BAB 1

PENDAHULUAN
1.1 Latar Belakang
Statistika

adalah

ilmu

yang mempelajari

bagaimana

merencanakan,

mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data.

Secara singkat statistika adalah ilmu yang berkenaan dengan data. statistika juga
dapat dikatakan sebagai ilmu yang digunakan untuk mengolah data yang ada
sehingga didapatkan hasil berupa informasi yang dapat diolah menjadi sebah
keputusan yang berdasar pada data yang sebenarnya.
Statistik memegang peranan yang penting dalam penelitian, baik dalam
penyusunan model, perumusan hipotesa, dalam pengembangan alat dan instrumen
pengumpulan data, dalam penyusunan desain penelitian, dalam penentuan sampel,
dan dalam analisa data. Dalam banyak hal, pengolahan dan analisa data tidak
luput dari penerapan teknik dan metode statistik tertentu, yang mana
kehadirannya dapat memberikan dasar bertolak dalam menjelaskan hubunganhubungan yang terjadi. Statistika memberikan alat analisis data bagi berbagai
bidang ilmu. Kegunaannya bermacam-macam: mempelajari keragaman akibat
pengukuran, mengendalikan proses, merumuskan informasi dari data, dan
membantu pengambilan keputusan berdasarkan data. Statistika, karena sifatnya
yang objektif, sering kali merupakan satu-satunya alat yang bisa diandalkan untuk
keperluan-keperluan

tersebut.

Statistika memberikan pengetahuan dan kemampuan untuk melakukan

evaluasi terhadap data. Pengetahuan statistika dapat membantu dalam
menentukan apakah kebenaran atau keberlakuan suatu data dapat diterima,
diragukan ataukah ditolak. Selain itu, Statistika juga bermanfaat karena akan
banyak dipakai dalam dunia kerja yang terkait dengan ilmu-ilmu sosial, ilmu
alam, biologi maupun dunia usaha dan industri. Dalam ilmu sosial dan ilmu alam
statistika digunakan dalam pengumpulan data (survei maupun eksperimen),
pengujian hipotesis dan pengembangan teori. Dalam dunia usaha dan industri
statistika digunakan dalam meramalkan penjualan, keuntungan maupun
pengawasan kualitas (dengan menggunakan data sampel).

1.2 Tujuan Praktikum

Setelah melakukan praktikum pada modul statistika deskriptif , mahasiswa
diharapkan mempunyai kemampuan untuk :
1.
2.
3.
4.

Memahami pengertian dan manfaat statistika deskriptif

Mamu mengolah data dengan metode-metode statistika deskriptif
Memahai teknik pengumpulan data
Mengkaji, menilai, dan memperbaiki serta merancang suatu system kerja yang
berhubungan dengan manusia sebagai pemakai

BAB 2
LANDASAN TEORI

2.1 Pengertian Statistik Deskriptif

Statistika deskriptif adalah bagian dari ilmu statistika yang hanya mengolah,
menyajikan data tanpa mengambil keputusan untuk populasi. Dengan kata lain hanya
melihat gambaran secara umum dari data yang didapatkan.Statistika adalah ilmu yang
mempelajari

bagaimana

merencanakan,

mengumpulkan,menganalisis,

menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalahi lmu yang

berkenaan dengan data. Iqbal Hasan (2004:185) menjelaskan : Analisis deskriptif
adalah merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil
penelitian berdasarkan satusample. Analisa deskriptif ini dilakukan dengan pengujian
hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat
digeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti hasil penelitian
dapat digeneralisasikan. Analisisdeskriptif ini menggunakan satu variable atau lebih
tapi bersifat mandiri, oleh karena ituanalisis ini tidak berbentuk perbandingan atau
hubungan. Iqbal Hasan (2001:7) menjelaskan : Statistik deskriptif atau statistic
deduktif adalah bagian dari statistic mempelajari cara pengumpulan data dan
penyajian data sehinggamuda dipahami. Statistic deskriptif hanya berhubungan
dengan hal menguraikan ataumemberikan keterangan-keterangan mengenai suatu
data atau keadaan atau fenomena.Dengan kata statistic deskriptif berfungsi
menerangkan keadaan, gejala, atau persoalan.Penarikan kesimpulan pada statistic
deskriptif (jika ada) hanya ditujukan pada kumpulandata yang ada.
Didasarkan pada ruang lingkup bahasannya statistik deskriptif mencakup
1. Distribusi frekuensi beserta bagian-bagiannya seperti :
a) Ukuran nilai pusat (rata-rata, median, modus, kuartil dansebagainya);
b) Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan baku, dan
sebagianya);
c) Grafik distibusi (histogram, poligon frekuensi, dan ogif);

d) Kemencengan dan keruncingan kurva

2. Angka indeks
3.Times series/deret waktu atau berkala
4. Korelasi dan regresi sederhana.

2.2 Ukuran-ukuran statistik deskriptif

Ukuran statistik deskriptif dapat digolongkan menjadi dua kelompok, yaitu ukuran
nilai tengah dan ukuran deviasi. Ukuran nilai tengah terdiri dari rata-rata (mean),
median, dan modus. Sedangkan ukuran deviasi terdiri dari varians, simpangan baku,
koefisien variasi, dan nilai jarak (range). Ukuran-ukuran statistik deskriptif tersebut
akan dijelaskan penggunaannya baik untuk data tunggal maupun data berkelompok.
2.2.1 Ukuran nilai tengah
a) Rata-rata (Mean)
Rata-rata ditulis dengan menggunakan simbol (dibaca:miu) untuk menyatakan
rata-rata populasi, dan

(dibaca: x bar) untuk menyatakan rata-rata sampel. Secara

aljabar rata-rata dapat ditulis sebagai berikut:

untuk rata-rata populasi, dimana N adalah banyaknya populasi :

untuk rata-rata sampel, dimana n adalah banyaknya sampel

Rata-rata untuk data berkelompok

Apabila data sudah disajikan dalam data berkelompok seperti dalam bentuk tabel
frekuensi dimana observasi-observasi dikelompokan kedalam kelas-kelas yang
disebut frekuensi, maka rumus rata-ratanya adalah sebagai berikut:

b) Median
Ukuran nilai tengah lainnya yang mungkin dapat merupakan pilihan selain ratarata adalah median. Penentuan median bisa langsung didapat jika jumlah
observasinya adalah ganjil, namun jika jumlah observasinya adalah genap maka akan
didapat dua nilai tengah. Dalam situasi demikian, untuk mendapatkan mediannya
yaitu dengan merata-ratakan dua nilai tengah yang didapat.

Prosedur untuk

mendapatkan median yaitu harus mengurutkan data dari yang terkecil hingga yang
terbesar terlebih dahulu sebelum mengambil nilai tengahnya. Dengan kata lain

median adalah data yang ke

Median untuk data berkelompok

Untuk data yang sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka
mediannya dapat dicari dengan rumus sebagai berikut:

Kelas median adalah kelas dimana terdapat nilai median di dalamnya. Untuk
menentukan kelas median bagilah seluruh observasi dengan dua artinya 50 % dari
seluruh observasi terletak sebelum median dan 50 % lainnya terletak sesudahnya.
c) Modus
Modus dari suatu kelompok observasi adalah nilai observasi yang mempunyai
frekuensi pemunculan paling banyak atau dengan kata lain yaitu nilai yang paling
banyak muncul. Konsep dari modus ini berhubungan dengan kemunculan yang
berulang-ulang dari suatu nilai observasi. Modus mungkin lebih sering digunakan
pada data yang mempunyai banyak variasi dalam ukurannya, itupun untuk jumlah
data yang besar. Sebagai contoh modus dari ukuran barang yang terjual sering
digunakan untuk mengetahui barang yang paling disenangi konsumen.
Suatu distribusi atau kelompok data mungkin tidak mempunyai modus atau mungkin
mempunyai modus lebih dari satu. Distribusi yang mempunyai satu modus disebut
Unimodus, yang mempunyai dua modus disebut Bimodus dan yang mempunyai
modus lebih dari dua disebut Multimodus.

Modus untuk data berkelompok

Apabila data sudah dikelompokkan dan disajikan dalam tabel frekuensi, maka
modusnya mempunyai rumus sebagai berikut:

Kelas modus adalah kelas dimana terdapat nilai modus di dalamnya.

2.2.2 Ukuran disperse
a) Varians
Dengan ukuran nilai tengah saja kita tidak akan pernah cukup untuk memberikan
ringkasan karakteristik dari sebuah set data. Pada kenyataannya nilai-nilai observasi
suatu populasi ada yang lebih besar dari rata-rata dan ada yang lebih kecil dari rata.
Informasi ini yang biasanya merupakan keterangan tambahan mengenai karakteristik
dari satu set data yaitu informasi mengenai jumlah penyimpangan dalam data.
Biasanya kita tertarik dengan penyimpangan nilai-nilai observasi dalam data terhadap
rata-ratanya yaitu selisihnya. Rata-rata dari selisih kuadrat tersebut merupakan suatu
ukuran penyimpangan yang biasa disebut dengan varians dari observasi. Simbol
varians pada ukuran populasi adalah

(dibaca: sigma kuadrat) dan pada ukuran

sampel adalah s2.

b) Simpangan baku
Akar dari varians dinamakan standar deviasi atau simpangan baku. Standar deviasi
merupakan ukuran simpangan yang sering digunakan dalam analisa.

Nilai standar

deviasi pada dasarnya menggambarkan besaran sebaran suatu kelompok data

terhadap rata-ratanya atau dengan kata lain gambaran keheterogenan suatu kelompok
data. Formula standar deviasi adalah sebagai berikut:

Varians untuk data berkelompok

Formula varians untuk data berkelompok adalah sebagai berikut:

c) Koefisien variasi

Standar deviasi dapat mengukur keheterogenan atau variasi suatu kelompok data.
Namun jikaingin membandingkan dua kelompok data yang mempunyai ukuran yang
berbeda, standar deviasi tidak dapat digunakan artinya standar deviasi yang lebih
besar tidak selalu berarti kelompok data tersebut lebih heterogen Untuk keperluan
perbandingan dua kelompok data tanpa melihat ukuran satuannya, maka dapat
digunakan suatu ukuran variasi yang dinamakan koefisien variasi (CV). Rumus CV
dituliskan sebagai berikut:

Jika CV1 > CV2 berarti kelompok data pertama lebih bervariasi atau lebih heterogen
dari pada kelompok kedua.
d) Ukuran nilai jarak (Range)
Ukuran dispersi yang paling sederhana pada suatu data numerik mungkin dengan cara
menghitung selisih nilai terbesar (nilai maksimum) dengan nilai terkecil (nilai
minimum). Cara ini dikenal dengan sebutan Range.
Range = Nilai maksimum Nilai minimum.
e) Ukuran Range untuk data berkelompok
Untuk data berkelompok, nilai range dihitung berdasarkan selisih antara nilai tengah
kelas terakhir dengan nilai tengah pertama atau selisih batas atas kelas terakhir
dengan batas bawah kelas pertama.
Range = Nilai tengah kelas terakhir Nilai tengah kelas pertama.
2.3 Grafik Distribusi

Data yang sudah dikelompokkan dalam bentuk table distribusi frekuensi dapat
disajikan dalam bentuk grafik supaya menjadi lebih menarik dan informative.
2.3.1 Histogram
Histogram adalah salah satu cara menyatakan daftar ditribusi frekuensi atau
distribusi frekuensi relatif. Pada histogram, variable ditulis pada sumbu
horizontal, dan frekuensi (ataupun frekuensi relatif) digambarkan sebagai
panjang dari persegi panjang. Lebar persegi panjang adalah lebar dari kelas
interval sehingga antara persegi panjang yang satu dengan yang lain tidak
memiliki jarak.
2.3.2 Poligon Frekuensi
Poligon frekuensi merupakan salah satu cara untuk menggambarkan distribusi
frekuensi. Untuk memperoleh distribusi frekuensi, kita tempatkan titik di tengah
sisi lebar dari setiap persegi panjang. Kemudian, titik-titik tersebut dihubungkan
sehingga kita memperoleh grafik garis yang kita sebut dengan poligon frekuensi.

Untuk data berkelompok, harus dicari titik tengah setiap kelas dan tentukan
posisinya pada garis horizontal. Tinggi frekuensi setiap kelas ditentukan pada
sumbu vertikal.
2.3.3 Ogive
Kurva distribusi frekuensi kumulatif disebut ogive. Ogive dibuat dengan cara
menempatkan titik-titik limit kelas bawah pada sumbu horizontal dan pada
sumbu vertikal ditempatkan frekuensi kumulatif. Kemudian titik-titik tersebut
dihubungkan sehingga kita mendapatkan kurva yang mulus yang terus
meningkat.

BAB 4
PENGUMPULAN DAN PENGOLAHAN DATA
4.1

Pengumpulan Data

Setelah melakukan penelitian, dieperoleh data tinggi badan dan berat badan
mahasiswa sebagai berikut:
NO

TINGGI

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

182
185
166
157
167
165
157
161
164
158
171
165
185
172
179
161
175
176
170
170
152
167
157
182
176

4.2

BERAT BADAN

56,34
48,62
70,32
70,18
37,58
86,15
68,65
56,45
87,35
72,25
59,68
63,4
79,94
26,06
48,17
77,46
66,03
85,97
83,66
76,67
79,57
68,61
63,67
47,39
76,43

JENIS KELAMIN

perempuan
perempuan
perempuan
perempuan
laki-laki
perempuan
laki-laki
perempuan
perempuan
perempuan
laki-laki
laki-laki
laki-laki
perempuan
perempuan
laki-laki
laki-laki
laki-laki
laki-laki
perempuan
laki-laki
laki-laki
laki-laki
laki-laki
laki-laki

NO

26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

TINGGI

BERAT BADAN

172
134
177
172
158
176
181
152
162
166
161
174
178
167
168
193
173
152
188
161
178
187
141
165
176

Pengolahan Data

4.2.3 Perhitungan data diskrit (diperoleh dari data tinggi badan)

I.

Membuat table frekuensi

a. Rentang
R
= nilai data terbesar-nilai data terkecil
= 193-134
= 59
b. Banyak kelas
k
= 1+3,322 log N
= 1+3,322 log 50
= 6,644
Dibulatkan menjadi 7

62,63
87,04
65,36
56,03
82,99
40,98
55,48
56,35
62,19
74,54
58,11
55,93
94,73
64,5
53,12
55,63
27,75
68,32
68,58
65,01
54,19
84,39
73,21
64,21
77,8

JENIS KELAMIN

perempuan
perempuan
perempuan
laki-laki
laki-laki
perempuan
laki-laki
laki-laki
laki-laki
perempuan
perempuan
laki-laki
perempuan
perempuan
laki-laki
perempuan
laki-laki
perempuan
laki-laki
laki-laki
perempuan
laki-laki
laki-laki
laki-laki
laki-laki

c. Interval
i

R
k

59
6,644

= 8,88
Dibulatkan menjadi 9
d. Membuat table distribusi frekuensi dari data diskrit
KELA
S

INTERVAL
1 131-139
2 140-148
3 149-157
4 158-166

Fi FK
M
TB
TA
Fi(M) Lb
La
M-X
(M-X)2
1
1 135 130,5 139,5
135 131 139 34,02
1157,36
1
2 144 139,5 148,5
144 140 148 25,02
626,00
6
8 153 148,5 157,5
918 149 157 16,02
256,64
1
3

21

162

157,5

166,5

2106

158

166

7,02

49,28

KELA
S

INTERVAL

5 167-175
6 176-184
7 185-193
JUMLAH

Fi FK
1
3
11
5
50

II.

34
45
50

M
171
180
189

TB
166,5
175,5
184,5

TA
175,5
184,5
193,5

161 1134 1102,5 1165,5

Fi(M) Lb
2223
1980
945

167
176
185

La
175
184
193

M-X
1,98
10,98
19,98

3,92
120,56
399,20

8451 1106 1162 115,02

2612,963

Lb+ La
2

a. M

b. TB
c. TA

= Lb - 0,5
= La + 0,5

(M-X)2

Menghitung mean, median, modus, kuartil, desil, persentil, skewness,

variansi, standar deviasi, dan simpangan kuartil
a. Mean

X =

fiM
N

8451
50

= 169,02
b. Median
Me

N
Tb
fmed
f2
i
maka,
Me
Me
c. Modus
Mo

1
nf 2
= Tb+i 2
fmed
= 50, maka median terletak di data ke-25,5
= 166,5
= 13
= 21
=9
1
5021
= 166,5+9 2
13
= 169,269
d1
= Tb+i d 1+ d 2

Interval
149-157

Fi
6

Tb
-

d1
-

d2
-

Modus
-

158-166

13

157,

166,5

167-175

13

5
166,

166,5

176-184

11

5
-

d. Kuartil
Qn

n
( ) NF
= Tb+i 4
f

KUART

DATAK

IL

E-

DATA
158-

I
160,6

Q1

12,75 166
167-

15
169,2

Q2

25,5 175
176-

69
178,3

Q3
e. Desil

NILA

38,25 184

n
) NF
= Tb+i 10
f
(

Dn

DATADESIL
D1
D2
D3
D4
D5
D6
D7
D8
D9
D10
f. Persentil
Pn

KE
5
10
15
20
25
30
35
40
45
50

DATA
149-157
158-166
158-166
158-166
167-175
167-175
176-184
176-184
176-184
185-193

NILAI
153
158,8846
162,3462
165,8077
169,2692
172,7308
176,3182
180,4091
184,5
193,5

n
) NF
= Tb+i 10
f
(

DATAPERSENTIL
P10
P25
P50

KE

DATA
5,1 149-157
12,75 158-166
25,5 167-175

NILAI
153
160,615
169,269

P75
P90

38,25 176-184
45,9 185-193

g. Skewness
Skewness =

n
xi x 3
(
)
( n1 ) ( n2 )
s

Skewness =

50
xi x 3
(
)
( 501 ) (502 )
s

Skewness =

50
(2,157)
( 49 ) ( 48 )

Skewness = 0,0459

h. Variansi

S2

x
xi

N 1

ni

S2

2612,963
501
53,326

=
S2
i. Standar deviasi

SD

x
xi

N 1

ni

178,364
184,5

2612,963
501

SD

SD
SD

= 53,326
= 7,302

j. Simpangan kuartil
1
do
= 2 (Q 3Q 1)
1
(178,36160,615)
2

do

do

= 8,8725

III.

Membuat grafik histogram dan ogive

a. Histogram

b. Ogive

GRAFIK OGIVE TINGGI BADAN MAHASISWA

60
50 49
48
42

40

frekuensi kumulatif

50
45
34

30

29

20

21

frekuensi kumulatf
kurang dari

16

10
0 1

Frekuensi kumulatif lebih

dari

8
2

interval

5
0