STATISTIK DESKRIPTIF

1
 Pendahuluan :

 Sering digunakan peneliti, khususnya dalam

memperhatikan perilaku data dan
penentuan dugaan-dugaan yang selanjutnya
akan diuji dalam analisis inferensi.

2
Analisis Statistik Deskriptif:
 Sari numerik (ringkasan angka)
◦ Menyatakan nilai-nilai penting dalam statistik
meliputi ukuran pemusatan dan dispersi.
 Distribusi
◦ Menyatakan pola atau model dari penyebaran
data.
 Pencilan (outlier)
◦ Menyatakan nilai data yang berada di luar
kelompok nilai data yang lainnya.

3
Sari Numerik (ringkasan angka):
 Ukuran pemusatan
◦ merupakan ukuran yang menyatakan pusat dari sebaran
data. Ada tiga macam ukuran pemusatan, yaitu Rata-
rata, Median, dan Modus.
 Ukuran penyebaran (dispersi)
◦ adalah ukuran yang dipakai untuk mengukur tingkat
penyebaran data.
◦ Semakin kecil ukuran penyebaran semakin seragam data
tersebut dan semakin besar ukuran penyebaran
semakin beragam data tersebut.

4
Ukuran Pemusatan (1):
 Rata-rata (mean) adalah sebuah nilai yang khas
yang dapat mewakili suatu himpunan data.

 Rata-rata dari suatu himpunan n bilangan x1, x2,

….., xn ditunjukkan oleh dan didefinisikan sbb:
n

x1 + x 2 + ..... + x n x i
X = = 1

n n

5
Ukuran Pemusatan (2):

 Jika bilangan-bilangan x1, x2 , ….., xn masing-

masing terjadi f1, f2 , ….., fn, nilai rata-ratanya
adalah:

f 1 x1 + f 2 x 2 + ..... + f n x n f x i i
X= = 1

f 1 + f 2 + .... + f n n

f 1
i

6
Ukuran Pemusatan (3):
 Median adalah besaran yang membagi data menjadi dua
kelompok yang memiliki persentase sama besar. Himpunan
bilangan disusun menurut urutan besarnya.

 2 − ( f )
n 
1 
Median = L1 +  c
 f med 
 
Keterangan:
L1 = batas kelas bawah dari kelas median.
n = banyak data
(Σ f)1= jumlah frekuensi semua kelas yang lebih rendah dari kelas
median
f med = frekuensi kelas median
c = panjang kelas
7
Ukuran Pemusatan (4):
 Modus suatu himpunan bilangan adalah nilai yang
paling sering muncul (memiliki frekuensi maksimum).
Modus mungkin tidak ada. Modus dapat diperoleh dari
rumus :

 1 
Modus = L1 +   c
 1 +  2 
Keterangan
L1 = batas kelas bawah dari kelas modus.
1 = selisih frekuensi kelas modus dan frekuensi kelas
sebelumnya
2 = selisih frekuensi kelas modus dan frekuensi kelas
sesudahnya
c = panjang kelas
8
Ukuran Dispersi/Penyebaran (1):

 Derajat atau ukuran sampai seberapa jauh

data numerik cenderung untuk tersebar di
sekitar nilai rata-ratanya.
 Yang paling umum adalah Range (rentang),
Variansi, dan Simpangan Baku.
 Ukuran dispersi lain adalah kuartil,
persentil.

9
Range/Rentang (R):
 adalah selisih antara bilangan terbesar dan
terkecil dalam himpunan.
 Nilai R akan selalu positif.
 Interpretasi nilai R adalah:
◦ R = 0, menunjukkan bahwa data terbesar sama
dengan data terkecil, akibatnya semua data
memiliki harga yang sama
◦ R kecil, memberikan informasi bahwa data
akan mengumpul di sekitar pusat data
◦ R besar, menyatakan bahwa paling sedikit ada
satu data yang harganya berbeda jauh dengan
data lainnya
10
Simpangan baku (deviasi standar)
(1):
 Simpangan Baku (Deviasi Standar) suatu
himpunan bilangan x1, x2, …, xn
dinyatakan dengan s dan didefinisikan
sebagai berikut :
1 1
  ( x i − x )2 
2   x 2 − nx 2  2

s=  = i

 n − 1   n −1 

11
 Simpangan baku (deviasi standar)
(2):
 Jika x1, x2, …, xn masing-masing muncul
dengan frekuensi f1, f2, …, fn, simpangan
baku dapat dituliskan:

1 1

  f i (xi − x )  f x2 
  
2
2
 2
f i xi 
2

s= = −  
i i

 ( f i ) − 1  n  n  
    

n= f i

12
 Simpangan baku (deviasi standar)
(3):
 Kuadrat dari simpangan baku adalah variansi.
 Nilai variansi dan simpangan baku selalu non-negatif.
 Interpretasi nilai s2 adalah:
◦ s2 = 0 atau s = 0 berarti nilai data sama sengan rata-
ratanya, sehingga nilai semua data sama
◦ s2 atau s kecil, berarti perbedaan harga data yang satu
dengan lainnya kecil. Akibatnya, semua data akan
mengumpul di sekitar pusat data.
◦ s2 atau s besar menyatakan bahwa paling sedikit ada satu
data yang harganya berbeda jauh dengan data lainnya.

13
Ukuran Penyebaran Lain:
 Suatu himpunan data membagi himpunan
atas empat bagian yang sama. Nilai-nilai ini
disebut Kuartil dan dinyatakan dengan Q1,
Q2, dan Q3.
 Suatu himpunan data membagi data atas
sepuluh bagian yang sama disebut Desil dan
dinyatakan dengan D1, D2, D3, …., D9.
 Suatu himpunan data membagi data atas
seratus bagian disebut Persentil dan
dinyatakan dengan P1, P2, P3, ….., P99.

14
Kuartil:
Rumus Kuartil ke-N (N = 1,2,3):

 N . 4 − ( f )N
 n 

Q N = LQN + c
 f QN 
 

Keterangan:
 LQN = batas kelas bawah dari kelas kuartil ke-N
 n = banyak data
 (Σ f)N= jumlah frekuensi semua kelas sebelum kelas kuartil
ke N
 fQN = frekuensi kelas kuartil ke-N
 c = panjang kelas
15
Bentuk distribusi
 Dalam statistika, mempelajari distribusi
merupakan suatu hal yang penting karena
akan menentukan metode statistika yang
akan digunakan.
 Distribusi adalah pola atau model
penyebaran yang merupakan gambaran
kondisi sekelompok data.

16
Ciri Bentuk Distribusi Simetri:

Mean = median = modus

1 2 3 4 5 6 7 8 9 10 11 12

17
Ciri Bentuk Distribusi Menjulur ke
kanan (positif):
Mean > median > modus

1 2 3 4 5 6 7 8 9 10 11 12

18
Ciri Bentuk Distribusi Menjulur ke
kiri (negatif):
Mean < median < modus

1 2 3 4 5 6 7 8 9 10 11 12

19
Mengukur derajat kemenjuluran
distribusi data:
 Rumus Pearson
x − Mo
SK =
S
Keterangan
◦ SK = derajat kemenjuluran (skewness)
◦ X = mean
◦ Mo = Modus
◦ S = Standar Deviasi
20
Interpretasi nilai derajat
kemenjuluran:
 Bila nilai SK = 0 atau mendekati nol,
dikatakan distribusi data simetri
 Bila nilai SK bertanda negatif, distribusi
data menjulur ke kiri
 Bila nilai SK bertanda positif, distribusi
data menjulur ke kanan

21