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 1
 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

4
 JENIS-JENIS DATA
Data Kualitatif diklasifikasikan Data Kuantitatif dinyatakan
berdasarkan kategori/kelas dalam besaran numerik
tertentu (angka)
1. Jenis kelamin Data Diskret
2. Warna kesayangan 1. Jumlah mobil
3. Asal suku, dll 2. Jumlah staf
3. Jumlah TV, dll
Data Kontinu
1. Berat badan
2. Jarak kota
3. Luas rumah, dll

5
 SUMBER DATA STATISTIKA

Data Primer Data Sekunder

Dikumpulkan sendiri
1. Wawancara langsung
2. Wawancara tidak langsung
3. Pengisian kuisioner
4. Laboratorium
Data dari pihak lain:
1. BPS
2. Bank Indonesia
3. World Bank, IMF
4. FAO dll

6
 POPULASI DAN SAMPEL
POPULASI
Sebuah kumpulan dari
semua kemungkinan orang-
orang, 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

9
• 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
Angka yang diberikan hanya
sebagai label saja.
Contoh: Ya = 1, Tidak = 2 dan
Ragu-ragu = 3.
Skala Interval
Angka mengandung sifat ordinal
dan mempunyai jarak atau
interval.
Contoh: 1. Inflasi tinggi di atas 2
digit
2. Inflasi sedang di bawah 2 digit
Skala Ordinal
Angka mengandung pengertian
tingkatan.
Contoh: Peringkat 1, 2, dan 3.
Peringkat 1 menunjukkan lebih
tinggi dari peringkat 2 dan 3.
Skala Rasio
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 Statistika Induktif
1. Penyajian data 1. Probabilitas dan teori
2. Ukuran pemusatan keputusan
3. Ukuran penyebaran 2. Metode sampling
4. Angka indeks 3. Teori pendugaan
5. Deret berkala dan 4. Pengujian hipotesa
peramalan 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 + ½ spt (satuan
pengukuran terkecil)
Batas bawah kelas = limit bawah – ½ 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
 k
   
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)
X
X1  X2   X n
 X X  A
 d
n n n
Lihat contoh
• 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
 d
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
X  fx
n
• Cara 2
X  A
 fd
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

X
 xw
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
N 1
Letak Md 
2

Data ganjil, median terletak di tengah

Data genap median adalah rata-rata dari dua data
yang terletak di tengah.
• Data berkelompok
n 
N  - F 
Kelas Md  Nilai Med  L 0  ci  2 
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 
N  - F 
Kelas Md  Nilai Med  L 0  ci  2 
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 III IV

K1 K2 K3
Median
 KUARTIL (Data tak berkelompok)
• Letak kuartil
in  1
Letak K i  data ke , i  1,2,3
4
• Nilai kuartil

in  1
Nilai K i  Nilai ke , i  1,2,3
4
 Kuartil (Data berkelompok)
i(n)
• Letak kuartil = data ke , i = 1,2,3
4
 i.n 
 -F
K i  L 0  ci 4  , i  1,2,3
• Nilai kuartil  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
in  1
Letak i 
D data ke -
10
, i  1,2,3,...,9

Nilai Desil

in  1
Nilai D i  nilai ke - , i  1,2,3,...,9
10
 DESIL (data berkelompok)
i (n)
• Letak Desil = data ke , i = 1,2,...,9
10
 in 
 - F 
• Nilai Desil Di  L 0  ci 10  , i  1,2,3,...,9
 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

in  1
Letak Pi  data ke - , i  1,2,3,...,99
100

• Nilai persentil

in  1
Nilai Pi  nilai ke - , i  1,2,3,...,99
100
 Persentil (Data berkelompok)
• Letak Persentil

Letak in 
Pi  data ke - , i  1,2,3,...,99
100
• Nilai persentil  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 = ½ (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

MD 
 xx
n
• data berkelompok

MD 
 f xx
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  i

n
• atau
x  x 
2 2

S  
n  n 
  f x  x 
2

S
f
Atau

 fx   f.x 
2
2

S  
f   f 
 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
Range
Koefisien range KR 
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