Pengertian Statistika (1)

Statistika: Ilmu mengumpulkan, menata,

menyajikan, menganalisis, dan
menginterprestasikan data menjadi informasi
untuk membantu pengambilan keputusan yang
efektif.
Statistik: Suatu kumpulan angka yang tersusun
lebih dari satu angka sering dinyatakan atau
disajikan dalam bentuk daftar/ tabel, diagram
garis, diagram batang, diagram lingkaran,
histogram, polygon frekuensi dan ogive yang
menggambarkan suatu persoalan tertentu.
Statistika: metode yang berhubungan dengan
penyajian dan penafsiran kejadian yang bersifat
peluang dalam suatu penyelidikan terencana atau
penelitian ilmiah

Pengertian Statistika (2)

Dalam statistika tercakup dua pekerjaan penting,

yaitu : Penyajian dan penafsiran DATA
informasi
DATA : ukuran suatu nilai
Informasi : data yang telah diproses
Dalam banyak pengambilan keputusan dalam
bidang bisnis, manajemen dan ekonomi, statistik
(data) atau statistika (metode) berperan sangat
penting seperti:
1. Pemilihan sektor-sektor yang diunggulkan,
sektor apa saja?
2. Jenis barang apa saja yang perlu ditingkatkan
produkdinya? Pemasarannya?
2

Fungsi statistik
Fungsi deskriptif memaparkan informasi
dalam sajian yang bermakna untuk:
mendeskripsikan suatu keadaan atau
menjelaskan mengapa dan bagaimana suatu
kejadian terjadi
Fungsi inferensial untuk mendapatkan
kesimpulan yang bermakna
Fungsi analitik mampu menjelaskan
hubungan antara faktor satu dengan yang lain
Fungsi prediktif dari data yang terkumpul
dapat digunakan untuk melakukan prediksi
Penerapan Statistik: lihat tugas
3

Statistik dan Komputer

Mengolah data kuantitatif perlu komputer
Volume data cukup besar
pengolahan sifatnya berulang-ulang
perlu penyelesaian secara cepat
ketepatan dan ketelitian hasil
pengolahan bersifat rumit

JENIS-JENIS DATA
Data Kualitatif diklasifikasikan
berdasarkan kategori/kelas
tertentu

Data Kuantitatif dinyatakan

dalam besaran numerik
(angka)

1. Jenis kelamin
2. Warna kesayangan
3. Asal suku, dll

Data Diskret
1. Jumlah mobil
2. Jumlah staf
3. Jumlah TV, dll
Data Kontinu
1. Berat badan
2. Jarak kota
3. Luas rumah, dll

SUMBER DATA STATISTIKA

Data Primer
Dikumpulkan sendiri
1. Wawancara langsung
2. Wawancara tidak langsung
3. Pengisian kuisioner
4. Laboratorium

Data Sekunder
Data dari pihak lain:
1. BPS
2. Bank Indonesia
3. World Bank, IMF
4. FAO dll

POPULASI DAN SAMPEL

POPULASI

Sebuah kumpulan dari

semua kemungkinan orangorang, benda-benda dan
ukuran lain dari objek yang
menjadi perhatian
keseluruhan pengamatan
Ukuran Populasi = N =
banyak anggota populasi
Parameter : nilai yang
menyatakan ciri populasi

SAMPEL

Suatu bagian dari

populasi tertentu yang
menjadi perhatian.
himpunan bagian
populasi
Ukuran Sampel = n =
banyak anggota sampel
Statistik (Statistic) : nilai
yang menyatakan ciri
sampel
7

Alasan sampel
Karena diperlukan percobaan yang sifatnya
merusak
Populasi tidak terbatas
Ketelitian dalam penyelidikan
Biaya dan ekonomi
Menghemat waktu
Besarnya sampel
Derajat keseragaman populasi
Derajat presisi yang diinginkan
Rencana analisa
8

Notasi Parameter Populasi dan

Statistik Sampel

 Bias suatu sampel: perbedaan ciri sampel

dengan ciri populasi tempat sampel diambil.
Sampel yang baik adalah sampel dengan bias
minimal.
Cara mendapatkan sampel dengan bias
minimal adalah dengan mengambil
Sampel/Contoh acak.

10

Pertimbangan pengambilan sampel

Mempertegas permasalahan penelitian,
keterangan atau data yang diperlukan, kapan
diperlukan, kapan data akan dikumpulkan, dll
Menentukan bentuk atau jenis sampling yang
sesuai dengan ciri-ciri populasinya, serta
menentukan besarnya sampel
Menentukan cara pengambilan sampel,
apakah akan dilakukan secara random atau
dengan cara yang lainnya.
11

SKALA PENGUKURAN
Skala Nominal

Skala Ordinal

Angka yang diberikan hanya

sebagai label saja.
Contoh: Ya = 1, Tidak = 2 dan
Ragu-ragu = 3.

Angka mengandung pengertian

tingkatan.
Contoh: Peringkat 1, 2, dan 3.
Peringkat 1 menunjukkan lebih
tinggi dari peringkat 2 dan 3.

Skala Interval

Skala Rasio

Angka mengandung sifat ordinal

dan mempunyai jarak atau
interval.
Contoh: 1. Inflasi tinggi di atas 2
digit
2. Inflasi sedang di bawah 2 digit

Angka mempunyai sifat nominal,

ordinal dan interval serta
mempunyai nilai absolut dari objek
yang diukur.
Contoh: tingkat inflasi di kota A 5%
dan di kota B 10%, maka tingkat
inflasi di kota B 2 kali di kota A.
12

JENIS-JENIS STATISTIKA
Statistika Deskriptif
1. Penyajian data
2. Ukuran pemusatan
3. Ukuran penyebaran
4. Angka indeks
5. Deret berkala dan
peramalan

Statistika Induktif
1. Probabilitas dan teori
keputusan
2. Metode sampling
3. Teori pendugaan
4. Pengujian hipotesa
5. Regresi dan korelasi
6. Statistika nonparametrik

13

Perbedaan deskriptif dn inferensi

Statistik deskriptif untuk menerangkan suau gejala
Metode pengumpulan, peringkasan dan penyajian
data deskriptif : bersifat memberi gambaran
Statistik inferensi membuat ramalan dan
mengontrol kejadian
Metode analisis, peramalan, pendugaan dan
penarikan kesimpulan Inferential : bersifat
melakukan generalisasi (penarikan kesimpulan).
14

Contoh
Masalah Statistika Deskriptif
1. Tabulasi Data
2. Diagram Balok
3. Diagram Kue Pie
4. Grafik perkembangan harga
dari tahun ke tahun

Masalah Statistika Inferensia

1. Pendugaan Parameter
2. Pengujian Hipotesis
3. Peramalan dengan
Regresi/Korelasi

15

Statistik Deskriptif
Penyajian Data

16

Statistik Deskriptif
Langkah-langkah dalam Statistik Deskriptif:
Memahami masalah dan jawaban yang diperlukan.
Mengumpulkan data yang sesuai dengan masalah dan
tujuan.
Menata data mentah ke dalam distribusi frekuensi.
Menyajikan data distribusi secara grafik.
Menarik kesimpulan mengenai permasalahan
Dalam statistik deskriptif dikemukakan cara-cara
penyajian data, dalam berbagai bentuk, dan
menghitung ukuran penyebaran dan pemusatan data
seperti: Mean, Median, Mode, Standard Deviation,
Variance, Kurtosis, Skewness, Range, Minimum,
Maximum, Sum, and Count.

Penyajian data (1)

Tujuan: menyajikan data mentah yang diperoleh
dari populasi atau sampel menjadi data yang
tertata dengan baik, sehingga bermakna
informasi bagi pengambilan keputusan.
Data primer diklasifikasi dan ditabulasi
menampakkan sifat-sifat data yang menonjol
Penyusunan data bertujuan untuk mengenali
sifat-sifat data, memudahkan membaca hasil
penelitian dan analisis dataSecara garis besar ada
dua macam cara penyajian data dalam statistika
yaitu:

Penyajian Data (2)

1. Tabel atau daftar yang dapat berbentuk:
a. Daftar baris kolom
b. Daftar kontingensi
c. Daftar distribusi frekuensi
2. Grafik atau diagram yang terbagi menjadi:
a. Diagram batang atau balok
b. Diagram garis atau grafik
c. Diagram lingkaran
d. Diagram lambang
e. Diagram peta
f. Diagram pencar
Lihat contoh penyajian dan soalnya

Klasifikasi Data
Berdasar sifat atau ciri tertentu (kualitatif):
penduduk (laki-laki perempuan, sehat sakit)
Berdasar bilangan (kuantitatif) kelas
interval

Penyusunan data
Beberapa cara penyusunan data:
Berdasar waktu: PDB tahun 2000 - 2009
Berdasar keadaan/frekuensi: banyaknya kejadian di
suatu tempat dan waktu tertentu: produksi padi di 100
desa tahun 2009
Metode penyusunan data
individual: sesuai dengan hasil observasi (produksi padi
di 25 desa di Yogyakarta)
Kelompok: berdasar kelas interval yang masing-masing
menunjukkan berapa kali terjadinya (berapa
frekuensinya) - distribusi/tabel frekuensi

Distribusi/Tabel Frekuensi
Pengertian Distribusi/Tabel Frekuensi:
suatu bentuk penyusunan yang teratur mengenai suatu
rangkaian data dengan menggolongkan besar kecilnya
angka-angka yang bervariasi ke dalam kelas-kelas tertentu
Macam Distribusi frekuensi
Menurut bilangan: kelas-kelasnya dinyatakan dalam bentuk
bilangan-bilangan (distribusi produksi padi di 100 desa
tahun 2009)
tunggal: mempunyai kelas-kelas yang bersifat tunggal
(hanya produksinya saja)
ganda: mempunyai kelas-kelas yang bersifat ganda
(produksi dan luas lahan)
Menurut Kategori: kelas-kelasnya dinyatakan dalam bentuk
kategori-kategori (jumlah dan skala industri di DIY tahun
2010

Komponen Distribusi Frekuensi (1)

1. Kelas
Jumlah kelas (k) yang diperlukan bersifat flexible
tidak terlalu sedikit dan tidak terlalu banyak
Caranya dengan mengambil angka praktis saja
atau dengan menggunakan rumus Sturges
2. Interval Kelas, adalah sejumlah nilai variabel
yang ada dalam batas kelas tertentu Dapat
menggunakan rumus:
Interval kelas (ci) = range/k
3. Batas Kelas, adalah nilai yang membatasi kelas
pertama dengan kelas yang lain

Komponen Distribusi Frekuensi (2)

Batas atas kelas = limit atas + spt (satuan
pengukuran terkecil)
Batas bawah kelas = limit bawah spt
4. Nilai tengah kelas disebut adalah nilai yang
terdapat di tengah interval kelas
limit bawah kelas + limit atas kelas
2
5. Frekuensi adalah banyak data pada setiap kelas
6. Range atau jangkauan data: selisih data terbesar
dan terkecil
Contoh distribusi/tabel Frekuensi lihat catatan

Cara menyusun Distribusi Frekuensi

1. Mengumpulkan data , mengurutkan, menentukan
data terkecil dan terbesar, menentukan Range.
2. Menentukan jumlah kelas (k) yang diperlukan,
menentukan interval kelas, menentukan data pada
interval kelas
3. Menentukan limit atas kelas pertama dan seterusnya
4. Menentukan limit bawah kelas pertama dan
seterusnya
5. Menentukan batas bawah dan batas atas kelas
6. Menentukan nilai tengah interval kelas
7. Melakukan penghitungan atau penturusan setiap
kelasnya
Lihat contoh dan latihan soalnya

Syarat Distribusi Frekuensi

Memiliki nomor tabel
Banyaknya kelas sebisa mungkin
menggunakan rumus Sturges
Hindari adanya kelas terbuka
Hindari interval kelas yang tidak sama
Hindari kelas yang berulang
Disebutkan sumber datanya

Penyusunan Distribusi frekuensi

berdasar kategori
Tidak ada penentuan jumlah kelas, Batas
kelas, Interval kelas
Yang penting adlah menentukan kategori yang
akan digunakan
Kemudian memasukkan frekuensinya dan
menjumlahkannya

Jenis Distribusi Frekuensi lainnya

1. Distribusi frekuensi Relative (%) adalah ringkasan
dalam bentuk tabel dari sekelompok data yang
menunjukkan frekuensi relatif bagi setiap kelas
membandingkan frekuensi masing-masing kelas
dengan jumlah frekuensi total dikalikan 100 %
2. Distribusi frekuensi kumulatif ada 2, yaitu distribusi
frekuensi kumulatif kurang dari (Untuk menunjukkan
jumlah frekuensi yang kurang dari nilai tertentu) dan
distribusi frekuensi kumulatif lebih dari (Untuk
menunjukkan jumlah frekuensi yang lebih dari nilai
tertentu)
Masing-masing lihat contoh dan latihan soalnya

Menggambar Distribusi frekuensi

Tujuan: memudahkan membaca informasi
Macam:
1. Histogram
2. Polydon
3. Frekuensi relatif
4. Frekuensi kumulatif

Macam (1)
1. Histogram: rangkaian berbagai bidang segi
empat yang masing-masing bidang
menunjukkan banyaknya frekuensi yang
terkandung pada masing-masing interval
kelasnya sumbu horisontal (X) adalah
batas kelas dan sumbu vertikal (Y) adalah
frekuensi setiap kelas.
Kegunaan: untuk mengetahui distribusi
/penyebaran data sehingga didapatkan
informasi yang lebih banyak untuk
memudahkan mendapatkan kesimpulan

Macam (2)
2. Poligon: grafik berbentuk garis yang
menghubungkan antara nilai tengah kelas dengan
jumlah frekuensi pada setiap kelas
3. Frekuensi relatif: seperti histogram, namun
menghubungkan antara batas kelas dengan
frekuensi relatifnya
4. Ogive : diagram garis yang menunjukkan
kombinasi antara interval kelas dengan frekuensi
kumulatif
Lihat tugas membuat diagram histogram, poligon,
kurva frekuensi relatif dan kurva ogive

Kurva Lorenz
Bentuk khusus dari distribusi frekuensi relatif
Menggambarkan distribusi persentase
kekayaan/pendapatan dalam hubungannya
dengan distribusi persentase jumlah seluruh
orang yang menerima kekayaan tersebut

Gini Rasio
Koefisien Gini adalah ukuran statistik yang
diperoleh dari Kurva Lorenz, yang terkait dengan
pangsa kumulatif dari total nilai suatu variabel
(misal pendapatan), terhadap angka atau
persentase dari penduduk yang ada dalam suatu
wilayahi yang diurutkan meningkat sesuai
ukurannya
Koefisien Gini didefinisikan sebagai rasio dari
luasan yang terletak di antara garis diagonal dan
Kurva Lorenz (daerah arsiran) dibagi dengan
luasan segitiga di bawah garis diagonal.

Kurva lorenz dan rasio Gini

Jika luasan daerah arsiran
adalah A, dan luasan di
bawah Kurva Lorenz
adalah B, maka Koefisien
Gini (RG) adalah A /
(A+B).
Karena A+B = 0.5, maka
RG = A/(0.5) = 2A . Karena
A =0.5 B 2A = 1-2B.
Nilai maksimum = 1
tidak merata
Nilai minimum = nol,
merata
34



RG 1 f i Yi Yi 1
i 1

Dimana RG = rasio Gini

K = jumlah kelas
fi = % Jumlah masy tani dalam kelas ke i
Y = % kumulatif jumlah pendapatan sampai kelas
ke i
Contoh penerapan: lihat Anto Dayan

Ukuran tendensi sentral

36

Pengantar
Dengan dist frek atau grafik memberi
gambaran peristiwa kualitatif scr visual (jumlah,
distribusi) sdh cukup
Jika ingin analisis yg lebih detail (misal
perbandingan 2 kelompok observasi) perlu
perluasan dari dist frek untuk mendapatkan
suatu nilai/karakteristik tunggal yg cukup
representatif bagi seluruh nilai dalam data
hasil yang valid
Analisis ini disebut dengan ukuran pemusatan
(ukuran tendensi sentral)

UKURAN TENDENSI SENTRAL

Adalah: Nilai tunggal yang mewakili suatu kumpulan data dan
menunjukkan karakteristik dari data menunjukkan pusat
dari nilai data sbg bahan pegangan untuk menafsirkan
gejala yang diteliti berdasar hasil pengolahan data
Yang termasuk ukuran pemusatan :
1. Rata-rata hitung (Mean)
2. Median
3. Modus
4. Ukuran Letak
Kuartil
Desil
Prosentil

RATA-RATA HITUNG (Mean)

Adalah suatu nilai rata-rata dari semua nilai

data observasi
Jumlah semua nilai data
Rata - rata hitung
Banyaknya nilai data

1. Rata-rata hitung sederhana (Simple

Arithmatic Mean)
Data tak berkelompok (jumlah data sedikit/
tidak banyak mengulang)
X1 X2 X n

X
n

Lihat contoh

X
n

X A
n

 Data tak berkelompok (jumlah data banyak)/

Banyak mengulang dengan frekuensi tertentu
f 1 X 1 f 2 X 2 f n X n fX

X
f 1 f 2 f n
f

X A
n

Lihat contoh

Data berkelompok
Untuk jumlah data yang banyak, ketiga cara di
atas tidak praktis perlu pengelompokan data
rata-rata dapat dihitung dengan:
Cara 1

fx

X
n

Cara 2

fd

X A
ci
n

Lihat contoh masing-masing

RATA-RATA HITUNG DITIMBANG

(weighted mean)

Salah satu kelemahan dari rata-rata hitung: adanya

anggapan bahwa setiap barang memiliki arti penting
yang sama, padahal dalam kenyataannya berbeda,
solusinya dengan rata-rata hitung ditimbang
Dengan memberi faktor penimbang (bobot)
Secara subyektif (tergantung individu)
Secara obyektif (berdasar jumlah barang)
Data tak berkelompok dan berkelompok

xw

X
w
Lihat contoh

MEDIAN
Nilai yang letaknya berada di tengah data dimana
data tersebut sudah diurutkan dari yang terkecil
sampai terbesar atau sebaliknya.
Data tidak Berkelompok
Letak

Md

N 1
2

Data ganjil, median terletak di tengah

Data genap median adalah rata-rata dari dua data
yang terletak di tengah.

 Data berkelompok
Kelas

N
Md
2

Nilai

Med L 0 ci 2
f

Dimana:
Lo = batas bawah kelas median
ci = interval kelas
F = jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
f = frekuensi kelas median
Kelas median: kelas yang ditempati oleh f kum letak
median

 Data berkelompok

N
Kelas Md
2

Nilai

Med L 0 ci 2
f

Dimana:
Lo = batas bawah kelas median
ci = interval kelas
F = jumlah frekuensi semua kelas sebelum kelas yang
mengandung median
f = frekuensi kelas median
Kelas median: kelas yang ditempati oleh f kum letak median
Lihat contoh

MODUS
Modus: observasi yang mempunyai frekuensi
tinggi
Nilai yang (paling) sering muncul
Tak selalu ada, tapi bisa lebih dari satu
Data observasi yang memiliki 2 modus disebut
bimodus
Untuk data tak berkelompok
Lihat contoh

 Data berkelompok
Menentukan kelas modus: kelas yang mempunyai frekuensi
tertinggi
Modus
d1

Mo L 0 ci
d1 d 2
Dimana
Lo = batas bawah kelas modus
ci = interval kelas
d1 = selisih frek kelas modus dengan frek kelas sebelumnya
d2 = selisih frek kelas modus dengan frek kelas sesudahnya
Lihat contoh
Kelebihan dan kekurangan masing-masing ukuran tendensi
sentral lihat tugas

Hubungan Mean, Median, Modus

Mean, median,
modus dapat
digunakan untuk
mengetahui
kemiringan kurva
poligon distribusi
Frekuensi
Pada dist yang
normal/simetris
Mean = Med = Mo

 Pada dist yang condong kanan/positip

Modus < median < mean

 Pada dist yang condong kiri/negatip

Mean < median < modus

Ukuran letak

51

UKURAN LETAK (Kuartil)

Merupakan perluasan dari median
Terdiri dari kuartil, desil dan persentil
1. Kuartil
adalah pengelompokan data yang membagi 4 bagian
yang sama besar.
Lambangnya K1, K2, K3 atau Q1, Q2, Q3
K1 sampai 25% data, K2 sampai 50% dan K3 sampai
75%.
I

II
K1

III
K2
Median

IV
K3

KUARTIL (Data tak berkelompok)

Letak kuartil

in 1
Letak K i data ke
, i 1,2,3
4
Nilai kuartil

in 1
Nilai K i Nilai ke
, i 1,2,3
4

Kuartil (Data berkelompok)

i(n)
Letak kuartil = data ke
4

Nilai kuartil

, i = 1,2,3

i.n
-F

, i 1,2,3
K i L 0 ci 4
f

L0 = batas bawah kelas kuartil

F = jumlah frekuensi semua kelas sebelum kelas kuartil Ki
f = frekuensi kelas kuartil Ki
Lihat contoh masing-masing

DESIL
2. Desil
Desil adalah pengelompokan data menjadi 10
bagian sama besar.
Lambangnya D1, D2, .D9

DESIL (data tidak berkelompok)

Letak Desil
in 1
D
data
ke
, i 1,2,3,...,9
Letak i
10
Nilai Desil
Nilai

in 1
D i nilai ke , i 1,2,3,...,9
10

DESIL (data berkelompok)

Letak Desil = data ke

Nilai Desil

i (n)
, i = 1,2,...,9
10

in

10
, i 1,2,3,...,9
Di L 0 ci
f

L0 = batas bawah kelas desil Di

F = jumlah frekuensi semua kelas sebelum kelas desil Di
f = frekuensi kelas desil Di
Lihat contoh masing-masing

PERSENTIL
Persentil adalah pengelompokan data
menjadi 100 bagian sama besar.
Lambangnya P1, P2, .P99

Persentil (Data tak berkelompok)

Letak Persentil
in 1
, i 1,2,3,...,99
Letak Pi data ke 100

Nilai persentil
in 1
, i 1,2,3,...,99
Nilai Pi nilai ke 100

Persentil (Data berkelompok)

Letak Persentil
Letak

Pi data ke -

Nilai persentil

in
, i 1,2,3,...,99
100

in
F

Pi L 0 ci 100 , i 1,2,3,...,99
f

L0 = batas bawah kelas Persentil Pi

F = jumlah frekuensi semua kelas sebelum kelas persentil Pi
f = frekuensi kelas Persentil Pi
Lihat contoh masing-masing

Ukuran penyimpangan

61

Ukuran Penyimpangan
Ukuran tendesi sentral belum dapat memberi
gambaran menyeluruh terhadap variasi dari
sebuah kumpulan data
Jika ada 2 kumpulan data yang mempunyai rata-rata
sama belum tentu memiliki variasi data yang
sama
perlu ukuran penyimpangan/penyebaran yaitu
suatu ukuran yang menyatakan seberapa besar
nilai-nilai data berbeda atau bervariasi dengan
nilai ukuran pusatnya

Manfaat
Untuk mengetahui sejauh mana suatu nilai
menyimpang/menyebar dari nilai tengahnya
Macam ukuran penyimpangan:
1. Ukuran penyimpangan absolut: ukuran penyimpangan
untuk membandingkan dengan ukuran penyimpangan
lain dalam populasi yang sama
Meliputi: range, deviasi kuartil, deviasi rata-rata dan
deviasi standar
2. Ukuran penyimpangan relatif: ukuran penyimpangan
untuk membandingkan dengan ukuran penyimpangan
lain yang mempunyai satuan ukuran yang berbeda
Meliputi: Koefisien range, koefisien deviasi kuartil,
koefisien deviasi rata-rata dan koefisien deviasi
standar

Range
data tak berkelompok: adalah selisih antara nilai terbesar
dan nilai terkecil
data berkelompok
Ada dua pendekatan, yaitu:
a. selisih antara nilai tengah kelas pada interval kelas
teratas dan nilai tengah kelas pada inteval kelas
terendah.
b. selisih antara batas atas kelas pada interval kelas
teratas dan batas bawah pada inteval kelas terendah.
Semakin besar range, semakin besar variasi data
semakin heterogen sifat datanya
Lihat contoh

Interkuartil Range

Adalah jarak antara kuartil I & kuartil III

IR = K3 K1

Latihan: dari K1 dan K3 yg sdh dihitung, cari IR-nya

Deviasi kuartil (semi interkuartil range): setengah jarak
antara kuartil I & kuartil III
Dirumuskan: Qd = (K3 K1)
Qd = Deviasi kuartil
K3 = kuartil III
K1 = kuartil I
lihat latihan

Deviasi rata-rata
Adalah rata-rata dari jumlah selisih mutlak nilai data
terhadap nilai rata-ratanya
data tak berkelompok

xx

MD

data berkelompok

f xx

MD
f

x = data ke-i
= titik tengah kelas interval ke-i
f = frekuensi

Standar Deviasi
Standar Deviasi (Simpangan Baku) dari
sekumpulan bilangan adalah akar dari jumlah
deviasi kuadrat dari bilangan-bilangan
tersebut dibagi dengan banyaknya bilangan
atau akar dari rata-rata deviasi kuadrat.
Data tak berkelompok
x x 2
S

atau
S

x
n

f x x
f

fx
f

Atau

f.x

Koefisien Variasi
adalah perbandingan antara standar deviasi
dengan nilai rata-rata yang dinyatakan dengan
persentase.
Koefisien variasi berguna untuk melihat
sebaran data dari rata-rata hitungnya.
S
KV
x100%
Rata rata
Koefisien lainnya
Koefisien range KR

Range
terbesar terkecil

Koefisien lainnya
Koefisien Deviasi Kuartil dan koef interkuartil
range

K 3 K 1
KDK KIR
K 3 K1
Koefisen deviasi rata-rata

MD
KMD
x100%
Rata rata
Lihat Latihan