BAB 3

STATISTIK DESKRIPTIP
Materi ini memberikan
cara penyajian data secara numerik dan grafik :
❖ Rata-rata, varian sampel,
❖ distribusi frekuensi.

Parameter statistika :
merupakan besaran yang menyatakan
karakteristik nilai dari suatu objek.

1. Rata-rata:
➢merupakan nilai tengah dari hasil pengamatan.
➢dihitung dengan cara :
rata-rata hitung, median dan modus.

Jika penyebaran data simetri terhadap rata-rata,

maka rata-rata hitung = median = modus.

2. Varian :
➢pengukuran variasi sekitar rata-rata.
➢diberikan oleh nilai yang menunjukkan
tingkat variabilitas perbedaan data.

1
3. Korelasi :
➢hubungan antara satu variabel dengan variabel
lainnya.
➢Nilai besaran yang menyatakan hubungan
antara dua variable disebut koefisien korelasi.

Uji signifikansi statistika :

Contoh : Chi-Square, t-test, uji F, ANOVA.
➢Teknik untuk mencari pola-pola atau menguji
kecurigaan terhadap data.

Kegunaan uji signifikansi :

➢ Mengkonfirmasi adanya perubahan yang berarti
pada objek yang diamati.
➢ Memeriksa validasi data.
➢ Menentukan asumsi atau pola distribusi data.
➢ Menvalidasi atau menyanggah hipotesis akar
masalah.

2
Lokasi pengukuran :
1. Rata-rata (mean)/ kecenderungan pusat :
Jika diberikan data sampel random X1, X2 ,…, Xn,
n adalah ukuran sampel, maka rata-rata hitung
diberikan dengan

X = n1  in= 1 Xi

2. Median :
Data sampel dibagi kedalam dua bagian yang
sama, sehingga setengah dari kumpulan data
berada diatas median, dan setengah lagi
dibawahnya.
Diberikan data terurut X(1), X(2) , …, X(n) (dari
nilai yang terkecil sampai dengan nilai terbesar).
Maka median diberikan dengan
X(n +1)/2 n ganjil


M = Xn/2 + X(n/2)+1

 n genap
 2

3
3. Modus :
➢ Modus merupakan nilai data yang paling
sering terjadi.
➢ Jika data dikelompokkan, modus adalah nilai
data pada kelompok dengan frekuensi
tertinggi.
➢ Suatu data dapat mempunyai modus yang
tidak tunggal, karena dimungkinkan terdapat
lebih dari satu modus.

Pengukuran penyebaran
1. Rentang :
merupakan jarak nilai data terkecil dan terbesar.
R= nilai data terbesar – nilai data terkecil.

2. Varian :
➢ Merupakan pengukuran variasi sekitar rata-
rata.
➢ Diberikan data sampel random X1, X2,…,Xn,
n adalah ukuran sampel, maka varian sampel
diberikan dengan
S2 = n1 in=1 (Xi - X)2

3. Standar deviasi : S = S2
Standar deviasi adalah pengukuran variasi
sekitar rata-rata.
4
Pengukuran varian tak bias terhadap varian
populasi :
S2 = 1 in=1 (X - X)2
n -1 i

4. Covarian (antara variabel x dan y)

Cov(x,y) = 1 in= 1(x i - x)(yi - y)
n -1

5. Korelasi :
Hubungan antara satu variabel dengan variabel
lainnya.
Ukuran korelasi : koefisien korelasi r ; -1r1
Koefisien korelasi antara variabel x dan variabel
y dinyatakan dengan

r = Cov(x, y)
Sx S y
S2x = 1 in=1 (Xi - X)2, Sx = S2x
n -1
S2y = 1 in=1 (Yi - Y)2, Sy = S2y
n -1

5
c. Pengukuran bentuk (Kecondongan) :
Pengukuran bentuk distribusi data dilihat dari
kecondongan kurva distribusi.

Jika mean = median = modus, maka distribusi

memiliki kecondongan nol yang berarti bahwa
distribusi mempunyai bentuk simetri sempurna.

Distribusi normal yang simetris memiliki

kecondongan nol.

Jika kecondongan positif menunjukkan bahwa

ekor distribusi lebih merentang pada sisi diatas
mean, sedangkan kecondongan negatif
menunjukkan bahwa ekor distribusi lebih
merentang pada sisi dibawah mean.

6
Contoh 3.1. (data kontinyu).
Diberikan data rata-rata suhu udara di Kota Semarang
per-hari pada Oktober 2002.

Tanggal Suhu Tanggal Suhu Tanggal Suhu

1 28.4 11 28.6 21 30.0
2 30.5 12 29.4 22 28.2
3 28.3 13 28.9 23 27.9
4 28.7 14 29.9 24 28.3
5 29.4 15 29.3 25 29.2
6 28.2 16 31.4 26 29.1
7 28.8 17 30.3 27 29.4
8 28.3 18 30.9 28 28.9
9 29.5 19 29.3 29 28.2
10 29.0 20 29.1 30 29.3
31 28.5
Sumber : BMG Semarang.

Rata-rata hitung suhu di Kota Semarang :

X = n1  in= 1 Xi
= (28.4 + 30.5 + … + 28.5)/31
= 903,20/31 = 29,14

S2 = n1 in=1 (Xi - X)2

= (1/31)((28,4–29,14)2 + (30,5 – 29,14) 2 … + (28,5–29,14) 2
= 0,704

Sehingga standar deviasi : S = ( 0,704) = 0,839.

7
Untuk menghitung median, data diurutkan dahulu dari
terkecil sampai yang terbesar.
Data 3.5. Suhu udara di Kota Semarang per-hari pada Oktober
2002 yang telah diurutkan.
No.Urut Suhu No. Urut Suhu No.Urut Suhu
1 27,9 11 28,7 21 29,3
2 28,2 12 28,8 22 29,4
3 28,2 13 28,9 23 29,4
4 28,2 14 28,9 24 29,4
5 28,3 15 29,0 25 29,5
6 28,3 16 29,1 26 29,9
7 28,3 17 29,1 27 30,0
8 28,4 18 29,2 28 30,3
9 28,5 19 29,3 29 30,5
10 28,6 20 29,3 30 30,9
31 31,4

Median adalah nilai data pada urutan ke

(31+1)/2=16, yaitu
Median = X16 = 29,1.

8
Menghitung parameter statistika dengan SPSS

Program SPSS11
Input : Data 3.1.
Anayze - Descriptive Statistics – Descriptives
Output :
Descriptive Statistics
N Min Max Sum Mean Std. Dev Var
SUHU 31 27.90 31.40 903.20 29.1355 .83926 .704
Valid N 31
(listwise)

Anayze - Descriptive Statistics – Explore

Descriptives
Statistic Std. Error
SUHU Mean 29.1355 .15074
95% Confidence Lower Bound 28.8276
Interval for Mean
Upper Bound 29.4433
5% Trimmed 29.0823
Mean
Median 29.1000
Variance .704
Std. Deviation .83926
Minimum 27.90
Maximum 31.40
Range 3.50
Interquartile 1.0000
Range
Skewness .928 .421
Kurtosis .690 .821

9
Data Diskrit
Contoh 3.2.
Diberikan data jumlah kunjungan kapal di Dermaga
Nusantara tahun 1990
Bulan Sampel (dalam hari)
1 2 3 4 5
Januari 3 2 4 3 2
Pebruari 3 3 3 4 2
Maret 0 4 1 3 1
April 2 2 5 1 1
Mei 4 0 8 2 1
Juni 1 2 3 2 2
Juli 3 3 2 4 1
Agustus 3 6 4 0 2
September 2 1 3 3 6
Oktober 5 3 2 2 4
Nopember 1 5 7 1 3
Desember 3 4 0 2 3
Jumlah 160
Rata-rata hitung :

X = n1  in= 1 Xi
= (3 + 3 + 0 + 2 + … +3 + 3 /60
= 160/60 = 2,67

S2 = n1 in=1 (Xi - X)2

= (1/31)((3-2,67)2+… +(4 – 2,67) 2 + (3–2,67) 2 + (3–2,67) 2
= 2,79

10
Sehingga standar deviasi : S = ( 2,79) = 1,67
Program SPSS11
Input : Data 3.1.
Anayze - Descriptive Statistics – Descriptives
Output :
Descriptive Statistics
N Min Max Sum Mean Std. Dev Var
KAPAL 60 .00 8.00 162.00 2.7000 1.67028 2.790
Valid N 60
(listwise)

Anayze - Descriptive Statistics – Explore

Descriptives
Statistic Std. Error
Kapal Mean 2.7000 .21563
95% Confidence Lower Bound 2.2685
Interval for Mean
Upper Bound 3.1315
5% Trimmed 2.6111
Mean
Median 3.0000
Variance 2.790
Std. Deviation 1.67028
Minimum .00
Maximum 8.00
Range 8.00
Interquartile 1.7500
Range
Skewness .834 .309
Kurtosis 1.120 .608

11
Distribusi frekuensi
Penyebaran data yang diatur berdasarkan
frekuensi ke dalam kelompok kelas-kelas
berurutan.
Frekuensi : Jumlah pemunculan data yang sama
atau dalam satu kelompok kelas.

Cara membuat distribusi frekuensi :

1. Menentukan jumlah kelas :
Jumlah kelas tergantung pada jumlah
observasi.
Banyaknya kelas dapat digunakan rumus :
k = 1 + 3,3 log n
k = jumlah kelas, n = jumlah observasi.

2. Menentukan interval kelas (panjang kelas) :

Interval kelas dapat ditentukan dengan cara :
Interval kelas = (B - R) / k
B = nilai data terbesar (maksimum).
R = nilai data terrendah (minimum).
k = jumlah kelas
Nilai R dan B dapat disesuaikan untuk
mendapatkan interval kelas tertentu.

12
3. Menentukan batas kelas :
Batas kelas terendah dari kelas pertama dan
batas kelas tertinggi untuk batas kelas tertinggi.

Batas kelas terendah harus memuat nilai data

terkecil pada kelas pertama, dan batas kelas
tertinggi harus memuat nilai data terbesar pada
kelas terakhir.

4. Memasukan data-data kedalam kelas :

Setiap data dimasukan kedalam kelas-kelas
sesuai dengan nilai data tesebut.
Setiap data harus masuk dalam satu kelas.
Sehingga harus ada pembatas kelas, yaitu nilai
khusus yang memisahkan dua kelas yang
berdampingan, sehingga tidak ada data masuk
kedalam dua kelas.

13
Contoh 3.1. (data kontinyu).
Diberikan data rata-rata suhu udara di Kota Semarang
per-hari pada Oktober 2002.

Tanggal Suhu Tanggal Suhu Tanggal Suhu

1 28.4 11 28.6 21 30.0
2 30.5 12 29.4 22 28.2
3 28.3 13 28.9 23 27.9
4 28.7 14 29.9 24 28.3
5 29.4 15 29.3 25 29.2
6 28.2 16 31.4 26 29.1
7 28.8 17 30.3 27 29.4
8 28.3 18 30.9 28 28.9
9 29.5 19 29.3 29 28.2
10 29.0 20 29.1 30 29.3
31 28.5
Sumber : BMG Semarang.

Data diurutkan dahulu dari terkecil sampai yang terbesar.

Data 3.5. Suhu udara di Kota Semarang per-hari pada Oktober
2002 yang telah diurutkan.
No.Urut Suhu No. Urut Suhu No.Urut Suhu
1 27,9 11 28,7 21 29,3
2 28,2 12 28,8 22 29,4
3 28,2 13 28,9 23 29,4
4 28,2 14 28,9 24 29,4
5 28,3 15 29,0 25 29,5
6 28,3 16 29,1 26 29,9
7 28,3 17 29,1 27 30,0
8 28,4 18 29,2 28 30,3
9 28,5 19 29,3 29 30,5
10 28,6 20 29,3 30 30,9
31 31,4

14
Rata-rata hitung : X = 29,14
Variansi : S2 = 0,704
Standar deviasi : S = ( 0,704) = 0,839.
Median = X16 = 29,1.

Distribusi frekuensi :
Berdasarkan data dari Contoh 3.1 diperoleh :
Jumlah kelas k = 1 + 3,322 log (31)
= 1 + 3,322 x 1.49 = 5,81  6
Data terkecil = 27,9 dan data terbesar = 31,4
Dengan menggunakan batas kelas terkecil 27,5 dan
batas kelas terbesar 32,0, histogram dan kurva
diberikan pada Gambar 3.1.
12

10
Histogram
8

6 Kurva distribusi
frekuensi
f
4

0
27.88 28.63 29.38 30.13 30.88 31.63

SUHU

Gambar 3.1. Histogram dan kurva distribusi frekuensi

rata-rata suhu udara Bulan Oktober 2002

15
Data Diskrit
Contoh 3.2.
Diberikan data jumlah kunjungan kapal di Dermaga
Nusantara tahun 1990
Bulan Sampel (dalam hari)
1 2 3 4 5
Januari 3 2 4 3 2
Pebruari 3 3 3 4 2
Maret 0 4 1 3 1
April 2 2 5 1 1
Mei 4 0 8 2 1
Juni 1 2 3 2 2
Juli 3 3 2 4 1
Agustus 3 6 4 0 2
September 2 1 3 3 6
Oktober 5 3 2 2 4
Nopember 1 5 7 1 3
Desember 3 4 0 2 3
Jumlah 160

X = 2,67
S2 = 2,79
S = ( 2,79) = 1,67

16
Distribusi frekuensi :
Berdasarkan data dengan jumlah data n = 60,
diperoleh :
Jumlah kelas diambil 9
Data terkecil = 0 dan data terbesar = 8
Dengan menggunakan batas kelas terkecil –0,5 dan
batas kelas terbesar 8,5 histogram dan kurva
diberikan pada Gambar 3.1.
20

Histogram

10

0
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0

KAPAL

Gambar 3.2. Histogram dan kurva distribusi

frekuensi jumlah kedatangan kapal

17