Statistika Deskriptif
Disusun Oleh:
(Kelompok 1):
2016
1
Kata Pengantar
Puji dan syukur kami haturkan kepada Allah SWT yang telah melimpahkan rahmad
dan hidayah-Nya sehingga makalah yang berjudul “Statistika Deskriptif” dapat terselesaikan.
Laporan ini disusun untuk memenuhi tugas mata kuliah Statistika Prodi Fisika Universitas
Negeri Yogyakarta.
Penyusunan makalah ini tentunya mendapat dukungan dan bantuan dari berbagai
pihak. Oleh karena itu kami ucapkan terimakasih kepada:
Dalam penyusunan makalah ini tentu terdapat kesalahan. Oleh karena itu kami
mengharapkan kritik dan saran yang dapat membangun. Semoga makalah ini dapat
memberikan manfaat bagi penulis dan juga pembaca, aamiin.
Penyusun
2
BAB I PENDAHULUAN
A. Latar Belakang
Statistik merupakan suatu pengetauan mengenai pengumpulan data,
pengolahan, analisa, penarikan kesimpulan serta pengambilan keputusan berdasarkan
analisa yang telah dilakukan terhadap data tersebut. Statistik deskriptif adalah bagian
statistic mengenai pengumpulan data,penyajian, penentuan nilai nilai statistic,
pembuatan diagram atau gambar mengenai sesuatu hal, dan disajikan dalam bentuk
yang lebih mudah difahami atau dibaca.
Di dalam kehidupan ini tidak pernah terlepas dari statistika. Statistika dapat
ditemukan dalam berbagai bidang ilmu diantaranya Fisika, Kimia, Biologi, Ekonomi,
Akuntansi, Sosial, dan Astronomi. Dengan pemahaman tentang statistika diharapkan
dapat meningkatkan penalaran, meningkatkan kualitas sumber daya manusia, serta
dapat menyelesaikan permasalahan-permasalahan yang ada di kehidupan. Makalah ini
lebih memfokuskan pada Statistika Diskriptif. Pokok-pokok bahasan yang diuraikan
di dalam makalah ini adalah pengertian, peranan, fungsi, pembagian statistika. Selain
itu juga dibahas tentang distribusi frekuensi dan bagian-bagian serta penjabarannya.
B. Rumusan Masalah
1. Bagaimana pengertian, fungsi, dan peranan statistika?
2. Bagaimana pembagian dan metodologi statistika?
3. Bagaimana pengertian, bagian, penyusunan, grafik, dan jenis distribusi frekuensi?
4. Bagaimana bagian-bagian dan cara mengatur ukuran penyebaran dan pemusatan?
C. Tujuan
1. Mempelajari pengertian, fungsi, dan peranan statistika.
2. Mempelajari pembagian dan metodologi statistika.
3. Mempelajari pengertian, bagian, penyusunan, grafik, dan jenis distribusi
frekuensi.
4. Mempelajari bagian-bagian dan cara mengatur ukuran penyebaran dan pemusatan.
3
BAB II PEMBAHASAN
A. Statistik
I. Pendahuluan
Statistik merupakan suatu pengetauan mengenai pengumpulan data,
pengolahan, analisa, penarikan kesimpulan serta pengambilan keputusan berdasarkan
analisa yang telah dilakukan terhadap data tersebut.
Penggunaan istilah “statitiska” berakar dari istilah dalam bahasa latin modern
“statisticum collegium” (“dewan Negara”) dan bahasa ilatia “statista” (“negarawan”
atau “politikus”).
Pada abad ke-19 dan abad ke-20 statitiska mulai banyak menggunakan bidang-
bidang dalam matematika, terutama probabilitas. Cabang statitiska yang pada saat ini
sangat luas digunakan untuk mendukungg metode ilmiah, statitiska inferensi,
dikembangkan pada paruh ke dua pada abad ke-19 dan pada awal adab ke-20 oleh
Ronald Fisher (peletak dasar statitiska inferensi), Karl Pearson (metode regresi linier),
William Sealey Gosset (meneliti problem sampel berukuran kecil). Penggunaan
statiska pada massa sekarang dapat dikatakan telah menyentuh semua bidang ilmu
pengetahuan, mulai dari astronomi hingga linguistika. Bidang-bidang ekonomi,
biologi dan cabang-cabang terapannya, serta psikologi banyak dipengaruhi oleh
statitiska dalam metodologinya. Akibatnya lahirnya ilmu-ilmu gabuungan seperti
ekonometrika, biometrika (atau biostatitiska), dan psikometrika.
4
Di Indonesia , kajian statitiska sebagaian besar masuk dalam fakultas ilmu
pengetahuan alam, baik di dalam departemen tersendiri maupun tergabung dengan
matematika.
Untuk memahami prinsip dasar statitiska ada baiknya kita mengikuti definisi tenntang
statitiska diantaranya:
Jadi secara umum dapat dikatakan bahwa statitiska adalah suatu teori informasi,
dengan penarikan kesimpulan sebagai sebaga itu tujuannya.
Tujuan statitiska adalah untuk membuat kesimpulan tentang suatu yang lebih luas
(disebut populasi) berdasarkan keterangan yang ada pada sebagian contoh (disebut
sampel) yang diambil dari populasi tersebuut. Teori statitiska adalah suatu teori
informasi yang berhubungan dengan pegangan informasi, menentukan percobaan
atau prosedur untuk pengumpulan data, dengan biaya minimal, darisejumlah
informasi ini untuk membuat kesimpulan-kesimpulan.
5
II. Peranan
6
g. Membuat keputusan yang lebih baik
Dengan statistik, keputusan yang baik dan rasional dapat dihasilkan agar dapat
menjaga kelancaran aktivitas kerja supaya kelestarian dari sebuah usaha dapat
terjamin. Misalnya, seorang kepala bagian pemasaran dihadapkan pada kondisi yang
tidak menentu dari produk perusahaannya mendatang, apakah pemasaran produk itu
akan tinggi, rendah, atau sedang. Oleh karena itu, kepala pemasaran harus mengambil
sikap tertentu, misalnya melakukan perluasan dengan membangun sendiri dan
mempertahankan kapasitas produk yang ada dengan menggunakan teori keputusan
dan uji hipotesis. (Ir. M. Iqbal Hasan, M.M (2005): 4-5)
Fungsi Statistik
1. Bank Data, menyediakan data untuk diolah dan diinterpretasikan agar dapat
dipakai untuk menerangkan keadaan yang perlu diketahui dan diungkap.
2. Alat quality control, sebagai alat pembantu standardisasi dan sekaligus sebagai
alat pengawasan.
3. Alat analisis, merupakan suatu metode penganalisisan data.
4. Pemecahan masalah dan pembuatan keputusan, sebagai dasar penetapan kebijakan
dan langkah lebih lanjut untuk mempertahankan, mengembangkan perusahaan
dalam memeroleh keuntungan. (Ir. M. Iqbal Hasan, M.M (2005): 5-6)
7
Sekurang-kurangnya 10% dari semua kebakaran di sebuah kota tertentu yang
dilaporkan tahun lalu diakibatkan oleh tindakan-tindakan sengaja yang tidak
bertanggungjawab.
Sebanyak 50% di antara semua pasien yang menerima suntikan obat tertentu,
ternyata kemudian menderita efek samping obet tersebut.
8
1. Probabilitas atau teori kemungkinan
2. Distribusi teoretis
3. Sampling atau distribusi sampling
4. Pendugaan populasi atau teori populasi
5. Uji hipotesis
6. Analisis korelasi dan uji signifikansi
7. Analisis regresi untuk peramalan
START
9
STOP
2. Pembagian statistik berdasarkan ruang lingkup penggunaannya
a. Statistik sosial
b. Statistik pendidikan
c. Statistik ekonomi
d. Statistik perusahaan
e. Statistik pertanian
f. Statistik kesehatan
3. Pembagian statistik berdasarkan bentuk parameternya
a. Statistik parametrik
Statistik paramatrik adalah bagian statistik yang parameter dari
populasinya mengikuti suatu distribusi tertentu, seperti distribusi normal, dan
memiliki varians yang homogen.
b. Statistik nonparametrik
Statistik nonparametrik adalah bagian statistik yang parameter dari
populasinya tidak mengikuti suatu distribusi tertentu atau memiliki distribusi
yang bebas dari persyaratan, dan variansnya tidak perlu homogen. (Ir. M.
Iqbal Hasan, M.M (2005): 6-9)
Metodologi Statistik
1. Identifikasi Masalah
Pada tahap ini, masalah atau persoalan yang ada dipahami dan didefinisikan
secara jelas dan tepat, misalnya sifat permasalahan, luas permasalahan, dan
dampak situasi.
2. Pengumpulan Data atau Fakta
Data yang dikumpulkan berupa data intern dan ektern yang dikumpulkan melalui:
a. Data-data yang tersedia, artinya data-data diperoleh dan dikumpulkan melalui
sumber-sumber yang telah ada, misalnya data dari laporan penelitian
sebelumnya atau data yang ada di perpustakaan.
b. Data-data asli, artinya data-data diperoleh dan dikumpulkan secara langsung
oleh peneliti yang bersangkutan (data-data baru).
Data atau fakta yang dikumpulkan harus memiliki sifat sebagai berikut:
1. Akurat, artinya harus mencerminkan atau sesuai dengan keadaan yang
sebenarnya.
2. Up to date, artinya harus tepat waktu.
10
3. Relevan, artinya harus ada hubungannya dengan masalah yang akan
diselesaikan.
4. Memiliki kesalahan baku kecil, artinya memiliki tingkat ketelitian
yang tinggi.
3. Klasifikasi Data
Pada tahap klasifikasi data, data yang sudah ada dikelompokkan sesuai dengan
tujuan studi. Data yang ada diidentifikasi berdasarkan kemiripan atau kesamaan
sifat, kemudian disusun dalam kelompok-kelompok. Salah satu metode
pengklasifikasian data yang sering digunakan adalah metode coding (penggunaan
kode).
4. Penyajian Data
Pada tahap penyajian data, data yang sudah diklasifikasikan, disajikan atau
ditampilkan dalam bentuk tertentu misanya tabel atau grafik. Selain itu,
ditampilkan pula nilai-nilai deskriptif.
5. Analisis Data
Tahap analisis data merupakan tahap akhir dari metodologi statistik, sebelum
penarikan kesimpulan. Pada tahap ini, diinterpretasikan hasil dari tahap-tahap
sebelumnya. Setelah itu, dibuat kesimpulan yang merupakan titik akhir suatu
permasalahan berupa jawaban terbaik dari permasalahan tersebut. (Ir. M. Iqbal
Hasan, M.M (2005): 9-12)
Data
a. Pengertian data
Dalam statistic selalu berhubungan dengan data. Data merupakan fakta fakta
yang dapat dipercaya kebenarannya. Data dapat dibagi beberapa macam yaitu data
intern dan data ekstern
Data intern adalah data yang dikumpulkan oleh suau badan mengenai kegiatan
badan itu dan hasilnya digunakan demi kepentingan data pula, sedangkan data ekstern
merupakan data yang terdapat diluar badan yang memerlukannya, misalkan besar
income konsumen bagi perusahaan pakaian jadi. Dalam data ekstern dibagi menjadi
dua lagi yaitu data primer dan data sekunder.
Data ekstern primer adalah data ekstern yang dikumpulkan dan diterbitkan
oleh suatu badan sedang yang memerlukannya badan-badan lain bisa juga badan itu
sendiri.
Data ekstern sekunder data yang dilaporkan oleh suatu badan tetapi badan itu
tidak mengumpulkannya sendiri, melainkan diperoleh oleh pihak lain. Sedangkan
11
badan yang menggunakan adalah badan lain bukan yang menerbitkan dan bukan yang
mengumpulkan.
Pembagian Data
Data bisa dibagi menjadi beberapa macam sesuai dengan dasar pembagiannya
Data kuantitatif adalah data yang dinyatakan dengan menggunakan satuan angka,
sedang data kualitatif adalah data yang tidak dinyatakan dalam satuan angka,
melainkan dinyatakan dalam kategori, golongan atau sifat dari data tersebut.
12
Data Diskrit dan Data Kontinyus
Data diskrit adalah data yang satuannya selalu bulat dalam bilangan asli, tidak
berbentuk pecahan. Contoh dari data diskrit misalnya manusia, pohon, bola, dll.
Sedang data kontinyus adalah data yang satuannya bisa dalam pecahan, misalnya
minyak dalam ½ liter, panjang dalam 0,2 meter dll.
Di dalam statistik, kita selalu berhubungan dengan data. Data adalah fakta-
fakta yang dapat dipercaya kebenarannya. Pengumpulan fakta-fakta yang merupakan
data ini bisa seluruhnya atau sebagian saja. Keseluruhan fakta dari hal yang diteliti
ini disebut sebagai populasi, sedang kalau bagian dari semua fakta yang dianggap
dapat mewakili seluruhnya disebut sampel. Sampel yang diambil harus bisa
mewakili keseluruhan populasi yang diteliti, oleh karena itu pemilihan sampel harus
diusahakan sedemikian rupa sehingga sampel itu bisa menunjukkan gambaran
keadaan keseluruhan populasi yang diteliti.
1. Biaya penelitian terhadap sampel lebih murah daripada penelitian terhadap populasi,
karena jumlah populasi lebih banyak.
2. Waktu penelitian terhadap sampel lebih cepat daripada terhadap populasi.
3. Untuk penelitian yang sifatnya merusak tidak mungkin dilakukan penelitian terhadap
keseluruhan anggota populasi sebab akan rusak semua, sehingga penelitian
sebaiknya dilakukan terhadap sampel saja.
4. Sampel bisa digunakan untuk menyelidiki populasi yang jumlahnya tak terhingga.
Cara pengumpulan data ada dua macam yaitu secara sensus dan sampling. Sensus
adalah pengumpulan data yang dilakukan dengan meneliti terhadap setiap anggota
populasi satu persatu, sedang cara sampling adalah cara pengumpulan data yang
dilakukan dengan meneliti sebagian dari anggota populasi saja. Contoh sensus adalah
sensus penduduk dengan mendatangi semua rumah satu persatu.
13
Diagram alur metodologi statistik
START
Perencanaan, penelitian/
identifikasi permasalahan
yang diteliti
Pergunakan data populasi guna analisis dan Interpretasi hasil dan menarik konklusi serta
dasar pengambilan keputusan ambil keputusan
14
STOP
B. Distribusi Frekuensi
Distribusi Frekuensi
Data yang telah diperoleh dari suatu penelitian yang masih berupa data acak atau data
mentah dapat dibuat menjadi data yang berkelompok, yaitu data yang telah disusun ke
dalam kelas-kelas tertentu. Daftar yang memuat data berkelompok disebut distribusi
frekuensi. Jadi, distribusi frekuensi adalah susunan data menurut kelas-kelas tertentu
atau menurut kategori tertentu dalam sebuah daftar. ( Ir. M. Iqbal Hasan, M.M
(2005):41)
1. Kelas-kelas (class)
Kelas adalah kelompok nilai data atau variabel.
2. Batas kelas (class limits)
Batas kelas adalah nilai-nilai yang membatasi kelas yang satu dengan kelas
yang lain. Terdapat dua batas kelas yaitu:
a. Batas kelas bawah (lower class limits), terdapat di deretan sebelah kiri setiap
kelas.
b. Batas kelas atas (upper class limits), terdapat di deretan sebelah kanan setiap
kelas.
Batas kelas merupakan batas semu dari setiap kelas, karena diantara kelas yang satu
dengan kelas yang lain masih terdapat lubang tempat angka-angka tertentu.
Penentuan tepi bawah kelas dan tepi atas kelas bergantung pada keakuratan
pencatatan data. Misalnya, data dicatat dengan ketelitian sampai satu desimal, maka
rumus tepi bawah kelas dan tepi atas kelas ialah:
15
a. Tepi bawah kelas = batas bawah kelas – 0,5;
b. Tepi atas kelas = batas atas kelas + 0,5.
4. Titik tengah kelas atau tanda kelas (class mid point, class marks)
Titik tengah kelas adalah angka atau nilai data yang tepat terletak di tengah suatu
kelas. Titik tengah kelas merupakan nilai yang mewakili kelasnya. Titik tengah kelas
= ½ (batas atas + batas bawah) kelas.
5. Interval kelas (class interval)
Interval kelas adalah selang yang memisahkan kelas yang satu dengan kelas yang lain.
6. Panjang interval kelas atau luas kelas (interval size)
Panjang interval kelas adalah jarak antara tepi atas kelas dan tepi bawah kelas.
7. Frekuensi kelas (class frequency)
Frekuensi kelas adalah banyaknya data yang termasuk ke dalam kelas tertentu.
Contoh:
Modal Perusahaan X
Modal (jutaan Rp) Frekuensi (f)
50-59 16
60-69 32
70-79 20
80-89 17
90-99 15
Jumlah 100
Dari distribusi frekuensi di atas:
16
( Ir. M. Iqbal Hasan, M.M (2005):41-43)
Keterangan:
k= banyaknya kelas
n= banyaknya data
Histogram dan poligon frekuensi adalah dua grafik yang sering digunakan umtuk
menggambarkan distribusi frekuensi. Histogram merupakan grafik batang dari
distribusi frekuensi dan poligon frekuensi merupakan garisnya.
17
histogram ke titik tengah batang histogram yang lain. Agar diperoleh poligon tertutup,
harus dibuat dua kelas baru dengan panjang kelas sama dengan frekuensi nol pada
kedua ujungnya. Pembuatan dua kelas baru itu diperbolehkan karena luas histogram
dan poligon yang tertutup sama.
Pada pembuatan histogram digunakan sistem salib sumbu. Sumbu mendatar (sumbu
X) menyatakan interval kelas (tepi bawah dan tepi atas masing-masing kelas) dan
sumbu tegak (sumbu Y) menyatakan frekuensi.
Contoh :
12
(frekuensi)
10
8
6
4
2
0 Series1
tinggi badan
(teoi kelas)
18
b. Poligon frekuensi
Kurva frekuensi
Kurva distribusi frekuensi yang telah dihaluskan mempunyai berbagai bentuk dengan
ciri-ciri tertentu. Bentuk-bentuk kurva frekuensi antara lain:
1. Simetris atau berbentuk lonceng, ciri-cirinya ialah nilai variabel di samping kiri dan
kanan yang berjarak sama terhadap titik tengah (yang frekuensinya terbesar)
mempunyai frekuensi yang sama. Bentuk kurva simetris sering dijumpai dalam
distribusi bermacam-macam variabel, karena itu dinamakan distribusi normal.
2. Tidak simetris atau condong , ciri-cirinya ialah ekor kurva yang satu lebih panjang
daripada ekor kurva lainya. Jika ekor kurva lebih panjang berada di sebelah kanan
kurva disebut kurva condong ke kanan (mempunyai kecondongan positif), sebaliknya
disebut condong ke kiri (mempunyai kecondongan negatif).
3. Bentuk Jatau J terbalik, ciri-cirinya ialah salah satu nilai ujung kurva memiliki
frekuensi maksimum.
4. Bentuk U, dengan ciri kedua ujung kurva memiliki frekuensi maksimum.
5. Bimodal , dengan ciri mempunyai dua maksimla.
6. Multimodal, dengan ciri mempunyai lebih dari dua maksimal.
7. Uniform, terjadi bila nilai-nilai variabel dalam suatu interval mempunyai frekuensi
sama.
19
Bentuk-bentuk kurva frekuensi
20
Pelamar Perusahaan X
Umur (tahun) Frekuensi
20-24 15
25-29 20
30-34 9
35-39 4
40-44 2
Jumlah 50
21
Interval kelas Frekuensi Frekuensi Relatif
Interval kelas ke-1 f1 𝑓1
𝑛
𝑓2
Interval kelas ke-2 f2
𝑛
𝑓𝑘
Interval kelas ke-k fk 𝑛
Jumlah ∑f = n ∑𝑓
=1
𝑛
22
dicantumkan frekuensi kumulatifnya dan digunakan nilai batas kelas. Ada dua macam
distribusi frekuensi kumulatif kurang dari dan lebih dari.
a. Distribusi frekuensi kumulatif kurang dari
Distribusi frekuensi kumulatif kurang dari adalah distribusi frekuensi yang
memuat jumlah frekuensi yang memiliki nilai kurang dari nilai batas kelas suatu
interval tertentu.
b. Distribusi frekuensi kumulatif lebih dari
Distribusi frekuensi kumulatif lebih dari adalah distribusi frekuensi yang memuat
jumlah frekuensi yang memiliki nilai lebih dari nilai batas kelas suatu interval.
Contoh
Tabel Distribusi frekuensi kumulatif kurang dari
Distribusi Frekuensi Distribusi Frekuensi Kumulatif Kurang Dari
Biasa
Tinggi (cm) Frekuensi Tinggi (cm) Frekuensi Kumulatif
Kurang dari 140 = 0
140-144 2 Kurang dari 145 0+2 = 2
145-149 4 Kurang dari 150 0+2+4 = 6
150-154 10 Kurangdari 155 0+2+4+10 = 16
155-159 14 Kurang dari 160 0+2+4+10+14 = 30
160-164 12 Kurang dari 165 0+2+4+10+14+12 = 42
165-169 5 Kurang dari 170 0+2+4+10+14+12+5 = 47
170-174 3 Kurang dari 175 0+2+4+10+14+12+5+3 = 50
Contoh grafik distribusi frekuensi kumulatif kurang dari disebut ogif kurang dari atau ogif
positif
23
B
50
40
frekuensi kumulatif
30
20
10
135 140 145 150 155 160 165 170 175 180
tinggi (cm)
Contoh
24
B
50
40
frekuensi kumulatif
30
20
10
135 140 145 150 155 160 165 170 175 180
tinggi (cm)
Rata-rata (Average)
Rata-rata (Average) adalah nilai yang mewakili himpunan atau kelompok data
(a set of data), nilai rata-rata umumnya cenderung terletak di tengah suatu
kelompok data yang disusun menurut besar kecilnya nilai. Beberapa jenis rata-rata
yang sering dipergunakan ialah hitung (mean), rata-rata ukur (geometric mean), dan
rata-rata harmonis (harmonic mean).
25
Rata-rata (mean) sering digunakan sebagai dasar perbandingan antara dua
kelompok nilai atau lebih. Misalnya ada dua pembaca , yaitu Risa dan Melvin dari
Fakultas teknik yang menempuh ujian lima macam mata kuliah, yaitu statistic,
matematika, fisika, Bahasa Inggris, Kalkulus. Untuk menentukan mana yang lebih
pandai antara Risa dan Melvin dapat dipergunakan nilai rata-rata.misalkan hasil
ujian Risa dan Melvin aadalah seperti disajikan dalam table berikut :
Rata-rata hitung yang merupakan terjemahan dari istilah Arithmetric Mean, biasa
juga disebut “mean” saja. Mean dari suatu populasi biasa disimbolkan dengan X
(eks bar). Maan tersebut pada prinsipnya dapat ditentukan dengan cara
menjumlahkan nilai seluruh data dibagi dengan jumlah data setelah terlebih dahulu
data diurutkan dari terkecil hingga terbesar
a. Rata-rata populasi
𝑁
1
µ = ∑ 𝑋𝑖
𝑁
𝑖=1
1
= (𝑋1 + 𝑋2 + 𝑋3 + ⋯ . +𝑋𝑖 … . +𝑋𝑁
𝑁
26
b. Rata-rata sampel
𝑁
1
𝑋 = ∑ 𝑋𝑖
𝑁
𝑖=1
1
= (𝑋1 + 𝑋2 + 𝑋3 + ⋯ . +𝑋𝑖 … . +𝑋𝑁
𝑁
Contoh :
Supermarket Omset
Mataram raya 1 Rp 90.000.000
Mataram raya 2 Rp 95.000.000
Mataram raya 3 Rp 100.000.000
Mataram raya 4 Rp 100.000.000
Mataram raya 5 Rp 100.000.000
Mataram raya 6 Rp 105.000.000
Mataram raya 7 Rp 110.000.000
Jawab :
Rata-rata omset ketujuh perusahaan tersebut dapat dihitung sebagai berikut :
𝑁
1
𝑋 = ∑ 𝑋𝑖
𝑁
𝑖=1
1
= (𝑋1 + 𝑋2 + 𝑋3 + ⋯ . +𝑋𝑖 … . +𝑋𝑁
𝑁
90+95+100+100+100+105+110
= X=
7
= X= 100 atau Rp. 100.000.000
27
2. Berikut disajikan data penjualan suatu perusahaan selama 10 tahun
Jawab:
a) Rata-ratanya
𝑁
1 1
µ = ∑ 𝑋𝑖 = (660) = 66
𝑁 10
𝑖=1
b) Rata-rata perkiraan
𝑁
1 1 1
𝑋 = ∑ 𝑋𝑖 = (75 + 84 + 90 + 34 + 40) = (323) = 64,6
𝑁 5 5
𝑖=1
Jadi rata-rata perkiraan hasil penjualan perahun =Rp 64,,6 juta (ternyata mendekati
rata-rata sebelumnya)
- Rata-rata hitung data hitung berkelompok
28
Yang dimaksud dengan data yang dikelompokkan, ialah data yang telah
mengalami penyederhanaan, yaitu dalam bentuk distribusi frekuensi. Dengan
demikian ini telah kehilangan sifat kemandiriannya, dan yang nampak adalah sifat
kelompoknya.
Apabila data sudah disajikan dalam bentuk table data frekuensi, di mana X1 terjadi
f1 kali, X2 terjadi f2 dan seterusmya sampai Xk terjadi fk kali, maka rumus rata-rata
dari data yang sudah dibuat tabel frekusinya adalah sebagai berikut:
∑𝑘𝑖=1 𝑓𝑖 𝑋𝑖
𝑋=
∑𝑘𝑖=1 𝑓𝑖
Keterangan ;
X = mean
𝑓𝑖 = frekuensi
𝑋𝑖 = nilai data
Contoh
Berdasarkan tabel data dibawah ini,hitunglah rata-ratanya:
X 8 6 4 5 7 9
F 2 3 4 3 2 1
Jawab :
𝑓𝑖 𝑋𝑖 88
𝑋= = = 5,87
𝑓𝑖 15
2. Rata-rata ukur
Dalam masalah bisnis dan ekonomi seringkali diperlukan data untuk mengetahui
rata-rata presentse tingkat perubahan sepanjang waktu (average percentage rates of
change over time), misanya rata-rata persentase tingkat perubahan hasil penjualan,
produksi, harga, dan pendapatan nasional. Nilai ini dapat diperoleh dengan
menggunakan rumus rata-rata ukur. Rumus rata-rata ukur sebagai berikut :
𝑈 = 𝑛√𝑥1. 𝑥2. 𝑥3 … … 𝑥𝑛
29
Jadi rata-rata ukur suatu kelompok nilai 𝑥1. 𝑥2. 𝑥3 … … 𝑥𝑛 merupakan akar pangkat n
dari hasil kali masing-masing nilai kelompok tersebut. untuk mencari rata-rata ukur,
juga dapat dipergunakan rumus berikut:
∑ log 𝑋𝑖 ∑ log 𝑋𝑖
log 𝑈 = 𝑎𝑡𝑎𝑢 𝑈 = anti log ( )
𝑛 𝑛
Contoh:
Cari rata-rata ukur dari data berikut:
𝑋1 = 3; 𝑋2 = 9; 𝑋3 = 27
Jawab
3 3
𝑈 = √3 ∗ 9 ∗ 27 = √729 = 9
3. Rata-rata harmonis
Merupakan banyaknya data dibagi dengan jumlah satu per tiap-tiap data atau
dengan rumus sebagai berikut :
𝑛 𝑛
𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑎𝑟𝑚𝑜𝑛𝑖𝑠 = 1 = 1 1 1
∑𝑛𝑖=1 + 𝑋 + ⋯….+𝑋
𝑋𝑖 𝑋1 2 𝑖
Contoh :
Kita mempunyai uang Rp 1.200,00 akan dibelikan telur ayam dengan harga tiap
butir Rp 30,00 di samping itu mempunyai uang Rp 1.200,00 yang akan
dibelikan telur itik yang hargany setiap butir empat puluh rupiah. Rata-rata
harga telur yang akan dibeli itu setiap butir tidak (Rp 30,00+ Rp 40,00) : 2 = Rp
35,00 tetapi dengan uang Rp 1.200,00 yang kedua bisa diperoleh telur itik 30
butir. Sehingga harga rata-rata telur setiap butir = (Rp 2.400,00) : 70 = Rp
34,29. Rata-rata harga telur ini secara lebih cepat dapat dihitung dengan rata-rata
harmonis :
30
Jawab :
2
𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 ℎ𝑎𝑟𝑚𝑜𝑛𝑖𝑠 = 1 1
+ 40
30
2 2
= 1 1 == = 34.29
+ 0.05833
30 40
= Rp 205,56
Median
31
Secara teoritis, median tersebut membagi keseluruhan data menjadi dua
bagian yang sama banyak.
Untuk n ganjil
Jika mendapatkan jumlah data (n) bukan kelipatan 2, maka nilai median yang sama
dengan nilai data yang memiliki urutan paling tengah atau data yang bernomor urut
k
Dimana k dapat ditemukan dengan rumus :
𝑛+1
k=
2
Contoh :
Ada 10 orang dengan nilai ujian sebagai berikut
40,70,60,75,80,90,45,50,95,50,75. Berapa besar median dari nilai ujian kalkulus
tersebut?
Jawab:
40,70,60,75,80,90,45,50,95,50,75
𝑛+1 9+1
k= = = 6 ; 𝑀𝑒𝑑 = 𝑋6 = 70
2 2
untuk jumlah data (n) ternyata berkelipata 2 maka rumus yang dipergunkan adalah
𝑛
𝑘 = 2 , misalkan n=8, maka k=4, sehingga
1
median = (𝑋𝑘 + 𝑋𝑘+1 )
2
𝑗
𝑚𝑒𝑑 = 𝐿 + 𝐶
𝑓𝑚
Dengan:
Med = median
L = Class boundry bawah dari kelas yang mengandung median
C = Class Interval
32
J = selisih antara letak median dengan frekuensi kumulatif pada kelas
sebelum terdapat median
fm = frekuensi pada kelas yang terdapat median
Modus
Contoh :
Seandainya kita mengahadapi kumpulan data yang terkelompok sebagai berikut :
3,4,7,4,5,4,5,4,5,12,3
Dan kita diminta untuk menentukan modusnya.
Penyelesaian:
Langkah pertama kita susun data tersebut maka didapatkan:
3,3,4,4,4,4,5,5,7,12
Sehingga dengan mudah kita dapat menentukan frekuensi data tersebut, yaitu
X 3 4 5 7 12
F 2 4 2 1 1
Dengan demikian modusnya adalah nilai 4, yaitu nilai yang paling banyak muncul
atau yang memiliki frekuensi paling banyak.
b.Data berkelompok
Apabila data telah dikelompokkan, dalam arti telah disajikan dalam bentuk
distribusi frekuensi, maka dengan mudah anda dapat melihat kelas mana yang
33
memiliki frekuensi paling besar. Nilai modus tersebut itu perlu ditentukan/dicari
dengan menggunakan rumus sebagai berikut :
(𝑓1 )0
𝑀𝑜𝑑 = 𝐿𝑜 + 𝐶 { }
(𝑓1 )0 +(𝑓2 )0
Keterangan :
Lo = batas kelas bawah untuk kelas dimana median berada
C = interval kelas
(f1)0 = selisih frekuensi kelas yang memuat modus dengan frekuensi kelas
sebelummnya(bawahnya)
(f2)0 = selisih frekuensi kelas yang memuat modus dengan frekuensi kelas
sesudahnya (atasnya)
Contoh:
Dari data yang disajikan dengan tabel frekuensi dibawah ini carilah modusnya:
Nilai f
60 – 4
62
63 – 10
65
66 – 17
68
69 – 9
71
72 - 74 5
total 45
Jawab :
Nilai f
60 – 4
62
63 – 10 (𝑓1 )0 = 17 − 10 = 7
65 (𝑓1 )0 = 17 − 10 = 7
66 – 17
34
68
69 – 9
71
72 - 74 5
total 45
1.Pada distribusi normal (kurva berbentuk simetris) maka letak rata-rata, median,
dan modus adalah sama atau 𝑋 = 𝑀𝑜𝑑 = 𝑀𝑒𝑑
2.Kalau kurva menceng ke kanan, maka nilai rata-rata adalah paling besar, diikuti
dengan median, kemudian modus atau X > 𝑀𝑜𝑑 > 𝑀𝑒𝑑
35
Gambar 4-2 kurva mencenceng ke kanan
3.Kalau kurva menceng ke kiri, maka nilai rata-rata adalah yang paling kecil, diikuti
dengan median, kemudian modus atau X < 𝑀𝑜𝑑 < 𝑀𝑒𝑑
1. Ukuran Penyebaran
a. Kuartil
Kuartil adalah nilai nilai yang membagi data dalam 4 bagian yang sama. Ada 3
kuartil yaitu kuartil pertama, kuartil kedua, kuartil ketiga.
i. Mencari Kuartil untuk data yang tidak dikelompokan
Letak kuartil dapat dicari dengan cara sebagai berikut:
𝑛+1
Kuartil ke 1 pada bilangan ke 4
2(𝑛+1)
Kuartil ke 2 pada bilangan ke ….. sama dengan letak median
4
3(𝑛+1)
Kuartil ke 3 pada bilangan ke 4
Sebagai contoh misalnya ada kelompok data yang besarnya sebagai
berikut:
22, 24, 24, 25, 26, 27, 27, 28, 29, 30, 31
11+1
Jumlah data ada 11, sehingga letak kuartil 1 pada bilangan 4
=
bilangan ke 3. Bilangan ke 3 besarnya 24, sehingga kuartil 1 adalah 24.
36
2(11+1)
Kuartil ke 2 sama dengan median, letak pada bilanga ke =
4
bilangan ke 6, besar kuartil ke 2= 27. Letak kuaril ke 3 pada bilangan
3(11+1)
ke =bilangan ke 9. Besarnya kuartil ke 3= 29.
4
𝑗1
Kuartil ke 1 =𝐿𝐾1 + 𝑐 𝑓𝑘1
Kuartil ke 2 sama dengan median.
𝑗3
Kuartil ke 3 =𝐿𝐾3 + 𝑐 𝑓𝑘3
Dengan:
𝐿𝑘1 = 𝐶𝑙𝑎𝑠𝑠 𝑏𝑜𝑢𝑛𝑑𝑎𝑟𝑦 𝑏𝑎𝑤𝑎ℎ 𝑑𝑎𝑟𝑖 𝑘𝑒𝑙𝑎𝑠 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡𝑛𝑦𝑎 𝑘𝑢𝑎𝑟𝑡𝑖𝑙 𝑘𝑒 1
𝐿𝑘3 = 𝐶𝑙𝑎𝑠𝑠 𝑏𝑜𝑢𝑛𝑑𝑎𝑟𝑦 𝑏𝑎𝑤𝑎ℎ 𝑑𝑎𝑟𝑖 𝑘𝑒𝑙𝑎𝑠 𝑡𝑒𝑟𝑑𝑎𝑝𝑎𝑡𝑛𝑦𝑎 𝑘𝑢𝑎𝑟𝑡𝑖𝑙 𝑘𝑒 3
37
BAB III PENUTUP
KESIMPULAN
38
DAFTAR PUSTAKA
Iqbal Muhammad, Ir, M.M. 2005. Pokok-pokok Materi Statistik 1. Jakarta:PT Bumu
Aksara.
Subagyo Pangestu, Drs, MBA. 1988. Statistik Deskriptif. Yogyakarta. BPFE:
Yogyakarta.
Nur Indah Melia. 2010. Statistik Deskriptif & Induktif. Jakarta:Graha Ilmu.
Siregar Syofian, Ir, M.M. 2011, Statistik Deskriptif Untuk Penelitian. Jakarta:PT
Rajagrafindo Persada
39