BAB I

PENDAHULUAN

1.1 Latar Belakang

Pendidikan merupan salah satu faktor utama dalam peningkatan kualitas Sumber Daya
Manusia (SDM) dalam suatu bangsa. Untuk itu, Indonesia menerapkan wajib sekolah 12 tahun
agar memiliki generasi penerus yang lebih baik dan untuk saat ini banyak lulusan wajib belajar
12 tahun yang memilih untuk melanjutkan pendidikan mereka ke jenjang yang lebih tinggi.
Pendidikan tinggi di Indonesia termasuk yang berkembang, hal itu ditunjukkan dengan jumlah
total perguruan tinggi di Indonesia yang cukup banyak yaitu sekitar 3000 perguruan tinggi.
Jumlah tersebut termasuk tak hanya Perguruan Tinggi Nergeri (PTN) tetapi juga Perguruan
Tinggi Swasta (PTS) yang tersebar di Indonesia.
Dilihat dari segi jumlahnya, Perguruan Tinggi Negeri meliliki jumlah yang lebih sedikit
dibandingkan Perguruan Tinggi Swasta. Hal ini menyebabkan Perguruan Tinggi Swasta memiliki
peran lebih besar dan posisi yang lebih strategis dalam pencapaian tujuan pendidikan secara
makro. Namun peran yang diemban Perguruan Tinggi Swasta masih kurang maksimal
dikarenakan tidak meratanya jumlah Perguruan Tinggi Swasta dan Perguruan tinggi Negeri pada
masing masing daerah. Oleh karena itu kami mengambil studi kasus tentang timpangnya
Perguruan Tinggi Swasta yang kemudian dijadikan bahan pada Praktikum SRK.
Pada praktikum kali ini telah diambil data secara sekunder dari Kementrian Pendidikan dan
Kebudayaan yang di kutip dari Publikasi Statistik indonesia mengenai “Jumlah PTS dibawah
Kemendikbud 2013/2014” yang kemudian diolah menggunakan sofware Minitab dan
perhitungan manual. Data yang diambil berupa jenis cross section. Dengan dilakukan pengolahan
data kali ini, selanjutnya data akan ditampilkan dalam bentuk penyajian data yang sesuai dengan
data tunggal maupun data berkelompok. Diharapkan dari data yang telah diolah tersebut, dapat
digunakan sebagai bahan pertimbangan dan evaluasi terhadap penyebaran Perguruan Tinggi
Swasta di Indonesia.

1.2 Batasan Praktikum

Batasan yang digunakan pada praktikum ini adalah:
1. Jumlah data yang digunakan lebih dari 30 data
2. Data yang digunakan merupakan data sekunder dan cross section
3. Data tidak bernilai nol

1.3 Tujuan Praktikum

Tujuan diselenggarakannya praktikum ini adalah:
1. Agar dapat memahami penghitungan dan pengolahan data studi kasus berdasarkan statistic
deskriptif baik secara manual maupun menggunakan software
2. Agar dapat memahami tentang penyajian data secara informatif
3. Agar mampu menganalisa dan menginterprentasikan data dari hasil penyajian data

1.4 Manfaat Praktikum

 Manfaat yang dapa diperoleh praktikan dalam praktikum ini adalah:
1. Mampu mengaplikasikan statistic deskriptif dalam menghadapi studi kasus yang terjadi di
kehidupan sehari-hari
2. Mampu memberikan informasi melalui penyajian data dari hasil pengolahan data studi kasus
yang ada di kehidupan sehari-hari.
3. Mampu menganalisa dan menginterpretasi data dari hasil penyajian data studi kasus dalam
kehidupan sehari-hari.

BAB II
TINJAUAN PUSTAKA

2.1 `Definisi Statistik dan Statistika

 Statistik adalah ukuran numerik yang menggambarkan beberapa karakteristik dari data
pengamatan (sampel). Statistik digunakan untuk menduga atau mengestimasi parameter yang
merupakan ukuran numerik (McClave, Benson & Sincich: 2014).
Statistika adalah ilmu yang mempelajari untuk mengumpulkan, mengorganisasi, meringkas,
menganalisa, dan menarik kesimpulan dari data (Bluman:2012).

2.2 Pembagian Jenis Data

Pada sub bab ini akan dijelaskan pembagian jenis data berdasarkan sifat data, skala
pengukuran data, sumber data, serta berdasarkan waktu pengumpulan data.

2.2.1 Berdasarkan Sifat Data

Gambar 2.1 Pembagian Data

Sumber: Bluman (2012:6)

1. Data Kualitatif
Data yang tidak dapat diukur berdasarkan skala numerik, hanya dapat diklasifikasikan
dalam beberapa kategori. Misalnya, seringkali kita memberi nilai numerik acak pada data
kualitatif untuk memudahkan memasukkan data ke komputer dan analisis. Tapi nilai numerik ini
hanya berupa kode, dimana angka-angka tidak dapat benar-benar ditambah, dikurang, dikali,
dibagi, dan diproses secara matematis lainnya (Bluman:2012).

2. Data Kuantitatif
Data berupa numerik dan dapat diurutkan atau diperingkat (Bluman:2012). Data Kuantitatif
dibagi lagi menjadi:
1. Variabel Diskrit
Dapat diberi nilai seperti 0,1,2,3 dan nilainya dapat dihitung (Bluman:2012).

2. Variabel Kontinyu
Dapat mengasumsikan jumlah nilai tak terbatas dalam sebuah interval antara dua spesifik
nilai. Dapat diperoleh dengan pengukuran dan termasuk pecahan dan desimal
(Bluman:2012)

2.2.2 Berdasarkan Skala Pengukuran Data

Berdasarkan skala pengukurannya, data dibagi menjadi empat, yaitu:
1. Data Nominal
Merupakan klasifikasi data dalam kategori yang saling terpisah (non overlapping) dimana
tidak menunjukan ranking atau urutan dalam data, meskipun dalam bentuk angka. Angka
pada data nominal hanyalah nilai acak yang dipilih untuk mewakilkan beberapa kategori
(McClave, Benson & Sincich:2014).
2. Data Ordinal
Merupakan klasifikasi data dalam kategori yang dapat diurutkan, meskipun tidak terlihat
perbedaan yang saksama antar urutan (Bluman:2012).
3. Data Interval
Merupakan pengukuran dengan adanya peringkat atau urutan data dan ada perbedaan
antar unit dalam pengukuran, serta tidak ada angka 0 yang berarti (Bluman:2012).
4. Data Rasio
Rasio merupakan pengukuran dengan proses pengukuran seperti karakteristik dalam
interval, namun angka nol disini mempunyai arti. Rasio akan benar-benar ada ketika
terdapat variabel yang sama diukur dengan dua angkota populasi yang berbeda
(Bluman:2012).

2.2.3 Berdasarkan Sumber Data

Berdasarkan sumbernya, data dibagi menjadi dua, yaitu:
1. Data internal merupakan data yang dikumpulkan oleh individu atau suatu organisasi (Weirs,
2008:112).
2. Data eksternal adalah data yang dikumpulkan oleh seseorang dari luar instansi atau
organisasi (Weirs, 2008:112).
Sedangkan untuk sumber pengambilannya, data dibagi lagi menjadi:
a. Data primer
Data primer adalah data yang diperoleh atau dikumpulkan oleh orang yang melakukan
penelitian atau yang bersangkutan yang memerlukannya (Hasan, 2001:33).
b. Data sekunder
Data sekunder adalah data yang diperoleh atau dikumpulkan dari sumber-sumber yang
telah ada (Hasan, 2001:33).

2.2.4 Berdasarkan Waktu Pengumpulan Data

Berdasarkan waktu pengumpulan data, data dibagi menjadi dua, yaitu:
1. Data time series adalah data yang dikumpulkan pada elemen yang sama untuk periode
waktu yang berbeda (Mann, 2012:13).
2. Data cross section adalah data yang dikumpulkan pada elemen yang berbeda pada poin
waktu yang sama atau periode waktu yang sama (Mann, 2012:13).

2.3 Statistik Deskriptif

Statistik deskriptif terdiri atas kumpulan, organisasi, ringkasan, dan presentasi data.
Ketika data telah terkumpul, maka harus diorganisasikan dan dirangkum, kemudian
dipresentasikan dalam penyajian data, seperti diagram, grafik, atau tabel (Bluman:2012). Dalam
statistik deskriptif terdapat beberapa ukuran, yaitu ukuran lokasi, ukuran variabilitas, ukuran
bentuk, serta cara penyajian data.

2.3.1 Ukuran Pemusatan

Ciri yang paling penting dari suatu data yaitu tendensi sentral, yang merupakan nilai pusat
distribusi. Secara umum nilai ini akan menunjukan nilai yang biasanya, representatif, atau yang
diharapkan. Karna berbedanya konotasi pemusatan, ukuran pemusatan ditentukan lebih
terperinci sesuai konsep dari kecenderungan pemusatannya ( KRIK, 2008 : 62 ).
1. Mean (rata-rata)
Rata-rata adalah penjumlahan dari nilai data dibagi dengan jumlah data. Sifat dari rata-rata,
antara lain: rata-rata ditemukan dengan menggunakan semua nilai dari data, rata-rata lebih
sedikit variasinya dari pada median atau modus ketika sampel diambil dari populasi yang
sama dan ketiga pengukuran ini digunakan dalam sampel, rata-rata digunakan untuk
menghitung perhitungan statistic yang lain, seperti variansi, dll (Bluman, 2012:116).
Berikut merupakan rumus dari rata-rata :
a. Rata-rata dari data tunggal:
∑ xi
μ= (2-1)
N
Sumber: Weirs (2008:91)
Rata-rata dari sampel:
∑ xi
x= (2-2)
n
Sumber: Weirs (2008:91)
Rata-rata dari data berkelompok:
∑ f i mi
μ=
N
(2-3)
Sumber: Weirs (2008:93)
Dimana: µ = rata-rata populasi ∑ = penjumlahan dari
X i= data ke I dari populasi fi = frekuensi kelas
N = nilai tengah kelas x = rata-rata sampel
2. Median
Median adalah bilangan yang terletak ditengah-tengah setelah bilanagan-bilangan itu

diurutkan. Sifat dari median antara lain: median digunakan untuk mencari nilai tengah suatu
gugus data, median lebih efektif daripada rata-rata ketika terdapat data ekstrim, dll
(Bluman,2012:16).
a. Data Tunggal

data ganjil=( N +1) 2 (2-4)

Sumber: Ross (2008:20)

data genap=12(( n2)+( n+12)) (2-5)

Sumber: Ross (2008:20)

b. Data kelompok

median=Bn 2−ffm−fi (2-6)

Sumber: Fauzy (2008:40)

Dimana:
� = kelas bawah dari interval dimana median terletak
� = jumlah nilai observasi(frekuensi total)
� = frekuensi kumulatif yang bersesuaian dengan B (sebelum nilai median)
��= frekuensi kumulatif yang bersesuaian dengan tepi kelas atas dari interval dimana median
dihitung
i = besarnya interval kelas

3. Modus
Nilai yang terjadi paling sering atau yang mempunyai frekuensi paling tinggi. Modus tidak
selalu ada, yang mana hal ini terjadi apabila semua pengamatan mempunyai frekuensi terjadi
yang sama (Walpole:1993). Rumus yang digunakan untuk menghitung modus data kelompok:

modus=Li+( Δ1 Δ1+ Δ 2)i (2-7)

Sumber: Fauzy (2008:45)
Dimana:
𝐿� = Batas bawah kelas modus
� = Interval
Δ1 = Selisih frekuensi modus dengan frekuensi sebelumnya
Δ2 = Selisih frekuensi modus dengan frekuensi setelahnya

4. Midrange
Nilai terendah ditambah nilai tertinggi dibagi dua. Sifat dari midrange antara lain: mudah
untuk diperhitungkan, memberikan hasil midpoint, sangat terpengaruh oleh nilai ekstrim dalam
data set (Bluman:2012). Berikut merupakan rumus dari midrange:

Midrange=(largest data value+ smallest data value): 2 (2-8)

Sumber: Vincent & Weir (2012:1) 7 5. Kuartil

2.3.2 Ukuran Variabilitas

Ukuran variabilitas atau ukuran keragaman data, adalah suatu ukuran yang menyatakan
seberapa besar nilai-nilai berbeda, bervariasi, menyimpang dengan nilai ukuran pusatnya,
(McClave, Benson & Sincich: 2014). Dalam ukuran variabilitas terdapat variansi, standar deviasi,
dan range.

1. Variansi

Variansi terlihat dalam kurtosis sebagai luas daerah penerimaan, karenanya satuan variansi
adalah kuadrat. Kuadrat ini muncul karena selisih masing-masing anggota data apabila
dihadapkan dengan meannya jika dijumlahkan akan selalu bernilai nol. (McClave, Benson, &
Sincich:2014 ). Berikut adalah rumus dari variansi:

Variansi data tunggal:

a. Variansi untuk popolasi

σ 2 =Σ ( xi−μ )2 : N (2-9)
Sumber: Vincent & Weirs (2012:92)

b. Variansi untuk sampel

2
s =Σ( xi−x )2 n−1 (2-10)
Sumber: Weirs (2008:92)

Variansi data berkelompok:

a. Variansi untuk populasi
 σ 2=Σ fimi 2−Nμ2 N (2-11)
Sumber: Weirs(2008:93)
b. Variansi untuk sampel

s 2=Σ fimi 2−nx 2 n−1 (2-12)

Sumber: Weirs (2008:92)

Dimana:
�2 = variansi populasi
𝑥� = nilai ke I
�2 = variansi sampel
n = jumlah data dalam sampel
�� = nilai tengah kelas i
� = rata-rata populasi
N = jumlah data dalam populasi
x = rata-rata sampel
�� = frekuensi kelas i

2. Standar deviasi
Standar deviasi menunjukkan seberapa jauh data tersebar dari rata-ratanya. Standar deviasi
merupakan akar dari variansi (McClave, Benson & Sincich: 2014).

Rumus standar deviasi untuk populasi:

σ =√ Σ( X−μ)2 N (2-13)
Sumber: Bluman (2012:127)

Rumus standar deviasi untuk sampel:

s=√ s 2=√ Σ (X−x ̅̅ )2 n−1 (2-14)

Sumber: Bluman (2012:128)

Dimana:
� = standar deviasi populasi � = standar deviasi sampel
� = rata-rata populasi 𝑥 = rata-rata sampel
� = jumlah data populasi � = jumlah data sampel

3. Range
Range atau dapat disebut kisaran kumpulan data kuantitatif. Kisaran ini mudah dihitung
dan dipahami, tapi merupakan variasi data yang agak tidak sensitif jika kumpulan datanya besar.
Ini karena dua kumpulan data bisa mempunyai kisaran yang sama dan sangat berbeda dalam
kaitannya dengan variasi data. (McClave, Benson & Sincich: 2014).
 Range=nilai maksimum−nilai minimum (2-15)
Sumber: Vincent & Weir (2008:91)

2.3.3 Ukuran Posisi

Ukuran posisi didesain untuk menyediakan analisis dengan berapa nilai kuantitatif,
beberapa lokasi dari data ditempatkan ( Walpole & Myers, 2012 : 11 ) menurut ( Mann 2012 :
110 ) Ukuran posisi menentukan letak dari suatu nilai terhadap nilai lainnya pada sampel atau
sekumpulan data yang ada.
1. Kuartil
Kuartil membagi nilai menjadi empat bagian yang sama, setiap bagian merupakan 25% dari
observasi (Weirs, 2008:70). Berikut merupakan rumus dari kuartil, antara lain:
a. Data Tunggal
Dilihat kuartil dari data tersebut,
(n+ 1)
Qi = i i= 1,2,3 (2-
4
16)
Sumber: J.Supranto (2000:114)
b. Data berkelompok
f1
∑ ¿o
Q1 = Lo + ¿ i= 1,2,3 (2-17)
1n
−¿
4
¿
Sumber: J.Supranto (2000:116)
f2
∑ ¿o
Q2 = Lo + ¿ (2-18)
2n
−¿
4
¿
Sumber: J.Supranto (2000:116)
f3
∑ ¿o
Q3 = Lo + ¿ (2-19)
3n
−¿
4
¿
Sumber: J.Supranto (2000:116)
Dengan:
 Lo = tepi bawah kelas kuartil ke-i n = jumlah frekuensi
C = panjang interval kelas fq = frekuensi kelas kuartil
fi
∑ ¿o = jumlah frekuensi semua kelas sebelum kelas yang mengandung desil
¿
2. Desil
Desil merupakan nilai yang membagi data menjadi 10 bagian yang sama, setiap desil
menemukan 10% observasi. Median merupakan 5th desil (Myers, 70).
3. Persentil
Persentil merupakan nilai yang membagi data menjadi seratus bagian yang sama, setiap
persentil menunjukkan 1% observasi. Median merupakan 50th persentil (Myers, 70).
Rumus persentil untuk data berkelompok :
10
P10 = Li +
( 100
N−f k
fpersentil 10 ) c (2-20)

Sumber: J.Supranto (2000:117)

Dengan:
Li = tepi bawah kelas persentil ke-i
N = jumlah frekuensi
C = panjang interval kelas
fk = frekuensi kelas persentil
fpersentil 10 = jumlah frekuensi semua kelas sebelum kelas yang
mengandung persentil
Rumus persentil untuk data tunggal :
i(n+1)
Pi=
100
(2-21)
Sumber: J.Supranto (2000:117)

2.3.4 Ukuran Bentuk

Ukuran bentuk digunakan untuk mengetahui bentuk distribusi dari data. Ukuran bentuk
terdiri atas:
1. Kurtosis
Kurtosis merupakan derajat puncak persebaran data (Sharma, halaman 186). Kurtosis
terdiri atas leptokurtis, platikurtis dan mesokurtis. Kurva frekuensi pada leptokurtis lebih
memuncak daripada kuurva normal. Pada platikurtis, kurva frekuensinya lebih landai dari kurva
normal dan sedangkan pada mesokurtis kurva frekuensi adalah kurva normal.
2. Skewness
 Menurut Bluman (2012:117), distribusi frekuensi dapat diasumsikan dengan beberapa
bentuk. Ada tiga bentuk penting, antara lain skewness positif, simetris, dan skewness negative.
Pada skewness positif, rata-rata terdapat pada kanan median dan modus terdapat pada kiri
median.

Gambar 2.2 Skewness positif

Sumber: Bluman (2012:117)

Pada distribusi simetris, nilai data didistribusikan pada kedua sisi rata-rata. Rata-rata,
median dan modus terletak pada senter distribusi.

Gambar 2.3 Simetris

Sumber: Bluman (2012:117)

Ketika sebagian besar data jatuh di kanan dari rata-rata dengan ekor ke kiri, distribusinya
dinamakan skewness negatif atau skewness kiri. Pada distribusi ini rata-rata terletak pada kiri
median dan modus terletak pada kanan median.

Gambar 2.4 Skewness negatif

Sumber: Bluman (2012:117)

2.3.4 Penyajian Data

Menurut Bluman (2012:51), setelah data diorganisasikan dalam distribusi frekuensi,
kemudian dapat disajikan dalam bentuk grafik. Tujuan dari grafik dalam statistik adalah untuk
menampilkan data pada pembaca dalam bentuk gambar. Dengan demikian data akan lebih dapat
dibaca dibandingkan dengan penyajian numeric pada tabel atau distribusi frekuensi.
1. Diagram Batang
Diagram batang mempresentasikan data dengan menggunakan vertikal atau horizontal
batang yang mempresentasikan frekuensi data (Bluman, halaman 69).

Gambar 2.8 Diagram batang

Sumber: Bluman (2012:69)
 BAB III
METODOLOGI PENELITIAN

3.1 Diagram Alir Praktikum

Berikut merupakan diagram alir praktikum statistik deskriptif:
3.2 Prosedur Praktikum
Langkah-langkah yang harus dilakukan oleh praktikan adalah sebagai berikut:
1. Mengidentifikasi masalah dari suatu obyek penelitian.
2. Mengumpulkan data sekunder studi kasus.
3. Melakukan pengolahan data mengenai statistika deskriptif secara manual dan softeware
dan penyajiannya.
4. Menganalisis dan menginterpretasi data.
5. Mendapatkan hasil data.
6. Menarik kesimpulan.
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Berikut ini adalah hasil jumlah data perguruan tinggi swasta yang ada di Indonesia, untuk
masing-masing provinsi.

Tabel 4.1 Jumlah Perguruan Tinggi Swasta yang ada di Indonesia Menurut Masing-masing Provinsi.

Jumlah Jumlah
No Provinsi perguruan No Provinsi perguruan
tinggi swasta tinggi swasta
1 Aceh 99 18 Nusa Tenggara Barat 55
Nusa Tenggara
2 Sumatera Utara 259 19 43
Timur
3 Sumatera Barat 102 20 Kalimantan Barat 42
4 Riau 75 21 Kalimantan Tengah 23
5 Jambi 42 22 Kalimantan Selatan 47
6 Sumatera Selatan 115 23 Kalimantan Timur 60
7 Bengkulu 16 24 Sulawesi Utara 44
8 lampung 80 25 Sulawesi Tengah 33
Kepulauan Bangka
9 12 26 Sulawesi Selatan 208
Belitung
10 Kepulauan Riau 26 27 Sulawesi Tenggara 38
11 DKI Jakarta 329 28 Gorontalo 11
12 Jawa Barat 393 29 Sulawesi Barat 12
13 Jawa Tengah 265 30 Maluku 23
14 DI Yogyakarta 124 31 Maluku Utara 16
15 Jawa Timur 363 32 Papua Barat 16
16 Banten 113 33 Papua 39
17 Bali 58

4.2 Pengolah Data

Berikut ini merupakan hasil pengolahan data tentang Jumlah Perguruan Tinggi Swasta
menurut masing-masing Provinsidengan menggunakan software Minitab dan perhitungan
manual.

4.2.1 Pengolahan Data dengan Minitab

Berikut merupakan langkah-langkah pengolahan dta menggunakan Mini Tab 17, antara lain:
1. Buka Mini Tab 17.
Membuka software Mini Tab 17.
2. Input data.
 Menginputkan data pada worksheet Mini Tab 17.
3. Pengolahan data.

a. Klik menu Stat >>> Basic Statistic >>> Display Descriptive Statistics.
b. Akan muncul kotak Display Descriptive Statistics.
c. Masukkan variabel jumlah pada kotak variables. Dan klik Statistics.

d. Pilih all untuk memilih semua yang ingin diketahui. Statistics ini dilakukan untuk
melakukan perhitungan statisik yaitu mengenai central tendency data, distribusi data.
e. Klik Graphs.
f. Centang penyajian data yang akan dipilih, misalnya Histogram of data, lalu klik OK.
g. Maka akan muncul output data sebagai berikut.

Gambar 4.1 Interface Output

Analisis hasil output:

Berdasarkan dari output Minitab di atas kita dapat mengetahui nilai mean (rata-rata)
sebesar 96,4. Nilai variansi sebesar 11514.9 dengan nilai minimum sebesar 11 dan nilai
maksimum sebesar 393. Jangkauan sebesar 382 dengan modus sebesar 16. Kuartil 1 bernilai
24.5 dengan median sebesar 47 dan kuartil 3 bernilai 114. Nilai dari skewness sebesar 1.67 jadi
termasuk skewness positif.

4.2.2 Pengolahan Data Manual

Berikut merupakan pengolahan data secara manual dalam mencari nilai Mean, Variansi dan
Standar Deviasi
Tabel 4.2 Perhitungan Data Tunggal

Variable Hasil Perhitungan

Mean ∑ xi 3181
x= = =96.394
n 33
 Variansi fx m
2

m
∑ fx¿ 2
¿
¿
∑ ¿−¿
n¿
s 2=¿
33 ( 644512 )−2402082
33(32)
18866814
=17886.3011
1056
St. dev
σ =
√ ∑ f i m2i −N x́ 2
N
=

√ 17886.3011=133.67

4.3.1 Penyajian Data

Berikut ini merupakan penyajian data tunggal Minitab dan penyajiannya menggunakan
diagram batang (bar chart).

Jumlah Perguruan Tinggi di Indonesia

450
400
350
300
250
200
150
100
50
0
t bi ur li ur ur at
e h ra l u ng a rta ga
h
ga
h
ga
h ra
ar
ra
pu
a
Ac Ba m ku i tu k n i m Ba i m n i m n ga B ta
Ja ng l a Te T T Te T Te
g
si
U Pa
er
a
Be Be IJ a ra n
si en ku
at ka D K Ja w
a
J aw ga tan n ta e s i T awe a lu
g a n i ma
Su
m ng n aw we Su
l M
Ba a
Te l im a l S ul la
n s a K S u
K
u a Nu
la
pu
Ke
 Gambar 4.4 Bar chart data tunggal
Bar chart diatas menampilkan data jumlah perguruan tinggi swastsa di Indonesia untuk
masing-masing provinsi. Pengumpulan data yang disajikan dalam bar chart menampilkan
seluruh data yang ada. Sehingga dari penyajian data diatas dapat disimpulkan bahwa jumlah
terbanyak perguruan tinggi swasta terdapat pada provinsi jawa barat dengan frequensi

BAB V
PENUTUP
5.1 Kesimpulan
Dari perhitungan data yang telah diolah didapatkan bahwa persebaran perguruan tinggi
dwasta di Indonesia tidak merata. Persebaran perguruan tinggi swasta berpusat di kota-kota
besar di Indonesia.
1. Dari hasil pengolahan studi kasus menggunakan diagram batang karena data yang
digunakan adalah data tunggal, diagram batang digunakan karena lebih informative dan
lebih jelas selain itu data yang digunakan pada diagram batang adalah data tunggal yang
mewakili data dari studi kasus yang sedang dibahas selain itu data tunggal lebih akurat
kebenarannya.
2. Studi kasus yang digunakan adalah data kualitatif yang dikuantitatifkan dan merupakan
data tunggal. Sedangkan pengolahan data menggunakan minitab akan lebih akurat
apabila menggunakan data kelompok. Hal ini menjadi penyebab ada perbedaan pada
variansi dan standar deviasi.
3. Studi kasus yang digunakan adalah persebaran tinggi swasta di Indonesia dengan
menggunakan diagram batang kita dapat mengetahui jumlah PTS di masing-masing
provinsi.

5.2 Saran
Berikut adalah saran yang untuk lab, praktikum dan studi kasus
1. Untuk lab
Fasilitas yang ada di dalam lab khususnya pada computer disesuaikan dengan jumlah
praktikan yang melakukan praktikum.
2. Untuk praktikum
Timeline kurang informatif
3. Untuk studi kasus
Seharusnya penyebaran perguruan tinggi swasta lebih merata pada kota-kota kecil di
Indonesia