BAB I
STATISTIK
Pada akhir-akhir ini, banyak sarjana statistik yang berpendapat bahwa statistik
sebenarnya merupakan ilmu atau metode penarikan kesimpulan umum dari
data kwantitatif yang terbatas. Bahwa pendapat ini bukanlah pendapat yang
baru, Croxton dan Cowden memberi definisi sbb :
Contoh :
Rata-rata, deviasi standar, ataupun median usia lampu pijar yang dapat
diprodusir oleh perusahaan merupakan parameter universe atau parameter
population.
Ketiga hal tersebut diatas sebenarnya tidak termasuk dalam teori probabilita
tetapi azas-azasnya pun merupakan aksioma-aksioma yang dapat
memperluas aksioma-aksioma teori probabilita.
Fungsi statistisi ialah memberi peralatan bagi para penyelidik ilmiah. Dari
problem eksperimen yang khusus, statsitisi tersebut membentuk sebuah
model matematis yang mendekati kondisi-kondisi eksperimen tersebut.
Setelah itu ia harus menganalisa model tersebut dengan metode matematika
dan akhirnya memberikan prosedur atau metode guna memecahkan
problemanya. Dalam hal sedemikian itu, statistisi tersebut selalu
berpedoman pada azas-azas teori statistik.
Teori statistik sebenarnya berakar pada teori probabilita yang sudah beratus-
ratus tahun usianya. Sayangnya hampir tiada ahli dibidanag tersebut yang
menaruh perhatian secara khusus, sehingga metode statistik sendiri lahir
karana kebutuhan-kebutuhan eksperimen dibidang ilmu biologi . Alhasil,
pokok-pokok daripada teori statistik pun diperkembangkan oleh sarjana
biologi pada ketika itu.
PROBABILITAS DASAR
EKSPERIMEN ACAK
Contoh 1.2. jika kita melemparkan sebuah dadu, maka hasil dari
eksperimen ini adalah muncul salah satu dari angka-angka dalam
himpunan [ 1,2 3, 4, 5, 6 ].
Contoh 1.3. jika kita melemparkan sebuah koin dua kali, ada empat
hasil yang mungkin muncul, dinyatakan dengan [ KK,KE, REK, EE],
yaitu keduanya kepala, kepala muncul pertama dan kemudian ekor
dan seterusnya.
RUANG SAMPEL
SUATU HIMPUAN S (Set ) yang terdiri dari semua hasil (outcome)
yang mungkin dari suatu eksperimen acak disebut sebagai ruang
sampel ( sample space ), dan setiap hasil disebut sebagai titik
sampel (sample point). Seringkali ada lebih dari satu ruang sampel
yang dapat menggambarkan hasil-hasil dari eksperimen, tetapi
biasanya hanya satu yang dapat memberikan informasi paling
lengkap.
Contoh 1.6. jika kita melemparkan sebuah dadu, maka salah satu
ruang sampel, atau himpunan dari semua hasil yang mungkin untuk
eksperimen ini adalah (1, 2, 3, 4, 5, 6) sementara yang lainnya
adalah ( genap, ganjil ) . namun disini jelas bahwa yang terakhir
tidak akan cukup untuk menentukan, misalnya apakah suatu hasil
akan habis dibagi 3.
Seringkali bermanfaat apabila ruang sampel ditampilkan dalam
bentuk grafik.
KEJADIAN
Kejadian (event) adalah salah satu sub himpunan (subset) A dari
ruang sampel S, dengan kata lain kejadian adalah himpunan dari
hasil-hasil yang mungkin. Jika hasil dari suatu eksperimen adalah
suatu elemen dari A, kita mengatakan bahwa kejadian A telah
terjadi. Suatu kejadian yang terdiri dari sebuah titik tunggal dari S
seringkali disebut sebagai suatu kejadian sederhana atau kejadian
elementer.
Contoh 1.8. jika kita melempar sebuah koin sebanyak dua kali,,
kejadian bahwa hanya satu kendala yang muncul adalah
subhimpunan dari ruang sampel yang terddiri dari titik-titik ( 0, 1)
dan ( 1, 0 ),
sebagaimana tampak pada gambar 1.2.
KONSEP PROBABILITAS
Dalam eksperimen acak, selalu ada ketidakpastian mengenai
apakah suatu kejadian khusus akan atau tidak akan terjadi. Sebagai
ukuran untuk peluang, atau probabilitas, dimana dengan ukuran ini
kita dapat mengharapkan munculnya kejadian tersebut, akan lebih
mudah apabila digunakan suatu bilangan antara 0 dan 1. Jika kita
yakin atau pasti bahwa kejadian ini akan terjadi, kita mengatakan
bahwa probabilitasnya adalah 100 % atau 1, tetapi jika kita yakin
bahwa kejadian ini tidak akan terjadi, kita mengatakan bahwa
probabilitasnya adalah nol. Jika, misalnya probabilitasnya adalah
¼, kita biasanya mengatakan bahwa ada 255 peluang kejadian
tersebut akan terjadi dan 75 % peluang kejadian tersebut tidak
akan terjadi. Serupa halnya kita dapat mengatakan bahwa peluang
tidak terjadinya kejadian ini adalah 75 % terhadap 25 % atau 3
banding 1.
Contoh 1.11. jika kita melempar sebuah koin sebanyak 11000 kali
dan kepala muncul sebanyak 532 kali, maka probabailitas
kemunculan kepala adalah 532/1000 = 0,532.
Baik metode klasik maupun metode frekuensi, keduanya memiliki
kelemahan besar, yang pertama karena kata-kata “kemungkinan
yang sama besar” artinya tidak jelas dan yang kedua karena kata-
kata “yang sangat besar” artinya juga tidak jelas. Karena kesulitan-
kesulitan ini, para ahli matematika terpaksa menggunakan
pendekatan aksimatik dalam menghitung probabilitas.
AKSIOMA-AKSIOMA PROBABILITAS
Misalnya kita memiliki suatu ruang sampel S. Jika S diskrit, semua
subhimpunan akan bersesuaian dengan kejadian-kejadian dan
sebaliknya, tetapi jika S non-diskrit, hnya subhimpuna-
subhimpunan khusus, (yaitu subhimpunan yang terukur) saja yang
bersesuaian dengan kejadian-kejadian. Untuk setiap kejadian A di
dalam kelas kejadian C, kita mengasosiasikan sebuah bilangan riil
P(A). Maka P disebut sebagai fungsi probabilitas, dan P(A) sebagai
probabilitas dari kejadian A, jika aksioma-aksioma berikut dipenuhi.
PENETAPAN PROBABILITAS
Jika ruang sampel S terdiri dari sejumlah hasl yang finit a1, a2,....,
an, maka,
P(A1) + P(A2) +......+ P(An) = 1 (14)
Dimana A1, A2, . . . . .An adalah kejadian-kejadian elementer yang
dirumuskan sebagai Ai = {ai}.
Maka, kita dapat memilih angka bukan negatif berapa pun sebagai
probabilitas dari kejadian-kejadian elementer ini selama persamaan
(14) dipenuhi. Secara khususs jika kita mengasumsikan semua
kejadian sederhana memiliki probabilitas – probabilitas yang sama,
maka :
P (Ak) = 1/n, k = 1,2,.......,n (15)
Dan jika A Adalah kejadian sembarang yang tersusun dari h
kejadian serhana tersebut, kita memiliki
P(A) = h/n (16)
PROBABIITAS BERSYARAT
Misal A dan B adaalah dua kejadian ( gambar 1.3) berikut :
Sedemikian rupa sehingga P(A) > 0. Gunakan lambang P(B)\A)
sebagai probabilitas dari B dengan syarat A telah terjadi. Karena A
diketahui telah terjadi, maka A menjadi ruang sampel beru
mengganikan S. Dari sini kita memperoleh definisi :
Gambar 1.3.
Jika dijabarkan dengan kata-kata, (18) mengatakan bahwa
probabilitas terjadinya A da B sama dengan probabilitas terjadinya
A dikaikan dengan probabilitas terjadinya B dengan syarat A telah
terjadi. Kita menyebut P(B\A) sebagai probabilitas bersyarat dari B
jika A, dengan kata lain, probablitas B akan terjadi dengan syarat A
telah terjadi. Dapat dilihat dengan mudah bahwa probabilitas
bersyarat memenuhi aksioma-aksioma .
Perlu diingat bahwa besar probabilitas suatu peristiwa terjadi antara 0 % sampai
dengan 100 % atau 0,00 s/d 1,00 dan simbul probabilitas adalah P. Jadi jika P= 0
% atau P = 0 berarti suatu peristiwa random pasti terjadi. Namun kenyataan dalam
kehidupan sifatnya relatif. P = 0 % dan P = 100 % adalah probabilitas sempurna
dari peristiwa pasti tidak terjadi dan peristiwa pasti terjadi. Misal seorang ditanya
mengenai berapa perse % kemungkinan tim sepak bola A akan menang melawan
tim sepak bola B ? jawabnya bersifat relatif, mungkin menang tim A sebesr 50 % :
50 % atau 40 % : 60 % atau 60 % : 40 %, da lain- lain.
Contoh :
Probabilitas untuk hubungan antar-peristiwa yang independen/bebas :
Dua uang logam yang masing-masing mempunyai dua sisiyakni sisi angka (A) dan
sisi gambar (G). Berarti ada dua persitiwa, yaitu angka dan gambar setiap uang
logam. Jika kedua uang logam untuk eksperimen dengan cara dilempar keatas
secara bersamaan, berapakah peristiwa yang mungkin terjadi atas eksperimen
tersebut ?
Jawab :
1. Uang logam I:
Sisi angka (A) muncul 1 X dengan probabilitas (P) =0,50
Sisi gambar(G) muncul 1 X dengan probabilitas (P) = 0,50
2. Uang logam II :
Sisi angka (A) muncul 1 X dengan probabilitas (P) = 0,5
Sisi gambar (G) muncul 1 X dengan probabilitas (P) = 0,50
Jadi setiap uag logam mempunyai dua peristiwa, yaitu sisi angka dan sisi
gambar. Berarti mmasing-masing mempunyai kemungkinnan muncul sebesar
P=0,50 atau 50 % setiap lemparan keatas. Komposisi muncul sisi angka (A) dan
sisi gambar (G) kedua uang logam tersebut sebagai berikut :
A A AA 1X P=1/4=25 %
A G AG 1X P=1/4=25 %
G A GA 1X P=1/4=25 %
G G GG 1X P=1/4=25 %
Sebagai catatan : kedua uang logam tidak berhubungan atau tidak saling
3. Dari data tersebut dapat dihitung probabilitas sesuai kaidah rumus yaitu :
P(AA) = P (A A) = P(A) X P(A) = 0,50X 0,50 = 0,25 = 25 %.
C D
A 20 35 55
B 30 15 45
Jumlah 50 50
Hitunglah probabilitas dari :
a. P (A C)
b. P(A U C)
c. P(P D)
d. P(D U B)
e. P(B C)
Matriks peristiwa di atas merupakan contoh hubungan antar-
peristiwa bebas, saling meniadakan dan bersyarat.
Jawab :
a. P
B. STATISTIK
Disini dapat dibedakan menjadi dua macam yaitu :
1. Statistik Diskriptif, yaitu statistik yang membahas mengenai pengumpulan,
pengolahan, penyajian serta penghitungan nilai-nilai dari suatu data lalu
digambarkan kedalam tabel atau grafik, dan
2. Statistik Induktif, yaitu disebut juga dengan statistik inferen adalah statistik
yang mempelajari tentang bagaimana pengambilan keputusan dilakukan dan
sekaligus mengintrepertasikan data yang sudah ada.
C. Data Statistik
Data statistik adalah keterangan atau fakta mengenai suatu persoalan baik yang
berbentuk ciri khass, kategori atau sifat, maupun berbentuk bilangan atau angka-
angka. Sedangkan data mentah adalah data yang baru dikumpulkan dan belum
pernah mengalami proses pengolahan apapun.
Jenis data statistik di bagi dua , yaitu :
1. Data kuantiatif adalah data yang bentuk bilangan angka-angka. Misalnya :
data bahan baku, data jumlah mahasiswa, data stok beras di gudang, data
gaji/upah karyawan, data tingkat penjualan, data jumlah karyawan, data
jumlah produksi, data biaya promosi.
a. Data diskrit adalah data kuantitatif yang mempunyai satuan bulat atau
utuh. Misalnya data jumlah mahasiswa, data jumlah kursi, data jumlah bus
diterminal, dan data jumlah karyawan.
b. Data kontinu adalah data kuantitatif yang mempunyai satuan pecahan
atau tidak utuh dan dapat mempunyai satuan utuh. Misalnya : data berat
badan, data jarak tempuh, data jumlah bahan baku, jumlah stok beras di
gudang, dataa hasil pertemuan.
2. Data kualitatif adalah data yang berupa kategori, sifat atau ciri khas tertentu,
misalnya :
Sangat setuju, setuju, netral, tidak setuju, sangat tidak setuju.
Tinggi, sedang, rendah
Manis, masam, asin
Puas, tidak puas
Sangat baik, baik, tidak baik, sangat tidak baik
Dan sebagainya
1. Mengumpulkan sendiri (data intern) yaitu data yang diperoleh dari sumber
dalam obyek penelitian dan mengenai obyek yang diteliti tersebut.
Misalnya : survei perusahaan yang diteliti akan diperoleh dari biya produksi,
biaya promosi, tingkat penjualan, jumlah karyawan dan kondisinya, jumlh
bahan baku.
2. Memperoleh data dari sumber yang lain (data ekstern)-, yaitu data yang
diperoleh dari sumber-sumber diluar obyek penelitian. Data ekstern ini
dbagi menjadi dua yaitu :
a. Data ekstern primer adalah data yang dikumpulkan dan dikeluarkan oleh
suatu badan atau lembaga yang sama. Misalnyaa data diambil dari BPS
mengenai jumlah peternak unggas, jumlah prikanan, jumlah peternak
sapi perah, luas perkebunan kering, dan luas lahan pertanian.
b. Data ekstern sekunder adalah data yang dikumpulkan dan dikeluarkan
oleh badan atau lembaga perseorangan yang berbeda. Misalnya : data
diperoleh dari hasil penelitian orang lain, lembaga atau badan lain yang
digunakan sebagai bahan perbandingan dalam penelitian.
3. Manfaat data
Seorang direkt ur atau manajer sebuah perusahaan dalam mengambil
keputusan dan kebijaksanaan, pastinya telah mempertimbangkan data dan
fakta riil yang terjadi. Baik itu data dan fakta riil bersifat kualitatif dan
kuantitatif. Tentu saja kedua sifat data tersebut merupakan suatu hal yang
sangat penting dan berarti untuk mendukung pengambilan keputusan dan
kebijaksanaan pada saat itu guna mengantisipasi perkembangan serta
pengaruhnya terhadap kondisi perusahaan. Walaupun disisi lain ketepatan
pengambilan keputusan dan kebijaksanaan tentu juga dipengaruhi oleh
faktor lain, yaitu faktor peengalaman seseorang, faktor usia, faktor
pendidikan dan faktor-lain yang dapat mempengaruhi kondisi kualitas
sumber daya manusia termasuk seorang direktur atau manajer suatu
perusahaan. Data disini juga sesuatu yang dianggap. Dalam praktik banyak
sekali anggapan atau asumsi yang dipergunakan sebagai dasar pembuatan
keputusan. Misalnya : pemerintah menganggap persediaan beras cukup,
karena produksi pada dalam negeri meningkat, maka diputuskan untuk tidak
mengimpor beras dari negara lain. Disamping itu menurut anggapak
kenaikan harga minyak tidak mempengaruhi harga-harga makanan, maka
harga minyak dinaikkan, karena dana bantuan langsung tunai dianggap
dapat membantu secara riil meningkatkan kesejahteraan hidup keluarga
kategori miskin, maka pemrintah memutuskan untuk melanjutkan program
bantuan langsung tunai (BLT), karena peredaan daging sapi dalam negeri
dianggap kurang memadai atau masih kurang, diputuskan oleh pemerintah
untuk mengimpor sapi dan daging sapi dari negara Australia.
Data dapat berguna bila dikaitkan dengan :
a. Dasar suatu perencanaan sesuai kemampuan yang ada
b. Alat pengendali terhadap pelaksanaan, penyimpangan yang terjadi
sehingga dapat segera dilakukan pebaikan atau koreksi
c. Dasar evaluasi hasil akhir
4. Kebutuhan terhadap statistik, antara lain (Supranto, 2000)
a. Menjabarkan dan memahami suatu hubungan
b. Mengambil keputusan yang lebih baik
c. Menangani perubahan
6. Skala ukuran
Data sebagai fakta yang kita kumpulkan dan dikelompokkan menjadi
beberapa karakteristik tentu saja mempunyai satuan. Bila data tersebut
mengenai jarak, maka jarak dapat diukur dengan satuan kilometer, meter,
desimeter, centimeter, milimeter, jika jarak di laut menggunaka satuan mil.
Data berhubungan dengan berat diukur dengan ton, kuintal, kilo gram, ons.
Sedangkan usia manusia juga dapat diukur dengan satua tahun dan bulan.
Kalau kita mengukur tingkat kecantikan seorang wanita, juga mempunyai
parameter sendiri. Sehingga semua data yang ada atau yang kita peroleh
mempunyai satuan dan satuan ini dapat diberi skala tertentu.
Ada tiga macam skala (_Ritonga, 1997)
1. Skala nominal
2. Skala ordinal
3. Skala interval
7. Populasi dan Sampel
Setiap mendengar kata populasi akan terbayangkan sesuatu yang berupa
data dalam jumlah besar, sangat besar atau bahkan tak terhingga.
Dikarenakan jumlahnya yang sangat besar sehingga terbayang pula tngkat
kesulitan yang akan dihadapi seandainya melakukan suatu penelitian
dengan menggunakan data populasi. Kesulitan-kesulitan tersebut
disebabkan karena data-data yang harus dikumpulkan untuk bahan
penelitian, besarnya biaya yang diperlukan, lamanya waktu yang penelitian,
tenaga dan pikiran serta kesempatan atau peluang (opportunity)-untuk
berusaha dibidang lain menjadi terganggu. Namun penelitian dengan data
populasi sebenarnya tidak menutup kemungkinan untuk dilakukan atau
dilaksanakan hanya tergantung pada kemampuan dan kemauan si peneliti,
serta data-data yang diperlukan untuk diteliti. Namun kendala yang terjadi,
penelitian dengan menggunakan populasi ini jarang dilakukan karena
adanya pertimbangan efektivitas dan efisiensi dalam pengambilan
keputusan serta waktu pelaksanaan. Kebanyakan penelitain menggunakan
sampel yang bersifat representatif dari populasinya.
Keuntungan penelitian dengan menggunakan sampel :
Data lebih cepat dikumpulkan
Biaya atau pendanaan relatif lebih kecil
Waktu yang dipergunakan lebih cepat
Tenaga dan pikiran relatif lebih ringan
Kesempatan atau peluang untuk berusaha/bekerja yang lain masih
terbuka
Hasil lebih cepat diketahui dan relatif sama dengan penelitian
menggunakan populasi
Dapat mengambil keputusan dan pelaksanaan lebih cepat dilakukan
TK/BKB/BKA
Lifebouy 28 1
ASEPSO 23 2
Dental 18 3
Shinzui 16 4
Lux 15 5
______________________________________________________________
______________________________________________________________
2. Data Kuantitatif
Penyusunan tabel distribusi frekuensi
data bersifat kuantitatif atau berupa
bilangan/angka memerlukan langkah-
langkah sistematis dengan rumusan
matematika tertentu. Sehingga berbeda
dengan penyusunan tabel distribusi
frekuensi untuk data kualitatif. Berikut
ini langkah-langkah membuat tabel
distribusi frekuensi :
Menentukan rentang kelas (range = R)
R= data terbesar-data terkecil
Menentukan banyak kelas interval (BK)
Yaitu menentukan berapa banyak kelas
interval diperlukan agar semua data
masuk dikelas-kelas interval tersebut.
Rumus Sturges sebagai berikut :
BK = 1 +(3,3 Log n)
Keterangan : n = banyak data.
Menentukan panjang kelas interval (P)
R
Rumusnya : P =-----
BK
Memilih nilai ujung bawah kelas interval
pertama
Untuk memulai membuat atau
menyusun tabel distribusi frekuensi
adalah menentukan nilai awal/batas
kelas interval pertama dengan dua cara :
1. Menggunakan nilai data terkecil dan
2. Menggunakan nilai bebas, tetapi kelas
interval yang terbentuk dapat
menampung semua data.
Contoh :
Sebuah wartel di Yogyakarta selama dua
minggu melakukan pencatatan mengenai
umur pengunjung wartel(tahun
usia/umurdari 80 pengunjung)
52 65 38 39 36 27 28 23 27 13
53 60 37 39 35 28 29 23 24 15
55 49 47 31 35 27 30 24 25 17
60 41 47 31 34 24 27 23 26 18
56 41 46 32 34 26 26 25 26 17
70 42 43 32 34 25 27 24 26 21
52 42 43 32 33 29 23 25 13 20
53 43 43 33 33 28 25 25 14 20
Range
P = ―― = 57
Banyak kelas 8
= 7,125
Memilih nilai ujung bawah kelas interval
ada dua cara :
- Menggunaka nilai data terkecil yaitu
13
- Menggunakan nilai bebas, yang
terpenting seemua data terakomodasi.
Cara ini sebaiknya dilakukan jika telah
lebih memahami distribusi frekuensi
dengan baik
2. Menyusun distribusi frekuensi
Tabel 2.4.distribusi umur pengunjung wartel
Kelas Kelas Data Frekuensi Frekuensi Frekuensi
ke interval yang absolut relatif persen
masuk
1 13-20 IIIII IIII 9 9:80=0,01125 11,25%
2 21-28 IIIII IIIII 28 28:80=0,3500 35,00%
IIIII IIIII
IIIII III
3 29-36 IIIII IIIII 17 17:80=0,2125 21,25%
IIIII II
4 37-44 IIIII IIIII 14 14:80=0,1750 17,50%
IIII
5 45-52 IIII 4 4:80=0,0500 5,00 %
6 53-60 IIIII I 6 6:80=0,0750 7,50 %
7 61-68 1 1 1:80=0,0125 1,25%
8 69-76 1 1 1:80=0,0125 1,25 %
Jumlah 80 1,00 100 %
Berdasarkan tabel 2.4 diatas dapat dijelaskan bahwa umur pengunjung
wartel sebagai brikut :
l. antara 13-20 tahun sebanyak 9 orang atau 11,25 %
2.antara 21-28 tahun sebanyak 28 orang atau 35 %
3.antara 29-36 tahun sebanyak 17 orang atau 21,25 %
4.antara 37-44 tahun sebanyak 14 orang atau 17,50 %
5.antara 45-52 tahun sebanyak 4 orang atau 5 %
6.antara 53-60 tahun sebanyak 6 orang atau 7,50 %
7.antara 61-68 tahun sebanyaak 1 orang atau 1,25 %
8.antara 69-76 tahun sebanyak 1 orang atau 1,25 %
TKA=(20+21)/2=20,5 20,5
TKB=(20+21)/2=20,5
2 21-28 28
TKA=(28+29)/2=28,5 28,5
TKB=(28+29)/2=28,5
3 29-36 17
TKA=(36+37)/2=36,5 36,5
TKB=(36+37)/2=36,5
4 37-44 14
TKA=(44+45)/2=44,5 44,5
TKB=(44=45)/2=44,5
5 45-52 4
TKA=(52+53)/2=52,5 52,5
TKB=(52+53)/2=52,5
6 53-63 6
TKA=(60+61)/2=61,5 61,5
TKB=(60+61)/2=61,5
7 61-68 1
TKA=(68+69)/2=68,5 68,5
TKB=(68+69)/2=68,5
8 69-76 1
2 21 - 28 28
28,5 37
3 29 - 36 17
36,5 54
4 37 - 44 14
44,5 68
5 45 - 52 4
52,5 72
6 53 - 60 6
60,5 78
7 61 - 68 1
68,5 79
8 69 - 76 1
76,5 80
Maksudnya data yang kurang dari tepi kelas, baik tepi kelas bawah maupun
Keterangan :
Data yang besarnya lebih dari 12,5 ada 80
Data yang besarnya lebih dari 20,5 ada 71
Data yang besarnya lebih dari 28,5 ada 43
Data yang besarnya lebih dari 36,5 ada 26
Data yang besarnya lebih dari 44,5 ada 12
Data yang besarnya lebih dari 52,5 ada 8
Data yang besarnya lebih dari 60,5 ada 2
Data yang besarnya lebih dari 68,5 ada 1
Data yang besarnya lebih dari 76,5 ada 0
1. Grafik histogram
a. Memakai skala tepi kelas dan frekuensi absolut
2. Grafik Poligon
E. Diagram Lingkaran
Selain diagram batang, distribusi frekuensi dapat digambarkan ke dalam
lingkaran dengan mengubah distribusi frekuensi absolut menjadi distribusi
frekuensi relatif yang dinyatakan dalam persen.
KURVA OGIVE
Dri kurva ogive diatas ditunjukkan kedua garis yang berlawanan arah antara
FKKD dan FKLD yang mengakibatkan kedua garis tersebut berpotongan.
Perpotongan kedua garis FKKD dan FKLD berada tepat ditengah skala
frekuensi yaitu skala 40, sedangkan skala tepi kelas belum dapat diketahui
secara pasti. Sehingga kita harus mencarai berapa besar skala tepi kelas yang
tepat di perpotongan kedua garis tersebut dengan nilai sentral dan( nilai
sentral ini akan dibahas tersendiri ).
G. Kesalahan Penyusunan Distribusi Frekuensi
Sebelum kita menyusun tabel distribusi
frekuensi, terlebih dahulu kita lakukan langkah-
langkah koreksi terhadap semua perhitungan
penentuan rentang kelas, banyak kelas interval,
frekuensi absolut dan frekuensi relatif, titik
tengah kelas, tepi kelas, frekuensi kumulatif
kurang dari (FKKD), dan frekuensi kumulatif
lebih dari(FKLD). Jika semua hasil perhitungan
telah lengkap dan benar, hal ini sangat
membantu dalm pembuatan grafik-grafik yang
diperlukan. Berikut ini penyusunan tabel
distribusi frekuensi yang salah :
Kelas ke Kelas interval
1 13 – 20
2 20 – 28
3 28 – 36
4 36 – 44
5 44 – 52
6 52 – 60
7 60 – 68
8 68 – 76
Peringkasan kelas-kelas interval yang
mempunyai frekuensi kecil atau sangat kecil
dapat dilakukan dengan cara menggabungkan
antara kelas interval tersebut. Contoh
menggabungkan kelas interval yang ke -7 dan
ke-8 menjadi satu kelas interval dengan total
frekuensi menjadi 2.
Langkah-langkahnya :
Rentang kelas = 94,61-27,45 = 67,16
Banyak kelas interval= 1 + (3,3 log 50) = 6,61
dibulatkan jadi 7 kelas
Panjang kelas = 67,16/7 = 9,59
jumlah 50 100 % - - - -
Catatan :
FRKKD = Frekuensi Relatif Kumulatif Kurang Dari
FRKLD = Frekuensi Relatif Kumulatif Lebih Dari
Sehingga diperoleh gambar sbb : (gambar 2.9)
Grafik Histogram dengan data kontinu
I.
BAB 3 : PENGUKURAN SENTRAL
Sebenarnya tidak ada batasan khusus atau pasti berapa banyak data
dikelompokkan atau tidak dikelompokkan, tergantung tingkat kesulitan dan
keperluan. Namun begitu, semakin banyak data, akan relatif semakin sulit dan
kompleks permsalahaannya. Oleh karena itu sangat perlu dilakukan
pengelompokkan data menurut ukuran dan kreteria tertentu guna
mempermudah penilaian, penganalisisan serta peengambilan kesimpulan dan
keputusan.
_ _
Χ= Χ₁+Χ₂+Χ₃ + .............+ Χn atau Χ
n
keterangan :
X₁ = nilai data kesatu
Χ₂ = nilai data kedua
Χ₃ = nilai data ketiga
Χn = nilai data ke –n
n = banyak data
_
X = rata-rata/mean
Contoh :
CV Al Fatah yang bergerak dalam bidang pembuatan tempe kemasan
plastik merek Kedelai Emas dan menguasai pasar di kota Jogyakarta
dengan omzet penjualan selama tahun 2014 sebagai berikut :
......................
......................
Contoh :
Berikut ini data mengenai besar keuntungannetto para edagang
krajinan di jalan Malioboro Jogyakarta yang dihitung suatu hari
sebagai berikut :
Keuntungan netto (Xi) Banyak pedagang (Fi) Jumlah (Fixi)
Rp 500.000,- 10 Rp 5.000.000,-
Rp1.000.000,- 20 Rp 20.000.000,-
Rp 1.250.000,- 5 Rp 6.250.000,-
Rp 1.600.000,- 4 Rp 6.400.000,-
Rp 2.000.000,- 1 Rp 2.000.000,-
Total 40 Rp 39.650.000,-
.............................
Contoh :
Selama tahun 2014 total premi per nasabah yang dibayar oleh
kenenam puluh nasabah baru dapat didistribusikan sbgai berikut :
Total premi ( x Rp 1.000,-) Nasabah baru
Rp 10.000,- - Rp 19.999 6
Rp 20.000,- - Rp 29.999 9
Rp 30.000,-- Rp 39.999 10
Rp 40.000,- -Rp 49.999 20
Rp 50.000,- -Rp 59.999 10
Rp 60.000,- -Rp 69.999 5
Tentukan rata-rata premi per nasabah yang dibayarkan para nasabah
baru tersebut ?