BAB I

PENDAHULUAN

1.1. Latar Belakang

Statistika merupakan sekumpulan konsep dan metode yang digunakan untuk
mengumpulkan dan menginterpretasi data tentang bidang kegiatan tertentu dan
mengambil kesimpulan dalam situasi dimana ada ketidak pastian dan variasi.
Statistika berarti sekumpulan data yang terdiri dari angka-angka, sehingga kita
mengenal statistika pertanian, statistika kependudukan, statistika perekonomian,
dan sebagainya. (Turmudi dan Sri Harini, 2008)

Menurut sumber lain, statistika merupakan ilmu pengetahuan yang berhubungan

dengan motode-metode ilmiah untuk pengumpulan, pengorganisasian,
perangkuman, pemaparan dan penganalisisan data disamping terkait pula dengan
metode-metode untuk menarik kesimpulan yang valid serta pengambilan
keputusan yang berdasarkan alasan-alasan yang ilmiah dan kuat yang diperoleh
dari hasil analisis tadi. Dalam makna yang lebih sempit, istilah statistika
digunakan untuk menunjukkan data-data itu sendiri atau angka-angka yang
diturunkan dari data tersebut, misalnya rata-rata. (Murray R. Spiegel dan Larry J.
Stephen, 2004)

Selain itu, statistika juga berarti suatu disiplin ilmu. Ruang lingkup statistika
sebagai disiplin ilmu mencakup berbagai teknik pengumpulan dan penyajian data,
baik untuk keperluan analisis data maupun dalam dalam proses pengambilan
keputusan. Salah satu kegunaan utama dari ilmu statistika adalah untuk
menyediakan suatu set prosedur yang memungkinkan kita melakukan inferensi,
pendugaan dan menentukan keputusan tentang karakteristik suatu populasi
berdasarkan atas informasi sampel yang diambil dari sebagian populasi tersebut.
(Turmudi dan Sri Harini, 2008).
Istilah Statistika (statistics) dan statistic (Statistic) sebenarnya berbeda. Kalau
statistika adalah ilmunya maka statistik adalah data atau hasil penerapan statistika
pada suatu data. Statistik adalah data, fakta, informasi, atau hasil penerapan
algoritma statistika pada suatu data. Sebagai contoh, misalkan ketika kita

1
membaca berita surat kabar di pagi hari dengan waktu yang terbatas karena akan
berangkat kerja, padahal kita ingin mengetahui berbagai macam berita secara
lengkap. Maka yang dapat kita lakukan adalah membaca sepintas dengan cepat
berita yang disajikan, seperti tentang tingkat kejahatan, tingkat pertumbuhan, rata-
rata pendapatan, dan sebagainya. Dengan demikian. secara sederhana statistik
memuat fakta dan gambaran dari fakta itu sendiri. (Turmudi dan Sri Harini,
2008)

1.2 Tujuan
Tujuan melakukan kegiatan praktikum pada modul Statistika Deskriptif ini,
praktikan diharapkan mampu:
1. Memahami pengertian dan manfaat statistika deskriptif
2. Mengolah data dengan metode-metode statistika deskriptif
3. Memahami teknik pengumpulan data, klasifikasi dan presentasi data pada
statistika deskriptif.
4. Mengkaji, menilai dan memperbaiki serta merancang suatu sistem kerja
yang berhubungan dengan manusia sebagai pemakai.

BAB II

2
 LANDASAN TEORI

2.1 STATISTIKA DESKRIPTIF

Statistik deskriptif adalah ilmu yang mempelajari tentang cara pengumpulan
dan analisa data kuantitatif secara deskriptif. Menyusun suatu tabel distribusi
frekuensi, harus tersedia datadata. Kemudian datadata tersebut dikelompokkan
kedalam beberapa hitungan jumlah pengamatan yang masuk kedalam
kelompok tiap kelas. Mengelompokkan data-data tersebut diperlukan penyusunan
dalam bentuk array. Memang pada umumnya masyarakat menafsirkan statistik
adalah tidak lain daripada tabel atau daftar angka tentang suatu hal atau kegiatan
yang terdapat dikantor kantor, diperusahaanperusahaan, 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 uangdan lain-lain. Biasanya bahan atau keterangan demikian yang
kebenarannya harus dapat dipercaya atau diandalkan. Disebut data statistik atau
sering disingkat saja dengan data.
Kebenaran 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 untukpersoalan secara keseluruhan. Persoalan yang menyeluruh ini
disertaidengan 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
penganalisisannyadan pembuat kesimpulan berdasarkan analisis tersebut
mengenaipopulasi darimana data itu diambil. Bagian statistika yang berhubungan
dengan pembuatan kesimpulan mengenai populasi dinamakan statistika deskriptif.

3
2.1.1 Ukuran Pemusatan Data
Ada beberapa jenis ukuran pemusatan yang biasa digunakan dalam
mendeskripsikan data. Yaitu :
1. Rata-rata hitung (mean)
Rata-rata atau mean atau average adalah nilai yang mewakili sehimpunan atau
sekelompok data (a set of data). Nilai rata-rata pada umumnya mempunyai
kecenderungan terletak di tengah-tengah dalam suatu kelompok data yang
disusun menurut besar kecilnya nilai. Dengan perkataan lain bahwa ia
mempunyai kecenderungan memusat. Oleh karena itu nilai rata-rata sering
disebut ukuran kecenderungan memusat. (Supranto, 1977)
Mean memiliki kecenderungan untuk berada diposisi tengah atau sentral dari
suatu kumpulan data yang disusun berdasarkan besarnya maka rata-rata sering
pula disebut ukuran tendensi sentral atau ukuran pemusatan.
Mean aritmetik atau singkatnya mean, dari suatu himpunan N bilangan , , ,
dapat dinyatakan dengan . Serta didefinisikan sebagai ;(Supranto, 1977).
Rumus yang digunakan untuk menghitung mean data adalah:

Keterangan: = data ke-i

= banyaknya data
2. Modus

suatu kurva frekuensi sudah dibuat untuk mengeplot data-data yang ada,
modusnya akan sama dengan nila (atau nila-nilai) X yang berkorespondensi
dengan titik maksimum (atau titik-titik maksimum) kurva. Nilai X seringkali
disimbolkan sebagai.

3. Median

Median adalah nilai pengamatan yang terletak di tengah-tengah data yang kita
punyai dan telah diurutkan dari kecil ke besar atau sebaliknya. Median
merupakan skor yang membagi dua distribusi data tepat sama.
Rumus yang digunakan untuk menghitung median adalah:
Untuk n ganjil Untuk n genap

4
 Me=x 1 xn + x n
(n+1) +1
2 2 2
Me=
2

Keterangan:
xn n
2 adalah data pada urutan ke 2 setelah diurutkan.

4. Kuartil
Kuartil atau perempatan adalah nilai pengamatan yang terletak pada
pengamatan ke n (= ), ke n (= atau median), dan ke n (= ).

5. Desil dan Persentil

Para prinsipnya rumus yang digunakan untuk mencari desil dan persentil sama
dengan rumus untuk kuartil. Perbedaannya untuk Desil, K diganti dengan K,
dan P berarti persepuluhan atau p = 1,2,,9 dan untuk persentil K diganti
dengan P, dan p berarti perseratusan atau p =1,2,,99.

2.1.2 Ukuran Penyebaran

Untuk melengkapi informasi yang diberikan oleh ukuran pemusatan, diperlukan

satu ukuran lagi yaitu variabilitas (ukuran penyebaran data). Dengan dapat
ditentukannya ukuran ini, maka bila kita ingin menggambarkan dua gugus data
(atau lebih), kita akan mampu untuk menentukan apakah dua gugus data berasal
dari populasi yang sama atau tidak. Terdapat bermacam-macam ukuran
penyebaran, diantaranya: (Turmudi dan Sri Harini, 2008)

A. Variansi
Variansi adalah nilai kuadrat dari standar deviasi.
Rumus yang digunakan untuk menghitung variansi adalah:
n
( xix ) 2
2= Keterangan:
i=1 n

2 = Variansi x = Rata-rata

Xi = Nilai Tengah n = Banyak data

5
B. Standar Deviasi
Standar deviasi adalah akar dari jumlah kuadrat deviasi dibagi dengan
banyaknya data.

n 2
( xix )
= Keterangan:
i=1 n

= Standar Deviasi X = Rata-rata

Xi = Nilai Tengah n = Banyak data
C. Simpangan Kuartil
Simpangan kuartil adalah selisih dari nilai kuartil ketiga dan kuartil
pertama
H = Q3 Q1
Keterangan:
Q3 = Kuartil kelas ketiga
Q1 = Kuartil kelas pertama.

D. Grafik Distribusi Frekuensi

Grafik distribusi frekuensi pada dasarnya merupakan gambaran dari informasi
yang tersedia pada distribusi tabel frekuensi. Ada beberapa macam grafik yang
berbeda-beda, tetapi semuanya dimulai dengan dua garis yang saling tegak
lurus yang disebut sebagai sumbu koordinat. Garis horizontal disebut sebagai
sumbu-X atau absis, sedangkan garis vertical disebut sebagai sumbu Y atau
ordinal.
Jenis pertama dari grafik distribusi frekuensi dapat berbentuk histogram atau
diagram batang. Histogram digunakan untuk menyajikan data yang telah
tersusun dalam bentuk tabel distibusi frekuensi kedalam sebuah grafik.
Kegunaan utama dari histogram adalah untuk menunjukkan bentuk umum dari
distribusi data dan untuk memberikan kesan visual tentang konsentrasi dari
sebagian besar pengamatan. Berikut ini adalah contoh histogram atau diagram
batang;
Gambar 2.1 Contoh grafik Histogram

6
 (Sumber: Pengolahan data)

Jenis lain dari grafik distribusi frekuensi adalah diagram batang dan daun.
Diagram batang dan daun (the stem and leaf diagram) merupakan salah satu
alternatif lain yang dapat digunakan untuk menyajikan dan menyederhanakan
data. Selain itu, untuk menggambarkan distribusi frekuensi terdapat poligon
distribusi frekuensi, frekuensi relative dan kurva mulus.

2.2 Distribusi Probabilitas

2.2.1 Pengertian Distribusi Binomial
Distribusi Binomial adalah suatu distribusi probabilitas yang dapat digunakan
bilamana suatu proses sampling dapat diasumsikan sesuai dengan proses
Bernoulli. Distribusi ini dikemukakan pertama kali oleh seorang ahli matematika
bangsa swiss yang bernama J. Betnoulli (1654-1705).Misalnya, dalam
perlemparan sekeping uang logam sebanyak 5 kali, hasil setiap ulangan mungkin
muncul sisi gambar atau sisi angka. Begitu pula, bila kartu diambil berturut-turut,
kita dapat memberi label berhasil bila kartu yang terambil adalah kartu merah
atau gagal bila yang terambil adalah kartu hitam. Ulangan-ulangan tersebut
bersifat bebas dan peluang keberhasilan setiap ulangan tetap sama,taitu sebasar
..(Ronald E. Walpole).
A. Syarat Distribusi Binomial
1. jumlah trial merupakan bilangan bulat Contoh melambungkan coin 2 kali,
tidak mungkin2 kali.
2. Setiap eksperiman mempunya idua outcome (hasil). Contoh: sukses/gagal,
laki/perempuan, sehat/sakit, setuju/tidaksetuju.
3. Peluang sukses sama setiap eksperimen.
Contoh: Jika pada lambungan pertama peluang keluar mata H/sukses
adalah , pada lambungan seterusnya juga . Jika sebuah dadu, yang

7
 diharapkan adalah keluar mata lima, maka dikatakan peluang sukses
adalah 1/6, sedangkan peluang gagal adalah 5/6. Untuk itu peluang sukses
dilambangkan p, sedangkan peluang gagal adalah (1-p) atau biasa juga
dilambangkan q, di mana q = 1-p.
B. Rumus Distribusi Binomial
b (x;n,p) = nCx px qn-x
dimana :
x = 0,1,2,3,,n
n : banyaknya ulangan
x : banyaknya keberhasilan dalam peubah acak x

2.2.2 Pengertian Distribusi Hipergeometri

Jika samping dilakukan tanpa pengambilan dari kejadian sampling yang diambil
dari populasi dengan kejadian-kejadian terbatas, proses Bernoulli tidak dapat
digunakan, karena ada perubahan secara sistematis dalam probabilitas sukses
seperti kejadian-kejadian yang diambil dari populasi. Jika pengambilan sampling
tanpa pengambilan digunakan dalam situasi sebaliknya dengan memenuhi syarat
Bernoulli, distribusi hipergeometrik adalah distribusi probabilitas diskrit yang
tepat. Jika X melambangkan jumlah sukses dalam sample, N melambangkan
jumlah kejadian dalam populasi, XT melambangkan jumlah sukses dalam
populasi, dan n jumlah sample, formula untuk menentukan probabilitas
hipergeometrik adalah.: P(XIN,Xi,N) = n.xtCn-x . xtCx : nCn
apabila populasi besar dan sampel relatif kecil, pengambilan secara sampling
dilakukan tanpa pengambilan menimbulkan efek terhadap probabilitas suksed
dalam setiap percobaan kecil, untuk mendekati nilai probabilitas hipergeometrik
dapat digunakan konsep distribusi binomial, dengan syarat n lebih kecil sama
dengan 0,005 N. Tipe distribusi hipergeometrik ini sering sekali disebut juga
dengan sampling dengan penggantian sifat dari distribusi hipergeometrik ini :
1) Tanpa pengembalian, percobaan bersifat tidak independen.
2) Nilai probabilitas setiap percobaan berbeda.
C. Rumus Distribusi Hipergeometrik

8
 Misalkan dalam sebuah populasi berukuran N benda, terdapat 2 jenis
sampel yang berbeda, benda yang sukses/berhasil diberi label k dan
benda yang gagal diberi label N-k , maka sebaran peluang bagi peubah
acak hipergeometrik X, yang menyatakan banyaknya keberhasilan dalam
contoh acak berukuran n, adalah :

Keterangan :
N = Total populasi atau sampel.
k = jumlah benda yang diberi label berhasil yang tersedia
n = jumlah percobaan atau jumlah sampel yang dipilih
x = jumlah kejadian yang sukses
Rataan atau nilai Mean ( ) dari suatu distribusi hipergeometrik

dapat diperoleh dengan rumus:

= n.kN

Keterangan :
: mean (rata-rata)

D. Nilai Harapan Distribusi Hipergeometrik

Nilai harapan distribusi hipergeometrik adalah jumlah dari semua hasil
perkalian antara nilai variabel random dengan nilai probabilitas
hipergeometrik dari nilai tersebut. Yang dirumuskan sebagai berikut :
E(X) = X.P(X)

E. Perluasan Distribusi Hipergeometrik

Bila N benda dapat dikelompokan dalam k sel A1, A2, , Ak masing-
masing berisi a1, a2, , ak benda, maka distribusi peluang peubah acak

9
 X1, X2, , Xk yang menyatakan banyaknya benda ( anggota) yang
terambil dari A1, A2, , Ak dalam suatu sampel acak ukuran n ialah

F. Perluasan Distribusi Hipergeometrik jika terdapat lebih dari 2 kelas

Distribusi Hipergeometrik dapat diperluas menjadi penyekatan ke dalam
beberapa kelas

dan perhatikan bahwa ini

N : ukuran populasi atau ruang contoh

n : ukuran contoh acak
k : banyaknya penyekatan atau kelas
xi : banyaknya keberhasilan kelas ke-i dalam contoh
ai : banyaknya keberhasilan kelas ke-i dalam populasi

10
 Pendekatan Hipergeometrik dapat juga dilakukan untuk menyelesaikan
persoalan binomial :
Binomial untuk pengambilan contoh dengan pemulihan (dengan
pengembalian)
Hipergeometrik untuk pengambilan contoh tanpa pemulihan (tanpa
pengembalian)

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1 PENGUMPULAN DATA

Tabel 4.1 Data Berat Badan Dan Tinggi Badan 50 Pasien

Tinggi Berat Tinggi Berat
No Jenis Kelamin No Jenis Kelamin
Badan Badan Badan Badan
1 Perempuan 192 52.48 26 Perempuan 182 58.77
2 Perempuan 195 44.76 27 Perempuan 144 83.18
3 Perempuan 176 66.46 28 Perempuan 187 61.5
4 Perempuan 167 66.32 29 Laki-laki 182 52.17
5 Laki-laki 177 33.72 30 Laki-laki 168 79.13

11
 6 Perempuan 175 82.29 31 Perempuan 186 37.12
7 Laki-laki 167 64.79 32 Laki-laki 191 51.62
8 Perempuan 171 52.59 33 Laki-laki 162 52.49
9 Perempuan 174 83.49 34 Laki-laki 172 58.33
10 Perempuan 168 68.39 35 Perempuan 176 70.68
11 Laki-laki 181 55.82 36 Perempuan 171 54.25
12 Laki-laki 175 59.54 37 Laki-laki 184 52.07
13 Laki-laki 195 76.08 38 Perempuan 188 90.87
14 Perempuan 182 22.2 39 Perempuan 177 60.64
15 Perempuan 189 44.31 40 Laki-laki 178 49.26
16 Laki-laki 171 73.6 41 Perempuan 203 51.77
17 Laki-laki 185 62.17 42 Laki-laki 183 23.89
18 Laki-laki 186 82.11 43 Perempuan 162 64.46
19 Laki-laki 180 79.8 44 Laki-laki 198 64.72
20 Perempuan 180 72.81 45 Laki-laki 171 61.15
21 Laki-laki 162 75.71 46 Perempuan 188 50.33
22 Laki-laki 177 64.75 47 Laki-laki 197 80.53
23 Laki-laki 167 59.81 48 Laki-laki 151 69.35
24 Laki-laki 192 43.53 49 Laki-laki 175 60.35
25 Laki-laki 186 72.57 50 Laki-laki 186 73.94

(Sumber: Pengumpulan Data)

4.2 PENGOLAHAN DATA

4.2.1 Data Diskrit

12
 a. Rentang
R = Nilai data terbesar Nilai data terkecil
R = 203 144
R = 59
b. Banyak Kelas
K = 1 + 3,322 x log n
K = 1 + 3,322 x log 50
K = 1 + 3,322 x 1,7
K = 1 + 5.65
K = 6,65
c. Interval
R
i=
K

59
i=
6,65
i = 8,87 9

Tabel 4.2 Distribusi Frekuensi Data Diskrit

kela
(M -
(M - X
s
interval Fi Fk M TB TA Fi x M X )
)
1 144 - 152 2 2 148 143.5 152.5 296 -30.96 958,52
2 153 - 161 0 2 157 152.5 161.5 0 157 24649
3 162 - 170 8 10 166 161.5 170.5 1328 166 27556
4 171 - 179 15 25 175 170.5 179.5 2625 175 30625
5 180 - 188 16 41 184 179.5 188.5 2944 184 33856
6 189 - 197 7 48 193 188.5 197.5 1351 193 37249
7 198 - 206 2 50 202 197.5 206.5 404 202 40804

(Sumber: Pengumpulan Data)

Contoh perhitungan:
Lb+ La 144 +152
a. M = 2 = 2 = 148

b. TB = Lb - 0,5 = 144 0,5 = 143,5

c. TA = La + 0,5 = 152 + 0,5 = 152,5

13
1. Menghitung mean, median, modus, kuartil, desil, persentil, skewness,
variansi, standar deviasi, dan simpangan kuartil
a. Mean
fiM
x = N

8948
= 50

= 178,96
b. Median
N = 50, maka median terletak di data ke 25
1
nf 2
Me = Tb+i 2
fmed

1
5025
Me = 179,5+9 2
16

Me = 186,53
c. Modus
d1
Tb+i
Mo = d 1+ d 2

1
179,5+9
= 1+ 9

= 180,40

d. Kuartil
n
( ) NF
Q1 = Tb+i 4
f

14
 1
( )5010
= 170,5+9 4
15

= 172,00
n
( ) NF
Q2 = Tb+i 4
f

2
( )5010
= 170,5+9 4
15

= 179,50
n
( ) NF
Q3 = Tb+i 4
f

3
( )5025
= 179,5+9 4
16

= 186,53
Tabel 4.4 Kuartil Data Diskrit

KUARTIL DATA KE- DATA NILAI

Q1 12,5 171-179 172,00
Q2 25 171-179 179,50
Q3 37,5 180-188 186,53
(Sumber: Pengolahan Data)

e. Desil
n
) NF
(
D1 = Tb+i 10
f

1
(
)502
= 161,5+9 10
8

15
 = 164,88
n
) NF
(
D2 = Tb+i 10
f

2
(
)502
= 161,5+9 10
8

= 170,50
n
) NF
(
D3 = Tb+i 10
f

3
(
)5010
= 170,5+9 10
15

= 173,50
n
) NF
(
D4 = Tb+i 10
f

4
(
)5010
= 170,5+9 10
15

= 176,50
n
) NF
(
D5 = Tb+i 10
f

5
(
)5010
= 170,5+9 10
15

= 179,50
n
) NF
(
D6 = Tb+i 10
f

16
 6
(
)5025
= 179,5+9 10
16

= 182,31
n
) NF
(
D7 = Tb+i 10
f

7
(
)5025
= 179,5+9 10
16

= 185,13

n
) NF
(
D8 = Tb+i 10
f

8
(
)5025
= 179,5+9 10
16

= 193,56
n
) NF
(
D9 = Tb+i 10
f

9
(
)5041
= 188,5+9 10
7

= 193,64
n
) NF
(
D10 = Tb+i 10
f

10
(
)5048
= 197,5+9 10
2

17
 = 206,50

Tabel 4.5 Desil Data Diskrit

DESIL DATA-KE DATA NILAI

D1 5 162-170 164,88
D2 10 162-170 170,50
D3 15 171-179 173,50
D4 20 171-179 176,50
D5 25 171-179 179,50
D6 30 180-188 182,31
D7 35 180-188 185,13
D8 40 180-188 193,56
D9 45 189-197 193,64
D10 50 198-206 206,50
(Sumber: Pengolahan Data)

f. Persentil
n
) NF
(
P10 = Tb+i 100
f

18
 10
(
)502
= 161,5+9 100
8

= 164,88
n
) NF
(
P25 = Tb+i 100
f

25
(
)5010
= 170,5+9 100
15

= 172,00
n
) NF
(
P50 = Tb+i 100
f

50
(
)5010
= 170,5+9 100
15

= 179,5

n
) NF
(
P75 = Tb+i 100
f

75
(
)5025
= 179,5+9 100
16

= 186,53
n
) NF
(
P90 = Tb+i 100
f

90
(
)5041
= 188,5+9 100
7

19
 = 193,64

Tabel 4.6 Persentil Data Diskrit

PERSENTIL DATA-KE DATA NILAI

P10 5 162-170 164,88

P25 12,5 171-179 173,58
P50 25 171-179 177,33
P75 37,5 180-188 186,53
P90 45 189-206 193,64
(Sumber: Pengolahan Data)

g. Skewness
3
n xi x
Skewness = ( )
( n1 ) ( n2 ) s

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

50
(0,0137)
Skewness = ( 49 ) ( 48 )

Skewness = -0,00029

h. Variansi
2
n fi ( xi x )
S = i
N 1

6839,52
=
S 501

=
S 139,58

20
i. Standar deviasi

SD = n
i
fi( xix ) 2
N 1

SD = 6839,52
501

SD = 139,58 = 11,81

j. Simpangan kuartil
1
(Q 3Q 1)
D2 = 2

1
(186,53172,00)
D2 = 2

D2 = 7,27

21
 2. Membuat grafik histogram dan ogive

Grafik Histogram Data Diskrit Tinggi Badan Antara Frekuensi (Fi) dengan Titik Bawah (TB)
20

15

10
Frekuensi (Fi)
5

0
3.5

1.5

9.5

7.5
14

16

17

19
Titik Bawah (TB)

a. Histogram
b. Ogive

Grafik Ogive Data Diskrit Tinggi Badan Antara Frekuensi Kumulatif (FK) dengan Interval
60
4848 48 50
50 40 41
40
30 25
Fre kFK>
ue n48
si 48
Ku40mu
25latif
9 2 0 (FK) 20
FK< 0 4 10 25 41 48 50
10 9
10 0 4 2 0
0
2

6
17

18
15

20
4-

2-

0-

8-
14

16

18

19

Interval

Gambar 4.1 Grafik Histogram

Gambar 4.2 Grafik Ogive

22
Grafik Ogive Data Diskrit Tinggi Badan Antara Frekuensi Kumulatif (FK<) dengan Interval
50
40
30
20
Fre k ue n si Ku mu latif (FK<)
10
0

6
2

20
15

17
4-

1-

8-
14

17

19
Interval

Grafik Ogive Data Diskrit Tinggi Badan Antara Frekuensi Kumulatif (FK>) dengan Interval
50
40
30
20
Fre k ue n si Ku mu latif (FK>)
10
0
6
2

20
15

17
4-

1-

8-
14

17

19

Interval

(Sumber: Pengolahan Data)

(Sumber: Pengolahan Data)
Gambar 4.3 Grafik Ogive Gambar 4.4 Grafik Ogive
(Sumber: Pengolahan Data) (Sumber: Pengolahan Data)

23
 4.2.1 Data Kontinu
Tabel 4.7 Data Kontinu Urutan Berat Badan
Berat Berat
No Jenis Kelamin No Jenis Kelamin
Badan Badan
1 Perempuan 90,87 26 Laki-laki 61,15
2 Perempuan 83,49 27 Perempuan 60,64
3 Perempuan 83,18 28 Laki-laki 60,35
4 Perempuan 82,29 29 Laki-laki 59,81
5 Laki-laki 82,11 30 Laki-laki 59,54
6 Laki-laki 80,53 31 Perempuan 58,77
7 Laki-laki 79,8 32 Laki-laki 58,33
8 Laki-laki 79,13 33 Laki-laki 55,82
9 Laki-laki 76,08 34 Perempuan 54,25
10 Laki-laki 75,71 35 Perempuan 52,59
11 Laki-laki 73,94 36 Laki-laki 52,49
12 Laki-laki 73,6 37 Perempuan 52,48
13 Perempuan 72,81 38 Laki-laki 52,17
14 Laki-laki 72,57 39 Laki-laki 52,07
15 Perempuan 70,68 40 Perempuan 51,77
16 Laki-laki 69,35 41 Laki-laki 51,62
17 Perempuan 68,39 42 Perempuan 50,33
18 Perempuan 66,46 43 Laki-laki 49,26
19 Perempuan 66,32 44 Perempuan 44,76
20 Laki-laki 64,79 45 Perempuan 44,31
21 Laki-laki 64,75 46 Laki-laki 43,53
22 Perempuan 64,46 47 Perempuan 37,12
23 Laki-laki 62,17 48 Laki-laki 33,72
24 Laki-laki 61,72 49 Laki-laki 23,89
25 Perempuan 61,5 50 Perempuan 22,2
(Sumber: Pengolahan Data)

Perhitungan Data Kontinu:

a. Rentang

24
 R = Nila data terbesar Nilai data terkecil
R= 90,87 22,2
= 68,67
b. Banyak Kelas

k = 1 + 3,322 x Log(N)
= 1 + 3,322 x Log(50)
= 6,64
Banyak kelas 7

c. Interval
R 68,67
i= i= i = 10,34
K 6.64

Tabel 4.8 Distribusi Frekuensi Data Kontinu

Kela
Interval
F
FK M TB TA Fi x M Lb La |M X | |M X |2
s i
22.2 32.5
1 2 2 27.37 22.195 32.535 54.73 22.20 32.53 33.50 1122.36
0 3
32.5 42.8
2 2 4 37.71 32.535 42.875 75.41 32.54 42.87 23.16 536.46
4 7
42.8 53.2 1
3 16 48.05 42.875 53.215 576.54 42.88 53.21 12.82 164.39
8 1 2
53.2 63.5 1
4 28 58.39 53.215 63.555 700.62 53.22 63.55 2.48 6.16
2 5 2
63.5 73.8
5 11 39 68.73 63.555 73.895 755.98 63.56 73.89 7.86 61.75
6 9
73.9 84.2 1
6 49 79.07 73.895 84.235 790.65 73.90 84.23 18.20 331.18
0 3 0
84.2 94.5
7 1 50 89.41 84.235 94.575 89.41 84.24 94.57 28.54 814.44
4 7
5 18 408.7 372.50 444.88 3043.3 372.5 444.8
Jumlah 126.56 3036.75
0 8 0 5 5 3 4 5
(Sumber: Pengolahan Data)

Contoh Perhitungan:
Lb+ La
d. M = 2

Lb+ La
M kelas ke-1 = 2
22.2+32.54
M kelas ke-1 = 2

M kelas ke-1 = 27,37

Catatan: Perhitungan M dilakukan hingga kelas ke-7 dengan cara perhitungan
yang sama seperti diatas.
e. TB = LB - 0,005

25
 TB kelas ke-1 = 22,2 - 0,005
TB kelas ke-1= 22,195
Catatan: Perhitungan TB (Tepi Bawah) dilakukan hingga kelas ke-7 dengan
cara perhitungan yang sama seperti diatas.
f. TA = LA + 0,005
TAkelas ke-1 = 32,53 + 0,005
TB kelas ke-1= 32,535
Catatan: Perhitungan TA (Tepi Atas) dilakukan hingga kelas ke-7 dengan cara
perhitungan yang sama seperti diatas.

g. Mean

X =
F i xM
N
( ( 2 x 27,37 ) + ( 2 x 37,71 ) + ( 12 x 48,05 ) ++ ( 1 x 89,41 ))
X =
50
3043,33
X =
50

X = 60,87
h. Median
1
Me=Tb+i
( 2
n f ) 2

Fmed

1
Me=53,215+10,34 x
( 2
5016 )

12

Me= 60,97

i. Modus
d1
Mo=Tb+i ( d 1+ d 2 )
Mo=53,215+10,34 ( (1212)
(1212)+(1211) )
Mo= 53,22

j. Kuartil
Tabel 4.9Hasil Perhitungan Kuartil Data Kontinu
Kuartil Data ke- Nilai

26
 Q1 12,5 50,20
Q2 25 60,97
Q3 37,5 72,49
(Sumber: Pengolahan Data)
Perhitungan Kuartil:

[ ] [ ]
n n
Q1 TbQ 1+i 4
50F () Q2 Tb+i
( 4)
50F

f f

[ ] [ ]
1 2
Q1 42,875+10,34
( 4)
504
Q1 53,215+10,34
( 4)
5016

12 12

Q1 50,20 Q1 60.97

[ ]
n
Q3 Tb+i
( 4)
50F

[ ]
3
=63,555 +10,34
( 4)
5028

11

= 72,49

k. Desil
Tabel 4.10Hasil Perhitungan Desil Data Kontinu
Desil Data ke- Nilai
D1 5 43,74
D2 10 48,05
D3 15 52,35
D4 20 59,66
D5 25 60.97
D6 30 65,44
D7 35 70,14
D8 40 74,93
D9 45 80,01
D10 50 94,58
(Sumber: Pengolahan Data)

27
 Perhitungan Desil:

[ ] [ ]
n n
D1 Tb+i
( 10 )
50F
D4 Tb+i
( 10 )
50F

f f

[ ] [ ]
1 4
= 42,875+10,34
( 10 )
504
= 53,215+10,34
( 10 )
5016

12 12

= 43,74 = 56,66

[ ] [ ]
n n
D2 Tb+i
( 10 )
50F
D5 Tb+i
( 10 )
50F

f f

[ ] [ ]
2 5
= 42,875+10,34
( 10 )
504
= 53,215+10,34
( 10 )
5016

12 12

= 48,05 = 60.97

[ ] [ ]
n n
D3 Tb+i
( 10 )
50F
D6 Tb+i
( 10 )
50F

f f

[ ] [ ]
3 6
= 42,875+10,34
( 10 )
504
= 63,555+10,34
( 10 )
5028

12 11

= 52,35 = 65,44

[ ] [ ]
n n
D7 Tb+i
( 10 )
50F
D8 Tb+i
( 10 )
50F

f f

[ ] [ ]
7 8
= 63,555+10,34
( 10 )
5028
= 73,895+10,34
( 10 )
5039

11 10

= 70,14 = 74,93

[ ] [( ]
n 9
D9 Tb+i
( 10 )
50F
= 73,895+10,34 10 )
5039

f 10

= 80,01

28
 [ ]
10
= 84,235+10,34
( 10 )
5049

[ ]
n
D10 Tb+i
( 10 )
50F = 94,58

l. Persentil
Tabel 4.11 Hasil Perhitungan Persentil Data Kontinu
Persentil Data ke- Nilai
P10 5 43,74
P25 12,5 50,20
P50 25 60,97
P75 37,5 72,49
P90 45 80,01
(Sumber: Pengolahan Data)

Perhitungan Persentil:

[ ] [ ]
n n
P10 Tb+i
( 100 )
50F
P50 Tb+i
( 100 )
50F

f f

= =

[ ] [ ]
10 50
42,875+10,34
( 100 )
504
53,215+9,81
( 100 )
5016

12 12

= 43,74 = 60,97

[ ] [ ]
n n
P25 Tb+i
( 100 )
50F
P75 Tb+i
( 100 )
50F

f f

= =

[ ] [ ]
25 75
42,875+10,34
( 100 )
504
63,555+10,34
( 100 )
5028

12 11

= 50,20 = 72,49

29
 P90

[ ]
90
= 73,895+10,34
( 100 )
5039

10

= 80,01

m. Variansi
( Xi X )
S =
N 1

( 22,260,87 )2+ ( 23,8960,87 )2 ++ ( 90,8760,87 )2

S =
501
11152,05
S =
49
S = 227,59

n. Standar Deviasi
=

( X X ) 2
N 1

2 2 2
( 22,260,87 ) + ( 23,8960,87 ) + + ( 90,8760,87 )
= 501
= 15,09
o. Skewness
3

Skewness =
n
(n1)(n2)
Xi X
S ( )
3 3

Skewness=
50
( 501 ) (502) ((
22,260,87
15,09
++
90,8760,87
15,09 ) ( ))
Skewness = -1,01
p. Simpangan Kuartil
1
x Q Q 1)
d2 = 2 ( 3

1
x ( 72,4950,20 )
= 2

= 11,15

30
 Grafik Poligon Data Kontinu
15
10
5
Frekuensi 0

Interval

Gambar 4.5 Grafik Poligon Data Kontinu

(Sumber: Pengolahan Data)
Tabel 4.12 Frekuensi Kumulatif Data Kontinu
Interval Fk< Interval Fk>
22.2 0 22.2 50
32.55 2 32.6 48
42.9 4 42.9 46
53.25 16 53.3 34
63.6 28 63.6 22
73.95 40 74 10
84.3 49 84.3 1
94.64 50 94.64 0
(Sumber : Pengumpulan data)

Grafik Data Kontinu Fk<

60
40
FK < 20
0
22.2 32.54 42.88 53.22 63.56 73.9 84.24 94,57
Interval

Gambar 4.6 Grafik Data Kontinu FK <

(Sumber: Pengolahan Data)

31
 Grafik Data Kontinu Fk >
60
40
FK > 20
0
22.20 32.54 42.88 53.22 63.56 73.90 84.24 94,57
Interval

Gambar 4.7 Grafik Data Kontinu FK <

(Sumber: Pengolahan Data)

Ogive Data Kontinu

Fk<
Frekuensi
Fk>

22.2 32.54 42.88 53.22 63.56 73.9 84.24 94,57

Interval

Gambar 4.8 Ogive Data Kontinu

(Sumber: Pengolahan Data)

BAB V
ANALISA

32
 5.1 STATISTIKA DESKRIPTIF
Praktikum yang dilaksanakan pada modul 1 ini merupakan suatu kegiatan yang
dilakukan untuk mengolah 50 data yang terdiri dari data tinggi badan dan berat
badan yang telah diberikan. Data tersebut kemudian dikelompokan menjadi
kelompok data diskrit yaitu data tinggi badan dan data kontinyu yaitu data berat
badan. Praktikum ini dilakukan untuk mengetahui ukuran pemusatan (mean,
median, modus, kuartil, persentil, desil), ukuran penyebaran (range, simpangan
baku, jangkauan antar kuantil, variansi, standar deviasi) dan kemencengan
(skewness).
Berikut adalah hasil pengolahan data diskrit yang diperoleh dari data tinggi badan
Tabel 5.1 Hasil Data Diskrit
Data Diskrit
Mean Median Modus Standar Variansi Skewness Simpangan Quartil
Deviasi
178.96 186.53 180,4 180,4 15,09 139,58 -0,00029 7,27
(Sumber: Pengolahan Data)

Berikut adalah hasil pengolahan data kontinyu yang diperoleh dari data berat badan:

Tabel 5.2 Hasil Data Kontinu

Data Kontinu
Mea Median Modus Standar Variansi Skewness Simpangan Quartil
n Deviasi
60,87 60,97 51.0 53,22 15,09 227,59 -1,01 11,15
6
(Sumber: Pengolahan Data)

Setelah dilakukan pengolahan data terhadap data diskrit dan kontinyu maka
didapatkan nilai-nilai untuk ukuran pemusatan, penyebaran dan kemencengan
(skewness). Dari data tersebut diperoleh dua nilai modus yang memiliki frekuensi
dan nilai yang sama besar. Hal ini menandakan bahwa bentuk distribusi data
tinggi badan dan berat badan tersebut memiliki puncak jamak yang dapat dilihat
pada grafik histogram. Selain itu data diskrit ini juga memiliki nilai mean <
median, dimana hal ini menadakan bahwa kemencengan distribusi tersebut adalah
negative/menceng kea arah kiri. Hal ini juga dapat dilihat dari nilai skewness,
nilai skewness yang dihasilkan adalah negatif. Nilai skewness negatif
mendandakan distribusi mempunyai menceng negatif. Kemiringan (skewness)

33
berarti ketidaksimetrisan. Sebuah distribusi dikatakan simestris apabila nilainya
tersebar merata diantara nilai rata-ratanya.

BAB VI

KESIMPULAN DAN SARAN

34
6.1 Kesimpulan
Bahwa statistik deskriptif itu selalu berkaitan dengan data, pembuatan
tabel, diagram dan grafik.

Semua data yang tidak teratur atau tidak tersusun rapi bisa terselesaikan
dengan metode statistik deskriptif ini.

Teknik pengolahan data menggunakan diagram grafik histogram dan

ogive.

Dari praktikum modul 1 ini kita dapat melakukan perhitungan dengan

menggunakan mean, median, dan modus juga dengan berbagai macam
rumus yang lainnya. Dari perhitungan data diskrit, maka diperoleh:

a. Mean = 178,96
b. Median = 186,53

c. Modus = 180,4

d. Skewness = -0,00029
Dari perhitungan data kontinyu, maka diperoleh:
a. Mean = 60,87
b. Median = 60,97
c. Modus = 53,22
d. Skewness = -1,01

6.2 Saran

Sebelum melakukan praktikum, peraktikan terlebih dahulu harus

memahami modul yang akan di bahas.
Pada perhitungan dengan menggunakan cara manual tentunya juga
diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan.
Untuk memperkecil kesalahan kita bisa menggunakan Microsoft Excel
atau SPSS sebagai cara untuk membandingkan hasil keakuratan antara
analisis manual dengan analisis aplikasi Microsoft Excel atau SPSS.

35