MAKALAH STATISTIKA

Statistika Deskriptif

Disusun Oleh:

(Kelompok 1):

1. Juliana Andari (16306141002)

2. Rizal Alfiandy (16306141009)
3. Ridho Utami (16306141025)
4. Fitri Fajarningrum (16306141027)
5. Dheolivian Arista P (16306141029)

Jurusan Pendidikan Fisika

Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Negeri Yogyakarta

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:

1. Dr. Drs. Edi Istiyono, M.Si. selaku dosen pembimbing statistika.

2. Berbagai pihak yang membantu dalam penyusunan makalah ini.

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.

Yogyakarta, 16 Februari 2017

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.

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.

Penggunaan istilah “statitiska” berakar dari istilah dalam bahasa latin modern
“statisticum collegium” (“dewan Negara”) dan bahasa ilatia “statista” (“negarawan”
atau “politikus”).

Gottfried Achenwell (1749) menggunakan Statitiska dalam bahasa

Jermanuntuk pertama kalinya sebagai nama bagian kegiatan analisis data
kenegaraan,dengan mengartikannya sebagai “ilmu tentang Negara (state)”. Pada awal
abad ke-19 telah terjadi pengeseran arti menjadi “ilmu mengenai pengumpulan dan
klarifikasi data”. Sir John Sinclair memperkenalkan nama (statistics) dan pengertian
ini kedalam bahasa Inggris. Jadi, statitiska secara prinsip mula-mula hanya mengurus
data yang dipakai lembaga-lembaga administratif dan pemerintahan. Pengumpulan
data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur untuk
memberi informasi kependudukan yang berubah setiap saat.

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:

1. Menurut Webster’s New Cllegiate Dictionary statitiska di definisikan sebagai “cabang

matematika yang berkaitan dengan pengumpulan , analisis, interpretasi, dan penyajian
dari sejumlah data numeric”.
2. Kendal dan Stuart (1977) mengatakan: “Statitiska addalah cabang dari metode ilmiah
yang berhubungan dengan pengumpulan data yang dikumpulkan dengan mencacah
atau mengukur sifat-sifat dari populasi.”
3. Asher (1958), mengomentari percobaan dan aplikasi statitiska, mengatakan bahwa
“statitiska berhubungan dengan metode untuk menarik kesimpulan dari hasil
percobaan atau proses.”
4. Freund dan Walpole (1987) melihat statitiska sebagai pengarahan “sains pengambilan
keputusan di dalam ketidakpastian.”
5. Mood, Graybill dan Boes (1974) mendefinisikan statitiska sebagai “teknologi dari
metode ilmiah” dan menambahkan bahwa statitiska berhubungan dengan : “(1)
rancangan percobaan dan penyelidikan, (2) penarikan kesimpulan statitistik.”
6. Mendenhall bk: Mendenhall79 mendefinisikan statitiska sebagai suatu “bidang sains
yang berkaitan dengan ekstraksi informasi dari data numeric dan menggunakan untuk
membuat keputusantentang populasi dari mana data tersebut diperoleh

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.

Meilia Nur Indah Susanti(2010), hal 1-3

5
II. Peranan

a. Dalam kehidupan sehari-hari

Dalam kehidupan sehari-hari statistik berperan sebagai penyedia keterangan berbagai

hal untuk diolah dan ditafsirkan. Contohnya data angka kenakalan remaja, tingkat
biaya hidup, tingkat pendapatan, dll.

b. Dalam penelitian ilmiah

Dalam penelitian ilmiah statistik berperan sebagai penyedia alat untuk
mengemukakan atau menemukan kembali keterangan dalam angka-angka statistik.
c. Dalam ilmu pengetahuan
Dalam ilmu pengetahuan, statistik berperan sebagai peralatan analisis dan interpretasi
dari data kuantitatif ilmu pengetahuan, sehingga didapat kesimpulan dari data.
d. Menjelaskan hubungan antara variabel-variabel
Dengan statistik, kita dapat menjelaskan variabel atau peubah yang merupakan
sesuatu yang nilainya tidak tetap, seperti harga, produksi, hasil penjualan, dll.
Misalnya, hubungan antara permintaan produk dengan tingkat pendapatan. Analisis
korelasi dan regresi mampu memberikan jawaban yang terbaik.
e. Membuat rencana dan ramalan
Rencana dan ramalan merupakan dua hal yang diperlukan dalam pelaksanaan sesuatu,
sehingga dengan adanya statistik rencana dan ramalan dapat dibuat sebaik mungkin.
Misalnya, rencana pembuatan perumahan untuk lima tahun mendatang dari suatu
pemerintahan kota yang dipengaruhi oleh jumlah penduduk dan tingkat pendapatan
masyarakat. Analisis data berkala mampu memberikan jawaban terbaik.
f. Mengatasi berbagai perubahan
Perubahan-perubahan yang terjadi dalam suatupengambilan keputusan tidak mungkin
dapat diabaikan atau dihindarkan, supaya pihak-pihak lain tidak ada yang dirugikan.
Dengan statistik, perubahan-perubahan yang terjadi dapat diantisipasi sedini mungkin.
Misalnya, ketua serikat buruh ingin mengadakan perjanjian dengan pimpinan sebuah
perusahaan. Agar upah riil tidak mengalami perubahan dan buruh tidak dirugikan,
maka ketua serikat buruh perlu statistik untuk memperhatikan perkembangan indeks
harga yang menyangkut perubahan seluruh harga barang selama periode.

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

Berdasarkan peranan dan perlunya mempelajari statistik, dapat disusun beberapa

fungsi statistik dalam kehidupan sehari-hari, antara lain:

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)

III. Pembagian statistika

Statistik dapat dibagi atas beberapa macam yang didasarkan atas kriteria
tertentu, seperti cara pengolahan data, ruang lingkup penggunaan atau disiplin ilmu
dan parameternya.

1. Pembagian statistik berdasarkan cara pengolahan data

a. Statistik deskriptif
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik yang memelajari
cara pengumpulan dan penyajian data sehingga mudah dipahami. Statistik deskriptif
berfungsi menerangkan keadaan, gejala, atau persoalan.
Contoh pernyataan yang termasuk dalam cakupan statistik deskriptif:

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.

Penarikan kesimpulan pada statistik deskriptif mencakup hal berikut:

1. Distribusi frekuensi beserta bagian-bagiannya

a. Grafik distribusi (histogram, poligon frekuensi, dan ogif).
b. Ukuran nilai pusat (rata-rata, median, modus, kuartil, dll).
c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan
baku, dll).
2. Angka indeks
a. Time series/ deret waktu atau data berkala
b. Korelasi dan regresi sederhana
b. Statistik inferensi

Statistik inferensi atau statistik induktif adalah bagian dari statistik

yang mempelajari penafsiran dan penarikan kesimpulan yang berlaku secara
umum. Statistik inferensi berhubungan dengan pendugaan populasi dan
pengujian hipotesis dari suatu data atau keadaan. Contoh cakupan dalam
statistik inferensi antara lain:

 Akibat penurunan produksi minyak oleh negara-negara penghasil

minyak dunia, diramalkan harga minyak akan menjadi dua kali lipat
pada tahun-tahun yang akan datang.
 Dengan mengasumsikan bahwa kerusakan tanaman kopi jenis arabica
kurang dari 30% akibat musim dingin yang lalu maka harga kopi jenis
tersebut di akhir tahun nanti tidak akan lebih dari 50 sen per satu
kilogramnya.

Penarikan kesimpulan pada statistik inferensi ini merupakan generalisasi dari

suatu populasi berdasarkan data (sampel) yang ada. Cakupan statistik inferensi
antara lain:

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

Diagram alur statistik deskriptif dan inferensi serta hubungannya

START

Pengumpulan data kuantitatif

Pengolahan, penyederhanaan, dan

penataan data kuantitatif

Penyajian data yang telah

disederhanakan

Data Penggunaan data sampel

sampel Ya guna menaksir parameter
? atau menguji asumsi
parameter populasi
Bukan

Penggunaan data sensus (populasi) Penarikan kesimpulan tentang

untuk analisis karakteristik karakteristik populasi (parameter)
(parameter) populasi yang telah yang tengah diselidiki
diselidiki

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.

b. Data kuanlitatif dan data kualitatif

Data kuantitatif merupakan data yang dinyatakan dengan menggunakan satuan
angka, sedang datakualitatif adalah data yang tidak dinyatakan dalam satuan angka,
melainkan dinyatakan dalam kategori, golongan atau sifat daari data tersebut.

c. Data diskrit dan data kontinyus

Data diskrit merupakan data yang satuannya selalu bulat dalam bilangan asli,
tidak berbentuk pecahan, contohnya manusia, apel, pohon, bola dll, sedangkan data
kontinyus merupakan data yang satuannya bisa dalam pecahan misalnya minya ½
liter.

Pembagian Data

Data bisa dibagi menjadi beberapa macam sesuai dengan dasar pembagiannya

a. Data Intern dan Data Ekstern

Menurut sumber, penggunaan dan maksud dikumpulkannya, data dapat dibagi
menjadi data intern dan data ektern. Data intern adalah data yang dikumpulkan oleh
suatu badan mengenai kegiatan badan itu dan hasinya digunakan demi kepentingan
badan itu pula. Sedang yang dimaksud dengan data ekstern adalah data yang terdapat
di luar badan yang memerlukannya, misalnya besar income konsumen bagi
perusahaan pakaian jadi. Data ekstern dapat dibagi menjadi dua macam, yakni 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. Badan yang memerlukan data itu tinggal
memeroleh saja dari lembaga yang mengumpulkannya. Sedangkan yang disebut
sebagai data ektern sekunder adalah data yang dilaporkan oleh suatu badan tetapi
badan itu tidak mengumpulkannya sendiri melainkan diperoleh dari pihak lain,
sedang badan yang menggunakannya adalah badan lain bukan yang menerbitkan dan
bukan yang mengumpulkan. Dipandang dari badan yang memerlukan, data itu
disebut sebagai data ektern sekunder.
Data Ektern Sekunder

Badan pengumpulan Badan Badan yang

data penerbitan memerlukan
data

Data Kuantitatif dan Data Kualitatif

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.

Beberapa Konsep Dasar

Populasi dan Sampel

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.

Kebaikan penggunaan sampel di dalam penelitian antara lain:

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.

Sensus dan Sampling

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

Pengumpulan data ektern dan

intern yang siap sedia dan
relevan bagi permasalahan yang
diteliti

Data yang Pengumpulan data asli dengan

tersedia tidak menggunakan wawancara atau
cukup? mengirimkan kuesioner
Ya

Klasifikasi, penyederhanaan, pengolahan,

dan penataan data dengan menggunkan
tabel, grafik, dan berbagai ukuran
deskriptif

Penyajian data yang telah disederhanakan

dan ditata dalam bentuk tabel, grafik, dan
berbagai ukuran deskriptif

Pergunakan data sampel untuk :

Data
Ya (i) Menaksir parameter
sampel
(ii) Menguji asumsi mengenai
parameter

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)

Bagian-bagian distribusi frekuensi

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.

3. Tepi kelas (class boundary/ real limits/ true class limits)

Tepi kelas disebut juga batas nyata kelas, yaitu batas kelas yang tidak
memiliki lubang untuk angka tertentu antara kelas yang satu dengan kelas yang
lain. Terdapat dua tepi kelas yaitu:
a. Tepi bawah kelas atau batas kelas bawah sebenarnya
b. Tepi atas kelas atau batas kelas atas sebenarnya

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:

1. Banyaknya kelas adalah 5.

2. Banyaknya kelas-kelas ada;ah 50,59 60, 69, ...
3. Banyaknya bawah kelas-kelas adalah 50, 60, 70, 80, 90.
4. Batas atas kelas-kelas adalah 59, 69, 79, 89, 99.
5. Batas nyata kelas-kelas adalah 49,5; 59,5; 69,5; 79,5; 89,5; 99,5.
6. Tepi bawah kelas-kelas adalah 49,5; 59,5; 69,5; 79,5; 89,5.
7. Tepi atas kelas-kelas adalah 59,5; 69,5; 79,5; 89,5; 99,5.
8. Titik tengah kelas-kelas adalah 54,5; 64,5; 74,5; 84,5;...
9. Interval kelas-kelas adalah 50-59, 60-69, ..., 90-99.
10. Panjang interval kelas-kelas masing-masing 10.
11. Frekuensi kelas-kelas adalah 16, 32, 20, 17, dan 15.

16
 ( Ir. M. Iqbal Hasan, M.M (2005):41-43)

Penyusunan Distribusi Frekuensi

Distribusi frekuensi dapat dibuat dengan mengikuti pedoman berikut

1. Mengurutkan data dari yang terkecil ke yang terbesar.

2. Menentukan jangkauan (range) dari data.
Jangkauan = data terbesar – data terkecil
3. Menentukan banyaknya kelas (k).
Banyaknya kelas ditentukan dengan rumus sturgess
k= bilangan bulat
k= 1 + 3,3 log n;

Keterangan:

k= banyaknya kelas

n= banyaknya data

4. Menentukan panjang interval kelas

jangkauan (R)
Panjang interval kelas (i) =𝑏𝑎𝑛𝑦𝑎𝑘𝑛𝑦𝑎 𝑘𝑒𝑙𝑎𝑠 (𝑘)

5. Menentukan batas bawah kelas pertama

Batas bawah kelas pertama biasanya dipilih dari data terkecil atau data terkecil yang
berasal dari pelebaran jangkauan (data yang lebih kecil dari data terkecil) dan
selisihnya harus kurang dari panjang interval kelasnya.
6. Menuliskan frekuensi kelas secara melidi dalam kolomturus atau tally (sistem turus)
sesuai banyaknya data.
( Ir. M. Iqbal Hasan, M.M (2005):43-44)

Histogram dan Poligon Frekuensi

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.

Pada histogram batang, batang-batangnya saling melekat dan berhimpitan, sedang

poligon frekuensi dibuat dengan cara menarik garis dari satu titik tengah batang

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 :

Distribusi frekuensi hasil pengukuran tinggi badan 50 siswa.

Interval kelas Turus Frekuensi Tepi interval Titik

tinggi(cm)) (banyak murid) kelas tengah
140-144 II 2 139,5-144,5 142
145-149 IIII 4 144,5-149,5 147
150-154 IIII IIII 10 149,5-154,5 152
155-159 IIII IIII IIII 14 154,5-159,5 157
160-164 IIII IIII II 12 159,5-164,5 162
165-169 IIII 5 164,5-169,5 167
170-174 III 3 169,5-174,5 172
∑f = 50
a. Histogram

Histogram tinggi badan 50 siswa

16
14
banyak murid

12
(frekuensi)

10
8
6
4
2
0 Series1

tinggi badan
(teoi kelas)

18
 b. Poligon frekuensi

( Ir. M. Iqbal Hasan, M.M (2005):47-48)

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

Simetris (bentuk lonceng) Condong ke kanan Condong ke kiri

Bentuk J Bentuk J terbalik Bentuk U

Bentuk Bimodal Bentuk multimodal Bentuk Uniform

( Ir. M. Iqbal Hasan, M.M (2005):49-50)

Jenis-jenis Distribusi Frekuensi

1. Distribusi Frekuensi Biasa

Distribusi frekuensi biasa adalah distribusi frekuensi yang hanya berisikan jumlah
frekuensi dari setiap kelompok data atau kelas.
Ada dua jenis distribusi frekuensi biasa, yaitu distribusi frekuensi numerik dan
distribusi frekuensi peristiwa atau kategori.

a. Distribusi frekuensi numerik

Distribusi frekuensi numeri adalah distribusi frekuensi yang pembagian kelasnya
dinyatakan dalam angka.
Contoh:

20
Pelamar Perusahaan X
Umur (tahun) Frekuensi
20-24 15
25-29 20
30-34 9
35-39 4
40-44 2
Jumlah 50

b. Distribusi frekuensi peristiwa atau kategori

Distribusi frekuensi peristiwa atau kategori adalah distribusi frekuensi yang
pembagian kelasnya dinyatakan berdasarkan data atau golongan data yang ada.
Contoh:
Hasil Pelemparan dadu sebanyak 30 kali
Angka dadu (X) Banyak peristiwa (f)
1 4
2 6
3 5
4 3
5 8
6 4
Jumlah 30

2. Distribusi Frekuensi Relatif

Distribusi frekuensi relatif adalah distribusi frekuensi yang berisikan nilai-nilai hasil
bagi antara frekuensi kelas dan jumlah pengamatan yang terkandung dalam kumpulan
data yang berdistribusi tertentu. Rumus distribusi frekuensi relatif
𝑓𝑖
frelatif = 𝑥100, 𝑖 = 1,2,3, …
∑𝑓
Misalkan distribusi frekuensi memiliki k buah interval kelas dengan frekuensi
masing-masing f1, f2,..., fk maka distribusi yang terbentuk adalah

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

Contoh distribusi frekuensi relatif

Frekuensi Relatif
Interval kelas Frekuensi Perbandingan Desimal Persen
(tinggi(cm)) (Banyak
murid)
140-144 2 2 0,04 4
50
145-149 4 4 0,08 8
50
150-154 10 10 0,20 20
50
155-159 14 14 0,28 28
50
160-164 12 12 0,24 24
50
165-169 5 5 0,10 10
50
170-174 3 3 0,06 6
50
Jumlah 50 1 1 100
3. Distribusi Frekuensi Kumulatif
Distribusi Frekuensi Kumulatif adalah distribusi frekuensi yang berisikan frekuensi
kumulatif. Frekuensi kumulatif adalah frekuensi yang dijumlahkan. Distribusi
frekuensi kumulatif memiliki grafik atau kurva yang disebut ogif. Pada ogif

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

Tabel distribusi frekuensi kumulatif lebih dari

Distribusi Frekuensi Biasa Distribusi Frekuensi Kumulatif Kurang Dari

Tinggi (cm) Frekuensi Tinggi (cm) Frekuensi Kumulatif
140-144 2 Lebih dari 140 = 50
145-149 4 Lebih dari 145 50-2 = 48
150-154 10 Lebih dari 150 50-2-4 = 44
155-159 14 Lebih dari 155 50-2-4-10 = 34
160-164 12 Lebih dari 160 50-2-4-10-14 = 20
165-169 5 Lebih dari 165 50-2-4-10-14-12 = 8
170-174 3 Lebih dari 170 50-2-4-10-14-12-5 = 3
Lebih dari 175 50-2-4-10-14-12-5-3 = 0

Grafik distribusi frekuensi kumulatif lebih dari

24
 B

50

40
frekuensi kumulatif

30

20

10

135 140 145 150 155 160 165 170 175 180
tinggi (cm)

( Ir. M. Iqbal Hasan, M.M (2005):50-54)

C. Ukuran Penyebaran dan Pemusatan

1. Ukuran Pemusatan (Cantral Tendency)
Tujuan dalam pengukuran pusat adalah untuk menerangkan secara akurat
tentang skor/penilaian suatu objek yang sedang diteliti, baik secara individu maupun
kelompok, melalui ukuran tunggal. Ukuran pemusatan adalah ukuran statistic yang
menyatakan bahwa satu nilai (nilai tunggal) yang dapat mewakili keseluruhan
distribusi nilai yang sedang diteliti. Dengan demikian maka ukuran merupakan
penyederhanaan data untuk mempermudah peneliti membuat interpretasi dan
mengambil suatu keputusan.

Ada 3 cara untuk mengatur ukuran pemusatan, yaitu :

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).

Dalam kehidupan sehari-hari yang lebih banyak dikenal yang sebenarnya

adalah rata-rata hitung. Misalnya gaji/upah karyawan perusahaan swasta perbulan,
rata-rata produksi beras per tahun, dll.

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 :

Table 4.1 Hasil ujian Hipotesis Risa dan Melvin

Hasil Ujian Risa Hasil Ujian Melvin

Mata Kuliah
(X) (Y)
Statistic 87 77
Matematika 79 65
Fisika 68 56
Bahasa Inggris 88 67
Kalkulus 78 65
Jumlah 440 330
440 330
Rata-rata = 88 = 66
5 5
Dari nilai rata-rata tersebut dapat disimpulkan bahwa Risa lebih pandai dari Melvin

1. Rata-rata hitung (data tidak berkelompok)

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 :

1.“Mataram raya Group” adalah sebuah perusahaan dibidang industry perdagangan

eceran. Dewasa ini perusahaan tersebut memiliki 20 buah supermarket yang
tersebardi beberapa kota besar. Tujuh diantaranya tersadapat dikota Jakarta. Selama
bulan Desember 1993 ketujuh supermarket tersebut masing-masing mencapai omset
sebesar :
Omset penjualan 7 supermarket “Mataram Raya” selama bulan Februari 2001

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

Hitunglah rata-rata dari data tersebut.

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

𝑋 = Hasil penjualan selama 10 tahun dalam jutaan rupiah

𝑋1 = 67 (hasil penjumalah tahun pertama)
𝑋2 = 75 (hasil penjumalah tahun ke dua)
𝑋3 = 50 (hasil penjumalah tahun ke tiga)
𝑋4 = 84 (hasil penjumalah tahun ke empat)
𝑋5 = 0 (hasil penjumalah tahun ke lima)
𝑋6 = 75 (hasil penjumalah tahun ke enam)
𝑋7 = 45 (hasil penjumalah tahun ke tujuh)
𝑋8 = 34 (hasil penjumalah tahun ke delapan)
𝑋9 = 100 (hasil penjumalah tahun ke sembilan)
𝑋10 = 40 (hasil penjumalah tahun ke sepuluh)

( Angka-angka yang digaris bawahi merupakan sempel )

a. Hitung rata-rata hasil penjualan sebenarnya!
b.Ambil sebanyak n=5, misalnya setelah diambil sempelnya diperoleh:
𝑋2 , 𝑋4 , 𝑋5 , 𝑋8 , 𝑋10. Hitung rata-rata perkiraan hasil penjualan per tahun!

Jawab:

a) Rata-ratanya
𝑁
1 1
µ = ∑ 𝑋𝑖 = (660) = 66
𝑁 10
𝑖=1

jadi rata-rata hasil pejualan per tahun adalah Rp. 66 juta

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

Atau dapat dihitung dengan

1
log 𝑈 = 3 (log 3 + log 9 + log 27)
1 1
= 3 (0.4771 + 0,9542 + 1,4313 = 3 (2.8626)

U = antilog 0,9542 = 8,99

(Meilia Nur Indah Susanti(2010), hal 73-88)

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

4. Rata rata tertimbang

Merupakan rata-rata yang mempertimbangkan tingkat penting atau tidaknya
macam hal yang dirata-rata. Biasanya rata-rata terimbang digunakan adalah
kuantitasnya.
Contoh :
Suatu took menjual beras kualitas I 400 kg dengan harga @ Rp 255,00; beras
kualitas II 300 kg dengan harga @ Rp 200,00 dan beras kualitas III 200 kg
dengan harga @ Rp 175,00. Rata-rata harga beras tiap kg bukannya (Rp 255,00
+ Rp 200,00 + Rp 175,00) :3 = Rp 200,00 tetapi
𝑟𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑡𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔
(400 𝑥 Rp 255,00) + (300 𝑥 Rp 200,00) + (200 𝑥 Rp175,00)
=
(400 + 300 + 200)
Rp 185.000,00
= 900

= Rp 205,56

Median

Median merupakan skor yang membagi distribusi frekuensi menjaddi 2 sama

besar (50% sekelompok objek yang ditelitinya terletak di bawah median dan 50%
sekelompok objek yang ditelitinya terletak atas median)

Penentuan nilai median akan dibedakan atas 2 kelompok data,yaitu :

1. Data yang tidak berkelompok

Pengertiannya adalah sama dengan pengertian data yang tidak
dikelompokkan pada saat pembahasan mean. Yaitu data yang belum
mengalami penyederhanaan atau dengan kata lain belum dibuat dalam
bentuk distribusi frekuensi. Dengan demikian maka data masih dalam
bentuk data acak-acakan atau data dasar.

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

2. Data yang dikelompokan

Berhubung median itu merupakan nilai yang letaknya di tengah maka dalam
data yang dikelompokan letak median itu dapat ditunjukan dengan
menentukan dulu letak median dengan rumus n/2 (tidak sama dengan letak
median pada data yang tidak dikelompokan). Kemudian dihitung frekuensi
kumulatifnya. Setelah itu besarnya median dapat dicari dengan rumus

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

Modus adalah sesuatu yang paling banyak didapatkan/dijumpai.

Sesuatutersebut dapatberupa nilai untuk data kuantitatif dan dapat pula berupa
kejadian untuk data kualitatif. Jika nilai muncul itu hanya ada satu macam saja,
maka modus tersebut dinamakan unimodus. Dan jika nilai yang muncul ada dua
macam atau lebih, maka disebut bimodus. Modus dikelompokan menjadi 2
kelompok yaitu:

a. Data belum kelompok

Langkah pertama menyusunn data dari nilai terkecil hingga yang terbesar sehingga
nilai-nilai yang sama akan saling berdekatan. Langkah kedua adalah perhitungan
frekuensi masing-massing nilai.

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

Dari tabel di atas ditemukan:

Lo=65,5 ; C=3 ; (𝑓1 )0 = 7 ; (𝑓2 )0 = 8
Sehingga apabila kita gunakan rumus didapatkan
(𝑓1 )0
𝑀𝑜𝑑 = 𝐿𝑜 + 𝐶 { }
(𝑓1 )0 + (𝑓2 )0
7
𝑀𝑜𝑑 = 65,5 + 3 { } = 66,9
7+8

Hubungan antara rata-rata, median, dan modus

1.Pada distribusi normal (kurva berbentuk simetris) maka letak rata-rata, median,
dan modus adalah sama atau 𝑋 = 𝑀𝑜𝑑 = 𝑀𝑒𝑑

Gambar 4-1 kurva simetris

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

Gambar 4-2 kurva mencenceng ke kiri

(Meilia Nur Indah Susanti(2010), hal 88-102)

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

ii. Mencari Kuartil untuk data yang dikelompokan

𝑛 2𝑛
Kuartil ke 1 terletak pada bilangan 4 kuartil ke 2 yaitu 4 dan kuartil
3𝑛
ke 3 4
Menghitung besarnya kuartil dapat digunakan rumus sebagai berikut:

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

J1= selisih antara letak kuartil ke 1 dengan frekuensi komulatif pada

kelas sebelum kelas terdapatnya kuartil ke 1
J3= selisih antara letak kuartil ke 3 dengan frekuensi komulatif pada
kelas sebelum kelas terdapatnya kuartil ke 3.
𝑓𝑘1 =adalah frekuensi pada kelas terdapatnya kuartil ke 1
𝑓𝑘3 =adalah frekuensi pada kelas terdapatnya kuartil ke 3

(Drs. Pangestu Subagyo, MBA(1988): 44-45)

b. Desil dan Persentil

Desil adalah bilangan yang membagi data menjadi 10 bagian yang sama.
Sedangkan persentil adalah bilangan yang membagi data menjadi 100
bagian yang sama. Dalam sekelompok data ada 9 desil dan 99 persentil.
Cara mencari desak dan persentil sama dengan cara mencari median dan
kuartil, yang berbeda hanya letaknya saja. (Subagyo Pangestu(1988)Hal
46)
Rumus desil:
𝑖(𝑛+1)
Di=nilai yang ke , i= 1,2,3…9
10
Rumus persentil:
𝑖(𝑛 + 1)
𝑃𝑖 = 𝑖 = 1,2,3, … 100
100

37
 BAB III PENUTUP

KESIMPULAN

 Statistika deskriptif adalah bagian statistik mengenai pengumpulan data, penyajian,

penentuan nilai nilai statistik, pembuatan diagram atau gambar mengenai sesuatu hal.
Statistika berfungsi dan berperan dalam menyediakan data untuk diolah dan
diinterpretasikan, alat quality control, dan sebagai pemecah masalah dan pembuatan
keputusan.
 Statistika dibagi berdasarkan cara pengolahan data (deskrikptif dan inferensi),
berdasarkan ruang lingkup penggunaannya (ekonomi, sosial, pendidikan, dll), serta
berdasarkan bentuk parameternya (parametrik dan nonparametrik). Adapun
metodologi statistika adalah identifikasi masalah, pengumpulan data, klasifikasi,
penyajian, dan menganalisis data.
 Distribusi frekuensi adalah susunan data menurut kelas-kelas tertentu. Bagian
penyusunannya adalah kelas-kelas, batas kelas, tepi kelas, titik tengah kelas, interval
kelas, panjang kelas, dan frekuensi kelas. Grafik yang digunakan dalam distribusi
frekuensi adalah histogram dan poligon.
 Ukuran penyebaran data adalah ukuran yang menunjukkan seberapa jauh data suatu
menyebar dari rata-ratanya. Tujuannya adalah untuk menerangkan secara akurat
tentang skor/penilaian suatu objek yang sedang diteliti, baik secara individu maupun
kelompok, melalui ukuran tunggal. Ukuran pemusatan dapat diatur dengan 3 cara
antara lain dengan metode rata-rata, median, dan modus. Adapun ukuran penyebaran
adalah kuartil, desil, dan presentil.

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