BAB I

PENDAHULUAN

A. Latar Belakang

Didalam Kehidupan aktifitas sehari-hari, sering kita jumpai banyak hal

yang dapat kita deskripsikan dalam sebuah bentuk data. Informasi data yang
diperoleh tentunya harus diolah terlebih dahulu menjadi sebuah data yang
mudah dibaca dan di analisa. Akan tetapi bagaimana penyajian data yang kita
dapat tentunya berbeda beda, sesuai dengan kebutuhan dan keinginan penyaji
data.

Pada dasarnya aplikasi Ilmu Statistik dibagi dalam dua bagian, yaitu
Statistik Deskriptif dan Statistik Induktif. Statistik Deskriptif berusaha
menjelaskan atau menggambarkan berbagai karakteristik data, seperti berapa
rata – ratanya (average), seberapa jauh data-data yang bervariasi dan
sebagainya.

Banyak persoalan, apakah hasil penelitian, riset ataupun pengamatan,

baik yang dilakukan khusus ataupun berbentuk laporan, dinyatakan dan dicatat
dalam bentuk angka atau bilangan. Kumpulan angka sering disusun, diatur, atau
disajikan dalam bentuk daftar/tabel. Sering pula daftar/tabel disertai dengan
gambar yang biasanya disebut diagram/grafik supaya bisa menjelaskan lagi
tentang persoalan yang dipelajari.

Pengolahan informasi statistika mempunyai sejarah jauh ke belakang

sejak awal peradaban manusia. Awalnya statistik diartikan sebagai kumpulan
informasi tentang negara dan banyak penduduk. Istilah statistik berasal dari
bahasa yunani status yang artinya state atau negara. Catatan tentang penduduk
suatu negara telah dikenal sejak jaman Babilonia, Mesir, dan Roma. Sejak jaman
pertengahan, beberapa pemerintah juga telah mengenal catatan kepemilikan
tanah. Statistik pada awal peradaban tersebut, Setiap bangsa mengumpulkan
data-data statistika untuk mendapatkan informasi deskriptif mengenai
pengumpulan, penyajian, dan perhitungan. Kegiatan statistik yang terkait
dengan penggunaan informasi tersebut banyak hal, misalnya sensus penduduk,
pajak, hasil pertanian, dan bahkan pertandingan-pertandingan pada masa
tersebut.

Latar belakang mempelajari ilmu statistik saat ini dan untuk masa depan
yaitu bisa digunakan dalam kehidupan sehari-hari terutama yang berkaitan
dengan penyajian, pengolahan, ukuran kecenderungan, dan ukuran letak data,
seringkali menggunakan kumpulan angka-angka untuk menyusun laporannya.
Data-data yang telah didapat ini disusun dan disajikan dalam daftar, dan juga
diagram atau grafik, serta penyajian lainnya, bertujuan untuk hasil riset tersebut
lebih sangat mudah dipahami dan didapatkan kesimpulannya oleh yang melihat.

B. Metode Penulisan

Dalam penulisan Laporan ini penulis menggunakan metode penulisan :

1. Modul / Diktat Statistik & Probabilitas;
2. Media Online Library di internet;
3. Perangkat Microsoft Office Word dan Spreadsheet Excel.

C. Identifikasi Masalah

Data yang digunakan untuk di proses dan diolah adalah data Jumlah
Curah Hujan Harian (mm) pada pekerjaan Perencanaan Pengaman Tebing
Desa Pematang Tebih Kec. Rokan IV Koto Kab. Rokan Hulu TA. 2018. Data
meliputi Curah hujan yang diperlukan untuk mengetahui profil muka air sungai
dan rancangan suatu drainase adalah curah hujan rata-rata diseluruh daerah
yang bersangkutan, bukan curah hujan pada suatu titik tertentu, Curah hujan ini
disebut curah hujan wilayah atau daerah dan dinyatakan dalam mm dengan total
data 100. Pengolahan data dalam Laporan ini hanya sampai Pengukuran Statistik.

D. Rumusan Masalah

Data akan diproses sesuai tahapan Perhitungan yakni : Distribusi

Frekuensi, Ukuran Pemusatan Data dan Ukuran Penyebaran Data.

E. Tujuan Penulisan

Tujuan penulisan pada Statistik Jumlah Curah Hujan Harian (mm) pada
pekerjaan Perencanaan Pengaman Tebing Desa Pematang Tebih Kec. Rokan
IV Koto Kab. Rokan Hulu TA. 2018 terbagi menjadi beberapa tahap diantaranya
adalah distribusi frekuensi, ukuran pemusatan dan ukuran penyebaran. Berikut
adalah tujuan dari masing-masing tahap, diantaranya adalah sebagai berikut :

1. Distribusi Frekuensi
Tujuan dari penulisan Distribusi Frekuensi adalah untuk menentukan
jumlah kelas, menentukan interval kelas, mengetahui kurva-kurva yang
ada dalam distribusi frekuensi.
2. Ukuran Pemusatan
Tujuan dari penulisan Ukuran Pemusatan ini adalah untuk
mengidentifikasi hasil dari perhitungan rata-rata, median, modus,
untuk data tunggal dan data berkelompok. Pengambilan data sebanyak
59 data jumlah suara sah dan tidak sah perhitungan suara.

3. Ukuran Penyebaran
Tujuan dari penulisan Ukuran Penyebaran adalah untuk
mengidentifikasi hasil dari perhitungan, rentang, simpangan rata-rata,
dan simpangan baku.
 BAB II
TINJAUAN PUSTAKA

A. Teori Statistik & Probabilitas

Statistik adalah penggunaan data kuantitatif yang menyatakan kumpulan

data, bilangan maupun non bilangan yang disusun dalam bentuk tabel dan atau
diagram, yang melukiskan atau menggambarkan persoalan. Statistik juga dipakai
untuk menyatakan ukuran sebagai wakil dari kumpulan data. Statistik juga
dipakai untuk menyatakan ukuran sebagai wakil dari kumpulan data.

Dalam arti sempit, statistik berarti data ringkasan berbentuk angka.

Misalnya statisik penduduk, statistik gangguan kabel tanah dan sebagainya.
Sedangkan dalam arti luas, statistik berarti suatu ilmu yang mempelajari cara
pengumpulan, pengolahan, penyajian dan analisa data serta cara pengambilan
kesimpulan secara umum berdasarkan hasil penelitian. Kesimpulan ini
mengandung suatu ketidakpastian yang disebabkan karena kesulitan menyelidiki
data satu per satu.

Statistik juga memberikan metode untuk meramalkan yang sangat

berguna sebagai dasar perencanaan dan metode pengujian hipotesa dan
pembuatan keputusan dalam rangka pemecahan persoalan. Data berarti suatu
yang dianggap atau diketahui. Dengan demikian ini berarti data dapat
memberikan gambaran tentang suatu keadaan atau persoalan.

Pada umumnya data dikumpulkan dengan tujuan:

a. Dasar suatu perencanaan, agar perencanaan sesuai dengan
kemampuan yang ada, sehingga dapat dicegah terjadinya suatu
perencanaan yang ambisius sehingga susah dilaksanakan. Kemampuan
yang dimaksudkan disini adalah kemampuan personil, kemampuan
anggaran serta kemampuan materiil yang lain.
b. Alat kontrol terhadap pelaksanaan atau implementasi daripada
perencanaan tersebut agar supaya bisa diketahui dengan segera
kesalahan atau penyimpangan-penyimpangan yang terjadi untuk segera
dilakukan perbaikan-perbaikan atau koreksi.
c. Dasar evaluasi dari hasil kerja akhir. Apakah hasil kerja akhir yang
telah ditargetkan bisa dicapai 100%, 90% atau kurang. Kalau target
tidak tercapai faktor-faktor apa yang menyebabkannya.
 Statistik Deskriptif
Statistik Deskriptif berhubungan dengan peringkasan seperangkat data dan
penyajiannya ke dalam bentuk yang dapat dipahami (lebih menekankan pada
teknik pengumpulan, pengolahan, penyajian dan penganalisisan data kuantitatif
secara deskriptif guna memberikan gambaran yang teratur mengenai suatu
persoalan). Perhitungan rata-rata dan distribusi frekuensi, angka indeks, dan
analisis time series merupakan pokok-pokok bahasan dalam statistik deskriptif.

Probabilitas
Probabilitas adalah suatu angka yang mengukur frekuensi relatif dari suatu
kejadian dalam jangka panjang atau menunjukkan suatu tingkat kepercayaan.
Pemakaian konsep-konsep probabilitas menjadi dasar/landasan dalam
mempelajari teori keputusan secara statistik dan statistik inferensi.

Teori Keputusan Secara Statistik

Analisis keputusan secara statistik berhubungan dengan pengambilan
keputusan bila alternatif-alternatif tindakan diketahui, akan tetapi hasil dari
masing-masing tindakan berbeda-beda. Analisis keputusan secara statistik akan
memberikan jawaban yang paling baik dalam situasi yang tidak pasti atau penuh
resiko.

Statistik Inferensi
Statistik Inferensi adalah suatu pernyataan mengenai suatu populasi yang
didasarkan pada informasi dari sampel random yang diambil dari populasi itu
(tidak hanya menekankan pada teknik pengumpulan, pengolahan, penyajian dan
penganalisisan data saja, tetapi juga teknik penarikan kesimpulan dan
pembuatan keputusan yang dapat dipertanggungjawabkan).

B. Pembagian Data

Data bisa dibagi antara lain sebagai berikut:

a. Menurut sifatnya
1) Data kualitatif, yaitu data yang tidak berbentuk angka.
2) Data kuantitatif, yaitu data yang berbentuk angka.

b. Menurut sumbernya
1) Data internal, data yang menggambarkan keadaan atau kegiatan
dalam suatu organisasi.
2) Data eksternal, data yang menggambarkan keadaan atau kegiatan
di luar suatu organisasi.
 c. Menurut cara memperolehnya
1) Data primer, data yang dikumpulkan dan diolah sendiri oleh suatu
organisasi langsung dari obyeknya. Misalnya data pengukuran trafik.
2) Data sekunder, data yang deperoleh dalam bentuk sudah jadi dan
diolah oleh pihak lain.

d. Menurut waktu pengumpulannya

1) Data CrossSection, data yang dikumpulkan pada saat suatu waktu
tertentu yang menggambarkan keadaan atau kondisi pada waktu
itu.
2) Data berkala, data yang dikumpulkan dari waktu ke waktu untuk
memberikan gambaran tentang pengembangan suatu kegiatan dari
waktu ke waktu.

Data statistik tidak cukup dikumpulkan, diolah dan dianalisa akan tetapi
perlu disajikan dalam bentuk yang mudah dibaca/ditafsirkan oleh pembuat
keputusan. Penyajian data bisa dalam bentuk tabel, gambar maupun grafik.

Selanjutnya dalam analisa data ada dua besaran yang sering digunakan
dan harus diketahui, yaitu:
a. Harga rata-rata (Mean)
b. Harga variansi

C. Peranan Statistik dan Penerapannya di Bidang Teknik

Ada beberapa alasan mengapa statistik diperlukan dalam kehidupan

masyarakat modern. Dua alasan yang utama adalah :
1. Menggambarkan hubungan-hubungan antara variabel-variabel;
2. Alat bantu pengambilan keputusan.

D. Penerapan Statistik di Bidang Teknik

Dalam praktek di berbagai bidang keteknikan metode statistik

memberikan pendekatan-pendekatan yang sangat berguna. Sebagai contoh tiga
bidang di mana statistik sangat sering diterapkan, adalah :
1. Pencegahan kegagalan dalam suatu Desain Mesin / Proses
2. Analisis Eksperimen Teknik
3. Pengendalian Mutu Manufaktur

E. Probabilitas

Peluang (Probabilitas) adalah nilai angka yang menunjukkan seberapa

besar kemungkinan suatu peristiwa akan terjadi. Probabilitas biasa digunakan
untuk menggambarkan pemikiran terhadap beberapa masalah atau dalil yang
kebenarannya tidak menentu. Masalah tersebut biasanya dalam bentuk “Apakah
peristiwa tertentu akan terjadi?” Sedangkan pemikiran dalam bentuk ”Seberapa
yakinkah kita bahwa peristiwa tersebut akan terjadi?” Keyakinan (kepastian)
yang kita adopsi tersebut dapat digambarkan dalam bentuk ukuran numerik,
antara 0 dan 1, yang kita sebut probabilitas. Semakin tinggi nilai probabilitas
dari suatu peristiwa, semakin yakin kita bahwa peristiwa tersebut akan terjadi.
Jadi, probabilitas dalam pengertiannya adalah ukuran atau nilai dari
kemungkinan suatu peristiwa acak akan terjadi.

Teori matematika tentang probabilitas memberi kita alat dasar untuk

membangun dan menganalisa model matematika untuk fenomena acak. Dalam
mempelajari fenomena acak, kita berhadapan dengan percobaan yang hasilnya
tidak dapat diprediksi sebelumnya. Dalam sains dan teknologi, fenomena acak
menggambarkan berbagai macam situasi. Pada umumnya, mereka dapat
dikelompokkan menjadi dua kelas yang besar. Kelas yang pertama berhubungan
dengan fenomena fisik atau alam yang melibatkan ketidakpastian.
Ketidakpastian masuk ke dalam rumusan masalah melalui kompleksitas,
kurangnya pemahaman kita tentang semua sebab dan akibat masalah tersebut,
dan kurangnya informasi. Misalnya, prakiraan cuaca. Informasi yang diperoleh
dari satelit cuaca dan informasi meteorologi lainnya tidak cukup untuk membuat
prediksi cuaca tersebut bisa diandalkan 100 persen. Oleh karena itu, laporan
cuaca di radio dan televisi dibuat berdasarkan probabilitas. Kelas kedua
mempelajari model probabilistik yang menyangkut variabilitas. Misalnya,
masalah dalam kepadatan lalu lintas dimana seseorang ingin mengetahui jumlah
kendaraan melintasi titik tertentu di jalan dalam interval waktu tertentu.
Jumlah ini bervariasi tak terduga untuk interval satu dan interval lain, dan
variabilitas ini mencerminkan variabel perilaku pengemudi yang melekat dalam
masalah ini. Sifat ini memaksa kita untuk mengadopsi sudut pandang
probabilistik, dan teori probabilitas menyediakan alat yang tepat untuk
menganalisis masalah jenis ini. Dapat dikatakan bahwa variabilitas dan
ketidakpastian ada dalam setiap pemodelan untuk semua fenomena nyata, dan
wajar bila melihat pemodelan dan analisis probabilitas menempati posisi sentral
dalam perkembangan berbagai topik ilmu dalam sains dan teknologi.

F. Konsep Probabilitas

1. Banyaknya kejadian yang sulit diketahui dengan pasti

2. Meskipun kejadian tersebut tidak pasti, akan tetapi kejadian tersebut
dapat kita ketahui akan terjadi dengan melihat fakta-fakta yang ada.
3. Dalam statistika fakta-fakta tersebut digunakan untuk mengukur
derajat kepastian atau keyakinan yang disebut dengan Probabilitas
atau Peluang dan dilambangkan dengan P.
 BAB III
DATA DAN ANALISIS

A. Pengumpulan Data

Data yang didapat untuk di proses dan diolah adalah data Jumlah Curah
Hujan Harian (mm) pada pekerjaan Perencanaan Pengaman Tebing Desa
Pematang Tebih Kec. Rokan IV Koto Kab. Rokan Hulu TA. 2018. Data meliputi
Curah hujan yang diperlukan untuk mengetahui profil muka air sungai dan
rancangan suatu drainase adalah curah hujan rata-rata diseluruh daerah yang
bersangkutan, bukan curah hujan pada suatu titik tertentu, Curah hujan ini
disebut curah hujan wilayah atau daerah dan dinyatakan dalam mm dengan total
data 100.

B. Pengorganisasian Data

Langkah Pertama untuk Laporan Statistik ini adalah melihat Jajaran Data
Mentah (Raw Data). Data Mentah adalah data terkumpul yang belum
diorganisasikan secara numerik. Data yang masih diacak ini diurutkan kedalam
bentuk baris dan kolom. Disini saya mengacaknya kedalam 10 Baris dan 10
Kolom. Berikut Data Mentah tersebut :

Tabel 3.1 – Data Mentah (Raw Data)

1 2 3 4 5 6 7 8 9 10
1 156 255 251 235 143 75 25 72 277 324
2 369 319 250 231 171 79 115 250 177 458
3 102 196 114 188 175 271 154 232 172 203
4 146 107 306 175 70 119 28 121 73 190
5 320 228 164 152 206 93 164 228 175 276
6 576 350 186 196 212 148 72 230 142 175
7 320 62 292 147 132 112 156 259 149 134
8 174 229 226 396 170 57 78 84 275 251
9 229 178 126 315 164 199 211 204 281 197
10 384 198 193 308 107 69 360 165 212 204
Sumber : Unit Hidrologi Satker Sementara PBPP Riau
(Data Terlampir)

Langkah Kedua adalah Jajaran Data Mentah diatas diurutkan dari yang
terkecil ke terbesar atau sebaliknya. Jajaran Data (Data Array) merupakan
suatu susunan dari data-data mentah yang diatur dengan urutan nilai numerik.
Disini saya mengurutkannya dari yang terkecil ke terbesar dimulai dari kolom
atas ke kolom bawah lalu naik lagi keatas dan begitu seterusnya. Pengurutan
Jajaran data saya aplikasikan menggunakan Aplikasi Microsoft Office Excel
menggunakan Spreadsheet Ascending dengan tabel yang sama. Berikut hasilnya :

Tabel 3.2 – Jajaran Data (Data Array)

1 2 3 4 5 6 7 8 9 10
1 25 78 119 149 171 188 204 230 271 320
2 28 79 121 152 172 190 206 231 275 320
3 57 84 126 154 174 193 211 232 276 324
4 62 93 132 156 175 196 212 235 277 350
5 69 102 134 156 175 196 212 250 281 360
6 70 107 142 164 175 197 226 250 292 369
7 72 107 143 164 175 198 228 251 306 384
8 72 112 146 164 177 199 228 251 308 396
9 73 114 147 165 178 203 229 255 315 458
10 75 115 148 170 186 204 229 259 319 576
Sumber : Hasil urutan nilai terkecil ke terbesar menggunakan
Spreadsheet Excel

Langkah Ketiga adalah Penyajian Data berupa Diagram Statistik. Ada

berbagai macam pilihan Diagram untuk Statistik, dan disini saya menggunakan
Diagram Garis (Line Diagram) yang saya edit pada Spreadsheet Excel. Berikut
Diagram Garis tersebut :

Diagram 3.1 – Statistik Jajaran Data Tersusun (Data Array)

C. Distribusi Frekuensi dan Presentasi Grafik

Distribusi Frekuensi ini digunakan untuk mengelompokkan jajaran data ke

dalam sejumlah kelas dan kemudian menentukan banyaknya data yang termasuk
dalam masing-masing kelas (Frekuensi Kelas). Susunan data yang terbentuk
disebut Distribusi Frekuensi. Sebagai catatan, Sepengetahuan saya tidak ada
aturan baku menyusun tabel distribusi frekuensi.

Langkah Keempat adalah penentuan Interval Kelas (Class Interval) dan

Batas Kelas (Class Limit). Jika jumlah data tidak terlalu banyak, sebagai
perkiraan awal dalam menentukan lebar kelas, dapat digunakan rumus :
R
C=
K
Dimana :
C = Lebar Interval Kelas (hasilnya dibulatkan)
R = Kisaran data (Range) = selisih data terbesar dengan terkecil
K = Jumlah Interval Kelas

Jika jumlah data terlalu banyak maka jumlah interval kelas (K) dapat
dicari dengan menggunakan Rumus Sturge, yaitu :
K = 1 + 3,3 log n , dimana n adalah jumlah data

Namun, untuk keperluan analisis statistik seperti perhitungan rata-rata

dan deviasi standard tidak bisa dipakai.

Menurut ketentuan diatas dan mengingat ada 59 data, maka saya

memutuskan untuk menentukan sendiri lebar interval kelasnya dan jumlah
turunan intervalnya. Berikut hasil penentuan lebar Interval Kelas dari data yang
ada :

Tabel 3.3 – Interval Class (IC)

Jumlah
Interval Class (IC) Persentase (%)
Frekuensi (f)
20 – 99 14 14
100 - 179 35 35
180 – 259 31 31
260 - 339 13 13
340 - 419 5 5
420 - 499 1 1
500 - 579 1 1
TOTAL 100 100
 Jumlah Frekuensi (f) didapat dari banyaknya data yang muncul dari
penentuan ambang batas atau lebar interval yang saya tentukan diatas (Lihat
Tabel 3.2). Turunan IC didapatkan 7 Interval karena hasil dari lebar interval
class yang sudah sampai pada data terbesar. Mencari Persentase adalah dengan
cara 14 : 100 = 0,14 x 100 = 14.

Tabel 3.4 – Batas Kelas (Class Limit)

Jumlah
Batas Kelas (CL) Persentase (%)
Frekuensi (f)
20 dan 99 14 14
100 dan 179 35 35
180 dan 259 31 31
260 dan 339 13 13
340 dan 419 5 5
420 dan 499 1 1
500 dan 579 1 1
TOTAL 100 100

Batas Kelas (Class Limit) didapat dari pemisahan Interval Awal dan
Interval Akhir atau bisa diambil ujung-ujungnya, pemisahnya hanya
menambahkan kata “dan”.

Langkah Kelima adalah penentuan Batas Nyata Kelas (Class Boundary).

Ketentuan mencari Batas Nyata Kelas ini adalah :
1. Batas Bawah Kelas dikurangi 0,5
2. Batas Atas Kelas ditambah 0,5
3. Pengurangan, Penambahan Batas Atas dan Batas Bawah disesuaikan
dengan Urutan Interval Kelas.
 Tabel 3.5 – Batas Nyata Kelas Tabel 3.6 – Lebar Interval Kelas
(Class Boundary) (Width Of Interval Class)
Batas Nyata Kelas Lebar Interval
Total
(CB) Kelas
19,5 - 99,5 99,5 - 19,5 79
99,5 - 179,5 179,5 - 99,5 79
179,5 - 259,5 259,5 - 179,5 79
295,5 - 339,5 339,5 - 295,5 79
339,5 - 419,5 419,5 - 339,5 79
419,5 - 499,5 499,5 - 419,5 79
499,5 - 579,5 579,5 - 499,5 79

Langkah Keenam adalah penentuan Lebar Interval Kelas (Width of

Interval Class). Ketentuan mencari Lebar Interval Kelas ini adalah :
1. Batas Bawah Kelas ditambah 0,5
2. Batas Atas Kelas dikurang 0,5, seperti perhitungan saya pada Tabel 3.6
diatas.
3. Turunan Intervalnya memakai data seperti pada Tabel 3.5
4. Total dari Lebar Interval Kelas akan digunakan sebagai C pada Median
dan Modus
Langkah Ketujuh adalah penentuan Nilai Tengah Kelas (Class
Midpoint/Class Mark). Ketentuan mencari Nilai Tengah Kelas ini adalah dengan
membagi dua jumlah dari batas kelas bawah dan batas kelas atas suatu interval
kelas, dengan ketentuan cari terlebih dahulu hasil penjumlahan pada kalkulator
lalu enter hasilnya. Setelah didapat hasilnya kemudian hasil tadi dibagi 2. Hasil
dari Perhitungan saya adalah sebagai berikut :

Tabel 3.7 – Nilai Tengah Kelas / NTK (Class Midpoint/Class Mark)

Batas Kelas Bawah
+ Hasil
Batas Kelas Atas =
dibagi 2
(20+99) / 2 59,5
(100+179) / 2 139,5
(180+259) / 2 219,5
(260+339) / 2 299,5
(340+419) / 2 379,5
(420+499) / 2 459,5
(500+579) / 2 539,5
 Langkah Kedelapan adalah Presentasi Grafik Distribusi Frekuensi. Saya
hanya menggunakan Grafik Histogram. Data Grafik diambil dari Interval Kelas
dan Jumlah Frekuensinya (Lihat Tabel 3.3). Grafik Distribusi dibuat
menggunakan Microsoft Excel. Berikut Hasil Pembuatan Grafik Histogram saya :

Grafik 3.1 – Histogram Distribusi Frekuensi (Interval Kelas)

Langkah Kesembilan adalah Penentuan Distribusi Frekuensi Kumulatif,

Penggambarannya dalam Grafik Ogive dan Diagram Lingkaran. Sebelum masuk ke
penggambaran Ogive terlebih dahulu adalah menentukan Distribusi Frekuensi
Kumulatif, berikut adalah hasil pencarian saya :

Tabel 3.8 – Distribusi Frekuensi Kumulatif

Batas
IC f NTK F Kum < F Kum >
Bawah
19,5 0 100
20 – 99 14 59,5 99,5 14 86
100 - 179 35 139,5 179,5 49 51
180 – 259 31 219,5 295,5 80 20
260 - 339 13 299,5 339,5 93 7
340 - 419 5 379,5 419,5 98 2
420 - 499 1 459,5 499,5 99 1
500 - 579 1 539,5 579,5 100 0
TOTAL f 100
 Adapun ketentuan yang saya pakai dalam Tabel 3.8 diatas sebagai berikut :
1. Data NTK (Nilai Tengah Kelas) diambil dari Tabel 3.7;
2. Pencarian Batas Bawah adalah dengan cara :
- 20 – 0,5 = 40,5
- 99 + 0,5 = 99,5
- 179 + 0,5 = 179,5
- 295 + 0,5 = 295,5
- 339 + 0,5 = 339,5
- 419 + 0,5 = 419,5
- 499 + 0,5 = 499,5
- 579 + 0,5 = 579,5

3. Pencarian F Kum < adalah dengan cara :

- Pertama letakkan 0 (nol) diawal sebagai acuan penambahan
dibawahnya
- Data penambahan diambil dari nilai f (frekuensi)
- 0 + 14 = 14
- 14 + 35 = 49
- 49 + 31 = 80
- 80 + 13 = 93
- 93 + 5 = 98
- 98 + 1 = 99
- 99 + 1 = 100
- Sehingga didapatlah angka F Kum < seperti diatas

4. Pencarian F Kum > adalah dengan cara :

- Pertama letakkan total data diawal sebagai acuan pengurangan
dibawahnya
- Data pengurangan diambil dari nilai f (frekuensi)
- 100 – 14 = 86
- 86 – 35 = 51
- 51 – 31 = 20
- 20 – 13 = 7
-7–5=2
-2–1=1
-1–1=0
- Sehingga didapatlah angka F Kum > seperti diatas

Setelah didapat Tabel Distribusi Frekuensi Kumulatif, maka dilanjutkan

dengan pembuatan Grafik Ogive menggunakan Microsoft Excel.
Data diambil dari Tabel 3.8
No. Batas
F F Kum < F Kum >
Bawah
1 19,5 0 100
2 14 99,5 14 86
3 35 179,5 49 51
4 31 295,5 80 20
5 13 339,5 93 7
6 5 419,5 98 2
7 1 499,5 99 1
8 1 579,5 100 0

Grafik 3.2 – Kurva Ogive Positif Kurang Dari < (berdasarkan data Tabel 3.8)

Grafik 3.3 - Kurva Ogive Negatif Lebih Dari > (berdasarkan data Tabel 3.8)
 Diagram sesuai data IC, Penggambaran menggunakan Diagram
Lingkaran :

IC = 20 – 99 = 14 x 360˚ = 50˚ 24’ 0,00”

100
IC = 100 – 179 = 35 x 360˚ = 126˚ 0’ 0,00”
100
IC = 180 – 259 = 31 x 360˚ = 111˚ 36’ 0,00”
100
IC = 260 – 339 = 13 x 360˚ = 46˚ 48’ 0,00”
100
IC = 340 – 419 = 5 x 360˚ = 18˚ 0’ 0,00”
100
IC = 420 – 499 = 1 x 360˚ = 3˚ 36’ 0,00”
100
IC = 500 – 579 = 1 x 360˚ = 3˚ 36’ 0,00”
100
Maka didapatlah Rekapitulasi sebagai berikut :
I. 14 x 100 % = 14,00 %
100
II. 35 x 100 % = 35,00 %
100
III. 31 x 100 % = 31,00 %
100
IV. 13 x 100 % = 13,00 %
100
V. 5 x 100 % = 5,00 %
100
VI. 1 x 100 % = 1,00 %
100
VII. 1 x 100 % = 1,00 % Diagram 3.2 – Diagram Lingkaran Distribusi f
100
D. Ukuran Pemusatan Data

Terdapat beberapa ukuran pemusatan yang sering digunakan dalam

statistik. Ukuran-ukuran tersebut biasanya dijelaskan untuk data tidak
terkelompok maupun data terkelompok.

Setelah sampai ketahap Pemusatan Data, kita berlanjut ke Langkah

Kesepuluh yakni Pencarian Mean Aritmatik (Arithmetic Mean). Seringkali istilah
“rata-rata” mengacu pada Mean Aritmatika atau Mean. Mean Aritmatika terbagi
menjadi 2 kelompok yakni Data Tidak Terkelompok dan Data Terkelompok.

Saya mulai untuk mencari Data Tidak Terkelompok, tapi sebelum itu
saya tentukan terlebih dahulu apakah data saya ini masuk kategori suatu sampel
atau suatu populasi. Karena data saya ini menyangkut jumlah suara maka saya
menyatakan ini adalah sebuah sampel. Dan untuk rumus suatu sampel adalah
sebagai berikut :

1. Mean Aritmatik
Data Tidak Terkelompok :

n x = Mean Aritmatik dari suatu sampel,

∑ xi n = banyaknya data dari suatu sampel,
xi = nilai dari data (variabel x)
x= i=1
n

Data yang dipakai untuk perhitungan Mean Aritmatik adalah Data

Mentah (Data Raw) dengan menjumlahkan semua data dimulai dari
kiri ke kanan lalu turun lagi ke kiri dan begitu seterusnya sesuai
Tabel 3.1
X = 156 + 255 + 251 + 235 + 143 + 75 + 25 + 72 + 277 + 324
369 + 319 + 250 + 231 + 171 + 79 + 115 + 250 + 177 + 458
102 + 196 + 114 + 188 + 175 + 271 + 154 + 232 + 172 + 203
146 + 107 + 306 + 175 + 70 + 119 + 28 + 121 + 73 + 190
320 + 228 + 164 + 152 + 206 + 93 + 164 + 228 + 175 + 276
576 + 350 + 186 + 196 + 212 + 148 + 72 + 230 + 142 + 175
320 + 62 + 292 + 147 + 132 + 112 + 156 + 259 + 149 + 134
174 + 229 + 226 + 396 + 170 + 57 + 78 + 84 + 275 + 251
229 + 178 + 126 + 315 + 164 + 199 + 211 + 204 + 281 + 197
384 + 198 + 193 + 308 + 107 + 69 + 360 + 165 + 212 + 204
100

x= 19674
= 196,740
100
 Data Terkelompok :
k K X = Mean Aritmatik dari suatu
∑ fi x m,i ∑ fi x m,i sampel,
x= i=1 = i=1 N = banyaknya data dari suatu
k N sampel,
Fi = frekuensi atau jumlah
∑ fi
pengamatan dalam sebuah
i=1 interval kelas
x m,i = nilai tengah dari interval
kelas
(Nilai Tengah Kelas lihat Tabel 3.7)
x= 14 (59,5) + 35 (139,5) + 31 (219,5) + 13 (299,5) + 5 (379,5) +
1 (459,5) + 1 (539,5)
14 + 35 + 31 + 13 + 5 + 1 + 1

x= 833 + 4882,5 + 6804,5 + 3893,5 + 1897,5 + 459,5 + 539,5

100

x= 19310
= 193,100
100

Maka didapatlah kesesuaian perhitungan Mean Aritmatik sbb :

1. Data Tidak Terkelompok : 196,740
2. Data Terkelompok : 193,100

Selanjutnya masuk ke Langkah Kesebelas yakni Pencarian Median.

Median menyatakan posisi tengah dari nilai data terjajar (Tabel 3.2). Median
terbagi menjadi 2 kelompok yakni Data Tidak Terkelompok dan Data
Terkelompok.
2. Median
Data Tidak Terkelompok :
Median dari jajaran data pada Tabel 3.2, diambil nilai tengah dari
100 data yakni data ke-50 (186) dan data ke-51 (188), maka :

x = 186 + 188 = 187,000

2
 Data Terkelompok :
Dengan dasar Tabel Distribusi Frekuensi Kumulatif pada Tabel 3.8
IC f F Kum <
20 – 99 14 14
100 - 179 35 49
180 – 259 31 80
260 - 339 13 93
340 - 419 5 98
420 - 499 1 99
500 - 579 1 100
TOTAL f 100

Maka dilanjutkan dengan menentukan Class Median :

½ x n = ½ x 100 = 50

Nilai 50 diatas berada pada frekuensi 80 (lihat tabel diatas),

sehingga class mediannya adalah : 180 - 259, dengan keterangan
rumus sebagai berikut.

L = Tepi bawah Class Median adalah : 180 – 0,5 = 179,5

F = Jumlah Frekuensi sebelum Class Median adalah : 49
f = frekuensi Class Median adalah : 31
C = Panjang Interval Kelas adalah sama dengan Lebar Interval Kelas
pada Tabel 3.6 yakni : 79

Me = L + ½ n – F x C
f

Me = 179,5 + 1/2 x 100 - 49 x 79

31

= 179,5 + 50 - 49 x 79
31

= 179,5 + 0,0322 x 79 = 182,041

Maka didapatlah kesesuaian perhitungan Median sebagai berikut :

1. Data Tidak Terkelompok : 187,000
2. Data Terkelompok : 182,041

Selanjutnya masuk Langkah Kedua belas yakni Pencarian Modus.

Modus adalah nilai yang paling sering muncul atau yang frekuensinya terbesar.
Modus terbagi menjadi 2 kelompok yakni Data Tidak Terkelompok dan Data
Terkelompok.
 3. Modus
Data Tidak Terkelompok :
Untuk data tidak terkelompok cukup dengan melihat nilai data yang
paling sering muncul (frekuensi paling besar) adalah : 175 sebanyak
4 kali. (Lihat Tabel 3.2)

Data Terkelompok :
Dengan melihat tabel Interval Kelas dan Jumlah Frekuensinya, maka
didapatlah Kelas Modus dengan frekuensi terbanyak yakni : 35,
sehingga Kelas Modusnya adalah : 100 – 179, Rumus pencarian
sebagai berikut :

L = Batas bawah nyata kelas dari kelas modus (kelas berfrekuensi

terbesar)
Δ1 = Selisih frekuensi kelas modus dengan kelas sebelumnya
Δ2 = Selisih frekuensi kelas modus dengan kelas sesudahnya
C = Lebar Interval Kelas Median

L = 180 – 0,5 = 179,5

(Angka 14 dan 31 adalah Jumlah
Δ1 = 35 – 14 = 21 Frekuensi diatas Kelas Modus dan
dibawah Kelas Modus)
Δ2 = 35 – 31 =4
C = 79 → → didapat dari Lebar/Panjang Interval Kelas

Mo = L + Δ1 . x C
Δ1 + Δ2

Mo = 179,5 + 21 x 79 = 245,860
21 + 4

Maka didapatlah kesesuaian perhitungan Modus sebagai berikut :

1. Data Tidak Terkelompok : 175
2. Data Terkelompok : 245,860

E. Ukuran Penyebaran Data

Selanjutnya masuk Langkah Ketiga belas yakni Pencarian Simpangan
Mutlak Rata-Rata (Mean Deviation). Simpangan Mutlak Rata-Rata merupakan
ukuran penyebaran yang meninjau besarnya penyimpangan setiap nilai data
terhadap nilai rata-rata nya. Simpangan Mutlak Rata-Rata terbagi menjadi 2
kelompok yakni Data Tidak Terkelompok dan Data Terkelompok.
 4. Simpangan Mutlak Rata-Rata (MD)
Data Tidak Terkelompok :
Data yang dipakai untuk pencarian Data Tidak Terkelompok ini
adalah Jajaran Data (Array) atau Jajaran data yang telah tersusun
yang terdiri dari 70 Data dengan Nilai Rata-Rata = 169,966.
Ketentuan lanjutan adalah :
1. Jajaran data dikurangi Nilai Rata-Rata dimulai dari yang terkecil
ke yang terbesar;
2. Apabila hasil pengurangan ada Minus (-), maka hasil pengurangan
data dijadikan Plus (+).
Berikut Perhitungan Simpangan Mutlak Rata-Rata (MD) Saya :

MD = (25 - 196,740) + (28 - 196,740) + (57 - 196,740) + (62 - 196,740) +

(69 - 196,740) + (70 - 196,740) + (72 - 196,740) + (72 - 196,740) +
(73 - 196,740) + (75 - 196,740) + (78 - 196,740) + (79 - 196,740) +
(84 - 196,740) + (93 - 196,740) + (102 -196,740) + (107 -196,740) +
(107 -196,740) + (112 -196,740) + (114 -196,740) + (115 -196,740) +
(119 -196,740) + (121 -196,740) + (126 -196,740) + (132 -196,740) +
(134 -196,740) + (142 -196,740) + (143 -196,740) + (146 -196,740) +
(147 -196,740) + (148 -196,740) + (149 -196,740) + (152 -196,740) +
(154 -196,740) + (156 -196,740) + (156 -196,740) + (164 -196,740) +
(164 -196,740) + (164 -196,740) + (165 -196,740) + (170 -196,740) +
(171 -196,740) + (172 -196,740) + (174 -196,740) + (175 -196,740) +
(175 -196,740) + (175 -196,740) + (175 -196,740) + (177 -196,740) +
(178 -196,740) + (186 -196,740) + (188 -196,740) + (190 -196,740) +
(193 -196,740) + (196 -196,740) + (196 -196,740) + (197 -196,740) +
(198 -196,740) + (199 -196,740) + (203 -196,740) + (204 -196,740) +
(204 -196,740) + (206 -196,740) + (211 -196,740) + (212 -196,740) +
(212 -196,740) + (226 -196,740) + (228 -196,740) + (228 -196,740) +
(229 -196,740) + (229 -196,740) + (230 -196,740) + (231 -196,740) +
(232 -196,740) + (235 -196,740) + (250 -196,740) + (250 -196,740) +
(251 -196,740) + (251 -196,740) + (255 -196,740) + (259 -196,740) +
(271 -196,740) + (275 -196,740) + (276 -196,740) + (277 -196,740) +
(281 -196,740) + (292 -196,740) + (306 -196,740) + (308 -196,740) +
(315 -196,740) + (319 -196,740) + (320 -196,740) + (320 -196,740) +
(324 -196,740) + (350 -196,740) + (360 -196,740) + (369 -196,740) +
(384 -196,740) + (396 -196,740) + (458 -196,740) + (576 -196,740) +
100
MD = (171,740) + (168,740) + (139,740) + (134,740) + (127,740) +
(126,740) + (124,740) + (124,740) + (123,740) + (121,740) +
(118,740) + (117,740) + (112,740) + (103,740) + (94,740) +
(89,740) + (89,740) + (84,740) + (82,740) + (81,740) +
(77,740) + (75,740) + (70,740) + (64,740) + (62,740) +
(54,740) + (53,740) + (50,740) + (49,740) + (48,740) +
(47,740) + (44,740) + (42,740) + (40,740) + (40,740) +
(32,740) + (32,740) + (32,740) + (31,740) + (26,740) +
(25,740) + (24,740) + (22,740) + (21,740) + (21,740) +
(21,740) + (21,740) + (19,740) + (18,740) + (10,740) +
(8,740) + (6,740) + (3,740) + (0,740) + (0,740) +
(1,260) + (2,260) + (6,260) + (7,260) + (7,260) +
(7,260) + (9,260) + (14,260) + (15,260) + (15,260) +
(29,260) + (31,260) + (31,260) + (32,260) + (32,260) +
(33,260) + (34,260) + (35,260) + (38,260) + (53,260) +
(53,260) + (54,260) + (54,260) + (58,260) + (62,260) +
(74,260) + (78,260) + (79,260) + (80,260) + (84,260) +
(95,260) + (109,260) + (111,260) + (118,260) + (122,260) +
(123,260) + (123,260) + (127,260) + (153,260) + (163,260) +
(172,260) + (187,260) + (199,260) + (261,260) + (379,260) +
100

MD = 7107,400
= 71,074
100

Data Terkelompok :
Pencarian Data Terkelompok ini terbagi 2 yaitu :
1. Perkalian antara Jumlah Frekuensi IC dengan Titik Tengah,
setelah didapatkan hasil dan dijumlah seluruhnya kemudian
dibagi dengan jumlah total data, maka didapatlah x
2. Selanjutnya nilai titik tengah dukurangi nilai x yang didapat
3. Kemudian nilai frekuensi dikali hasil dari nilai titik tengah
dikurangi nilai x diatas tadi dan dibagi nilai total data.
4. Untuk lebih jelasnya lihat Tabel 3.9 dibawah ini,
Tabel 3.9 – Frekuensi x Titik Tengah
IC fi NTK (xi) fi . xi
20 – 99 14 59,5 833
100 - 179 35 139,5 4882,5
180 – 259 31 219,5 6804,5
260 - 339 13 299,5 3893,5
340 - 419 5 379,5 1897,5
420 - 499 1 459,5 459,5
500 - 579 1 539,5 539,5
TOTAL f 100 19310,0
 x = 19310,0 = 193,100
100

Tabel 3.10 – Frekuensi x Nilai x, Frekuensi . (xi – x)

IC f NTK (xi) xi - x f (xi – x)
20 – 99 14 59,5 133,60 1870,400
100 - 179 35 139,5 53,60 1876,000
180 – 259 31 219,5 26,40 818,400
260 - 339 13 299,5 106,40 1383,200
340 - 419 5 379,5 186,40 932,000
420 - 499 1 459,5 266,40 266,400
500 - 579 1 539,5 346,40 346,400
TOTAL f 100 7492,800

MD = 7492,800 = 74,920
100

Maka didapatlah kesesuaian perhitungan Simpangan Mutlak

Rata-Rata sebagai berikut :
1. Data Tidak Terkelompok : x = 196,740
MD = 71,074
2. Data Terkelompok :x = 193,100
MD = 74,920

Dan yang terakhir adalah Langkah Keempat belas yakni Pencarian

Simpangan Baku (Deviasi Standard). Simpangan Baku merupakan ukuran
penyebaran yang palign sering digunakan. Mayoritas nilai data cenderung berada
dalam satu deviasi standard dari mean. Simpangan Baku terbagi menjadi 2
kelompok yakni Data Tidak Terkelompok dan Data Terkelompok.

5. Simpangan Baku (Deviasi Standard)

Data Tidak Terkelompok :
Data yang dipakai untuk pencarian Data Tidak Terkelompok ini
adalah Jajaran Data (Array) atau Jajaran data yang telah tersusun
yang terdiri dari 100 Data dengan Nilai Rata-Rata = 196,740.

Ketentuan lain untuk Simpangan Baku (SB) ini adalah data yang
dipakai untuk perhitungan adalah data Simpangan Mutlak Rata-Rata
dan yang diambil adalah hasil pengurangan nya kemudian
dikuadratkan dan dijumlahkan, seperti dibawah ini :
SB = (171,740)² + (168,740)² + (139,740)² + (134,740)² + (127,740)² +
(126,740)² + (124,740)² + (124,740)² + (123,740)² + (121,740)² +
(118,740)² + (117,740)² + (112,740)² + (103,740)² + (94,740)² +
(89,740)² + (89,740)² + (84,740)² + (82,740)² + (81,740)² +
(77,740)² + (75,740)² + (70,740)² + (64,740)² + (62,740)² +
(54,740)² + (53,740)² + (50,740)² + (49,740)² + (48,740)² +
(47,740)² + (44,740)² + (42,740)² + (40,740)² + (40,740)² +
(32,740)² + (32,740)² + (32,740)² + (31,740)² + (26,740)² +
(25,740)² + (24,740)² + (22,740)² + (21,740)² + (21,740)² +
(21,740)² + (21,740)² + (19,740)² + (18,740)² + (10,740)² +
(8,740)² + (6,740)² + (3,740)² + (0,740)² + (0,740)² +
(1,260)² + (2,260)² + (6,260)² + (7,260)² + (7,260)² +
(7,260)² + (9,260)² + (14,260)² + (15,260)² + (15,260)² +
(29,260)² + (31,260)² + (31,260)² + (32,260)² + (32,260)² +
(33,260)² + (34,260)² + (35,260)² + (38,260)² + (53,260)² +
(53,260)² + (54,260)² + (54,260)² + (58,260)² + (62,260)² +
(74,260)² + (78,260)² + (79,260)² + (80,260)² + (84,260)² +
(95,260)² + (109,260)² + (111,260)² + (118,260)² + (122,260)² +
(123,260)² + (123,260)² + (127,260)² + (153,260)² + (163,260)² +
(172,260)² + (187,260)² + (199,260)² + (261,260)² + (379,260)² +
100

SB = 880435,240
= 8804,352
100

Simpangan Baku/ Standard Deviasi (SB) = √ 8804,352 = 93,831

Data Terkelompok :
Perhitungan Data Terkelompok ini adalah sebagai berikut :
Tabel 3.11 – Perhitungan Lengkap Frekuensi
NTK
IC fi fi . xi xi - x (xi – x)2 f (xi – x)2
(xi)
20 – 99 14 59,5 833 133,60 17848,96 249885,44
100 - 179 35 139,5 4882,5 53,60 2872,96 100553,60
180 – 259 31 219,5 6804,5 26,40 696,96 21605,76
260 - 339 13 299,5 3893,5 106,40 11320,96 147172,48
340 - 419 5 379,5 1897,5 186,40 34744,96 173724,80
420 - 499 1 459,5 459,5 266,40 70968,96 70968,96
500 - 579 1 539,5 539,5 346,40 119992,96 119992,96
TOTAL f 100 19310,0 883904,00

x = 19310,0 = 193,100
100

Maka, SB = 883904,00 = 8839,040

100
 Simpangan Baku / Standard Deviasi (SB) = √ 8839,040 = 94,016

Maka didapatlah kesesuaian perhitungan Simpangan Baku / Standard

Deviasi sebagai berikut :
1. Data Tidak Terkelompok : x = 196,740 SB = 8804,352
√SB = 93,831

2. Data Terkelompok : x = 193,10 SB = 8839,040

√SB = 94,016
 BAB IV
PENUTUP
A. Kesimpulan

Dari perhitungan diatas yang telah saya jabarkan dan untuk mempermudah
melihat hasil keseluruhan, maka saya tampilkan rincian Rekapitulasi
Perhitungan sebagai berikut :

IC fi NTK
20 – 99 14 59,5
100 - 179 35 139,5
180 – 259 31 219,5
260 - 339 13 299,5
340 - 419 5 379,5
420 - 499 1 459,5
500 - 579 1 539,5
TOTAL f 100

1. Mean Aritmatik
- Data Tidak Terkelompok = 196,740
- Data Terkelompok = 193,100

2. Median
- Data Tidak Terkelompok = 187,000
- Data Terkelompok = 182,041

3. Modus
- Data Tidak Terkelompok = 175
- Data Terkelompok = 245,860

4. Simpangan Mutlak Rata-Rata

- Data Tidak Terkelompok x = 196,740
MD = 71,074
- Data Terkelompok x = 193,100
MD = 74,920
5. Simpangan Baku
- Data Tidak Terkelompok x = 196,740
SB = 8804,352
√SB = 93,831
- Data Terkelompok x = 193,100
SB = 8839,040
√SB = 94,016
B. Saran

Dalam kehidupan sehari – hari bahwa penggunaan aplikasi microsoft Excel

dan juga SPSS dapat memberikan manfaat yang besar bagi suatu organisasi
perusahaan maupun pendidikan yaitu waktu dapat menjadi lebih efisien ketika
melakukan pengolahan data mentah menjadi data berkelompok yang nantinya
menjadi informasi bagi organisasi tersebut dalam menentukan keputusan yang
lebih baik di masa yang akan datang. Sebaliknya, jika sebuah organisasi
perusahaan maupun pendidikan masih menerapkan penghitungan manual dalam
pengolahan data statistik, maka waktu yang ada menjadi kurang efisien dan
pengerjaan dalam mengolah data menjadi kurang efektif. Dan juga bila
dibandingkan hasil dari pengolahan data secara manual dengan hasil pengolahan
data secara otomatis yaitu dengan aplikasi microsoft excel dan SPSS, akan
memperoleh hasil yang berbeda dari keduanya. Tingkat keakuratan pengolahan
data secara otomatis lebih mendekati kebenaran daripada pengolahan data
secara manual.

Statistik diperlukan di bidang teknik sipil untuk bisa mengindentifikasi dan

menggambarkan hubungan-hubungan yang terdapat pada data yang di
kumpulkan, di proses dan disajikan kepada yang membutuhkannya atau juga
sebagai alat bantu pengambilan keputusan. Untuk penerapan statistika di teknik
sipil sebagai pencegahan kegagalan dalam suatu bangunan dan pengendalian
mutu bangunan.

Demikian pembahasan dalam makalah perkuliahan ini, semoga dari

paparan yang sudah ada dapatlah memberikan pemahaman dan menambah
pengetahuan kita tentang Statistika Probabilitas, sehingga diharapkan dapat
membantu kita dalam mengambil sebuah keputusan dari kemungkinan-
kemungkinan yang ada.
 DAFTAR PUSTAKA

Boediono, Koster, A. (2004). Teori dan aplikasi: Statistika dan probabilitas.

Bandung: PT Remaja Rosdakarya

Ariaanang. 2013. “Makalah Statistik Distribusi Frekuensi”. https://ariaanang.

wordpress.com/2013/06/18/makalah-statistik-distribusi-frekuensi/

Sumber data: Unit Hidrologi Satker Sementara PBPP Riau.