MODUL I

STATISTIKA DESKRIPTIF

DISUSUN OLEH
Gregorius Alfin Priambudi 17.12.007
Marcilinus Ari Kurniawan 17.12.015
Maria Septi Anggraini 17.12.020
Firman Alamsyah 17.12.026

LABORATORIUM PRAKTIKUM STATISTIKA INDUSTRI

PROGRAM STUDI TEKNIK INDUSTRI
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS KATOLIK MUSI CHARITAS
PALEMBANG
2019
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Statistika adalah cabang ilmu yang mempelajari tentang bagaimana
mengumpulkan, menganalisis dan menginterpretasikan data. Atau dengan
kata lain, statistika menjadi semacam alat dalam melakukan suatu
riset empiris.Dalam menganalisis data, para ilmuwan menggambarkan
persepsinya tentang suatu fenomena. Deskripsi yang sudah stabil tentang
suatu fenomena seringkali mampu menjelaskan suatu teori. Penemuan teori
baru merupakan suatu proses kreatif yang didapat dengan cara mereka ulang
informasi pada teori yang telah ada atau mengesktrak informasi yang
diperoleh dari dunia nyata. Pendekatan awal yang umumnya digunakan untuk
menjelaskan suatu fenomena adalah statistika deskriptif.
Didalam kehidupan 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 Dekriptif beruisaha
menjelaskan atau menggambarkan berbagai karakteristik data seperti berapa
rata-ratanya, seberapa jauh data-data yang bervariasi dan sebagainya.

1.2 Tujuan Praktikum

Tujuan dari praktikum modul ini adalah sebagai berikut
1. Dapat menghitung dan menginterprestasikan ukuran pemusatan dan
penyebaran dari suatu data.
2. Dapat menyajikan data dalam bentuk tabel, diagram atau grafik dan
distribusi frekuensi.
3. Dapat membedakan data diskrit dengan data kontinu, ungrouped data
dengan grouped data.
4. Dapat menghitung dan mengetahui sifat-sifat penting dari dataskewness
dan Kurtosis.
5. Dapat menggunakan paket-paket perangkat lunak komputer (Excel, SPSS,
dan sebagainya) untuk mengolah data-data statistika deskriptif.
6. Dapat mengetahui fungsi dan kegunaan MINITAB/SPSS secara mendasar.
7. Dapat menganalisis hasil yang diperoleh dari penggunaan
MINITAB/SPSS.
 BAB II
LANDASAN TEORI

2.1 Statistika Deskriptif

Statistik adalah sekumpulan prosedur untuk mengumpulkan, mengukur,
mengklasifikasi, menghitung, menjelaskan, mensintesis, menganalisis, dan
menafsirkan data kuantitatif yang diperoleh secara sistematis. Secara garis besar,
statistik dibagi menjadi dua komponen utama, yaitu Statistik Deskriptif dan
Statistik Inferensial. Statistik deskriptif menggunakan prosedur numerik dan
grafis dalam meringkas gugus data dengan cara yang jelas dan dapat dimengerti,
sementara statistik inferensial menyediakan prosedur untuk menarik kesimpulan
tentang populasi berdasarkan sampel yang kita amati. Statistik deskriptif
membantu kita untuk menyederhanakan data dalam jumlah besar dengan cara
yang logis. Data yang banyak direduksi dan diringkas sehingga lebih sederhana
dan lebih mudah diinterpretasi.

2.2 Bentuk Penyajian Data

2.2.1 Penyajian Data
Data yang telah dikumpulkan, baik yang berasal dari sampel ataupun
populasi, untuk keperluan laporan atau analisis, perlu diatur, disusun dan
disajikan dalam bentuk yang jelas dan baik. Data dapat disajikan dalam dua
cara yaitu, dengan tabel dan diagram atau grafik. Bentuk diagram yang biasa
digunakan adalah diagram garis, diagram lingkaran dan diagram pencar.

1. Histogram :

Histogram yaitu merupakan grafik dari distribusi frekuensi suatu

variabel. Tampilan histogram berupa balok. Penyajian data ini terdiri dari
dua sumbu utama dengan sudut 900 dimana sebagai absis sumbu X dan
sebagai ordinat Y. Lebar balok yaitu merupakan jarak dari batas kelas
interval, sedangkan tinggi balok menunjukkan besarnya frekuensi.
2. Pie Chart :

Pie Chart / Diagram kue adalah sebuah lingkaran yang dibagi

menjadi beberapa sektor. Tiap sektor dapat menyatakan besarnya
presentase atau bagian untuk masing-masing kelompok.

3. Poligon :

Poligon yaitu merupakan grafik dari distribusi frekuensi

tergolong suatu variabel. Tampilan poligon juga berupa garis – garis
patah yang diperoleh dengan cara menghubungkan puncak masing –
masing nilai tengah kelas. Poligon sangat baik digunakan untuk
membandingkan bentuk dari dua distribusi.

4. Ogive :

Ogive yaitu merupakan bentuk gambar dari distribusi

frekuensi kumulatif suatu variabel. Untuk suatu tabel distribusi
frekuensi, dapat juga dibuat ogive positif dan ogive negatifnya.
 5. Diagram Batang Daun (Stem and Leaf) :

Diagram Batang Daun (Stem and Leaf) juga sama dengan

histogram, hanya saja informasi yang diperoleh lebih baik karena
diagram batang daun memperlihatkan nilai – nilai hasil pengamatan
asli. Dalam diagram ini ditampilkan bilangan – bilangan yang juga
sebagai batang dan disebelah kananya ditulis bilangan sisanya.

2.2.2 Ukuran Pemusatan Data

Salah satu ukuran numerik yang menjelaskan ciri-ciri data yang
penting adalah ukuran pemusatan, yaitu ukuran yang menunjukan
pemusatan, yaitu ukuran yang menunjukan pusat segugus data yang telah
diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Ukuran
pemusatan data yang paling banyak dilakukan adalah Mean, Median dan
Modus.

a. Mean

Mean atau rata-rata hitung adalah nilai yang diperoleh dari jumlah
sekelompok data dibagi dengan banyaknya data. Rata-rata disimbolkan
dengan x.
  Rata-Rata untuk Data Tunggal

𝑗𝑢𝑚𝑙𝑎ℎ 𝑛𝑖𝑙𝑎𝑖 𝑥 𝑥1+𝑥2 +⋯𝑥𝑛

x̄ = atau x̄ =
𝑛 𝑛

Keterangan:
x̄=mean
n= banyaknya data

 Rata-Rata untuk Data Berkelompok

∑𝑓𝑖.𝑥𝑖
x̄ = ∑𝑓𝑖

Keterangan :
fi = frekuensi
xi = nilai tengah
Nilai tengah adalah jumlah tepi bawah dan tepi atas di bagi 2.

b. Median
Median adalah nilai data yang terletak di tengah setelah data diurutkan.
Dengan demikian, median membagi data menjadi dua bagian yang sama
besar. Median (nilai tengah) disimbolkan dengan Me.

 Median untuk Data Tunggal

1. Jika banyaknya data n ganjil

Me = 𝑥𝑛+1
2

2. Jika banyaknya data n genap

𝑥𝑛
+𝑥𝑛
2 +1
2
Me = 2

Keterangan:
Me = Median
 n = jumlah data
x = nilai data

 Median untuk data berkelompok

1
𝑛−𝐹
Me = Tb + 2 𝐶
𝑓

Keterangan :
Tb = Tepi bawah kelas median (Batas bawah – 0,5)
F = Frekuensi kumulatif sebelum median
f = Frekuensi
c = Panjang kelas
n = Jumlah frekuensi

c. Modus

Modus adalah data yang paling sering muncul atau memiliki frekuensi
tertinggi. Modus dilambangkan dengan Mo. Beberapa kemungkinan tentang
modus suatu gugus data:

1) Apabila pada sekumpulan data terdapat dua modus, maka gugus data
tersebut dikatakan bimodal.
2) Apabila pada sekumpulan data terdapat lebih dari dua modus, maka
gugus data tersebut dikatakan multimodal.
3) Apabila pada sekumpulan data tidak terdapat modus, maka gugus data
tersebut dikatakan tidak mempunyai modus.

 Modus untuk data tunggal

Modus dari data tunggal adalah data yang paling sering muncul.

 Modus untuk data berkelompok

𝑑1
Mo = Tb + 𝑑1+𝑑2 𝐶
 Keterangan :

Tb = Tepi bawah kelas modus

d1 = Selisih antara frekuensi modus dengan frekuensi sebelumnya

d2 = selisih antara frekuensi modus dengan frekuensi sesudahnya

c = Panjang kelas

d. Skeweness (Kecondongan)
Kecondongan suatu kurva dapat dilihat dari perbedaan letak mean,
median dan modusnya. Jika ketiga ukuran pemusatan data tersebut berada
pada titik yang sama, maka dikatakan simetris atau data berdistribusi
normal. Sedangkan jika tidak berarti data tidak simetris atau tidak
berdistribusi normal.
Ukuran kecondongan data terbagi atas tiga bagian, yaitu :

 Kecondongan data ke arah kiri (condong negatif) dimana nilai modus

lebih dari nilai mean (modus > mean).
 Kecondongan data simetris (distribusi normal) dimana nilai mean dan
modus adalah sama (mean = modus).
 Kecondongan data ke arah kanan (condong positif) dimana nilai mean
lebih dari nilai modus (mean > modus).

2.2.3. Ukuran Letak

Selain ukuran pemusatan terdapat pula ukuran letak. Salah satu
dari ukuran letak adalah median yang menunjukan nilai skor tengah dalam
susunan skor yang diurutkan dari yang terkecil sampai yang terbesar.
Dengan demikian, median terletak di tengah-tengah data yang telah
diurutkan dan dapat dianggap bahwa median membagi data yang telah
diurutkan itu menjadi dua sub kelompok yang sama banyak. Dalam hal ini
ukuran letak selain median adalah desil, persentil dan kuartil.
1. Kuartil
Kuartil merupakan ukuran letak yang membagi data yang sudah
diurutkan menjadi empat bagian sama banyak, masing-masing bagian
mempunyai 25% data.
Kelompok data memiliki 3 kuartil yakni kuartil bawah (Q1), kuartil
tengah atau median (Q2), Quartil atas (Q3).

X min Q1 Q2 Q3 Xmax

Langkah-Langkah menghitung nilai kuartil data tunggala adalah

sebagai berikut:
1. Mengurutkan data dari yang terkecil hingga terbesar
2. Menentukan letak kuartil.

Letak kaurtil bisa dihitung sebagau berikut :

Q1 terletak pada data ke ¼ (n+1)
Q2 terletak pada data ke ½ (n+1)
Q3 terletak pada data ke ¾ (n+1)

Untuk menghitung data kelompok bisa dihitung :

𝑖
𝑛−𝑓𝑘𝑖
Qi = Tb + (4 )𝐼
𝑓𝑖

Keterangan:
Qi = kuartil ke i, (i = 1, 2, 3)
Tb = Tepi bawah kelas Qi
 n = jumlah data
fki = Frekuensi komulatif kurang darikelas yang memuat Qi
fi = Frekuensi pada kelas yg memuat kuarti Qi
I = Interval

2. Desil
Desil merupakan ukuran letak yang membagi data yang sudah
diurutkan dari terkecil hingga terbesar menjadi sepuluh bagian sama
banyak. Jadi masing-masing bagian memiliki 10 % data keseluruhan dan
memiliki 9 nilai desil.
Langkah-langkah menentukan desil adalah sebagai berikut :
D1 letaknya pada data ke 1/10 (n+1)
D2 letaknya pada data ke 2/10 (n+1)
D3 letaknya pada data ke 3/10 (n+1)
dan seterusnya sampai D9
Sedangkan rumus desil adalah
𝑖
𝑛−𝑓𝑘𝑖
10
Di = Tb + ( )𝐼
𝑓𝑖

Keterangan:
Di = Desil ke-i (i = 1, 2, 3, ...9
Tb = Tepi bawah
n = banyaknya data
fki = frekuensi kumulatif sebelum kelas yang memuat desil
fi = frekuensi kelas yang memuat desil
I = interval
3. Persentil
Persentil adalah ukuran letak yang membagi kumpulan data yang
sudah diurutkan menjadi 100 bagian sama banyak dan tiap
persentil memiliki bagian 1% data serta sekumpulan data terdapat 99 buah
persentil.
Langkah-langkah menentukan persentil adalah sebagai berikut :
P1 letaknya pada data ke 1/100 (n+1)
P2 letaknya pada data ke 2/100 (n+1)
P3 letaknya pada data ke 3/100 (n+1)
dan seterusnya sampai
P99 letaknya pada data ke 99/100(n+1)

Sedangkan rumus persentil adalah

𝑖
𝑛−𝑓𝑘𝑖
Pi = Tb + (100 𝑓𝑖 )𝐼

Keterangann:
Pi = Persentil ke-i (i = 1, 2, 3, ...99)
Tb = Tepi bawah
n = banyaknya data
fki = frekuensi kumulatif sebelum kelas yang memuat persentil
fi = frekuensi kelas yang memuat persentil
I = interval

4. Ukuran Keragaman Data

Selain pemusatan data dan ukuran letak, dalam penelitian
deskriptif terdapat ukuran keragaman. Ukuran keragaman menggambarkan
bagaimana berpencarnya data atau menggambarkan seberapa jauh data
menyebar dari rata-ratanya. Ukuran keragaman data ini berbentuk ragam,
atau variansi dan simpangan baku.
Pada penelitian deskriptif juga dapat dilakukan untuk membuat
prediksi dengan analisis regresi, mencari kuatnya hubungan antar variabel
melalui analisis korelasi dan membuat perbandingan dengan
membandingkan rata-rata sampel atau poplulasi. Namun, yang perlu
dipahami analisis yang digunakan tidak dimaksudkan untuk
digeneralisasikna sehingga tidak perlu dicari signifikansinya dan taraf
kesalahannya.
 BAB III
PENGUMPULAN DAN PENGOLAHAN DATA

3.1 Pengumpulan Data

TABEL I-1 DATA POPULASI MAHASISWA/I FST UKMC
No Program Studi Angkatan Umur
1 Akutansi 2018 18
2 Akutansi 2018 18
3 Akutansi 2018 18
4 Akutansi 2018 18
5 Akutansi 2018 18
6 Management 2017 18
7 Psikologi 2018 19
8 Psikologi 2018 19
9 Psikologi 2018 19
10 Akutansi 2017 19
11 Akutansi 2017 19
12 Akutansi 2017 19
13 Akutansi 2017 19
14 Akutansi 2017 19
15 Management 2017 19
16 Management 2017 19
17 Management 2017 19
18 Management 2017 19
19 Management 2017 19
20 Keperawatan 2017 19
21 Keperawatan 2017 19
22 Keperawatan 2017 19
23 Keperawatan 2017 19
24 Analis kesehatan 2017 20
25 Analis kesehatan 2017 20
26 Analis kesehatan 2017 20
27 Analis kesehatan 2017 20
28 Analis kesehatan 2017 20
29 Analis kesehatan 2017 20
30 Analis kesehatan 2017 20
31 Analis kesehatan 2017 20
32 Analis kesehatan 2017 20
33 Analis kesehatan 2017 20
34 Analis kesehatan 2017 20
35 Analis kesehatan 2017 20
36 Analis kesehatan 2017 20
37 Analis kesehatan 2017 20
38 Analis kesehatan 2017 20
39 Analis kesehatan 2017 20
40 Analis kesehatan 2017 20
41 Analis kesehatan 2017 20
42 Analis kesehatan 2017 20
43 Psikologi 2017 20
 44 Psikologi 2017 20
45 Pgsd 2017 20
46 Pgsd 2017 20
47 Pgsd 2017 20
48 Sistem informasi 2016 20
49 Management 2017 20
50 Management 2017 20
51 Keperawatan 2017 20
52 Keperawatan 2017 20
53 Analis kesehatan 2017 21
54 Analis kesehatan 2017 21
55 Sistem informasi 2016 21
56 Teknik industri 2015 21
57 Teknik industri 2015 21
58 Management 2017 21
59 Management 2017 21
60 Management 2017 22

Pengolahan Data
3.1.1 Pengolahan Data Tunggal
TABEL I-2 DATA TUNGGAL
Usia (xi) Tolli fi xi.fi (xi-x̄) (𝐱𝐢 − 𝐱)𝟐 𝐟(𝐱𝐢 − 𝐱)𝟐 (𝐱𝐢 − 𝐱)𝟑 (𝐱𝐢 − 𝐱)𝟒
18 IIIII I 6 108 -1,666666667 2,777777778 16,66666667 −1,666666667 7,716049383
19 IIIII IIIII IIIII II 17 323 -0,666666667 0,444444444 7,555555556 −0,296296296 0,197530864
IIIII IIIII IIIII IIIII
20 29 580 0,333333333 0,111111111 3,222222222 0,037037037 0,012345679
IIIII IIII
21 IIIII II 7 147 1,333333333 1,777777778 12,44444444 1,777777778 3,160493827
22 I 1 22 2,333333333 5,444444444 5,444444444 5,444444444 29,64197531
Total 60 1180 1,666666667 10,55555556 42,11111111 5,296296296 40,72839506

1. Mean 3. Modus

x̄= Mo = 20

=
4. Standar Devisiasi
=19,66
s=

2. Median s=
Md = X30
s = 0,844
Md = 20
5. Variansi K2 = 20
s2 = (0,844)2 𝑖(𝑛+1)
K3 =
4
s2 = 0,7123 3(60+1)
K3 = 4

K3 = X45,75
6. Kuartil
𝑥45+𝑥46
𝑖(𝑛+1) K3 =
K1 = 2
4
20+20
1(60+1) K3 = 2
K1 = 4
K3 = 20

K1 = X15,25
𝑥15+𝑥16
7. Koefisien Skewness
K1 = 2 ∑(𝑥𝑖−x)3
α3=
19+19 𝑛 𝑠3
K1 = 2 5,296
= 60 (0,844)3
K1 = 19
= 0,10492

𝑖(𝑛+1) 8. Koefisien Kurtosis

K2 =
4
∑(𝑥𝑖−x)4
2(60+1)
α4 = 𝑛 𝑠4
K2 =
4
40,7283
=
K2 = X30,5 60 (0,944|)60 (0,944)4

𝑥30+𝑥31 = 0,8548
K2 = 2
20+20
K2 = 2

35

30

25

20

15

10

0
Usia 18 Usia 19 Usia 20 Usia 21 Usia 22

GAMBAR I-1 DIAGRAM HISTOGRAM UMUR MAHASISWA UKMC

35

30

25

20

15

10

0
Usia 18 Usia 19 Usia 20 Usia 21 Usia 22

GAMBAR I-2 DIAGRAM POLIGON UMUR MAHASISWA UKMC

Umur 18 Umur 19 Umur 20 Umur 21 Umur 22

GAMBAR I-3 DIAGRAM LINGKARAN UMUR MAHASISWA UKMC

 3.1.2 Pengolahan Data Kelompok
Jumlah kategori/kelas

k = 1 + 3,322 log n
k = 1 + 3,322 log (60)

k = 1 + 5,91
k = 6,91 ≈ 7

Interval kelas
𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑏𝑒𝑠𝑎𝑟−𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑘𝑒𝑐𝑖𝑙
Interval kelas = 𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑙𝑎𝑠(𝑘)
22−18
= 7

Interval kelas = 0,571

TABEL I-3 DATA BERKELOMPOK

Interval
Tolli f fk xi f xi ̅
xi-𝒙 ̅)2
(xi-𝒙 ̅)2
f(xi-𝒙 ̅)3
(xi-𝒙 ̅)4
(xi-𝒙
kelas
18-18,56 IIIII I 6 6 18,28 109,68 -23,648 559,227904 3355,367424 -13224,62147 312735,8486
18,57-19,13 IIIII IIIII IIIII II 17 23 18,85 425 -23,078 532,594084 9054,099428 -12291,20627 283656,4583
19,14-19,70 0 23 19,42 0 -22,508 506,610064 0 -11402,77932 256653,7569
IIIII IIIII IIIII
19,71-20,27 IIIII IIIII IIII 29 52 19,99 1508 -21,938 481,275844 13956,99948 -10558,22947 231626,438
20,28-20,84 0 52 20,56 0 -21,368 456,591424 0 -9756,445548 208475,7285
20,85-21,41 IIIII II 7 59 21,13 413 -20,798 432,556804 3027,897628 -8996,31641 187105,3887
21,42-21,98 0 59 21,7 0 -20,228 409,171984 0 -8276,730892 167421,7125
21,99-22,55 I 1 60 22,27 60 -19,658 386,436964 386,436964 -7596,577838 149333,5271
TOTAL 60 2481,68 -173,224 3764,465072 29780,80092 -82102,90722 1797008,859

1. Mean Md = 19,84
∑𝑥𝑖.𝑓𝑖
x̄ = 𝑓𝑖
3. Modus
2515,68
x̄ =
60 𝑑1
Mo = L + 𝑑 xi
1 +𝑑2
x̄ = 41,928
29
Mo = 19,705+29+29 0,56

2. Median Mo = 19,99
𝑛
−𝐶𝑓
Md = L + 2 𝑓
xi
4. Standar Deviasi
60
−23
2
Md = 19,705+ 0,56 𝛴𝑓(𝑥𝑖−x)2
29 S=√ 𝑛−1
 29780,80092 NP15 = 18,67
S=√ 60−1

30𝑛
−𝐶𝑓
NP30 = L + 100𝑓 xi
S = 22,47
30(60)
5. Variansi 100
−23
NP30 =19,705 + 0,56
29
S2 = (22,47)2
NP30 = 19,60
S2 = 504,76
60𝑛
−𝐶𝑓
100
NP60 = L + 𝑓
xi

6. Kuartil 60(60)
−23
100
NP60 = 19,705 + 29
0,56
1𝑛
−𝐶𝑓
4
NK1 = L + xi
𝑓 NP60 = 19,95
60 95𝑛
−6 −𝐶𝑓
4
NK1 = 18,565 + 17
0,56 NP95= L + 100𝑓 xi

NK1 = 18.86 95(60)

−52
100
NP95 = 20,845 + 59
0,56

2𝑛 NP95 = 20,89
−𝐶𝑓
4
NK2= L + 𝑓
xi

2(60)
−23 8. Koefisien Skewness
4
NK2 = 19,705 + 0,56
29
𝛴(𝑥𝑖−x)3
NK2 = 19,84 α3 = 𝑛 𝑠3
−82102,90722
α3 = 60 (20.47)3
3𝑛
−𝐶𝑓
NK3= L + 4
xi α3 = -0,15
𝑓

3(60)
−52
4
NK3 = 20,845 + 7
0,56 9. Koefisien Kurtosis
NK3 = 20,28 𝛴(𝑥𝑖−x)4
α4 = 𝑛 𝑠4
1797008,859
α4 = 60 (20,47)4
7. Persentil
15𝑛
−𝐶𝑓
α4 = 0,17
100
NP15 = L + 𝑓
xi

15(60)
−6
100
NP15 = 18,565 + 17
0,56
35
30
25
20
15
10
5
0

GAMBAR I-4 DIAGRAM HISTOGRAM UMUR MAHASISWA UKMC

35
30
25
20
15
10
5
0

GAMBAR I-5 DIAGRAM POLIGON UMUR MAHASISWA UKMC

18-18,56 18.57-19.13 19.14-19.70 19.71-20.27

GAMBAR I-6 DIAGRAM LINGKARAN UMUR MAHASISWA UKMC

3.2.3 Pengolahan dengan menggunakan SPSS

TABEL I-4 PERHITUNGAN MENGGUNAKAN APLIKASI SPSS

 BAB IV
ANALISIS

1.1 Pengelompokan Data Tunggal

Dari hasil pengumpulan data umur mahasiswa Universitas Katolik
Musi Charitas di ambil 60 sampel secara acak dari setiap program studi di
fakultas masing-masing lalu didapatkan mean atau rata-rata 19,66. Kemudian
mencari nilai mediannya dan hasilnya 21, berdasarkan data yang sudah di
hitung diatas kita dapatkan nilai yang sering muncul (modus) dengan hasilnya
20. Selanjutnya dilakukan perhitungan untuk mencari standar devisiasinya
kemudian di dapatkan nilai 0,844. Setelah itu hasil dari perhitungan standar
devisiasi dipangkat duakan dengan kata lain disebut variansi dan didapatkan
angka 0,7123.
Selanjutnya untuk mencari kuartil 1, kuartil 2, dan kuarttil 3 setelah
dihitung kuartil 1 mendapatkan nilai 19 , selanjutnya kuartil 2 mendapatkan
nilai 20, dan kuartil 3 mendapatkan nilai 20. Selanjutnya untuk menghitung
koefisien skweness dipangkatkan tiga, lalu diperoleh angka 0,10492. Dan
yang terakhir untuk menghitung koefisien kurtosisnya dilakukan perhitungsn
ysng sama seperti koefisien skweness tetapi perbedaanya perhitungan
koefisien kurtosisnya dipangkatkan empat dan mendapatkan hasil 0,8548.

1.2 Pengelompokan Data Kelompok

Untuk perhitungan data kelompok ini, langkah awal dengan cara yang
sama dengan perhitungan pengolahan data tunggal. Hitung jumlah kelas dan
didapat 6,91 kemudian dibulatkan menjadi 7 kelas, lalu lanjutkan dengan
mencari interval kelasnya didapat 0 ,571 sesuai rumus. Setelah itu membuat
tabel dan hitung mulai dari frekuensi (f) sampai (xi.𝑥̃)4 lalu totalkan dari
masing-masing tabel yang dihitung. Setelah melakukan perhitungan sesuai
cara dan rumus yang ada, didapat hasil perhitungan mean sebesar 41,928.
kemudian di lakukan perhitungan untuk mencari Nilai median dan di
dapatkan nilai sebesar 19,84. Selanjutnya di lakukan perhitungan untuk
mencari Nilai modus di dapatkan nilai sebesar 19,99. Kemudian Dilanjutkan
 menghitung standar deviasi (s) dan di dapatkan nilai sebesar 22,47 dan
perhitungan variansi (s2) di dapatkan nilai sebesar 504,76.
Dari data tabel yang sudah dicari tadi, kita dapat mencari kuartil.
Kuartil yang kami hitung kuartil ke 1,2 dan 3. Untuk menghitung kuartil, kita
harus mencari letak kuartil terlebih dahulu. Letak kuartil ini berguna untuk
mengetahui nilai tepi batas bawah kuartil K-I (kuartil yang kita cari). Nilai
kuartil pertama 18,86, kuartil kedua 19,84 dan kuartil ketiga 20,28. Setelah
mencari kuartil, dilanjutkan dengan mencari persentil. Disini kami
mengambil persentil ke 15, 30, 60 dan 95. Caranya sama kita harus mencari
letak persentil terlebih dahulu, bedanya jika kuartil 1 per 4 sedangkan
persentil 1 per 100. Nilai persentil ke-15 sebesar 18,67, nilai persentil ke-30
sebesar 19,60, nilai persentil ke-60 sebesar 19,95, dan nilai persentil ke-90
sebesar 20,89. Setelah semua dihitung barulah kita mencari koefisien
skewness dan didapat nilai sebesar -0,15 dan koefisien kurtosis sebesar 0,17.

1.3 Perhitungan dengan Menggunakan SPSS

Dari hasil perhitungan menggunakan SPSS, hasil yang diperoleh
mean sebesar 19,67 median dengan nilai 20,00, modus sebesar 20, standar
deviasi 0,877, variansi 0,768. Untuk koefisien skewness diperoleh nilai
sebesar -0,064 dan koefisien kurtosis sebesar 0,076. Pada aplikasi SPSS,
kami menghitung nilai persentil ke 25,50 dan 75 sedangkan untuk yang
pengolahan data kelompok hanya menghitung persentil ke-25, 50, dan 75.
Hasil perhitungan persentil dari SPSS didapat persentil ke-25 sebesar 19,00,
persentil ke-50 sebesar 20,00, persentil ke-75 sebesar 20,00. Dapat dilihat
bahwa nilai yang diperoleh tidak terlalu jauh berbeda dengan perhitungan
manual menggunakan data tunggal dan data berkelompok.
 BAB V
SIMPULAN DAN SARAN

5.1 Simpulan
Pada praktikum statistika yang kami lakukan dapat disimpulkan bahwa:
1. Statistika deskriptif membantu kita untuk menyederhanakan data dalam
jumlah besar dengan cara yang logis.
2. Melakukan penyajian data dengan penggunaan tabel, diagram, grafik, dll.
3. Data diskrit menggunakan bilangan bulat sedangkan data kontinu
menggunakan pecahan/bulat. Grouped data (data berkelompok) data yang
sudah disusun dan dikelompokkan dalam kelas-kelas interval, sedangkan
ungrouped data(data tunggal) adalah data yang belum tersusun atau
dikelompokkan kedalam kelas-kelas interval.
4. Skewness dapat diartikan sebagai kemiringan distribusi data. Yang
dimaksud dengan kemiringan data adalah besarnya pembagian data atau rata-
rata sebaran data yang biasanya diwujudkan dengan bentuk lonceng,
sedangkan kurtosis diartikan sebagai keruncingan distribusi data. Semakin
runcing nilai kurtosis akan menunjukkan data hampir homogen.
5. Penggunaan aplikasi seperti Ms.Excel, SPSS/Minitab dapat mempermudah
serta meminimalisir kesalahan dalam pengolahan data.
6. SPSS dapat mempermudah pencarian data dengan langsung menampilkan
parameter statistik deskriptif seperti mean, median, modus, kuartil, persentil,
skewness, kurtosis, dll.
7. Hasil pengolahan data
dari SPSS menghasilkan angka yang sama namun hanya berbeda sedikit.

5.2 Saran

1. Pengolahan data harus dilakukan dengan teliti dan juga untuk

mempermudah pengolahan data sebaiknya gunakan aplikasi Ms.Excel &
SPSS agar meminimalisir kesalahan.
2. Pengumpulan data sebaiknya dilakukan secara acak dan juga harus valid.
 DAFTAR PUSTAKA

Setiawan, Ade. 2011 . ”Statistika Deskriptif”. www.smartstat.info. Diunduh pada

tanggal 24 Maret 2019, pada pukul 13:36 WIB.
Alfindasar, Desi. 2014. “Teknik Analisis Data: Statistik Deskriptif”.
www.eurekapendidikan.com. Diunduh pada tanggal 24 Maret 2019, pada
pukul 14:23 WIB.
Ardiyanto, Rama. 2019. “Statistik Deskriptif – Pengertian, Materi, Jenis – Jenis,
Contoh Soal”. rumus.co.id. Diunduh pada tanggal 24 Maret, pada pukul
14:27 WIB.
Myreisa. 2017. “Statistika – Ukuran Pemusatan Data : Mean , Median, Modus”.
myreisa.wordpress.com. Diunduh pada tanggal 25 Maret 2019, pada pukul
00:12 WIB.
Muflikah, Irma. 2017. “STATISTIKA : Ukuran Letak (Quarti, Desil, Persentil)
dan Ukuran Penyebaran Data”. http://ngajimatematika.blogspot.com.
Diunduh pada tanggal 25 Maret 2019, pada pukul 00:29 WIB.