Anda di halaman 1dari 21

Bab 2

Landasan Teori


2.1. Statistika Deskriptif
Statistika adalah pengetahuan mengenai cara-cara pengumpulan,
pengolahan, analisis dan interpretasi data kuantitatif tentang bidang
kegiatan tertentu yang berkaitan erat dengan pengambilan dengan tujuan
memperoleh keterangan yang jelas tentang peristiwa yang dipelajari.
Untuk memperoleh kesimpulan yang cukup beralasan dan dapat
dipertanggungjawabkan serta sebaik mungkin harus menggunakan data
dan analisis yang benar dengan kata lain adalah suatu keharusan untuk
menempuh cara sedemikian rupa sehingga diharapkan akan diperoleh
hasil kesimpulan yang sesuai dengan keadaan sebenarnya daripada
populasi yang sedang diselidiki.

Statistik deskriptif adalah ilmu yang mempelajari tentang cara
pengumpulan dan analisa data kuantitatif secara deskriptif. Untuk dapat
menyusun suatu tabel distribusi frekuensi, harus tersedia data-data.
Kemudian data-data tersebut dikelompokkan kedalam beberapa hitungan
jumlah pengamatan yang masuk kedalam kelompok tiap kelas. Untuk
dapat mengelompokkan data-data tersebut diperlukan penyusunan
dalam bentuk array.

Memang pada umumnya masyarakat menafsirkan statistik adalah tiada
lain daripada tabel atau daftar angka tentang suatu hal atau kegiatan yang
terdapat dikantor-kantor, diperusahaan-perusahaan, perindustrian dan
lain-lain. Sering pula daftar tabel tersebut disertai dengan gambar-
gambar, yang biasa disebut diagram atau grafik, untuk dapat lebih
menjelaskan lagi persoalan atau kegiatan yang sedang dibahas. Karena
inilah pula orang mendapat tambahan pengertian statistik, yakni laporan
atau lukisan tentang sesuatu hal dalam bentuk diagram-diagram, grafik-
grafik, gambar-gambar bentuk lingkaran, tumpukan gambar mata uang
dan lain-lain.

Seperti dikatakan diatas untuk menyimpulkan sesuatu persoalan
diperlukan bahan atau keterangan yang dikumpulkan sebagian atau
seluruhnya dari persoalan yang diselidiki. Biasanya bahan atau
keterangan demikian yang kebenarannya harus dapat dipercaya atau
diandalkan. Disebut data statistik atau sering disingkat saja dengan data.
Kebenaran adalah betul-betul merupakan hal yang perlu diperhatikan
sebelum penelaahan lebih lanjut dilakukan berdasarkan.

Telah dikatakan, bahwa berdasarkan data yang dianalisis, kesimpulan-
kesimpulan yang dibuat diharapkan cukup beralasan dan berlaku untuk
persoalan secara keseluruhan. Persoalan yang menyeluruh ini disertai
dengan definisi dan batas-batasnya yang jelas, didalam statistika biasanya
dinamakan universum atau populasi.

Dinyatakan dengan istilah baru ini, statistika adalah pengetahuan yang
membahas tentang cara-cara pengumpulan data serta penganalisisannya
dan pembuat kesimpulan berdasarkan analisis tersebut mengenai
populasi darimana data itu diambil.

Bagian statistika yang berhubungan dengan pembuatan kesimpulan
mengenai populasi dinamakan statistika deskriptif. Pengumpulan data,
penyajian data, pembuatan tabel-tabel dan grafik-grafik dan melakukan
perhitungan-perhitungan untuk menentukan statistika misalnya,
termasuk kedalam tugas statitistik deskriptif. Hal-hal yang termasuk ke
dalam statistik deskriptif antara lain melakukan penafsiran tentang
karakteristik daripada populasi, pembuatan prediksi, menentukan ada
atau tidaknya asosiasi antara karakteristik-karakteristik populasi dan
pembuatan kesimpulan secara umum mengenai populasi.

Untuk memperoleh kesimpulan yang cukup beralasan, dapat
dipertanggungjawabkan sebaik mungkin, seringkali kita harus melakukan
penelitian mengenai karakteristik daripada individu atau unit elementer
yang jelas batas-batasnya. Misalkan kita akan meneliti kualitas sabun
mandi. Maka dalam hal ini unit elementernya adalah sebuah sabun mandi
sedangkan karakteristiknya adalah yang diteliti yaitu kualitas sabun
mandi. Kita telah mengetahui apa yang dimaksud dengan populasi.
Dikatakan dengan istilah lain, populasi tidak lain daripada kumpulan
lengkap dari unit-unit elementer-nya lalu kita tentukan karakteristiknya
yang dipelajari. Karakteristik yang dapat dipelajari dapat digolongkan
kedalam dua golongan, yaitu yang memberikan hasil observasinya
dinyatakan dalam bentuk bilangan, dengan nilai-nilai berbentuk data
yang berubah-ubah atau yang bersifat variabel. Data variabel dibagi 2 yaitu:
a. Diskrit
Data diskrit adalah data yang didapat dengan jalan menghitung. Untuk
data diskrit biasanya disajikan dalam bentuk tabel seperti berikut:

Tabel 1.2.1 Contoh Format Tabel Distribusi Frekuensi Data Diskrit
Xi fi Fk fi.xi (xi-x)
2
fi(xi-x)
2
fi(xi-x)
4



b. Kontinyu
Data kontinyu adalah data yang dapat mempunyai nilai yang terletak
dalam satu interval. Termasuk kedalam hal ini antara lain hasil-hasil
pengukuran, misalnya panjang, luas, isi, berat dan waktu. Untuk
menyajikan data kontinyu kedalam tabel, maka terlebih dahulu harus
mengelompokan data-data tersebut dengan menggunakan aturan-aturan
tertentu, misalnya aturan sturgess sebagai berikut :
Range (R) : Data (max) Data (min)
Jumlah Kelas (K) : 1 + 3,3 Log n
Lebar Interval (I) : R/K

Tabel 1.2.2. Contoh Format Tabel Distribusi Frekuensi Data Kontinyu
Interval fi Fk Lcl Ucl Cm Lcb Ucb fi.Cm (Cm-x)
2
fi(Cm-x)
2
fi(Cm-x)
4


Lcl = Batas kelas bawah
Ucl = Batas kelas atas
Cm = (Lcl + Ucl)/2
Lcb = Lcl 0,5 skala ukuran terkecil
Ucb = Ucl + 0,5 skala ukuran terkecil

Karakteristik kualitatif atau disebut juga data kualitatif, akan didapatkan
apabila kita melakukan pencatatan unit-unit elementer kadalam beberapa
kategori, misalnya barang baik atau rusak, berkualitas istimewa, cukup
atau tidaknya, dsb. Jika kita melakukan pencatatan secara demikian maka
dikatakan bahwa kita mempunyai atribut. Jadi dalam hal ini bukan
mencatat karakteristik unit elementer dalam bentuk berubah-ubah
sifatnya, itu melainkan pencatatan dalam bentuk klasifikasi. Beberapa
contoh untuk menentukan yang mana data diskrit dan mana data
kontinyu.





Untuk data kontinyu, perhatikan contoh berikut :
- Import kopi selama tahun 1950 mencapai jumlah 829,0 juta kg.
- Eksport hasil tambang selama tahun 1960 meningkat hingga 10291,8
juta kg.
- Penggunaan bensin setiap hari di suatu perusahaan angkutan sekitar
850 liter.

Untuk data diskrit perhatikan contoh berikut :
- Penduduk Indonesia pada tahun 2000 meningkat menjadi 210,1 juta
jiwa bila dibandingkana dengan penduduk dalam tahun 1957 yang
berjumlah 89,2 juta jiwa.
- Eksport teh selama tahun 1955 mencatat harga 16.975,0 juta kg.

2.2. Distribusi Frekuensi
Cara lain untuk menyajikan data dalam daftar adalah dengan
menggunakan distribusi frekuensi. Dalam daftar ini, data dijadikan
beberapa kelompok dan untuk tiap kelompok ditentukan ada beberapa
data yang masuk kedalam kelompok itu.

Untuk dapat menyusun suatu tabel distribusi frekuensi, harus tersedia
data-data yang kemudian data tersebut dikelompokkan dalam beberapa
kelas dan hitungan jumlah pengamatan yang masuk kedalam kelompok
tiap kelas. Untuk dapat mengelompokkan data-data tersebut diperlukan
penyusunan data dalam bentuk array. Yang dimaksud dengan array
adalah data-data yang telah disusun dinilai dari data yang nilainya
terkecil hingga data yang nilainya terbesar atau sebaliknya.




Teknik pembentukkan disttribusi frekuensi sebagai berikut :
Menentukan range, dirumuskan : Range= data terbesar data terkecil.
Menentukan banyaknya kelas interval atau jumlah kelas dirumuskan
JK= 1+3,3 log N. Pada umumnya , banyaknya kelas yang digunakan
tidak kurang dari lima dan tidak lebih dari lima belas kelas.
Batas kelas (class limit) : Batas kelas adalah nilai-nilai ujung yang
terdapat pada suatu kelas. Nilai ujung bawah pada suatu kelas
disebut batas bawah kelas dan nilai ujung atasnya disebut batas atas
kelas. Misalnya kelas pertama 51-70, artinya batas bawahnya adalah
51 dan batas atasnya adalah 70.
Tepi kelas (class boundaries): Untuk data yang diperoleh dari
pengukuran dengan ketelitian sampai satuan terdekat maka tepi kelas
ditentukan sebagai berikut :
Tepi bawah = batas bawah 0,5 x (dari satuan terkecil data).
Tepi atas = batas atas + 0,5 x (dari satuan terkecil data).

Catatan : Dengan menggunakan rumus diatas, maka hasil yang didapat
harus dibulatkan, dimana N= banyaknya data yang diselidiki (ukuran
sample) dan logaritma diambil dengan bilangan pokok 10. Harga-harga
logaritma bilangan dari 1 sampai dengan 999 hingga empat desimal
diberikan dalam apendiks.

Jika aturan ini digunakan untuk menentukan banyak kelas interval
misalnya untuk 200 data, maka didapat banyaknya kelas interval
= 1+3,3 log 200
=1+3,3(2,3)
=8,59

Dengan rumus diatas maka nilai yang dihasilkan adalah 8,59 dan bilangan
ini harus dibulatkan menjadi 9. Untuk menentukan lebar kelas (interval)
dirumuskan :
Interval=
kelas Jumlah
Range

Untuk menentukan lebar kelas (interval), maka dijumlahkan selangkah
demi selangkah.

Mengingat ada dua cara menjumlahkannya, maka juga akan ada 2 macam
distribusi frekuensi kumulatif, yakni distribusi kumulatif kurang dari dan
distribusi frekuensi kumulatif lebih dari. Karena itu dapat mutlak atau
relatif, maka terdapat pula distribusi kumulatif (biasa) dan distribusi
frekuensi kumulatif relatif.
- Daftar distribusi frekuensi kumulatif kurang dari, yaitu menyatakan
jumlah frekuensi semua nilai data kurang dari atau sama dengan nilai
tepi atas pada tiap kelas, yang dilambangkan dengan fk s.
- Daftar distribusi frekuensi kumulatif lebih dari yaitu menyatakan
jumlah frekuensi semua nilai data yang lebih dari atau sama dengan
nilai tepi bawah pada tiap kelas, yang dilambangkan dengan fk >.

2.3. Pengukuran Tendensi Sentral
Pengukuran tendensi sentral dari serangkaian data umumnya diperlukan
karena dapat memberikan gambaran tentang penulisan nilai-nilai
pengamtan, yang meliputi antara lain:
- Mean atau rataan hitungan adalah bilangan yang didapat dari hasil
pembagian jumlah nilai data oleh banyak data dalam kumpulan itu,
penggunaannya untuk sampel bersimbol x (dibaca: eks bar).
Perhitungan mean dibagi menjadi dua yaitu mean data tunggal dan
mean data kelompok.

a. Menghitung Mean Untuk Data Yang Tidak Dikelompokan
Data yang dipakai untuk menghitung data tunggal hanya sedikit
jumlahnya, perhitungannya dengan cara menjumlahkan semua nilai
data dibagi banyak data.
Bila dirumuskan maka didapat
n
x

=
=
n
i
i
X
1

b. Menghitung Mean Data kelompok
Jika data sudah dikelompokkan dalam distribusi frekuensi, maka
data tersebut akan berbaur sehingga keaslian data itu akan hilang
bercampur dengan data lain menurut kelasnya.

Dalam perhitungan data kelompok, data diambil dari titik
tengahnya, yaitu setengah dari jumlah ujung bawah dan ujung atas
kelas untuk mewakili setiap kelas interval. Hal ini dimaksud adalah
untuk menghindari kemungkinan data yang ada di setiap interval
punya nilai yang lebih besar atau lebih kecil dari titik tengah.

Adapun perhitungan mean data kelompok dapat dicari dengan
rumus : x
f
x f
n
i
i
n
i
i i

=
=
=
1
1
.
x
Keterangan :
i = 1, 2, 3 , , n x = rata-rata hitung
n = Banyaknya data yang diamati xi= nilai data ke-i
fi = Frekuensi dari xi

- Median adalah sebuah bilangan yang bersifat bahwa setengah dari
data, setelah disusun menurut urutan besarnya, lebih kecil atau sama
besar dengan bilangan tersebut. Didalam perhitungan median juga
ada dua macam yaitu median untuk data tunggal dan median untuk
data berkelompok.

c. Median untuk data tidak dikelompokan dengan jumlah data ganjil:

( )
2
1 +
=
n
x
x
d. Median untuk data tidak dikelompokan dengan jumlah data genap:

( ) ( )
2
1 2 / 2 / +
+
=
n n
x x
x
e. Median data berkelompok
Untuk menentukan median dari data yang berkelompok kita
gunakan rumus sebagai berikut :
( )
i .
(
(


+ =
med
1 - med k
med
f
f n
2
1
i LCB x
LCBmed = tepi bawah kelas yang memuat median.
Fk med-1 = frekuensi kumulatif median sebelumnya.
Fmed = frekuensi kelas yang memuat median.
i = interval

- Modus didefinisikan sebagai harga-harga data yang dalam suatu
kelompok terdapat paling sering muncul. Dikatakan secara lain,
modus adalah data yang dengan frekuensi terbanyak. Modus ini dapat
digunakan untuk data kualitatif dan data kuantitatif yang tidak
berkelompok hanyalah memilih harga atau harga-harga data yang
terdapat paling sering muncul. Untuk data kontinyu dikelompokkan
modus dihitung dengan menggunakan rumus :

( ) ( )
i
f f f f
f f
LCB x .
1 mod mod 1 mod mod
) 1 (mod mod
mod
|
|
.
|

\
|


+ =
+



2.4. Ukuran Simpangan, Dispersi dan Variasi
Kecuali ukuran gejala pusat dan ukuran letak, masih ada lagi ukuran
simpangan atau ukuran dispersi. Ukuran ini kadang-kadang dinamakan
pula ukuran variasi, yang menggambarkan bagaimana berpencarnya data
kuantitatif. Beberapa ukuran dispersi yang terkenal dan akan diauraikan
disini ialah : rentang, rentang antar kuartil, simpangan kuartil atau
dispersi kuartil, rata-rata simpangan atau rata-rata deviasi, simpangan
baku atau standar deviasi, varian dan koefisien variasi.
- Rentang, rentang antar kuartil dan simpangan kuartil.
Ukuran variasi yang paling mudah ialah rentang. Dengan rumus R=
Dmax Dmin.
Contoh : untuk data terbesar =99 dan data terkecil =35, maka
rentangnya= 99 35 =64.

Rentang antar kuartil juga mudah ditentukan, dan ini merupakan selisih
antara K3 dan K1. Jadi didapatlah hubungan
RAK = K3 K1
Dengan RAK = rentang antar kuartil
K3 = kuartil ketiga.
K1 = kuartil pertama.

Simpangan kuartil atau deviasi kuartil atau disebut pula rentang semi
antar kuartil, harganya setengah dari rentang antar kuartil. Jadi, jika
simpangan kuartil disingkat dengan SK, maka SK = 0,5 (K3 K1).

- Rata-rata simpangan
Misalkan data hasil pengamatan berbentuk x1, x2,..xn dengan rata-
rata x . Selanjutnya kita tentukan jarak antar tiap data dengan rata-rata
x . Jarak ini, dalam simbul ditulis x x
i
( baca harga mutlak dari selisih
Xi dan x ). Jadi harga mutlak selalu memberikan tanda positif, karena
inilah x x
i
disebut jarak antara Xi dengan x .
Jika sekarang x x
1
, x x
2
,.. x x
n
dijumlahkan lalu dibagi oleh n,
maka diperoleh satuan yang disebut rata-rata simpangan atau rata-rata
deviasi.
Rumusnya adalah : RS =
n
x x
i


Dengan RS berarti = rata-rata simpangan.

- Simpangan baku
Pangkat dua dari simpangan baku dinamakan varians. Untuk sampel,
simpangan baku akan diberi simbol S, sedangkan untuk populasi diberi
simbol o (baca: sigma). Variansnya tentulah s
2
untuk varians sampel dan
2
o untuk varians populasi. Jelasnya, s dan s
2
merupakan statitistik
sedangkan o dan
2
o parameter. Jika kita mempunyai sampel berukuran n
dengan data x1, x2, ..xn dan rata-rata x , maka statistik s
2
dihitung
dengan
S
2
=
( )
1 - n
x - xi

2

S =
( )
1 - n
x - xi

2

Untuk mencari simpangan baku s, dari s
2
diambil harga akarnya yang
positif. Bentuk lain untuk rumus varians sampel adalah :
s
2
=
( )
1) - n(n
xi xi n
2

2


Dalam rumus diatas terlihat bahwa tidak perlu dihitung dulu rata-rata
x , tetapi cukup menggunakan nilai data aslinya berupa jumlah nilai
data dan jumlah kuadratnya. Jika data dari sampel telah disusun dalam
daftar distribusi frekuensi, maka untuk menentukan varians s
2
dipakai
rumus :
S
2
=
( )
1 - n
x - xi f
i
2


2.5. Kemiringan dan kurtosis
- Kemiringan (skewness)
Kita sudah mengenal kurva halus atau model yang bentuknya bisa
positif, negatif, atau simetrik. Model positif terjadi bila kurvanya
mempunyai ekor yang memanjang ke sebelah kanan. Sebaliknya, jika
ekornya memanjang kesebelah kiri didapat model negatif. Dalam
kedua hal terjadi sifat tak simetri. Untuk mengetahui derajat tak simetri
sebuah model, digunakan ukuran kemiringan yaitu kemiringan
Pearson, yang dapat dihitung dengan rumus:
Kemiringan Pearson I : KP I =
baku Simpangan
Modus - Mean

Kemiringan Pearson II: KP II=
( )
baku Simpangan
Median - Mean 3


Rumus-rumus diatas berturut-turut dinamakan koefisien kemiringan
pearson tipe pertama dan tipe kedua. Kita katakan model positif jika
kemiringan positif, negatif jika kemiringan negatif dan simetrik jika
kemiringan sama dengan nol. Gambar kurva yang terbentuk dengan
nilai KP I dan KP II adalah sebagai:
Kurva positif
Kp I = ( + )
Kp II = ( + )


Sifat : kurva condong kekiri dan memenjang





x x
~
x
Gambar 1.2.1. Contoh kurva kemiringan positif

Kurva negatif
Kp I = (-)
Kp II = (-)
Sifat : kurva condong ke kanan dan memanjang





x x
~
x
Gambar 1.2.2. Contoh kurva kemiringan negatif

- Kurtosis
Koefisien kurtosis digunakan untuk mengetahui bentuk tinggi
rendahnya puncak suatu kurva, jika kurva tidak terlalu datar dan
tidak terlalu runcing disebut mesokurtik, kurva yang runcing
dinamakan leptokurtik, dan kurva yang datar dinamakan kurva
platikurtik.

Salah
4
o satu ukuran kurtosis ialah koefisien kurtosis yang diberi
simbol
4
o yang ditentukan dengan rumus:
n
x x F
x x F
S
m
i i
i i
2
2
4
4
4
4
(
(

|
.
|

\
|

(
(

|
.
|

\
|

= =

o
Dimana :
4
o = 3 Distribusi Mesokurtik
4
o > 3 Distribusi yang leptokurtik
4
o < 3 Distribusi yang platikurtik








Gambar 1.2.3 Kurva koefisien kurtosis

2.6. Pengertian Sampel Populasi dan Data
Beberapa pengertian dasar dalam modul ini diantaranya adalah populasi,
sedangkan sebagian populasi yang benar-benar diamati disebut sample
atau contoh, untuk mendapatkan gambaran atau kesimpulan yang benar
terhadap suatu populasi, maka sample atau contoh yang diambil haruslah
dapat mewakili (representative) bagi populasi itu sendiri.

Datum adalah keterangan yang yang diperoleh dari suatu pengamatan,
dapat berupa angka, lambang atau sifat. Kumpulan datum disebut data,
jadi data adalah sekumpulan angka atau keterangan yang tersusun dan
didapatkan melalui pengukuran, hasil perhitungan ataupun hasil kerja
platikurtik
mesokurtik
Leptokurtik
badan tertentu hasil pengolahan data ada yang disajikan dalam bentuk
daftar atau tabel dan dan ada juga yang berbentuk diagram atau grafik,
data terbagi dua yaitu data kuanitatif dan data kualitatif.
- Data kuantitatif adalah data yang berupa angka dalam arti
sebenarnya, jadi dengan data ini berbagai operasi matematika bisa
dilakukan, data kuantitaif terbagi atas:
Data diskrit atau data cacah adalah data yang diperoleh dengan
cara mencacah atau menghitung.
Sebagai contoh adalah data jumlah pria atau wanita dalam
sesuatu populasi, data banyaknya produk yang terjual dan
sebagainya.
Data kontinyu atau data ukuran adalah data yang diperoleh
dengan cara mengukur, misalnya: data tinggi badan, data berat
badan mahasiswa TI UNIKOM dan sebagainya..
Data nol mutlak dan nol tidak mutlak akan memilki tafsiran yang
berbeda seperti nol derajat, hal tersebut menyatakan bahwa suhu
saat ini adalah nol derajat (ada nilainya) dinamakan nol tidak
mutlak, lain dengan nol rupiah. Hal tersebut menyatakan tidak
memiliki uang sama sekali (tidak ada nilainya) dinamakan nol
mutlak.
- Data kualitatif adalah data yang yang bisa dikategorikan sebagai data
yang berupa angka, data kualitatif mempunyai ciri tidak bisa
dilakukan operasi matematika. Data kualitatif terbagi atas:
Data normal adalah suatu pengukuran data yang hanya
menghasilkan satu dan hanya satu-satunya kategori. Misalnya:
data jenis kelamin, tanggal lahir, asal daerah dan lain-lain.
Data ordinal adalah jika suatu pengukuran data memiliki tingkat
data dimana satu berstatus lebih tinggi atau lebih rendah dari
yang lainnya. Misalnya data tentang sifat seseorang terhadap
suatu produk tertentu, sangat suka atau tidak suka.
Sedangkan berdasarkan sumbernya data terbagi atas data primer
dan data sekunder. Data primer adalah data yang diperoleh
langsung dari tempat pengamatan. Sedangkan Data sekunder
adalah data yang diperoleh berasal dari data yang sudah ada
sebelumnya atau tidak langsung diperoleh dari tempat
pengamatan

Dalam pengorganisasian atau pengolahan data, data tersebut dapat
dikelompokan ataupun tidak. Untuk jumlah data yang besar sebaiknya
data dikelompokan terlebih dahulu. Biasanya setelah diorganisasikan,
maka data tersebut dipersentasikan kedalam sebuah grafik atau diagram,
sehingga akan memudahkan pemakai dalam mencari informasi mengenai
data tersebut.

2.7. Grafik Atau Diagram
Grafik atau diagram merupakan gambar-gambar yang menunjukan secara
visual, grafik atau diagram merupakan salah satu alat statistik untuk
menyampaikan data berupa angka.

Macam-macam diagram yaitu:
- Diagram Batang
Penyajian data dalam gambar akan lebih menjelaskan lagi persoalan
secara visual, data yang variabelnya berbentuk kategori atau atribut
sangat tepat disajikan dalam bentuk diagram batang, untuk
menggambar diagram batang diperlukan sumbu datar dan sumbu
tegak yang berpotongan tegak lurus.
- Diagram Garis
Untuk menggambarkan keadaan yang serba terus atau
berkesinambungan misalnya jumlah penduduk tiap tahun pergerakan
kurs rupiah setiap harinya dan lain-lain, diperlukan sistem sumbu
tegak yang saling tegak lurus.
- Diagram Pastel atau Lingkaran
Untuk membuat diagram pastel atau lingkaran, gambarkan sebuah
lingkaran, lalu dibagi-bagi menjadi beberapa sektor tiap sektor
melukiskan kategori data yang terlebih dahulu diubah kedalam
derajat, dianjurkan titik pembagian mulai dari titik tertinggi, diagram
lingkaran ini sering digunakan untuk melukiskan atribut.
- Diagram Peta atau Katogram
Dalam pembuatannya digunakan peta geografis tempat data terjadi
diagram ini melukiskan keadaan dihubungan dengan tempat
kejadiannya, misalnya; jika kita membuka buku peta bumi, disitu
antara lain terdapat peta daerah atau pulau dengan mencantumkan
gambar-gambar pohon kelapa, jagung, kuda, sapi, dan lain-lain.
- Diagram Pancar atau Titik
Untuk kumpulan data yang terdiri dari atas dua variable, dengan nilai
kualitatif, diagramnya dapat dibuat dengan system sumbu koordinat
dan gambarnya akan merupakan kumpulan titik-titik terpancar.

Macam-macam Bentuk Grafik
- Grafik Bar-Chart
Grafik ini biasanya digunakan untuk data diskrit, dimana berbentuk
garis lurus interval dengan sumbu X sebagai Xi dan sumbu Y adalah fi.

Gambar 1.2.4 Barchart untuk data tunggal

- Grafik Histogram
Grafik Histogram yaitu suatu grafik yang berbentuk sebagai segi empat.
Digunakan untuk data kontinyu dengan sumbu X dinyatakan sebagai
kelas interval yang memakai lower Class Boundry (LCB), sedang untuk
sumbu Y dinyatakan sebagai frekuensi kumulatif (FK)

Gambar 1.2.5 Histrogram dan Poligon untuk data berkelompok




Grafik Xi terhadap fi
0
1
2
3
4
5
6
85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 10
0
10
1
10
2
10
3
10
4
10
5 Xi
f
i
Grafik Cm terhadap fi
0
5
10
15
20
25
1
Cm
f
i
- Grafik Polygon
Pada dasarnya tidak ada perbedaan yang penting antara grafik
histogram dengan grafik polygon dan perbedaannya hanya terletak
pada:
Grafik histogram dibuat dengan batas nyata, sedangkan polygon
menggunakan titik tengah.
Grafik histogram berbentuk segi empat, sedangkan polygon
berwujud garis-garis.






















Xi
F
Gambar 1.2.6 Grafik Poligon Kontinyu






























Xi
F




Gambar 1.2.7 Grafik Polygon Diskrit
2.8. Grafik Ogive

Gambar 1.2.8 Grafik Ogive

2.9. Kurva
Kurva merupakan grafik polygon yang sudah dilicinkan atau dihaluskan.
Kurva yang diplotkan dari data yang digunakan ini mampu menjelaskan
sifat atau tak terhingga banyaknya tergantung dari bentuk distribusi, pada
umumnya kurva polygon digolongkan dalam dua golongan besar yaitu
kurva simetri dan kurva asimetri, adapun penjelasan secara lebih rinci dari
kedua jenis kurva tersebut adalah sebagai berikut :
1. kurva simetri
2. kurva asimetri, terbagi atas dua model yaitu:
Model positif (kemiringan kekiri atau dinyatakan juga kemiringan
yang besar).
Model negatif (kemiringan kekanan atau kemiringan yang kecil).

Pengorganisasian data untuk data yang dikelompokan meliputi
penyusunan data yang dikelompokan kedalam kelas-kelas, penyusunan
data untuk mengekspresikan frekuensi kejadian dari pengamatan pada
setiap kelas dikenal sebagai distribusi frekuensi.
Grafik Xi terhadap FK
0
3
6
9
12
15
18
21
24
27
30
33
36
39
84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 10
0
10
1
10
2
10
3
10
4
10
5
10
6
Xi
F
K