Tugas Statistik 5W1H : 1. Pictogram, 2. Box Plot, 3. Diagram Piechart, 4. Scatter Diagram, 5.

Stem and Leaf Diagram

Ersad Bimantara (009201405059)

Adam (00920140

Evangga (00920140

1. Pictogram

Pictogram, atau pictograph, adalah gambar yang mewakili gagasan, dan dan disampaikan melal
ui perupaan bentuk fisik obyek aslinya. Beberapa rambu-rambu lalu lintas, menggunakan pikto
gram sebagai 'bahasa'-nya.

Piktogram pertama kali digunakan secara resmi pada Olimpiade di Inggris pada tahun 1948,
dan mulai rutin digunakan sejak Olimpiade di Jepang pada tahun 1964. Karena Olimpiade diha
diri oleh berbagai peserta dari berbagai suku bangsa dan bahasa, maka penggunaan piktogra
m dipandang bisa memudahkan komunikasi.

Piktogram lalu digunakan sebagai alat untuk berkomunikasi, menggambarkan cabang-cabang

olahraga yang dilombakan. Piktogram ini digunakan pada tiket, sign system, dan lainnya, demi
kian sehingga peserta dengan mudah dapat mencari tempat kegiatan berlangsung.

Piktogram mudah dipahami, karena bentuknya berupaya menyederhanakan, dan tidak sekedar
menyimbolkan. Kalau pada rambu lalu lintas, tanda P berarti parkir, ini bukan bahasa visual ka
rena tidak menggambarkan kegiatan yang ingin disampaikan seperti pada piktogram. Bandingk
an dengan gambar rambu orang yang sedang membawa sekop, dan di depannya terdapat silu
et kumpulan pasir/tanah. Ini baru piktogram.

Ada yang pernah melihat piktogram di samping ini? Piktogram ini sering digunakan di gedung
-gedung perkantoran, atau tempat publik lainnya. Piktogram ini resmi menggantikan tulisan "E
MERGENCY EXIT", karena dipandang lebih universal.
 Piktogram ini diciptakan oleh desainer asal Jepang, Professor Yukio Ota dari Tama Art Univer
sity. Menurut Professor Ota, bangsa Jepang membuat piktogram berdasarkan budaya mereka y
ang sejak dulu sudah mengenal Emblem. Keluarga-keluarga di Jepang, di masa jayanya memili
ki identitas masing-masing dalam bentuk emblem, yang mirip dengan piktogram.

Piktogram, diharapkan dapat menjembatani perbedaan bahasa, mengingat kita sekarang hidup
di era global.

Piktogram Olimpiade 1964 di Jepa

ng

2. Box Plot

Boxplot adalah salah satu cara dalam statistik deskriptif untuk menggambarkan secara grafik d
ari data numeris. Boxplot juga dapat menyampaikan informasi variasi dan penempatan atau lok
asi pada data yang telah ditetapkan, terutama untuk mendeteksi dan menggambarkan perubah
an variasi dan lokasi antar kelompok yang berbeda Boxplot menpunyai komponen- komponen.

Baik histogram dan stem-and-leaf plots berguna untuk memberikan gambaran ukuran tenden
si sentral dan kesimetrisan data pengamatan. Penyajian grafis lainnya yang bisa merangkum inf
ormasi lebih detail mengenai distribusi nilai-nilai data pengamatan adalah Box and Whisker P
lots atau lebih sering disebut dengan BoxPlot atau Box-Plot (kotak-plot) saja. Seperti namany
a, Box and Whisker, bentuknya terdiri dari Box (kotak) dan whisker. Pada gambar di bawah, B
ox adalah kotak berwarna hijau dan whisker garis berwarna biru.

Boxplot merupakan ringkasan distribusi sampel yang disajikan secara grafis yang bisa mengga
mbarkan bentuk distribusi data (skewness), ukuran tendensi sentral dan ukuran penyebaran
(keragaman) data pengamatan.

Terdapat 5 ukuran statistik yang bisa kita baca dari boxplot, yaitu:

nilai minimum: nilai observasi terkecil

Q1: kuartil terendah atau kuartil pertama

Q2: median atau nilai pertengahan

Q3: kuartil tertinggi atau kuartil ketiga

nilai maksimum: nilai observasi terbesar.

Selain itu, boxplot juga dapat menunjukkan ada tidaknya nilai outlier dan nilai ekstr
im dari data pengamatan.

Dari gambar di atas, sepintas kita bisa menentukan beberapa ukuran statistik, meskipun tidak
peris sekali. Nilai statistik pada badan Boxplot: Nilai median 76, Nilai Q1 69, nilai Q3 8
7, nilai maksimum 99, nilai minimum 48, serta nilai-nilai di luar badan Boxplot yang merupa
kan nilai outlier berturut-turut sekitar 36, 38 dan 43. Sebaran data tidak simetris, tapi menjulur
ke arah kiri (negatively skewness). Darimana kita bisa menentukan ukuran statistik dan interpre
tasi tersebut??

Ok, untuk mengetahui perkiraan nilai tersebut, sebelumnya kita harus mengenal dulu bagian-b
agian dari boxplot. Di bawah ini diperlihatkan rincian detail boxplot beserta cara penentuan ba
tas-batasnya.
 Bagian utama boxplot adalah kotak berbentuk persegi (Box) yang merupakan bidang
yang menyajikan interquartile range (IQR), dimana 50 % dari nilai data pengamatan ter
letak di sana.

o Panjang kotak sesuai dengan jangkauan kuartil dalam (inner Quartile Range, I
QR) yang merupakan selisih antara Kuartil ketiga (Q3) dengan Kuartil pertama (Q1
). IQR menggambarkan ukuran penyebaran data. Semakin panjang bidang IQR me
nunjukkan data semakin menyebar. Pada Gambar, IQR = UQ LQ = Q3 Q1

o Garis bawah kotak (LQ) = Q1 (Kuartil pertama), dimana 25% data pengamatan
lebih kecil atau sama dengan nilai Q1

o Garis tengah kotak = Q2 (median), dimana 50% data pengamatan lebih kecil
atau sama dengan nilai ini

o Garis atas kotak (UQ) = Q3 (Kuartil ketiga) dimana 75% data pengamatan lebi
h kecil atau sama dengan nilai Q1

Garis yang merupakan perpanjangan dari box (baik ke arah atas ataupun ke arah b
awah) dinamakan dengan whiskers.
 o Whiskers bawah menunjukkan nilai yang lebih rendah dari kumpulan data yan
g berada dalam IQR

o Whiskers atas menunjukkan nilai yang lebih tinggi dari kumpulan data yang b
erada dalam IQR

o Panjang whisker 1.5 x IQR. Masing-masing garis whisker dimulai dari ujung
kotak IQR, dan berakhir pada nilai data yang bukan dikategorikan sebagai outlier
(Pada gambar, batasnya adalah garis UIF dan LIF). Dengan demikian, nilai terbesar
dan terkecil dari data pengamatan (tanpa termasuk outlier) masih merupakan ba
gian dari Boxplot yang terletak tepat di ujung garis tepi whiskers.

Nilai yang berada di atas atau dibawah whisker dinamakan nilai outlier atau ekstri
m.

o Nilai outlier adalah nilai data yang letaknya lebih dari 1.5 x panjang kotak (I
QR), diukur dari UQ (atas kotak) atau LQ (bawah kotak). Pada Gambar di atas, ad
a 2 data pengamatan yang merupakan outlier, yaitu data pada case 33 dan case
55 (ada pada baris ke 33 dan baris 35)

Q3 + (1.5 x IQR) < outlier atas Q3 + (3 x IQR)

Q1 (1.5 x IQR) > outlier bawah Q1 (3 x IQR)

o Nilai ekstrim adalah nilai-nilai yang letaknya lebih dari 3 x panjang kotak (IQ
R), diukur dari UQ (atas kotak) atau LQ (bawah kotak). Pada gambar di atas, ada
1 data yang merupakan nilai ekstem, yaitu data pada case 15.

Ekstrim bagian atas apabila nilainya berada di atas Q3 + (3 x IQR) dan

Ekstrim bagian bawah apabila nilainya lebih rendah dari Q1 (3 x IQR)

Boxplots dapat membantu kita dalam memahami karakteristik dari distribusi data. Selain untuk
melihat derajat penyebaran data (yang dapat dilihat dari tinggi/panjang boxplot) juga dapat di
gunakan untuk menilai kesimetrisan sebaran data. Panjang kotak menggambarkan tingkat peny
ebaran atau keragaman data pengamatan, sedangkan letak median dan panjang whisker meng
gambarkan tingkat kesimetrisannya.

Jika data simetris (berasal dari distribusi normal):

o garis median akan berada di tengah box dan whisker bagian atas dan bawah
akan memiliki panjang yang sama serta tidak terdapat nilai outlier ataupun nilai e
kstrim.

o diharapkan nilai-nilai pengamatan yang berada di luar whiskers tidak lebih dari
1%.

Jika data tidak simetris (miring), median tidak akan berada di tengah box dan salah
satu dari whisker lebih panjang dari yang lainnya.

o Adanya outlier di bagian atas boxplot yang disertai dengan whisker bagian at
as yang lebih panjang, menunjukkan bahwa distribusi data cenderung menjulur ke
arah kanan (positive skewness).
 o Sebaliknya, adanya outlier di bagian bawah boxplot yang disertai dengan whis
ker bagian bawah yang lebih panjang, menunjukkan bahwa distribusi data cenderu
ng menjulur ke arah kiri (negatif skewness).

Keunggulan Boxplots dibanding dengan Histogram, dotplot, dan stemplot sangat terasa pada s
aat kita ingin membandingkan sebaran beberapa kelompok data secara bersamaan. Sebagai co
ntoh, perhatikan gambar berikut :

(catatan: Interpretasi pada perbandingan ketiga boxplot di atas, tidak memperhatikan asumsi dis
tribusi statistik. Ingat, ukuran pusat yang digunakan adalah median bukan mean! Grafik boxplot
di atas merupakan analisis non-parametrik)

3. Diagram Piechart

Adalah jenis diagram yang penyajian data statistik menggunakan gambar yang berbentuk lingk
aran. Lalu bagian-bagian yang ada di daerah lingkaran, akan menunjukkan prosentase data.
Untuk membuat digaram lingkaran ini kita terlebih dahulu harus menentukan besarnya prosent
ase tiap objek terhadap keseluruhan data serta menentukan besarnya sudut pusat sektor lingk
aran.

4. Scatter Diagram

Scatter Diagram atau Diagram Tebar adalah salah satu alat dari QC Seven Tools (7 alat penge
ndalian Kualitas) yang berfungsi untuk melakukan pengujian terhadap seberapa kuatnya hubun
gan antara 2 (dua) variabel serta menentukan jenis hubungan dari 2 (dua) variabel tersebut ap
akah hubungan Positif, hubungan Negatif ataupun tidak ada hubungan sama sekali. Bentuk da
ri Scatter Diagram adalah gambaran grafis yang terdiri dari sekumpulan titik-titik (point)dari nil
ai sepasang variabel (Variabel X dan Variabel Y).

Scatter Diagram sering disebut juga dengan Scatter Chart, Scatter plot, Scattergram dan Scatte
r graph.

Contoh kasus untuk pengujian kekuatan hubungan antara 2 variabel antara lain :

1. Hubungan antara kecepatan Mesin dengan Kualitas Produk.

2. Hubungan antara Jumlah Tenaga Kerja dengan Output yang dihasilkan.

3. Hubungan antara Jumlah Jam kerusakan mesin dengan tingkat kecacatan yang terjadi.

4. Hubungan antara Total Jam Lembur dengan tingkat absensi Tenaga Kerja.
 5. Hubungan antara Absensi dengan tingkat kerusakan produk.

Agar lebih jelas tentang cara pembuatan dan penerapan Scatter Diagram, berikut ini merupaka
n contoh Kasusnya :

Perusahaan A yang mempunyai Tenaga Kerja sebanyak 300 orang dan bergerak di bidang ind
ustri perakitan elektronik sedang menghadapi permasalahan atas tingginya tingkat kerusakan d
alam produksi. Dicurigai bahwa penyebabnya adalah dikarenakan jumlah absensi operator (tena
ga kerja) yang tinggi di dalam produksinya. Berikut ini adalah Tabel tentang jumlah absensi te
naga kerja dengan tingkat kerusakan.

Berdasarkan Contoh kasus dan Tabel diatas, maka kita dapat membuat Scatter Diagramnya.

Langkah 1 Pengumpulan data

Seperti yang telah ditampilkan dalam tabel diatas dengan pasangan data sebanyak 30 data (n
= 30)

Langkah 2 Pembuatan Sumbu Vertikal dan Sumber Horizontal

Sumbu Horizontal : Nilai Maksimum untuk Absensi adalah 6 dan Minimumnya adalah 1
Sumbu Vertikal : Nilai Maksimum untuk tingkat kerusakan adalah 5,6 dan Minimumnya adala
h 0,7

Catatan :

Agar bentuk grafik lebih bagus, kita dapat lebihkan batas skala maksimum dan mini
mum

Jika yang diuji adalah hubungannya dengan kualitas, maka tingkat kerusakan lebih b
aik diletakkan pada sumbu Vertikal.

Langkah 3 Penebaran Data (Data Plotting)

Lakukan Penebaran data sesuai dengan tabel diatas dengan cara menggambarkan titik-titk X d
an Y.

Langkah 4 Pemberian Informasi

Berikanlah informasi dan Judul Scatter Diagram seperti contoh dibawah ini:
Judul Scatter Diagram : Hubungan antara Absensi dengan Tingkat Kerusakan
Banyak pasangan data : n = 30
Judul dan unit pengukuran :
Sumbu Vertikal = Tingkat Kerusakan (%),
Sumbu Horizontal = Jumlah Absensi (Orang)
Interval waktu : 01 ~ 30 November 2012
Nama Pembuat / Penanggung : Dickson Kho

Dari bentuk grafik yang dihasilkan, maka grafik dari Scatter Diagram diatas dinyatakan memilik
i hubungan Positif (korelasi Positif) yang artinya Makin Tinggi Jumlah Absensi Tenaga Kerja ak
an mengakibatkan tingkat kerusakan yang makin tinggi pula. Jadi jika ingin mengurangi tingkat
kerusakan produk, salah satu tindakan yang harus dilakukan adalah mengurangi tingkat absens
i tenaga kerja.
5. Stem and Leaf Diagram

Adalah suatu diagram yang dipergunakan untuk menyajikan kumpulan data tanpa harus kehila
ngan informasi semua data individualnya, secara efektif dapat menampilkan distribusi data, apa
kah penyebarannya terpusat atau tersebar, dalam stem and leaf diagram data-data dipisahkan
menjadi dua bagian, angka pertama yang ditulis sebelah kiri disebut batang(stem) dan sedang
kan angka-angka sisanya yang ditulis sebelah kanan disebut dengan daun (leaf), sebagai conto
h data numerik 732 maka dapat dipisahkan menjadi 2 bagian yaitu 7(batang) 32 (daun).
Sebagai contoh untuk data-data ujian siswa suatu kelas sebanyak 24 siswa sebagai berikut :
46 58 65 67 63 70 76 72 78 70 73 75
74 74 83 82 84 82 84 89 93 90 93 96

Dari data tersebut terlihat bahwa nilai ujian ada pada kisaran nilai 40-an, 50-an, 60-an, 70-an,
80-an dan 90-an, atau dengan kata lain nilai ujian tersebut terletak pada kisaran 40-an sampai
90-an. Maka angka pertama (angka puluhan) ini dapat dipergunakan sebagai batang dan ang
ka kedua digunakan sebagai daun.Langkah pertama adalah dengan cara mendaftar semua nilai
batang tersebut dalam sebuah kolom vertikal. Sehingga diperoleh Gambar batang seperti berik
ut :
Batang
4
5
6
7
8
9
Berikutnya setiap angka ke dua (daun) ditulis disebelah kanan masing-masing nilai batang ters
ebut, sebagai contoh angka 46 maka angka 6 harus ditulis disebelah kanan batang angka 4, t
erus selanjutnya langkah ini dilakukan sampai semua data 24 nilai daun telah diletakan disamp
ai batangnya.
Maka dari data diatas akan terbentuk diagram stem and leaf sebagai berikut :
Batang Daun
4 6
5 8
6 5 7 3
7 0 6 2 6 0 3 5 4 4
8 3 2 4 2 4 9
9 3 0 3 6
Dari diangram stem and leaf peneliti dapat melihat bahwa penyebaran data ada pada batang
dengan nilai 7.

Sumber :

http://dkv-unpas.blogspot.co.id/2011/01/sekilas-tentang-piktogram.html

https://smartstat.wordpress.com/2010/11/03/mengenal-box-plot-box-and-whisker-plots/

http://rocketmanajemen.com/definisi-diagram-macam-jenis/

http://ilmumanajemenindustri.com/pengertian-scatter-diagram-diagram-tebar-cara-membuat-diagra
m-tebar/
http://dadanbojongs.blogspot.co.id/2008/12/stem-and-leaf-diagram.html