839

Persamaan Trend
Langkah membuat trend:
1) Ubah variabel time menjadi kode-kode tertentu,. Karena jumlah
data ganjil (11)
2) Ambil data tengah yang pada kasus ini adalah tahun 1985. Beri
kode pada tahun tersebut dengan 0
3) Beri kode untuk tahun-tahun diatas tahun standar (1985) dengan
angka negatif yang berurutan dan bulat, yaitu -1, -2, -3, -4, dan -5
4) Beri kode untuk tahun-tahun di bawah tahun standar dengan
angka positif yang berurutan dan bulat, yaitu 1, 2, 3, 4, dan 5
99

5) Beri nama variabel X untuk data time (tahun) dan variabel Y

untuk data bukan berbasis waktu, dalam hal ini adalah jumlah
produksi flespar
6) Buat dua kolom baru untuk perhitungan Trend, yakni X, Y, dan
X2
Tahun
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990

Kode
(X)
-5
-4
-3
-2
-1
0
1
2
3
4
5

X2

Y
XY
(Produksi)
2827
-14135
6616
-26464
14782
-44346
12226
-24452
17839
-17839
14785
0
12626
12626
13417
26834
17995
53985
18715
74860
19839
99195
Jumalah 140264

1
16
9
4
1
0
1
4
9
16
25
110

7) Membuat persamaan trend

Rata-rata X dengan Y adalah :
+

=
+

+
+

+
+

+
+

+
+

= 151667

+ + + +

100

Dengan demikian
=

140264
= 1275,127
110

a = 151667
Model Trend menjadi:
=

25000

Produksi Flespar

20000

15000

10000

5000

0
1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990
Tahun

Gambar 6.5 Produksi Flespar dari Tahun 1980 sampai 1990

8) Prediksi
a) Prediksi jumlah produksi flespar 1991:
Karena kode pada tahun 1990 adalah +5 maka kode pada
tahun 1991 adalah +6, maka:
=

= 159317,7

101

4. Metode Rata-Rata Bergerak (Moving Average)

Metoda rata-rata adalah upaya untuk memuliskan data sebagai time
series, sehingga faktor siklis, musiman dan random bisa dihilangkan atau
diminimalisasi dampaknya, sehingga pada akhirnya didapat sebuah trend
data. Adanya faktor siklis dan musiman membuat data sebuah time
series naik turun atau jika ditampilkan dalam sebuah grafik, data akan
tampak bergelombang.
Dikatakan sebagai metoda rata-rata bergerak apabila setelah ratarata dihitung diikuti oleh satu periode kebelakang. Metoda rata-rata
bergerak disebut juga rata-rata bergerak terpusat, karena rata-rata
bergerak diletakkan pada pusatdari periode yang digunakan.
a. Konsep Rata-Rata Bergerak
Pada prinsipnya metoda rata-rata bergerak adalah menghitung rata
data untuk n periode yang saling sambung menyambung antara data
time series. Jika dimaksud akan menghitung MA (4) , berarti
mengitung rata-rata data ke 1, ke 2, ke 3 dan ke 4. Kemudian
dilanjutkan dengan menghitung data ke 2, ke 3, ke 4, dan ke 5.
Selanjutnya menghitung data ke 3, ke 4, ke 5 dan ke 6. Hal ini
dilakukan secara berurutan dan data terakhir terhitung.

102

b. Penerapan Metoda Rata-Rata Bergerak

Contoh:
Tabel 6.3 Harga barang X di Sebuah Wilayah
Tahun

Harga Barang X
(Rupiah/Unit)

1994

5100

1995

5300

1996

5565

1997

4500

1998

4750

1999

6200

2000

5400

2001

6250

2002

7050

Dari data diatas buatlah trend dengan metode rata-rata bergerak untuk
1) periode 3 tahun
2) Periode 4 tahun.
Penyelesaian:
1) Metode rata-rata bergerak tiga tahun (MA[3])
Tahun
1994
1995
1996
1997
1998
1999
2000
2001
2002

Harga Barang X
(Rupiah/Unit)
5100
5300
5565
4500
4750
6200
5400
6250
7050

MA (3)
5321,67
5121,67
4938,33
5150,00
5450,00
5950,00
6233,33
-

103

Keterangan (kolom MA):

a) Baris pertama dalam kolom MA tidak ada data, karena ratarata pertamaakan diletakkkan pada baris kedua
b) Baris kedua berisi rata-rata data ke 1, 2, dan 3

( )

Hal ini berarti MA(3) untuk barang X adalah Rp. 5321,67.

Karena periode atau panjang MA adalah ganjil (yaitu 3) maka
penempatan MA pertama ada di tengah-tengah data tersebut.
Karena ada 3 data, maka hasil diletakkan pada data ke 2.
Kemudian pengisian data MA yang lain dilakukan berurutan
ke bawah.
c) Baris ketiga berisi rata-rata data ke 2, 3, dan 4:

( )

Hal ini berarti MA (3) pertama untuk barang X adalah Rp

5121,67. Demikian seterusnya untuk data MA yang lain.
Pengisian MA(3) akan berakhir pada rata-rata tiga data
terakhir, yakni data ke 7, 8, dan 9 yang adalah:

( )

Dan data ini ditempatkan pada data ke 8 (data yang ada di

tengah di antara data ke 7, 8, dan 9). Untuk MA ke Sembilan
tidak dihitung, karena MA ke Sembilan berarti membutuhkan
data ke 8, 9 dan 10, sedangkan data ke 10 tidak ada.

104

Gambar 6.6 Hasil Metode Rata-Rata

Terlihat trend yang dibuat dengan metode rata-rata (garis
putus-putus) lebih mulus daripada data time series yang
semula. Denngan pemulusan yang dihasilkan diharapkan
pengaruh musim, random, dan sebagian dari faktor siklis bisa
dihilangkan, sehingga diperoleh tinggal trend harga barang ke
depan, yang dari tampilan grafik cendrung meningkat karena
garis moving average cendrung naik ke kanan atas.
2) Moving Average Empat Tahun (MA[4}
Tahun

MA (3)

1994

Harga Barang X
(Rupiah/Unit)
5100

1995

5300

5116, 25

1996

5565

5028,75

1997

4500

5253,75

1998

4750

5212,50

1999

6200

5650,00

2000

5400

6225,00

2001

6250

2002

7050

105

Keterangan (kolom MA):

a) Baris pertama dalam kolom MA tidak ada data, karena
rata-rata pertama akan diletakkan di baris kedua.
Untuk data genap seperti pada kasus diatas yang
menghitung MA tiap 4 tahun, maka penempatan MA
pertama tetap ditengah, yang dalam hal ini bisa data kedua
atau ketiga
b) Baris kedua berisi rata-rata data ke 1, 2, 3, dan 4
( )
+

=
=

c) Baris ke tiga berisi rata-rata ke 2, 3, 4, dan 5:

Pengisisan MA(4) akan selesai pada rata-rata empat data
terakhir, yaitu data ke 6, 7, 8, dan 9, adalah:
( )

=
=

Pengisian MA(4) akan selsai pada rata-rata empat data

terakhir, yakni data ke 6, 7, 8 dan 9

( )
+

106

Setelah angka tersebut, proses perhitungan MA(4) selesai

karena tidak ada data ke 10 untuk melanjutkan perhitungan
MA ke tujuh

Gambar 6.7 Hasil Moving Avarage 2

d) Garis moving average untuk 4 tahun yang cendrung lebih
mulus dibandingkan moving avarage 3 tahun. Semakin
banyak panjang moving avarage, garis cendrung semakin
mulus . namun demikian semakin panjan MA (misal tiap
enam atau tujuh tahunan), maka semakin sedikit data MA
yang diperoleh, dan semakin pendek garis MA yang
didapat.

107

SOAL-SOAL LATIHAN
1. Data temperatur sebuah freezer selama 19 hari kerja adalah sebagai berikut:
Hari

Temperatur (oC)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

-22,6
-22,5
-24,5
-28,5
-24,5
-25,9
-22,9
-23,9
-25,9
-24,6
-23,9
-21,5
-19,4
-19,2
-18,5
-18,1
-17,5
-16,8
-13,8

Dari data diatas buat persamaan trend dengan menggunakan metode

a. Least square
b. Metode setengah rata-rata
c. Metode tangan bebas
2. Jelaskan arti dari data berkala(time series) beserta gunanya

108

3. Berikut ini data mengenai nilai ekspor suatu komoditas tahun 1985-1994
Tahun

Ekspor (juta Rp)

Tahun

Ekspor (juta Rp)

1985

580

1990

836

1986

603

1991

875

1987

690

1992

899

1988

750

1993

945

1989

795

1994

990

Tentukan trendnya dengan metode setengah rata-rata

4.

Ekspor cengkeh Indonesia ke berbagai Negara pada periode 1997 2001 adalah
sebagai berikut:
Nilai ($)
Tahun
Volume (kg)
1997

574.020.963

741.929.165

1998

189.748.461

326.120.549

1999

631.859.008

1.209.390.745

2000

748.147.635

1.470.456.926

2001

723.190.980

1.389.180.253

Dari data di atas, buatlah persamaan trend dengan metode least square untuk
volume ekspor dan tentukan forecast ekspor cengkeh tersebut 2002 dan 2003.

109

BAB VII
ANALISIS REGRESI

A. PENDAHULUAN
Analisis regresi adalah suatu alat statistik yang berguna untuk mengetahui,
menaksir atau meramal apakah adanya hubungan antara dua variabel atau lebih
yang dinyatakan dalam bentuk hubungan atau fungsi. Variabel-variabel tersebut
terdiri atas:
1. Variabel predictor atau disebut juga variabel independen yang merupakan
variabel bebas yaitu variabel yang kebaradaannya tidak dipengaruhi oleh
variabel lain dengan notasi X. variabel X digunakan untuk meramalkan atau
menjelaskan nilai variabel yang lain.
2. Variabel respon yang bisaanya disebut variabel dependen atau variabel tak
bebas

yaitu variabel yang keberadaanya dipengaruhi oleh variabel lain

dengan notasi Y. variabel Y merupakan variabel yang diramalkan atau

dijelaskan nilainya.
Apabila variabel X (variabel bebas) tenyata mempunyai hubungan dengan
variabel Y (variabel tak bebas) maka nilai-nilai dari variabel X tersebut dapat
digunakan untuk memprediksi nilai-nilai dari variabel Y.
B. MACAM- MACAM REGRESI
1. Regresi Linier
a. Regresi Linier Sederhana (simple analysis regresi)
Regresi linier sederhana yaitu regresi linier yang hanya mempunyai
dua buah variabel. Variabel-variabel tersebut adalah satu buah variabel

110

bebas (variabel independen) dan satu buah variabel tak bebas (variabel
dependen)
Persamaan garis regresi linier sederhana adalah:
1) Persamaan Regresi Linier dari Y terhadap X
Persamaan regresi linier dari Y terhadap X dirumuskan:
=

Keterangan:
Y

= variabel tak bebas

= variabel bebas

= intersep

= koefisien regresi variabel bebas

persamaan regresi linier juga dapat ditulis dalam bentuk:

=

2) Regresi Linier dari X terhadap Y

Persamaan regresi linier X dari X terhadap Y dirumuskan:
=

Keterangan:
Y

= variabel tak bebas

= variabel bebas

= intersep

= koefisien regresi variabel bebas

persamaan regresi linier juga dapat ditulis dalam bentuk:

Untuk mengetahui nilai dari a dan b maka dapat ditentukan dengan

menggunakan persamaan

111

a)

b)

Metode Kuadrat Terkecil

( )( ) ( )(
( )( ) ( )

( )( ) ( )( )
( )( ) ( )

Sistem Persamaan Dua Variabel

= . +.

= .

+ .

Contoh soal:
Tabel 7.1 Hubungan antara Temperatur dengan Regangan
Temperatur Regangan
(Fo)
(%)
400
11
500

13

600

13

700

15

800

17

900

19

1000

20

1100

23

a. Tentukan nilai a dan b gunakan cara kuadrat terkecil dan

sistem persamaan dua variabel

112

b. Buatlah persamaan garis regresinya

Berapa regangan yang terjadi pada suhu 652oC

c.

Penyelesaian:
X2
160000
250000
360000
490000
640000
810000
1000000
1210000
Jumlah
131 4920000

X
400
500
600
700
800
900
1000
1100

Y
11
13
13
15
17
19
20
23

6000

a.

6000
131
131

XY
4400
6500
7800
10500
13600
17100
20000
25300
105200

= 750

= 16,375

Dengaan metode kuadrat terkecil

( )(

( )(

) ( )(

) ( )

131 4920000 6000 105200

8 4920000 (6000)

644520000 631200000 13320000

=
= 3,964
39360000 36000000
3360000

( )( ) ( )( )
( )( ) ( )

113

8 105200 6000 131

8 4920000 (6000)

841600 786000
55600
=
= 0,017
39360000 36000000 3360000

Sistem persamaan dua variabel

= . +.

= .

(1) x
(2) x

6000
8

+ .

131
105200

=
=

8
6000

a
a

+
+

b
b

6000
4920000

. (1)
. (2)

786000
841600
-55600

=
=
=

48000
48000

a
a

+
+
+

b
b
b

36000000
39360000 -3360000 . (3)

b
a

=
=

0,017
3,964

b. Persamaan regresi linier

Y = a + bX
Y = 3,964 + 0,017X
c.

Nilai regangan apabila suhu adalah 625oF

Y = 3,964 + 0,017(625 oF) = 14,589

b. Selisih Taksir Standar

Selisih taksir standar adalah suatu alat ukur untuk mengetahui
apakah ketepatan suatu penduga atau mengukur variasi titik-titik disekitar
garis regresi. Apabila semua titik-titik observasi berada tepat pada garis
regresi maka selisih taksir standar akan berjumlah nol.

114

Persamaan untuk selisih taksir ganda adalah:

( )
2

( )
2

atau

atau

.
2

. .
2

atau

Keterangan:
Syx = Sx/y = selisih taksir standar
Y =X

= nilai variabel sebenarnya

Y = X = nilai variabel yang diperkirakan

n

= jumlah frekuensi

115

Contoh soal:
Sebuah percobaan dilakukan untuk mendapatkan hubungan antara
besaran gaya dan perpindahan:
Tabel 7.2 Pengamatan Gaya dan Perpindahan
Pengamatan Pengamatan
Gaya Aksial Perpanjangan
(ton)
(mm)
7,7
2,4
10,0
3,4
18,5
7,0
23,9
11,1
28,5
19,6
Keterangan:
X = Gaya aksial
Y = perpanjangan
a. Tentukan persamaan garis regresi
b. Tentukan nilai Y apabila X = 15
c. Tentukan selisih standarnya
Penyelesaian:
X
7,7
10
18,5
23,9
28,5
88,6

Y
2,4
3,4
7
11,1
19,6
43,5

X2
59,29
100
342,25
571,21
812,25
1885

Y2
XY
5,76
18,48
11,56
34
49
129,5
123,21 265,29
384,16
558,6
573,69 1005,87

( )( ) ( )( )
( )( ) ( )

(5)(1005,87) (88,6)(43,5) 1175,25

=
= 0,746
(5)(1885) (88,6)
1575,04

116

=
=

.
43,5
88,6
0,746
5
5

= 8,7 13,219 = 4,5

a.

Persamaan garis regresinya:

= 4,5 + 0,746

b.

Nilai Y jika X = 15
= 4,5 + 0,746 (15)
= 6,69

c.

Selisih taksir standar adalah:

X
7,700

Y
2,400

Y
1,244

Y Y
1,156

(Y Y)2
1,336

10,000

3,400

2,960

0,440

0,194

18,500

7,000

9,301

-2,301

5,295

23,900 11,100

13,329

-2,229

4,970

28,500 19,600

16,761

2,839

8,060
19,854

( )
2

19,854
52

= 2,572
atau

117

.
2

573,69 (4,5)(43,5) (0,746)(1005,87)

52

573,69 + 195,75 750,379

= 2,521
3

c. Regresi Linier Berganda (Multiple analysis regresi)

Regresi linier berganda yaitu regresi linier yang mempunyai
minimal tiga buah atau lebih variabel, dimana sekurang-kurangnya
mempunyai dua variabel bebas (X1, X2, X3, ..Xn) dengan satu variabel
tak bebas (Y). Persamaan untuk regresi linier berganda adalah:
=

+ ..+

Keterangan:
Y

= variabel tak bebas

X1, X2, X3,.Xn = variabel bebas

a, b1, b2,,bk = koefisien regresi
e

= kesalahan pengganggu (disturbance terma),

nilai-nilai dari variabel lain yang tidak
dimasukkan dalam persamaan
Apabila variabel terikat (Y) tersebut dihubungkan dengan dua buah

variabel bebas (X1 dan X2) maka persamaan regresi linier berganda bisa
diubah menjadi:
=

118

Keterangan:
Y

= variabel tak bebas

X1, X2,

= variabel bebas

a, b1, b2,

= intersep

= nilai Y apabila X1 = X2 =0

b1

= besarnya kenaikan/penurunan Y dalam satuan, jika

X1 naik/turun satu satuan dan X2 konstan

b2

= besarnya kenaikan/penurunan Y dalam satuan, jika

X2 naik/turun satu satuan dan X1 konstan

Nilai dari koefisien a, b 1, b2 dapat ditentukan dengan cara:

1) Metode kuadrat terkecil (least square)

)(
)
(
( )( ) (
)

)(
) (
)(
( )( ) (
)

Dimana:

( )

119

)( )

)( )

= . +

)(

2) Persamaan normal

Contoh soal:
Debit suatu aliran fluida dalam pipa bergantung pada diameter pipa
dan kemiringannya. Data percobaan di laboratorium untuk mengukur
aliran fluida dalam pipa bulat dengan kemiringan tertentu diberikan
sebagai berikut:

120

Tabel 7.3 Hubungan Antara Debit, Kemiringan dan Diameter

No
1
2
3

Diameter
Debit
Kemiringan
(ft)
(ft3/det)
1
0,001
1,4
2
0,001
8,3
3
0,001
24,2

0,01

4,7

0,01

28,9

6
7

3
1

0,01
0,05

84
11,1

0,05

69

0,05

200

9
Pertanyaan:
a. Buatkan

persamaan

regresi

linier

bergandanya

dengan

menggunakan metode persamaan normal dan metode kuadrat

terkecil
b. Apa artinya
c. Berapa nilai Y jika X1 = 2,5 dan X2 = 0,02
Penyelesaian:

Persamaan normal

No
1
2
3

X1
1
2
3

X2
0,001
0,001
0,001

Y
1,4
8,3
24,2

X12
1
4
9

X22
0,000001
0,000001
0,000001

X1X2
0,001
0,002
0,003

X1Y
1,4
16,6
72,6

X2Y
0,0014
0,0083
0,0242

4
5
6
7

1
2
3
1

0,01
0,01
0,01
0,05

4,7
28,9
84
11,1

1
4
9
1

0,0001
0,0001
0,0001
0,0025

0,01
0,02
0,03
0,05

4,7
57,8
252
11,1

0,047
0,289
0,84
0,555

8
9

2
3

0,05
0,05

69
200

4
9

0,0025
0,0025

0,1
0,15

138
600

3,45
10

18

0,183

431,6

42

0,007803

0,366

1154,2

15,2149

121

Dimana:
X1

= diameter (ft)

X2

= Kemiringan

= Debit (ft3/det)

a, b

= koefisien regresi

Persamaan regresi linier berganda adalah:

Y = a + b1X1+ b 2X2
Y

(1)
x
(2)
x

(1)
x
(3)
x

18

0,183
9

b1

X1

b2

X2

b2

X1X2

XY

X1

b1

X12

XY

X2

b1

X1X2

b2

X22

431,6

b1

18

b2

0,183

. (1)

1154,2

18

b1

42

b2

0,366

. (2)

15,2149

0,183

b1

0,366

b2

0,007803

. (3)

7768,8

162

b1

324

b2

3,294

10387,8

162

b1

378

b2

3,294

-2619

b1

-54

b2

78,9828

1,647

b1

3,294

b2

0,033489

136,9341 =

1,647

b1

3,294

b2

0,070227

b1

b2

-0,03674

-57,9513

b2

= 1577,421

b1
a

=
=

. (4)

48,500
-81,119

122

. (5)

 Persamaan Kuadrat Terkecil

no

X1

X2

Y2

X12

X22

X1X2

X1Y

X2Y

1
2
3

1
2
3

0,001
0,001
0,001

1,4
8,3
24,2

1,96
68,89
585,64

1
4
9

0,000001
0,000001
0,000001

0,001
0,002
0,003

1,4
16,6
72,6

0,0014
0,0083
0,0242

4
5
6
7
8
9

1
2
3
1
2
3

0,01
0,01
0,01
0,05
0,05
0,05
0,183

4,7
28,9
84
11,1
69
200
431,6

22,09
835,21
7056
123,21
4761
40000
53454

1
4
9
1
4
9
42

0,0001
0,0001
0,0001
0,0025
0,0025
0,0025
0,007803

0,01
0,02
0,03
0,05
0,1
0,15
0,366

18

4,7
0,047
57,8
0,289
252
0,84
11,1
0,555
138
3,45
600
10
1154,2 15,2149

Dimana:
X1

= diameter (ft)

X2

= Kemiringan

= Debit (ft3/det)

a, b

= koefisien regresi

Persamaan regresi linier berganda adalah:

Y = a + b 1X1+ b2X2
x12

42

(18)2
9

=
x22

x1x2

= 0,0078032 =

0,004082

0,366

(0,183)2
9

(18)( 0,183)
9

123

x1y

=
=

x2y

y2

1154,2

(18)( 431)
9

(0,183)( 431,6)
9

(431,6)2
9

291

15,2149

6,439033

53454

32756,38

Untuk mencari nilai a, b1, b2

(0,004082)(291) (6,439033)(0)
= 48,500
(6)(0,004082) (0)

(6)(6,439033) (291)(0)
= 1577,421
(6)(0,004082) (0)

431,6 (48,5)(431,6) (1577,421)(0,183)

= 81,119
9

a. Jadi persamaan linier berganda dengan persamaan normal dan metode

kuadrat terkecil adalah:
Y = -81,119 +48,5X1+ 1577,421X2
b. Persamaan diatas dapat diartikan:
1) a = 81,119 artinya apabila tidak ada pengaruh diameter pipa
dan kemiringan saluran, maka nilai dari debit air adalah -81,119
2) b1 = 48,5 artinya setiap bertambah besar diameter pipa, maka akan
menaikkan debit air

124

3) b2 = 1577,421 artinya setiap kenaikan kemiringan saluran maka

akan meningkatkan debit air.
d. Regresi non linier
Regresi nonlinear adalah regresi yang variabel-variabelnya ada
yang berpangkat. Bentuk grafik regresi nonlinear adalah berupa
lengkungan.
Bentuk-bentuk regresi nonlinear antara lain regresi kuadratis atau
parabola dan regresi eksponensial.
1) Regresi Kuadratis atau Regresi Parabola
Regresi kuadratis adalah regresi dengan variabel X ada yang
berpangkat dua. Bentuk regresi kuadratis adalah

Keterangan :
Y

= variabel terikat

= variabel bebas

a, b, c = konstanta
Nilai a, b, c dapat dicari dengan menggunakan persamaan
normal (persamaan tiga variabel), sebagai berikut :

= . + .
= .
= .

+ .

+ .
+ .

+ .
+ .

125

Dalam bentuk diagram pencar digambarkan :

Gambar 7.1. Diagram Pencar Regresi Kuadratis

Contoh soal :
Sebuah bola dilempar vertikal ke atas dari atas sebuah gedung
dan diperoleh data sebagai berikut.

Tabel 7.4 Data Ketinggian dan Waktu

X

15 30

35

30

15

-10

-55

X = waktu
Y = ketinggian
a. Buatlah persamaan garis

regresinya dengan bentuk

kuadratis Y = a + bX + cX2
b. Berapa nilai ramalan Y jika X = 4,6

126

Penyelesaian :
a. Persamaan regresi kuadratis.
X
0
1
2
3
5
6
8

X2
0
1
4
9
25
36
64

Y
15
30
35
30
15
-10
-55
25

60

139

X3
X4
0
0
1
1
8
16
27
81
125
625
216
1296
512
4096
Jumlah
889
6115

Y2
225
900
1225
900
225
100
3025

X2Y
0
30
140
270
375
-360
-3520

XY
0
30
70
90
75
-60
-440

6600

-235

-3065

Persamaan regresi kuadtratis

Y=

a + bX + cX 2
n.a

+ b . X

+ c . X2

XY =

a . X

+ b . X2

+ c . X3

X2Y =

a . X2

+ b . X3

+ c . X4

Y =

60
-235
-3065

=
=
=

7
25
139

a
a
a

+
+
+

b
b
b

25
139
889

+
+
+

c
c
c

139
889
6115

(1) x

25

1500

175

625

3475

(2) x

-1645

175

973

6223

3145

-348

-2748

8340
-21455
29795

=
=
=

+
+
+

b
b
b

3475
6223
-2748

+
+
+

c
c
c

19321
42805
-23484

-956304
-956304
0

c
c
c

-7551504
-8172432
620928

b
b
b

(1) x
(3) x

(4) x
(5) x

139
7

2748
348

8642460
10368660
-1726200

=
=
=

973
973

a
a

. (1)
. (2)
. (3)

127

. (4)

. (5)

c
b
a

= -2,780
= 12,915
= 17,649

Persamaan regresi kuadratisnya adalah

Y = 17,649 + 12,915X 2,78X2
b. Ramalan untuk Y jika X = 4,6
Y = 17,649 + 12,915X 2,78X2
Y = 18,233

2) Regresi Eksponensial atau Logaritma

Regresi eksponensial adalah regresi dengan variabel X
perpangkat konstanta b atau konstanta b berpangkat X. Bentuk umum
regresi eksponensial adalah
Y = ab x
Keterangan :
Y

= variabel terikat

= variabel bebas

a, b, c = konstanta atau penduga

untuk menentukan nilai a dan b, bentuk persamaan diatas harus
ditransformasikan

menjadi

bentuk

persamaan

linear

dengan

menggunakan logaritma.
Y = ab x

menjadi

log Y = log a + log X

128

Misalkan :

log Y = Y1

log a = a1
log X = X1
didapatkan :

Dalam bentuk diagram pencar digambarkan sebagai berikut

Gambar 7.2. Diagram Pencar Regresi Eksponensial

129

Contoh soal :
Kecepatan aliran fluida yang tercatat pada suatu penampang diberikan pada tabel
berikut ini:
Tabel 7.5 Tabel Kecepatan Aliran Fluida
X

10

X = jarak (m)
Y = kecepatan (m/det)
a.

Buatlah persamaan regresi eksponensialnya!

b.

Berapa nilai ramalan Y jika X = 4?

Penyelesaian :
a. Persamaan regresi kuadratis.

X
1
2
3
5
6
7
9

Y
4
5
7
9
8
7
5

Log X (X1)
0,000
0,301
0,477
0,699
0,778
0,845
0,954

43

47

5,055

.
.

Log Y (Y1)
0,602
0,699
0,845
0,954
0,903
0,845
0,699
Jumlah
5,849

X12
0,000
0,091
0,228
0,489
0,606
0,714
0,911

X1Y1
0,362
0,489
0,714
0,911
0,816
0,714
0,489

4,037

4,585

.
)

8(4,585) (5,055)(5,849)
8(4,037) 5,055

7,113
6,743

= 1,055

130

=
=

.
5,849
5,055
(2,055)
8
8

= 0,064
= 1,159

(anti log 0,064)

Persamaan regresi eksponensialnya adalah

Y =1,159 x 1,055
b. Ramalan untuk Y jika X = 4
Y = 1,159 (4) 1,055 = 5,003

131

SOAL-SOAL LATIHAN
1.

Berikut ini data tentang produksi dan penggunaan tenaga kerja PT. ABC mulai
bulan Januari 1999 Desember 1999
No.
1
2
3
4
5
6
7
8
9
10
11
12

Bulan
Januari
Februari
Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember

Produksi
8.000
7.500
8.500
10.000
8.500
9.000
10.500
9.500
11.000
12.000
11.000
12.000

Tenaga Kerja (Jam Kerja)

2.700
2.600
2.750
3.025
2.725
2.850
3.150
2.950
3.250
4.175
3.550
3.900

Keterangan :
Y = produksi
X = tenaga kerja
Pertanyaan :
a. Buatkan persamaam regresi eksponensialnya!
b. Berapa produksi PT. ABC jika jumlah jam kerja sebanyak 4.000 jam?
2.

Sebuah percobaan dilakukan pada sepeda motor baru merek tertentu untuk
menentukan jarak yang dibutuhkan untuk berhenti jika motor tersebut direm pada
berbagai kecepatan.
Kecepatan (km/jam)

35

54

68

80

95

110

Jarak sampai berhenti (m)

16

26

41

62

88

119

a. Buatkan persamaan regresi kuadratiknya!

b. Berapa jarak sampai berhenti bila mobil tersebut berjalan dengan kecepatan
70 km per jam

132

3.

Data penjualan setiap bulan (y), harga per unit selama sebulan (x1) dan biaya
yang dihabiskan untuk iklan (x2) untuk sebuah produk diperlihatkan pada tabel
dibawah ini
Bulan
Januari
Februari
Maret
April
Mei

Penjualan
setiap bulan
45
50
57
34
48

Harga per
unit
0,86
0,75
0,79
1
0,8

Biaya untuk iklan

setiap bulan
6
5
8
7,5
5,5

a. Buatlah regresi linier bergandanya

b. Apa artinya?
c. Berapa nilai Y jika X1 = 0,7 dan X 2 = 4
4.

Hasil pengukuran defleksi balok pada beberapa titik disajikan dalam tabel
dibawah ini:
X (m)
0
0,2
0,4
0,6
0,8
1,0

Defleksi
(Ycm)
0
7,78
10,68
8,37
3,97
0

a.

Tentukan persamaan garis regresi

b.

Tentukan nilai Y apabila X = 15

c.

Tentukan selisih standarnya

133

BAB VIII
KORELASI

A. PENDAHULUAN
Korelasi adalah merupakan derajat yang mengukur kekuatan hubungan
antar variabel. Studi yang mempelajari tentang apakah ada atau tidaknya
hubungan antara variabel dinamakan analisis korelasi, sedangkan ukuran yang
dipakai untuk mengetahui derajat hubungan, dinamakan koefisien korelasi.
Apabila antara variabel-variabel tersebut mempunyai hubungan, maka apabila
salah satu dari variabel tersebut diubah akan mengakibatkan variabel yang lain
akan berubah pula. Jadi dari analisis korelasi dapat diketahui apakah antara
masing-masing variabel tersebut mempunyai hubungan atau tidak. Korelasi antar
variabel terdiri atas:
1. Korelasi positif yaitu misalkan nilai variabel X naik atau turun, maka nilai
dari variabel Y juga naik atau turun.
2. Korelasi negatif yaitu misalkan nilai variabel X naik atau turun, maka nilai
dari variabel Y turun atau naik.
3. Tidak ada korelasi yaitu apa bila antara variabel X dan Y tidak menunjukkan
hubungan.
4. Korelasi sempurna yaitu apabila kenaikan atau penurunan salah satu variabel
(variabel X) maka akan berbanding dengan kenaikan atau penurunan variabel
lainnya (variabel Y)

134

B. ANALISIS KORELASI
Analisis korelasi dapat dilakukan dengan cara membuat diagram pencar,
dan koefisien korelasi.
1. Diagram Pencar
Diagram pencar adalah suatu cara untuk menentukan analisis korelasi
dengan memplotkan nilai-nilai dari variabel bebas dan variabel tak bebas ke
dalam sistem koordinat kartesius. Tujuan dari membuat diagram pencar ini
adalah untuk mengetahui apakah masing-masing titik pada variabel bebas
dan tak bebas tadi membentuk suatu pola tertentu. Pada sumbu X diletakkan
nilai-nilai dari variabel bebas dan pada sumbu Y diletakkan nilai-nilai dari
variabel tak bebas. Setelah masing-masing titik diplot maka akan tergambar
diagram pencar. Apabila letak titik-titik tersebut disekitar garis lurus maka
bisa diduga bahwa regresi linier. Jika letak titik-titik tersebut disekitar garis
lengkung, maka diduga adalah regresi non linier.
Dari garis yang terbentuk tersebut dapat diketahui korelasi antara
kedua variabelnya. Apabila arah garis tersebut naik, maka variabel tersebut
mempunyai korelasi positif. Sebaliknya, Jika garis tersebut arahnya turun,
berarti mempunyai korelasi negatif. Dikatakan tidak ada korelasi apabila
terjadi beberapa garis dan dikatakan mempunyai korelasi sempurna apabila
titik-titik tersebut tepat berada pada garis.

135

Gambar dibawah ini adalah beberapa bentuk dari diagram pencar.

Korelasi Positif

Tidak Ada Korelasi

Korelasi Negatif

Korelasi Sempurna

Gambar 8.1. Diagram Pencar Jenis-Jenis Korelasi

Kerugian daripada pemakaian diagram pencar sebagai suatu alat untuk
menganalisis korelasi antar variabel

adalah tidak ada kepastian dalam

membuat garis lurus dan ada suatu nilai dalam mengukur keakuratan dari
korelasi tersebut
Contoh soal:
Suatu pengukuran konvergen dalam suatu lubang bukaan (cavern)
menghasilkan respon lubang bukaan berupa kurva perpindahan kumulatif
partikel massa batuan terhadap waktu. Apakah ada hubungan antara waktu
dengan perpindahan kumulatif partikel massa tersebut?

136

Penyelesaian:
Tabel 8.1. Perpindahan Kumulatif Partikel Massa Batuan
No

t (jam)

Perpindahan
Kumulatif

1
2
3
4
5
6
7
8
9
10

10
20
30
40
50
60
70
80
90
100

0
165
214
435
485
550
670
730
775
860

a. Buatkanlah diagram pencar dari data di atas

b. Sebutkan jenis korelasinya
Penyelesaian:
a. Diagram pencar dari data di atas adalah:
1000

waktu

800
600
400
200
0
10

20

30

40

50

60

70

80

90 100

Perpindahan Kumulatif

Gambar 8.2. Diagram Pencar Hubungan Antara Perpindahan

Kumulatif Massa Batuan dengan Waktu

137

b. Jenis korelasi dari grafik di atas adalah korelasi positif. Hal ini bisa kita
lihat bahwa dengan bertambahnya nilai variabel X, maka nilai dari
variabel Y juga ikut naik.

2. Koefisien Korelasi Linier

a. Pengertian Koefisien Korelasi
Koefisien korelasi ( r )adalah merupakan suatu nilai atau bilangan
yang digunakan untuk mengukur hubungan antar variabel, apakah
mempunyai hubungan yang kuat, lemah atau tidak ada. Koefisien korelasi
mempunyai nilai antara -1 dan 1 (-1 r +1). Harga r = -1 ( variabelvariabel berkorelasi sempurna, artinya menyatakan bahwa adanya
hubungan linier sempurna tak langsung antara X dan Y. Artinya, apabila
nilai X besar, maka akan diikuti oleh nilai Y yang kecil. Sebaliknya
apabila nilai X kecil, maka akan diikuti pula oleh nilai Y yang besar.
Harga r = +1 (variabel berkorelasi positif) menyatakan adanya hubungan
linier sempurna langsung antara X dan Y. Artinya apabila nilai X besar,
maka nilai Y akan besar pula. Apabila nilai X kecil, maka nilai dari Y
juga akan kecil pula. Khusus untuk r = 0, maka bisa ditafsirkan bahwa
tidak tedapat hubungan linier antara variabel variabel-variabel.
Untuk menentukan keeratan hubungan atau korelasi antar variabel
tersebut, berikut ini diberikan nilai-nilai dari r sebagai patokan:
1) r = 0, tidak ada korelasi
2) 0 < r 0,2, korelasi sangat rendah/lemah sekali
3) 0,20 < r 0,4, korelasi rendah atau lemah
4) 0,4 < r 0,7, korelasi yang cukup berarti
5) 0,70 < r 0,9, korelasi sangat kuat dan tinggi.
6) 0,9 < r < 1 korelasi sangat tinggi,kuat sekali, dapat diandalkan
7) r = 1 korelasi sempurna

138

b. Kegunaan Koefisien Korelasi

Kegunaan koefisien korelasi ini adalah:
1) Menentukan arah dan kekuatan hubungan antar variabel
-

Dikatakan mempunyai hubungan positif apabila nilai dari variabel

X naik, maka nilai variabel Y naik atau sebaliknya, apabila nilai
variabel X turun, maka nilai dari variabel Y turun pula.

Dikatakan mempunyai hubungan positif apabila nilai dari variabel

X naik, maka nilai dari variabel Y turun atau sebaliknya, apabila
nilai dari variabel X turun, nilai dari variabel Y naik.

Variabel X dan Y tidak ada hubungan sama sekali

Kekuatan hubungan yaitu sempurna, kuat lemah atau tidak ada.

2) Menentukan kovarians:
= (

Keterangan:
SX

= simpangan baku (standar deviasi) variabel X

SY

= simpangan baku (standar deviasi) variabel Y

= koefisien korelasi

c. Jenis-jenis Koefisien Linier

1) Koefisien Korelasi Linier Sederhana
a) Koefisien Korelasi Pearson
Koefisien korelasi pearson ini digunakan untuk mengukur
keeratan hubungan antara dua variabel yang bentuk datanya
berupa data interval atau rasio. Koefisien korelasi pearson ini
dapat dicari dengan metode:

139

i. Metode least square

Persamaan metode least square adalah:

( ) )(

( ) )

ii. Metode product moment

Persamaan untuk metode product momen adalah:

Keterangan:
r

= koefisien korelasi

= deviasi rata-rata variabel X =

= deviasi rata-rata variabel Y =

Contoh soal:
Dari tabel 8.1 carilah
a. Tentukan koefisien korelasi ( r ) dengan metode least square
dan metode product moment.
b. Sebutkan jenis korelasinya dan apa artinya.

140

Penyelesaian:
a.
No

Menentukan Koefisien korelasi ( r )

2

Y2

XY

x2

y2

xy

10

100

-45

-488,4

2025

238535

21978

20

165

400

27225

3300

-35

-323,4

1225

104588

11319

30

214

900

45796

6420

-25

-274,4

625

75295,4

6860

40

435

1600

189225

17400

-15

-53,4

225

2851,56

801

50

485

2500

235225

24250

-5

-3,4

25

11,56

17

60

550

3600

302500

33000

61,6

25

3794,56

308

70

670

4900

448900

46900

15

181,6

225

32978,6

2724

80

730

6400

532900

58400

25

241,6

625

58370,6

6040

90

775

8100

600625

69750

35

286,6

1225

82139,6

10031

10

100

860

10000

739600

86000

45

371,6

2025

138087

16722

550

4884

38500

3121996

345420

8250

736650

76800

Metode least square

=
=

10 345420 550 4884

(10 38500 (550) )(10 3121996 (4884) )
768000
82500 7366504

= 0,985

Metode product momen

=
=

76800

8250 736650,4

= 0,985

b. Jenis korelasinya adalah korelasi positif dan sangat kuat ,

artinya hubungan antara waktu dengan perpindahan

141

kumulatif partikel massa batuan bersifat positif. Jika waktu

bertambah maka perpindahan partikel massa batuan
nilainya akan naik juga.
b) Koefisien korelasi Rank Sperman
Koefisien korelasi rank sperman digunakan untuk data
ordinal (data bertingkat/data ranking). Koefisien korelasi rank
spearman dirumuskan:
=1

6
( 1)

Keterangan:
rs

= koefisien korelasi rank sperman

= selisih dalam rangking

= banyak pasangan rank

Untuk menentukan koefisien rank, pertama kali urutkan

data mulai dari yang terbesar sampai ke yang terkecil atau

sebaliknya dari yang terkecil ke yang terbesar. Apabila
rangkingnya sama, diambil rata-ratanya. Hitung selisih dari
setiap pasangan rangking. Setelah itu hasil dari selisih
pasangan

rangking

tersebut

dikuadratkan

dan

dihitung

jumlahnya.
Contoh soal:
Dari tabel di bawah ini dapat diketahui data-data pembacaan
kurva acoustik log dan kedalaman
a. Carilah koefisien korelasi rank nya
b. Sebutkan jenis korelasinya dan apa artinya

142

Tabel 8.2 Data Pembacaan Kurva Acoustic Log

Kedalaman 4
5
6
7
8
8,5 9
Travel
time sec/ft

160 165 150

9,5

10

10,5

145 140 130 148 139 135 138

Penyelesaian:
Travel time
sec/ft
160
165
150
145
140
130
148
139
135
138

Kedalaman
(ft)
4
5
6
7
8
8,5
9
9,5
10
10,5
a.

=1
=1

Rangking Rangking
X
Y
1
9
2
10
3
8
4
6
5
5
6
1
7
7
8
4
9
2
10
3
Jumlah

d2

-8
-8
-5
-2
0
5
0
4
7
7

64
64
25
4
0
25
0
16
49
49
296

6 296
1776
=1
= 1 1,794 = 0,794
10(10 1)
990

b. Jenis korelasinya adalah korelasi negatif, artinya apabila

setiap kenaikan kedalaman akan mengakibatkan penurunan
travel time
c) Koefisien Korelasi Rank Kendall
Koefisien rank kendall merupakan korelasi untuk
pasangan data X dan Y apabila ada ketidaksesuaian rank, yaitu
dengan mengukur ketidakteraturan. Korelasi rank kendall
disimbolkan dengan (tau). Persamaan untuk korelasi rank
kendall
143

1
2

=
( 1)

1
2

( 1)

Keterangan:
S

= statistik untuk jumlah kokordansi dan diskordansi

= kondardansi (bilangan yang ada di depannya

lebih besar daripada bilangan yang ada
di belakangnya)

= diskordansi (bilangan yang didepannya lebih

kecil daripada bilangan yang ada di belakangnya)

= jumlah pasangan X dan Y

Untuk menghitung koefisien korelasi adalah dengan

mengurutkan data mulai dari yang terbesar atau terkecil. Jika

rangkingnya sama diambil rata-rata. Tentukan nilai patokan
berurut dengan menyusun salah satu dari nilai rangking
tersebut secara berurut untuk menghitung nilai konkordansi
dan diskordansi. Tentukan nilai konkordasi (+1) dan nilai
diskordansi (-1) dari nilai-nilai ranking yang bukan patokan.
Setelah itu tentukan nilai S dengan menjumlahkan konkordansi
dan nilai diskordansi.
Contoh soal:
Hitung

koefisien

korelasi

dengan

menggunakan

koefisien korelasi rank kendall dan jelaskan hasilnya.

144

Tabel 8.3. Data Pembacaan Kurva Acoustic Log

Data pembacaan kurva acoustic log A
B

Kedalaman

10

Travel time sec/ft

10

Penyelesaian:
a. Hitung nilai rangking dari kedua nilai tersebut
Data pembacaan kurva acoustic log

Kedalaman

Travel time sec/ft

b. Tentukan nilai patokan berurut adalah nilai travel time

c. Karena nilai patokan adalah nilai travel time maka nilai
konkordansi dan diskordansi dihitung dari nilai kedalaman.
Dengan demikian nilai konkordansi dan diskordansi
adalah:
-

Dilihat dari A
(A,B) = +1 (A,C) = -1 (A,D) = -1 (A,E) = -1

Dilihat dari B
(B,C) = -1

Dilihat dari C
(C,D) = -1

(B,D) = -1 (B,E) = -1

(C,E) = -1

Dilihat dari D
(D,E) = -1

d. Hitung nilai S dengan menjumlahkan nilai konkordansi dan

diskordansi
S = +1 1 1 1 1 1 1 1 1 1
=-8

145

e. Nilai koefisien korelasi kendall

=

1
2

( 1)
8

1
2 5(5 1)

= 0,8

f. Artinya dengan nilai koefisien korelasi kendall -0,9

(korelasi yang sangat tinggi, kuat) maka adanya hubungan
negatif dimana semakin naik kedalaman maka nilai travel
time semakin turun.
2) Koefisien Korelasi Linier Berganda
Koefisien korelasi linier berganda adalah Suatu angka atau
nilai yang digunakan unutk mengukur keeratan hubungan antara tiga
variabel atau lebih. Persamaan untuk menghitung koefisien korelasi
linier berganda adalah:

2
1

Keterangan:
RY.12 = koefisien korelasi linier tiga variabel
rY1

= koefisien korelasi variabel Y dan X1

rY2

= koefisien korelasi variabel Y dan X2

r12

= koefisien korelasi variabel X1 dan X2

146

Contoh soal:
Seorang peneliti ingin mengetahui apakah hubungan antara
waktu, kecepatan dan percepatan pada suatu pengukuran adalah
hubungan positif atau negatif.
Tabel 8.4. Hubungan antara Waktu, Kecepatan dan Percepatan
A

23

15

17

23

22

X1

X2

Keterangan:
Y

= waktu (jam)

X1

= kecepatan (10-2 mm/jam)

X2

= percepatan (10-2 mm2/jam)

Y
23
7
15
17
23
22

X1
9
2
5
6
8
7

X2
7
3
2
4
6
5

Y2
529
49
225
289
529
484

107

37

27

2105

=
(

X12
81
4
25
36
64
49
Jumlah
259

X22
49
9
4
16
36
25

X1Y
207
14
75
102
184
154

X2Y
161
21
30
68
138
110

X1X2
63
6
10
24
48
35

139

736

528

186

( )(

) ( ) (

)
(

) )

(6 736) (107 37)

(6 2105) 107

(6 259) (37)

147

457
= 0,978
467,424

=
(

( )(

) ( ) (

) )

(6 528) (107 27)

(6 2106) 107

(6 139) 27

3168 2889
279
=
= 0,792
352,143
352,143

(
(

)(

) (

)
(

) )

(186 6) (37 27)

(6 259) (37) ((6 139) 27 )

1116 999
185 105
+

= 0,839

2
1

(0,978) + (0,792) 2 0,978 0,792 0,839

1 0,8392

0,283
= 0,978
0,296

148

3) Koefisien Penentu (KP) atau Koefisien Determinasi (R2)

Koefisien penentu atau koefisien determinasi adalah seberapa
besar pengaruh yang menyebabkan terjadinya perubahan terhadap
variabel Y yang diakibatkan oleh variabel X yang nilainya sebesar
kuadrat dari koefisien korelasinya. Persamaan dari koefisien Penentu
(KP) adalah:
=

= ( ) 100%

Contoh soal:
Dari data pada contoh soal pada koefisien korelasi pearon, tentukan:
a. Koefisien penentunya
b. Apa artinya
Penyelesaian:
Dari jawaban contoh soal pada koefisien korelasi pearson diperoleh
nilai r = 0,985
a. KP

= r2 100%
= (0,985)2 100%
= 0,970 100%
= 97%

b. Pengaruh variabel X (waktu) terhadap perubahan naik turunnya

nilai variabel Y (perpindahan partikel massa batuan) adalah 97%,
3% sisanya adalah dipengaruhi oleh faktor lain tetapi tidak
dimaukkan dalam perhitungan.

149

SOAL-SOAL LATIHAN
1. Apakah yang dimaksud dengan diagram pencar, dan sebutkan kelemahankelemahan dari diagram pencar.
2. Data-data dibawah ini adalah hasil pembacaan density log dari kurva suatu slip
log.
Kedalaman
(ft)

Resistivity
Shale
(Ohm m2/m)

5
5,5
6
6,5
7
7,5
8
8,5
9
9,5

0,70
0,78
0,75
0,76
0,80
0,84
0,89
0,85
0,93
0,96

a. Tentukan koefisien korelasi ( r ) dengan metode least square dan metode

product moment.
b. Sebutkan jenis korelasinya dan apa artinya.
3. Suatu pengukuran konvergen dalam suatu lubang bukaan (cavern) menghasilkan
respon lubang bukaan berupa kecepatan dan percepatan massa batuan.
a. Bagaimana hubungan korelasi berganda antara waktu, kecepatan dan
percepatan tersebut.
b. Berapa waktu yang dibutuhkan apabila kecepatan 8,3 x 10-2 mm/jam dan
perepatan -0,2x 10-2 mm2/jam

150

Waktu (jam)

Kecepatan (10-2mm/jam)

Percepatan (10 -2mm2/jam)

10

20

16,4

76

30

15,2

-2,8

40

10,9

-4,3

50

6,7

-1,9

60

7,2

0,4

70

7,5

0,1

80

7,3

-0,2

90

7,2

0,3

100

7,8

-0,1

4. Debit suatu aliran fluida dalam pipa bergantung pada diameter pipa dan
kemiringannya. Data percobaan di laboratorium untuk mengukur aliran fluida
dalam pipa bulat dengan kemiringan tertentu diberikan sebagai berikut:
No
1
2
3
4
5
6
7
8
9

Diameter (ft)
1
2
3
1
2
3
1
2
3

Kemiringan
0,001
0,001
0,001
0,01
0,01
0,01
0,05
0,05
0,05

Debit (ft3/det)
1,4
8,3
24,2
4,7
28,9
84,0
11,1
69,0
200,0

151

DAFTAR PUSTAKA

Aleks Maryunis. 2007. Statistika dan Teori Probabilitas. FMIPA UNP

Friedrich Wilhelm Wellmer. Statistical Evaluations in Exploration for
Mineral Deposit. Germany.
J. Supranto. 2008. Statitik Teori dan Aplikasinya. Erlangga. Jakarta
M. Iqbal Hasan,. 2001.Pokok-Pokok Materi Statistik 1. Jakarta. Bumi Aksara
Saefuddin dkk. 2013. Statistika Dasar. Grasindo.
Sudjana. 1982. Metoda Statistika. Tarsito. Bandung
Singgih Santoso. 2003. Statistik Diskriptif. Penerbit Andi. Jogjakarta

152