BAB I.

PENDAHULUAN

1.1 Statistik dan Statistika

Kata statistik digunakan untuk menyatakan kumpulan data, bilangan maupun

bukan bilangan yang disusun dalam tabel dan atau diagram yang melukiskan atau
menggambarkan suatu persoalan misalnya statistik penduduk, statistik kelahiran,
statistik pertanian dan sebagainya. Kata statistik juga dapat dipakai untuk menyatakan
ukuran sebagai wakil dari kumpulan data mengenai sesuatu hal misalnya 20 % siswa
SMU Maju mendapatkan beasiswa dari Jepang.

Sedangkan statistika adalah pengetahuan yang berhubungan dengan cara-cara

pengumpulan data, pengolahan atau penganalisisannya dan penarikan kesimpulan
berdasarlam kumpulan data dan penganalisisan yang dilakukan.
Penerapan statistika dalam penelitian dibedakan atas dua macam, yaitu
statistika deskriptif dan statistika induktif inferenseial.

Statistika diskriptif digunakan atau diterapkan untuk mengatur, meringkas

menyajikan dan mendiskripsikan data dengan tujuan agar data menjadi lebih
bermakna. Pengaturan, penyajian dan peringkasan data dapat diwujudkan dalam
bentuk tabel, distribusi frekuensi, histogram, diagaram batang, diagram lingkar,
piktogram, poligon atau ogive.
Diskripsi data dapat dinyatakan dengan dua aspek, yaitu :
- Ukuran pemusatan (central tendensy) yaitu suatu harga kemana data
cenderung memusat, dinyatakan dalam bentuk harga rata-rata modus atau
median
- Ukuran penyebaran (disperson) yaitu sejauh mana ketervariasian data yang
satu dengan yang lain, dinyatakan dalam bentuk rentang (range), simpangan
baku (standart deviasi), varians, koefisien variasi atau standart error.
Statistika inferensial digunakan atau diterapkan untuk menyimpulkan tentang suatu
harga parameter populasi berdasarkan harga statistik sampel. Statistika inferensial
dibedakan atas dua bagian yaitu estimasi dan uji hipotesis.

1
1.2 Populasi dan Sampel
Populasi adalah keseluruhan elemen/unsur/unit/individu himpunan dengan
ciri-ciri tertentu yang sama, sedangkan sampel adalah himpunan bagian dari populasi.
Setiap sampel yang diambil haruslah representatif artinya segala karakteristik
populasi hendaknya tercerminkan dalam sampel tersebut. Banyaknya anggota suatu
populasi disebut ukuran populasi dan banyaknya anggota sampel yang diambil
disebut dengan ukuran sampel.
Contoh 1.2.1

Sejumlah 80 tikus digunakan dalam penelitian laju pertumbuhan tumor pada suatu
percobaan penelititan kanker. Diambil 7 tikus secara acak dari 80 tikus untuk diamati,
maka 80 tikus adalah anggota populasi dan 7 tikus anggota sampel.
Contoh 1.2.2

Bila saudara pergi ke Pasar ada pedagang kaki lima yang berdagang salak, salak
ditaruh di keranjangnya, dia menawarkan dagangannya demikian “salak-salak, manis-
manis”. Saudara tertarik untuk membelinya, kemudian si pedagang menyodorkan
beberapa salak untuk saudara cicipi, apa yang saudara rasakan, tentu manis bukan.
Mengapa demikian ? Kemudian bila saudara mengambil sendiri beberapa salak dan
saudara cicipi, apa yang saudara rasakan, benarkah manis ? Si Pedagang memang
benar-benar mengerti akan karakter individu salak mana yang manis dan tidak? Nah
bila saudara ingin selamat, pilihlah salak yang tidak manis, tawar dengan harga
dibawahnya.
Berdasarkan cerita di atas, sebutkan populasi dan sampelnya !

1.3 Macam-Macam Data

1.3.1 Menurut Sifatnya
Dalam hal ini, data dibagi menjadi dua bagian, yaitu
a. Data Kualitatif, adalah data yang berbentuk kategori atau atribut
Contoh : Sebagian mahasiswa Pend. Matematika FKIP Unej pandai
 b. Data Kuantitatif, adalah data yang berbentuk bilangan
Contoh : Terdapat 5 perguruan tinggi negeri di kota A
Data kuantitatif dibagi lagi menjadi dua, yaitu
· Data diskrit, adalah data yang diperoleh dengan cara menghitung
(membilang)

Contoh : Rata-rata IPK mahasiswa matematika angkatan 2010 adalah

3,31
· Data kontinue, adalah data yang diperoleh dengan cara mengukur
Contoh : Berat badan Amin adalah 61 Kg
1.3.2 Menurut Cara Memperolehnya
Dalam hal ini, data dibagi menjadi dua bagian, yaitu

a. Data Primer, adalah data yang dikumpulkan dan diolah sendiri oleh suatu
organisasi serta diperoleh secara langsung dari obyeknya
Contoh : Pemerintah melalui BPS ingin mengetahui jumlah pemilih dalam
Pemilihan Presiden RI, maka BPS mengirimkan petugas-petugasnya untuk
mendatangi secara langsung ke rumah-rumah penduduk
b. Data Sekunder, adalah data yang diperoleh dalam bentuk sudah jadi,
sudah dikumpulkan dan diolah oleh pihak lain, biasanya data itu dicatat
dalam bentuk publikasi

Contoh : Seorang mahasiswa ingin mengadakan penelitian di SMA I

Jember khusus pada mata pelajaran matematika, sebelumnya mahasiswa
tersebut meminta nilai raport untuk mata pelajaran matematika pada guru
kelas sebagai data untuk penelitiannya

1.4 Pengumpulan Data

Langkah yang dapat ditempuh dalam mengumpulkan data :
a. mengadakan penelitian langsung ke lapangan atau di laboratorium terhadap
obyek penelitian. Hasilnya dicatat untuk kemudian dianalisis
 b. mengambil atau menggunakan, sebagian atau seluruhnya, dari sekumpulan
data yang telah diangkat
c. mengadakan angket, yakni cara pengumpulan data dengan menggunakan
daftar isian atau daftar pertanyaan yang telah disiapkan untuk diisi oleh
responden
Dalam statistika, proses pengumpulan data ada dua, yaitu sensus dan sampling.
Sensus adalah cara pengumpulan data, jika setiap anggota populasi diteliti satu
persatu.
Contoh 1.4.1

Misalkan Kepala Sekolah SMA “X” ingin mengetahui rata-rata tinggi badan siswa-
siswa di sekolahnua yang berjumlah 600 orang. Apabila setiap siswa diukur tinggi
badannya, kemudian dicatat, maka cara pengumpulan data ini dinamakan sensus.

Sampling adalah cara pengumpulan data, jika hanya sebagian anggota populasi saja
yang diteliti. Jadi disini tidak semua anggota populasi yang diteliti, tetapi hanya
sebagian anggota populasi saja yang diteliti.
Contoh 1.4.2

Berdasarkan Contoh 1.4.1, apabila jumlah siswa yang dikur tinggi badannya hanya 90
orang saja dengan rincian : Kelas I, II, III masing-masing diambil 30 orang siswa
maka cara pengumpulan data seperti ini dinamakan sampling

1.5 Penyajian Data

Dalam menyajikan data yang telah dikumpulkan dari populasi ataupun sampel
terdapat dua cara penyajian, yaitu tabel (daftar) dan grafik (diagram)
- Macam-macam daftar
1) Daftar baris kolom
2) Daftar kontigensi
3) Daftar distribusi frekuensi
Tabel/daftar biasanya memuat :
 i. Judul (utama, sub judul)
ii. Kepala Baris (utama, sub judul)
iii. Kepala Lajur (utama, sub judul)
iv. Isi
v. Keterangan, bila diperlukan

Macam-macam diagram :
1) Diagram batang
Diagram batang merupakan diagram berdasarkan data berbentuk kategori. Terdiri
dari dua sumbu, sumbu datar yang menyatakan kategori dan sumbu tegak
menyatakan frekuensi data
Contoh 1.5.1
Dari 120 kupu-kupu yang terdapat dalam lingkungan kampus FKIP UNEJ, terdapat
38 kupu-kupu berwarna kuning, 67 warna hitam, 5 warna merah dan 10 warna
lainnya. Buatlah diagram batang dari data tersebut !

2) Diagram garis
Untuk menggambarkan keadaan yang serba terus (kontinue) atau berkesinambungan.
Terdiri dari sumbu datar yang menunjukkan waktu dan sumbu tegak yang
menunjukkan bilangan frekuensi
Contoh 1.5.2
Dari pengamatan berkala pada pertumbuhan populasi sel ragi, pencacahan dilakukan
setiap dua jam, diperoleh data berikut :
jam cacah sel
2 19
4 37
6 72
8 142
10 295
12 584
14 995
Buatlah diagram dari data diatas !
Penyelesaian :

3) Diagram pastel (lingkaran)

Data yang digunakan data yang berupa kategori yang mempunyai nilai frekuensi.
Contoh 1.5.3
Dari 120 kupu-kupu yang terdapat dalam lingkungan kampus FKIP UNEJ, terdapat
38 kupu-kupu berwarna kuning, 67 warna hitam, 5 warna merah dan 10 warna
lainnya. Buatlah diagram lingkaran dari data tersebut !

Penyelesaian :
+ Mengubah nilai data absolute ke dalam bentuk persentase :

+ Mengubah nilai data dalam bentuk presentase ke dalam bentuk derajat :

4) Diagram pencar (titik)
Diagram titik merupakan cara menyajikan data berupa titik-titik yang merupakan
koordinat antara absis dan ordinat
Contoh 1.5.4
Dari 12 daun sampel yang dikumpulkan secara acak dari sebatang pohon. Panjang
dan lebar daun diukur diteliti sampai skala millimeter, diperoleh sebagai berikut :
daun lebar Panjang
1 35 55
2 21 44
3 25 46
4 35 60
5 26 55
6 40 57
7 35 64
8 40 68
9 25 51
10 42 61
11 23 46
12 25 44

Buatlah diagram titik dari data tersebut !

Penyajian data dengan menggunakan diagram titik (pencar)
Penyajian data dalam daftar (tabel)
Data yang disajikan dalam daftar/tabel atau diagram diharapkan dapat memberi
informasi yang efisien dan efektif oleh pembaca.

Contoh 1.5.5
a. Daftar kontigensi
Tabel 1.5.1
Daftar Banyak Murid Sekolah di Daerah X
Menurut Tingkat Sekolah dan Jenis Kelamin
Tahun 2000
Jenis Tingkat Sekolah Jumlah
Kelamin SD SMP SMU
Laki-laki 4758 2795 1459 9012
Perempuan 4032 2116 1256 7404
Jumlah 8790 4911 2715 16416
Berdasarkan Tabel 1.5.1, maka jawablah pertanyaan di bawah ini.
a. 1 sebutkan judulnya, kepala baris, kepala lajur dan subnya, bila ada !
a.2 Sebutkan beberapa isinya
a.3 Sebutkan informasi yang saudara anggap penting !
b. Diagram batang
Berdasar diagaram batang yang tersaji pada Gambar 1.5.1, maka jawablah pertanyaan
di bawah ini :

b. 1 Sebutkan judulnya
b.2 Sebutkan atribut yang tersaji pada sumbu datar maupun pada sumbu tegak !
b.3 Sebutkan informasi yang saudara anggap penting !

5000
4000
3000
Laki-laki
2000 Perempuan
1000
0
SD SMP SMU

Gambar 1.5.1
Diagram Batang Banyak Siswa Sekolah di Daerah X
Menurut Tingkat Sekolah dan Jenis Kelamin
Tahun 2000

1.6 Distribusi Frekuensi

Salah satu penyajian data adalah dengan cara daftar distribusi frekuensi. Data
yang disajikan dalam bentuk distribusi frekuensi dikatakan sebagai data yang telah
dikelompokkan.

Langkah-langkah membuat distribusi frekuensi :

1. Rentang (range)
Data terbesar dikurangi dengan data terkecil
2. Banyak kelas interval
 Menggunakan aturan sturges, banyak kelas interval = 1 + (3,3) log n dengan n =
banyak data
3. Panjang kelas interval, p
rentang
p =____________
banyak kelas
Contoh 1.6.1
Berikut panjang 40 helai daun salam dicatat sampai milimeter terdekat. Bangunlah
distribusi frekuensi, berdasar data tersebut di bawah ini;
138 164 150 120 144 125 149 157
146 158 140 147 136 148 152 144
168 126 138 176 163 119 154 165
146 173 142 147 135 153 140 135
161 145 135 142 150 156 145 128
Penyelesaian :
i. Ukuran terpanjang (maksimum) = 176, ukuran terpendek (minimum) = 119,
sehingga rentang = 176 – 119 = 57
ii. Banyaknya kelas interval : 1 + 3,3 log (40) = 6,28 ≈ 7 kelas
iii. Panjang kelas, p = rentang/banyak kelas = 8,14 ≈ 9
Tabel 1.6.1
Panjang (mm) f
118 – 126 53
127 – 135 5
136 – 144 9
145 – 153 12
154 – 162 5
163 – 171 4
172 – 180 2
Jumlah 40

1.6.1 Distribusi Frekuensi Relatif dan Kumulatif

Frekuensi relatif suatu kelas adalah frekuensi kelas dibagi total frekuensi
semua kelas dan umumnya dinyatakan sebagai persentase. Jika frekuensi dalam tabel
frekuensi diganti oleh frekuensi relatif padanannya, tabel yang diperoleh disebut
distribusi frekuensi relatif.

Total frekuensi semua nilai yang lebih kecil dari batas bawah kelas atas suatu
selang kelas tertentu disebut frekuensi kumulatif sampai pada dan termasuk selang
kelas. Sebuah tabel yang menyajikan frekuensi kumulatif disebut distribusi frekuensi
kumulatif. Terdapat dua macam distribusi frekuensi kumulatif yaitu distribusi
frekuensi kumulatif kurang dari dan distribusi frekuensi komulatif atau lebih.
Contoh 1.6.1
Daftar distribusi frekuensi tentang berat mahasiswa
Tabel 1.6.2
Berat 100 Mahasiswa Universitas XYZ
Berat (kg) Jumlah Mahasiswa (f)
60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 - 74 8
Jumlah 100
a) frekuensi relatif kelas 68 – 68 adalah (42/100) x 100 % = 42 %
b) frekuensi kumulatif sampai pada dan termasuk selang kelas 66 – 68 adalah
5 + 18 + 42 = 65, artinya terdapat 65 mahasiswa yang memiliki berat kurang
68,5
c) distribusi frekuensi kumulatif “kurang dari” dari Tabel 1.6.2 adalah
Tabel 1.6.3
Berat 100 Mahasiswa Universitas XYZ
Berat (kg) Frekuensi kumulatif kurang dari
Kurang dari 60 0
Kurang dari 63 5
Kurang dari 66 23
Kurang dari 69 65
Kurang dari 72 92
Kurang dari 74 100

1.6.2 Histogram dan Poligon Frekuensi

Histogram terdiri dari himpunan siku empat yang mempunyai :
- Alas pada sumbu datar adalah batas-batas kelas interval dan pada sumbu tegak
menyatakan frekuensi
- Bentuk diagramnya seperti diagam batang hanya sisi-sisi batang yang
berdekatan harus berimpitan
- Luas sebanding terhadap frekuensi kelas

Jika semua kelas interval memunyai ukuran sama, tinggi segi empat
sebanding terhadap frekuensi kelas dan merupakan kebiasaan untuk mengambil tinggi
secara numerik sama dengan frekuensi kelas. Jika panjang kelas berukuran tidak
sama, tinggi-tinggi ini harus disesuaikan.

Poligon frekuensi adalah grafik garis dari frekuensi dimana di tengah-tengah

tiap sisi atas yang berdekatan dihubungkan dan sisi terakhir dihubungkan dengan
setengah jarak kelas interval pada sumbu datar.
Contoh 1.6.2
Berdasarkan Tabel 1.6.1 diperoleh histogram dan poligon :

1
4

1
2

1
0

0
118 - 126 135 - 143 152 - 160 169 - 178
126 - 135 143 - 152 160 - 169

Gambar 1.6.1
Untuk poligon dari distribusi frekuensi kumulatif kurang dari : (silakan dicoba
dengan menggunakan definisi poligon)

1.6.3 Model Populasi

- model normal
- model simetrik (hampir mirip dengan model normal)
- model miring ke kiri (positif)
- model miring ke kanan (negatif) (kebalikan dari model miring ke kiri)
- model J atau model kebalikan J

- model U

1.7 Ukuran Gejala Pusat

1.7.1 Rata-Rata
Misalkan sampel berukuran n dengan data x1, x2, x3,......, xn maka rata-rata atau rata-
−

i1
rata hitung untuk sampel disimbolkan dengan
disimbolkan dengan ì .
n

− − xi
x= x1+x 2 x 3 + .... + x n i= 1
n
atau x = n fi
i =1

x , sedangkan untuk populasi

i1
Rata-rata gabungan adalah rata-rata dari beberapa sub sampel lalu dijadikan satu.
−
Misal: sub sampel 1 berukuran n1 dengan rata-rata x
−

Sub sampel 2 berukuran n 2 dengan rata-rata x2 dan seterusnya maka rata-rata

gabungan dari k buah sub sampel adalah
n
−
n xi
i
i =1
x gab = n
ni

i1
Cara lain untuk mendapatkan rata-rata dari distribusi frekuensi adalah menggunakan
cara sandi atau menggunakan rata-rata sementara, yaitu :
- Satu tanda kelas misalnya x 0
- x0 diberi sandi c = 0
- Tanda kelas yang lebih kecil dari x0 diberi sandi c = -1, c = -2 dan seterusnya
- Tanda kelas yang lebih besar dari x0 diberi sandi c = 1, c = 2 dan seterusnya
Jika p = panjang kelas interval maka
n
−
i
f ci
x = x0 + p 1i
n
f
i 11

Sifat-sifat rata-rata :
1) Jika tiap nilai data ditambah/dikurangi dengan sebuh bilangan tetap d, maka
rata-rata untuk data bertambah/berkurang dengan d rata-rata data lama
2) Jika tiap data xi dikalikan dengan sebuah bilangan tatap d, maka rata-rata
untuk data baru menjadi d kali rata-rata data lama
Rata-rata ukur, U adalah rata-rata yang digunakan untuk perbandingan tiap dua data
berurutan tetap atau hampir tetap.

H≤U≤ x
 logx
U = nx1, x2,...x n atau log U =
i n
Untuk data kelompok
(flogx)
i
Log U =
fi

Rata-rata harmonik, H didefinisikan dengan :

H= n
1
xi
Hubungan antara rata-rata hidung, rata-rata ukur dan rata-rata harmonik adalah
1.7.2 Modus
Modus (Mo) adalah fenomena yang paling banyak terjadi. Bila sampel
berukuran n dan data tersaji sebagai berikut : x 1, x2, ....,xi, , xn serta fenomena xi
data yang paling banyak terjadi, maka modusnya adalah x i. Namun bila data
kuantitatif dalam daftar distribusi frekuensi, modus ditentukan dengan :
 b1
Mo = bb + p
bb
1 + 2
dengan :
bb = batas bawah kelas modal yaitu kelas interval dengan frekuensi terbanyak
p = panjang kelas modal
b1 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas
yang lebih kecil sebelum tanda kelas modal
b2 = frekuensi kelas modal dikurangi frekuensi kelas interval dengan tanda kelas
yang lebih besar sesudah tanda kelas modal

1.7.3 Median
Median sering dikatakan sebagai nilai tengah. Dinotasikan dengan Me. Untuk
data tunggal, setelah data diurutkan, baru diambil Me sebagai nilai tengahnya.
Jika data disusuan dalam distribusi frekuensi maka nilai Me sebagai berikut :
Me = bb + p 2 n−F
f

1
dimana :
bb = batas bawah kelas median yaitu kelas interval dimana median akan terletak
p = panjang kelas modal

n = ukuran sampel
F = jumlah semua frekuensi sebelum kelas median
f = frekuensi kelas median
Hubungan empiris antara rata-rata, median dan modus adalah
−
x - Mo = 3 ( x - Me)

1.7.4 Kuartil, Desil dan Persil

Kuartil adalah nilai-nilai yang membagi segugus pengamatan menjadi 4
bagian yang sama. Disimbolkan dengan Q1, Q2, dan Q3.

in F
Qi = bb + p 4 dengan i = 1,2,3 dimana bb adalah batas bawah kelas Qi
f
 Desil adalah nilai-nilai yang membagi segugus pengamatan menjadi 10
bagian yang sama, disimbolkan dengan D1, D2, ......., D9.
in F
Di = bb + p 10 f dengan i = 1,2,3,........,9 dimana bb adalah batas bawah kelas Di
 Persentil adalah nilai-nilai yang membagi segugus pengamatan menjadi 100
bagian yang sama, disimbolkan dengan P1, P2, ......., P99.
in F
Pi = bb + p 100 dengan i = 1,2,3,........,99 dimana bb adalah batas bawah kelas Pi
f
Contoh 1.7.1
Berdasar data-data pada Tabel 1.6.2 tentukan :
a. Rata-rata berat 100 mahasiswa Universitas XYZ !
b. Modus !
c. Median !
Penyelesaian :
Berdasar Tabel 5.1 sebagai perluas dari Tabel 1.6.2, maka
 Tabel 1.7.1
Berat 100 Mahasiswa Universitas XYZ
Berat (kg) Titik Tengah Frekuensi ci fi c i
60 – 62 61 5 -2 -10
63 – 65 64 18 -1 -18
66 – 68 67 42 0 0
69 – 71 70 27 1 27
72 – 74 73 8 2 16
Jumlah 100 15

a. Rata-rata x = 67 + 3 (15 / 100) = 67,45

b. Modus :
Dari Tabel 1.7.1 diperoleh :
b = 65,5, karena kelas interval yang memiliki frekuensi terbesar adalah
66 – 68, sehingga batas bawahnya 65,5
p=3
b1 = 42 – 18 = 24
b2 = 42 – 27 = 15
 b1 =
Karena Mo = b + p (silakan coba)
bb
1 + 2
c. Median

Dengan menggunakan hubungan empiris, x = 67,45 dan Mo = 67,3 5

Maka
67,45 – 67,3 5 = 3 (67,45 – Me)
0,1 = 2.2,35 – 3 Me
Me = 67,48
(bagaimana jika menggunakan rumus yang ada di atas, silakan dicoba)
Contoh 1.7.2
Tentukan Q3, D3, dan P3 pada tabel distribusi frekuensi 1.6.1 !
Penyelesaian :
a. Q 3 ....... ?

i = 3 dan n = 100 berarti 3/4 n = 3/4 x 100 = 75

b = 68,5 karena jumlah data sampai 75 berada di kelas interval 69 – 71 sehingga
batas bawah b = 68,5

F = 5 + 18 + 42 = 65
f = 27
p = 3, sehingga
Q3 = 68,5 + 3

3 . 65
4 100
27
b. D 3 ....... ?
i = 3 dan n = 100 berarti (3/10) n = 3/10 x 100 = 30
b = 65,5
F = 5 + 18 = 23
f = 42

p = 3, sehingga
 30−23
Q3 = 65,5 + 3 = 66
42
c. P3 ............ ?
(Silakan dicoba)

Contoh 1.7.3
Bilangan-bilangan berikut menyatakan hasil ujian akhir Metode Statistika
23 60 79 32 57 74 52 70 82 36
80 77 81 95 41 65 92 85 55 76
52 10 64 75 78 25 80 98 81 67
41 71 83 54 64 72 88 62 74 43
60 78 89 76 84 48 84 90 15 79
34 67 17 82 69 74 63 80 85 61

Dengan menggunakan 9 kelas interval dan ambil nilai terendah 10, maka
a. buat distribusi frekuensi !
b. buat histogram dan poligon !
c. hitung rata-rata, median, modu, Q1, dan D5 !
(kerjakan sendiri sebagai latihan)

1.8 Ukuran Penyebaran

1.8.1 Rentang
Rentang suatu himpunan adalah selisih antara bilangan terbesar dan terkecil
dalam himpunan. Sedangkan rentang antar kuartil adalah selisih antara Q 3 – Q1, dan
simpangan kuartil (deviasi kuartil) adalah setengah dari rentang antar kuartil,

SK = 1/2 (Q3 – Q1)

1.8.2 Rata-Rata Simpangan

Misal sampel berukuran n, data x 1, x2, ......, xn dengan rata-rata x maka rata-rata
simpangan ditentukan dengan :
xi x
RS = −
n−1
1.8.3 Simpangan Baku
 −
Misal sampel berukuran n, data x1, x2, ......, xn dengan rata-rata x maka simpangan
baku ditentukan dengan :
−
2
(x x) i −
s= n−1
Bentuk lain untuk mendapatkan simpangan baku, antara
lain :

Demikian seterusnya maka simpangan baku gabungan dari k buah sub sampel adalah
 2
i. s= nx ( x )
2−
i i
 n(n −1)

Demikian seterusnya maka simpangan baku gabungan dari k buah sub sampel adalah
 −
f (x x) 2
i i −
ii. s = iii.
iv. n 1
−
2
n f x ( f x )
v. s= 2−
i i i i
 n(n−1)

)
2

Demikian seterusnya maka simpangan baku gabungan dari k buah sub sampel adalah
 2
i fi c i
nf
iv. s= p

c −(
2
 n(n−1)

Demikian seterusnya maka simpangan baku gabungan dari k buah sub sampel adalah
Varians adalah kuadrat dari simpangan baku disimbolkan s2. Varians untuk sebuh
populasi disimbolkan dengan ó2 dari simpangan baku ó.
Sifat-sifat simpangan baku :
~ Jika tiap nilai data xi ditambah/dikurangi dengan bilangan yang sama, maka
simpangan baku s tidak berubah.
~ Jika tiap nilai data x i dikalikan dengan bilangan yang sama d, maka
simpangan bakunya menjadi d kali simpangan baku asal.
Simpangan Baku Gabungan
−
Misal : sub sampel 1 berukuran ni dengan rata-rata x1 dan simpangan baku s1
−

Sub sampel 2 berukuran n2 dengan rata-rata x2 dan simpangan baku s2

 (n 1)s
−
i i
s= n k−
i

1.8.4 Bilangan Baku dan Koefisien Variasi

−
Misal sampel berukuran n dengan data x1, x2, ......, xn dengan rata-rata x , simpangan
baku s maka dapat dibentuk data baru z1, z2, ....., zn dengan :
−
− xi −
x
zi = x0 + s0 s

Dispersi yang sebenarnya ditentukan dari simpangan baku disebut dispersi mutlak,
dan dispersi relatif didefinisikan dengan
dispersi mutlak
Dispersi relatif =
rata−rata

Koefisien variasi didefinisikan dengan KV = s x 100%

x
Contoh 1.8.1
Tentukan simpangan baku pada Tabel 1.6.2 !
Penyelesaian :
Tabel 1.8.1 adalah perluasan dari Tabel 1.6.2, maka

Demikian seterusnya maka simpangan baku gabungan dari k buah sub sampel adalah
 Tabel 1.8.1
Berat 100 Mahasiswa Universitas XYZ
Berat Titik Frekuensi ci fici 2
fici
(kg) Tengah
60 – 62 61 5 -2 -10 20
63 – 65 64 18 -1 -18 18
66 – 68 67 42 0 0 0
69 – 71 70 27 1 27 27
72 – 74 73 8 2 16 32
Jumlah 100 15 97

s= 3
2 c( fc)
2−
i
n( n−1) i i sehingga s =
i 100x99
nf
p

2
100 x97−(1 5) 2
2 = 2,92
 Contoh 1.8.2
Seorang pengusaha tabung televisi mempunyai dua macam tabung, A dan B.
−
Tabung-tabung itu masing-masing mempunyai rata-rata usia hisup xA = 1495 jam
−
dan xB = 1875 jam dan simpangan baku sA = 280 jam dan sB = 310 jam. Tabung
manakah yang mempunyai :
a. dispersi mutlak
b. dispersi relatif lebih besar
Penyelesaian :
a) Dispersi mutlak dari A = s A = 280 dan B = sB = 310 jam. Jadi tabung B
mempunyai dispersi mutlak yang lebih besar
−
xA = 18,7% dan B .... ? (silakan dicoba)

Contoh 1.8.3
Dari 200 sampel dibagi menjadi 3 bagian dengan
60 obyek memberikan s = 10,5
105 obyek memberikan s = 9,8

b) Koefisien variasi dari A = sA

35 obyek memberikan s = 10,2
Tentukan simpangan baku gabungan !
Penyelesaian :
 (n 1)s
− 2
+ (n21)s
− 2 2 + (n 1)s
− 3 23 = 6504,75 + 9988,16 +
s2 =
1 1
+ + 3537,36 = 100,15
n 1 n 2n 3 200

n
sehingga simpangan baku gabungan ketiga obyek tersebut adalah 10,007

Contoh 1.8.4
Didapat hasil ujian sejarah untuk 40 mahasiswa :
63 78 85 95 77 62 93 90
81 57 97 61 75 87 73 82
67 80 62 78 65 79 84 80
85 53 71 83 68 63 85 76
77 74 75 71 60 93 70 68

a. hitung rata-rata dan simpangan bakunya

b. jadikan data diatas ke dalam bilangan baku dengan rata-rata 10 dan simpangan
baku = 3

c. kalau dalam sistem bilangan baku ini, nilai lulus ditentukan paling kecil 15, ada
berapa orang yang lulus ?

(kerjakan sebagai latihan)

1.9 Momen, Kemiringan dan Kurtosis

1.9.1 Momen
Untuk data tunggal
Variabel x dengan x1 .... xn bilangan tetap dan r = 0,1,.... maka momen ke-r sekitar A,
mr’ adalah :
(x A) r
mr ’ = i −
 r

Jika A = 0 maka mr’ = xi

n
Momen ke-r sekitar 0 (momen ke-r)

n
 − −
x → momen ke-r x (rata-rata), mr adalah
sekitar
−

Jika A =
 (x x) r i −
mr’ =
n
r = 2 → disebut s2 (varian)
Untuk data kelompok
f (x A) r
i i −
mr’ =
n
fxr
Momen ke-r = i i
n
Dan untuk momen ke-r sekitar rata-rata :
−
f (x x) r
mr’ = i i −
n

p f cr
mr’ = r
ii
n
Hubungan antara mr dengan mr’
m2 = m2’ – ( m1’)2
m3 = m3’ – 3 m1’ m2’ + 2(m1’)3
m4 = m4’ – 4 m1’ m3’ + 6(m1’)2m2’ – 3 (m1’)4

1.9.2 Kemiringan
Kemiringan adalah derajat ketaksimetrian dari suatu distribusi. Model populasi
simetrik, positif ataupun negatif dapat diketahui dengan menggunakan :
 Rata mod us
2—
Kemiringan : _____________
simpangan baku
Rumus empiris :
3(Rata2 —Median)
Kemiringan : _______________
simpangan baku
Jika :
Kemiringan > 0 -* model positif
Kemiringan = 0 -* simetrik
Kemiringan < 0 -* model negatif

1.9.3 Kurtosis
Kurtosis adalah derajat kepuncakan suatu distribusi, biasanya diambil relatif
terhadap distribusi normal.
Koefisien kurtosis (a4)

a4 =
m4 2
(m 2)
a4 = 3 -* a 4 = 3 -* distribusi normal

a4 > 3 -* a4 > 3 -* distribusi leptokurtik a4 <

3 -* a4 < 3 -* distribusi platikurtik atau

1
SK (k k 3)
K= 2
90 P 10 PP
— 90 — 10

P
Distribusi normal jika K = 0,263
Contoh 1.9.1

Berdasarkan x = 67,45, Mo = 67,3 5 dan s = 2,92 data berat mahasiswa Universitas

XYZ model populasinya adalah ....
Penyelesaian :
 67 45 67 3 5
Kemiringan = , −2 ,92
= 0,03 4, karena kemringan > 0 berarti model kurvanya
.
adalah model positif atau miring ke kiri.