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.

1
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 Daftar Rekapitulasi
Perhitungan Suara Pemilihan Gubernur Dan Wakil Gubernur Riau Tahap-I (Periode
2013-2018) PPS Kelurahan Maharatu – Kecamatan Marpoyan Damai Tanggal 5
September 2013. Data meliputi jumlah suara sah dan tidak sah perhitungan suara dengan
total data 59. 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 Daftar Rekapitulasi Perhitungan Suara

Pemilihan Gubernur Dan Wakil Gubernur Riau Tahap-I (Periode 2013-2018) PPS
Kelurahan Maharatu – Kecamatan Marpoyan Damai Tanggal 5 September 2013
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

2
 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

3
 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.

4
 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
5
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.

6
 BAB III
DATA DAN ANALISIS

A. Pengumpulan Data

Data yang didapat untuk di proses dan diolah adalah data Daftar Rekapitulasi
Perhitungan Suara Pemilihan Gubernur Dan Wakil Gubernur Riau Tahap-I (Periode
2013-2018) PPS Kelurahan Maharatu – Kecamatan Marpoyan Damai Tanggal 5
September 2013. Data meliputi jumlah suara sah dan tidak sah perhitungan suara dengan
total data 59.

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 9 Baris dan 7 Kolom. Berikut Data Mentah tersebut :

Tabel 3.1 – Data Mentah (Raw Data)

1 2 3 4 5 6 7
1 69 246 258 165 110 278 210
2 192 194 91 168 192 125 87
3 114 218 214 265 190 200 152
4 123 188 167 189 182 119 215
5 149 211 293 67 189 141 193
6 197 211 135 116 182 122 140
7 164 171 187 142 145 226 173
8 181 277 46 81 229 224 175
9 92 126 122
Sumber : PPS Kelurahan Maharatu – Kecamatan Marpoyan Damai Pekanbaru
(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)

7
 1 2 3 4 5 6 7
1 46 116 141 171 189 211 258
2 67 119 142 173 190 211 265
3 69 122 145 175 192 214 277
4 81 122 149 181 192 215 278
5 87 123 152 182 193 218 293
6 91 125 164 182 194 224
7 92 126 165 187 197 226
8 110 135 167 188 200 229
9 114 140 168 189 210 246
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 :
C= R

8
 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)
41 – 80 3 5,085
81 - 120 8 13,559
121 - 160 12 20
161 - 200 21 35,593
201 - 240 9 15,254
241 - 280 5 8,475
281 - 320 1 1,695
TOTAL 59 100

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 3 : 59 = 0,033 x 100 = 5,085.

Tabel 3.4 – Batas Kelas (Class Limit)

Jumlah
Batas Kelas (CL) Persentase (%)
Frekuensi (f)
41 dan 80 3 5,085
81 dan 120 8 13,559

9
 121 dan 160 12 20
161 dan 200 21 35,593
201 dan 240 9 15,254
241 dan 280 5 8,475
281 dan 320 1 1,695
TOTAL 59 100

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)
Lebar Interval
Total
Kelas
80,5 – 40,5 40
120,5 – 80,5 40
160,5 – 120,5 40
200,5 – 160,5 40
240,5 – 200,5 40
280,5 – 240,5 40
320,5 – 280,5 40

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)

10
 Batas Kelas Bawah
+
Hasil
Batas Kelas Atas =
dibagi 2
(41 + 80) / 2 60,5
(81 + 120) / 2 100,5
(121 + 160) / 2 140,5
(161 + 200) / 2 180,5
(201 + 240) / 2 220,5
(241 + 280) / 2 260,5
(281 + 320) / 2 300,5

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 :

41 81 121 161 201 241 281

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
IC f NTK Batas Bawah F Kum < F Kum >
40,5 0 59
41 – 80 3 60,5 80,5 3 56
81 - 120 8 100,5 120,5 11 48
121 - 160 12 140,5 160,5 23 36
161 - 200 21 180,5 200,5 44 15
201 - 240 9 220,5 240,5 53 6
241 - 280 5 260,5 280,5 58 1

11
 281 - 320 1 300,5 320,5 59 0
TOTAL f 59
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 :
- 41 – 0,5 = 40,5
- 80 + 0,5 = 80,5
- 120 + 0,5 = 120,5
- 160 + 0,5 = 160,5
- 200 + 0,5 = 200,5
- 240 + 0,5 = 240,5
- 280 + 0,5 = 280,5
- 320 + 0,5 = 320,5
3. Pencarian F Kum < adalah dengan cara :
- Pertama letakkan 0 (nol) diawal sebagai acuan penambahan dibawahnya
- Data penambahan diambil dari nilai f (frekuensi)
-0+3=3
- 3 + 8 = 11
- 11 + 12 = 23
- 23 + 21 = 44
- 44 + 9 = 53
- 53 + 5 = 58
- 58 + 1 = 59
- 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)
- 59 – 3 = 56
- 56 – 8 = 48
- 48 – 12 = 36
- 36 – 21 = 15
- 15 – 9 = 6
-6–5=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. f Batas Bawah F Kum < F Kum >
1 40,5 0 59
2 3 80,5 3 56
3 8 120,5 11 48

12
 4 12 160,5 23 36
5 21 200,5 44 15
6 9 240,5 53 6
7 5 280,5 58 1
8 1 320,5 59 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 = 41 – 80 = 3 x 360˚ = 18˚ 18’ 18,31”
59
IC = 81 – 120 = 8 x 360˚ = 48˚ 48’ 48,81”
59
IC = 121 – 160 = 12 x 360˚ = 73˚ 13’ 13,22”
59
IC = 161 – 200 = 21 x 360˚ = 128˚ 8’ 8,14”
59
IC = 201 – 240 = 9 x 360˚ = 54˚ 54’ 54,92”
59
IC = 241 – 280 = 5 x 360˚ = 30˚ 30’ 30,51”
13
 59
IC = 281 – 320 = 1 x 360˚ = 6˚ 6’ 6,1”
59
Maka didapatlah Rekapitulasi sebagai berikut :
I. 3 x 100 % = 5,085 %
59
II. 8 x 100 % = 13,559 %
59
III. 12 x 100 % = 20 %
59
IV. 21 x 100 % = 35,593 %
59
V. 9 x 100 %= 15,254 %
59
VI. 5 x 100 %= 8,475 %
59
VII. 1 x 100 %= 1,695 % Diagram 3.2 – Diagram Lingkaran Distribusi f
59

14
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= 69 + 246 + 258 + 165 + 110 + 278 + 210 + 192 +

194 + 91 + 168 + 192 + 125 + 87 + 114 + 218 +
214 + 265 + 190 + 200 + 152 + 123 + 188 + 167 +
189 + 182 + 119 + 215 + 149 + 211 + 293 + 67 +
189 + 141 + 193 + 197 + 211 + 135 + 116 + 182 +
122 + 140 + 164 + 171 + 187 + 142 + 145 + 226 +
173 + 181 + 277 + 46 + 81 + 229 + 224 + 175 +
96 + 126 + 122
59

x= 10028
= 169,966
59

Data Terkelompok :
15
 k k x = Mean Aritmatik dari suatu sampel,
∑ fi x m,i ∑ fi x m,i n = banyaknya data dari suatu sampel,
x= i=1 = i=1 fi = frekuensi atau jumlah pengamatan
dalam sebuah interval kelas
k n
x m,i = nilai tengah dari interval kelas
∑ fi (Nilai Tengah Kelas lihat Tabel 3.7)
i=1

x= 3 (60,5) + 8 (100,5) + 12 (140,5) + 21 (180,5) + 9 (220,5) +

5 (260,5) + 1 (300,5)
3 + 8 + 12 + 21 + 9 + 5 + 1

x= 181,5 + 804 + 1686 + 3790,5 + 1984,5 + 1302,5 + 300,5

59

x= 10049,5
= 170,331
59

Maka didapatlah kesesuaian perhitungan Mean Aritmatik sbb :

1. Data Tidak Terkelompok : 169,966
2. Data Terkelompok : 170,331

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 59 data
yakni data ke-29 (173) dan data ke-30 (175), maka :

x = 173 + 175 = 174,000

2
Data Terkelompok :
Dengan dasar Tabel Distribusi Frekuensi Kumulatif pada Tabel 3.8
IC f F Kum <
41 – 80 3 3
81 - 120 8 11
121 - 160 12 23
161 - 200 21 44
201 - 240 9 53
241 - 280 5 58
281 - 320 1 59
TOTAL f 59

Maka dilanjutkan dengan menentukan Class Median :

½ x n = ½ x 59 = 29,5

16
 Nilai 29,5 diatas berada pada frekuensi 44 (lihat tabel diatas), sehingga class
mediannya adalah : 161 - 200, dengan keterangan rumus sebagai berikut

L = Tepi bawah Class Median adalah : 161 – 0,5 = 160,5

F = Jumlah Frekuensi sebelum Class Median adalah : 23
f = frekuensi Class Median adalah : 21
C = Panjang Interval Kelas adalah sama dengan Lebar Interval Kelas pada
Tabel 3.6 yakni : 40

Me = L + ½ n – F x C
f

Me = 160,5 + 1/2 x
59 - 23 x 40
21
= 160,5 + 29,5 - 23 x 40
21
= 160,5 + 0,3095 x 40 =
172,881

Maka didapatlah kesesuaian perhitungan Median sebagai berikut :

1. Data Tidak Terkelompok : 174,000
2. Data Terkelompok : 172,881

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 : 182 sebanyak 2 kali. (Lihat
Tabel 3.2)

Data Terkelompok :
Dengan melihat tabel Interval Kelas dan Jumlah Frekuensinya, maka
didapatlah Kelas Modus dengan frekuensi terbanyak yakni : 21, sehingga
Kelas Modusnya adalah : 161 – 200, 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 = 161 – 0,5 = 160,5

(Angka 12 dan 9 adalah Jumlah
Δ1 = 21 – 12 =9 Frekuensi diatas Kelas Modus dan
dibawah Kelas Modus)

17
 Δ2 = 21 – 9 = 12
C = 40   didapat dari Lebar/Panjang Interval Kelas

Mo = L + Δ1 . x C
Δ1 + Δ2

Mo = 160,5 + 9 x 40 = 177,643
9 + 12

Maka didapatlah kesesuaian perhitungan Modus sebagai berikut :

1. Data Tidak Terkelompok : 182
2. Data Terkelompok : 177,643

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 = (46 - 169,966) + (67 - 169,966) + (69 - 169,966) + (81- 169,966) +

(87 - 169,966) + (91 - 169,966) + (92 - 169,966) + (110 - 169,966) +
(114 - 169,966) + (116 - 169,966) + (119 - 169,966) + (122 - 169,966) +
(122 - 169,966) + (123 - 169,966) + (125 - 169,966) + (126 - 169,966) +
(135 - 169,966) + (140 - 169,966) + (141 - 169,966) + (142 - 169,966) +
(145 - 169,966) + (149 - 169,966) + (152 - 169,966) + (164 - 169,966) +
(165 - 169,966) + (167 - 169,966) + (168 - 169,966) + (171 - 169,966) +
(173 - 169,966) + (175 - 169,966) + (181 - 169,966) + (182 - 169,966) +
(182 - 169,966) + (187 - 169,966) + (188 - 169,966) + (189 - 169,966) +
(189 - 169,966) + (190 - 169,966) + (192 - 169,966) + (192 - 169,966) +
(193 - 169,966) + (194 - 169,966) + (197 - 169,966) + (200 - 169,966) +
(210 - 169,966) + (211 - 169,966) + (211 - 169,966) + (214 - 169,966) +
(215 - 169,966) + (218 - 169,966) + (224 - 169,966) + (226 - 169,966) +
(229 - 169,966) + (246 - 169,966) + (258 - 169,966) + (265 - 169,966) +
(277 - 169,966) + (278 - 169,966) + (293 - 169,966)

18
 59

MD = (123,966) + (102,966) + (100,966) + (88,966) + (82,966) + (78,966) +

(77,966) + (59,966) + (55,966) + (53,966) + (50,966) + (47,966) +
(47,966) + (46,966) + (44,966) + (43,966) + (34,966) + (29,966) +
(28,966) + (27,966) + (24,966) + (20,966) + (17,966) + (5,966) +
(4,966) + (2, 966) + (1, 966) + (1,034) + (3,034) + (5,034) +
(11,034) + (12,034) + (12,034) + (17,034) + (18,034) + (19,034) +
(19,034) + (20,034) + (22,034) + (22,034) + (23,034) + (24,034) +
(27,034) + (30,034) + (40,034) + (41,034) + (41,034) + (44,034) +
(45,034) + (48,034) + (54,034) + (56,034) + (59,034) + (76,034) +
(88,034) + (95,034) + (107,034) + (108,034) + (123,034)
59

MD = 2622,169
= 44,444
59

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
41 – 80 3 60,5 181,5
81 - 120 8 100,5 804
121 - 160 12 140,5 1686
161 - 200 21 180,5 3790,5
201 - 240 9 220,5 1984,5
241 - 280 5 260,5 1302,5
281 - 320 1 300,5 300,5
TOTAL f 59 10049,5

x = 10049,5 = 170,331
59

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

IC f NTK (xi) xi - x f (xi – x)
41 – 80 3 60,5 109,83 329,492
81 - 120 8 100,5 69,83 558,644

19
 121 - 160 12 140,5 29,83 357,966
161 - 200 21 180,5 10,17 213,559
201 - 240 9 220,5 50,17 451,525
241 - 280 5 260,5 90,17 450,847
281 - 320 1 300,5 130,17 130,169
TOTAL f 59 2492,203

MD = 2492,203 = 42,241
59

Maka didapatlah kesesuaian perhitungan Simpangan Mutlak Rata-

Rata sebagai berikut :
1. Data Tidak Terkelompok :x = 169,966
MD = 44,444
2. Data Terkelompok :x = 170,331
MD = 42,241

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
59 Data dengan Nilai Rata-Rata = 169,966.

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 = (123,966)² + (102,966)² + (100,966)² + (88,966) + (82,966)² + (78,966)² +

(77,966)² + (59,966)² + (55,966)² + (53,966)² + (50,966)² + (47,966)² +
(47,966)² + (46,966)² + (44,966)² + (43,966)² + (34,966)² + (29,966)² +
(28,966)² + (27,966)² + (24,966)² + (20,966)² + (17,966)² + (5,966)² +
(4,966)² + (2, 966)² + (1, 966)² + (1,034)² + (3,034)² + (5,034)² +

20
 (11,034)² + (12,034)² + (12,034)² + (17,034)² + (18,034)² + (19,034)² +
(19,034)² + (20,034)² + (22,034)² + (22,034)² + (23,034)² + (24,034)² +
(27,034)² + (30,034)² + (40,034)² + (41,034)² + (41,034)² + (44,034)² +
(45,034)² + (48,034)² + (54,034) ² + (56,034)² + (59,034)² + (76,034)² +
(88,034)² + (95,034)² + (107,034)² + (108,034)² + (123,034)²
59

SB = 178993,932
= 3033,795
59

Simpangan Baku / Standard Deviasi (SB) = √ 3033,795 = 55,080

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)
41 – 80 3 60,5 181,5 109,83 12062,74 36188,222
81 - 120 8 100,5 804 69,83 4876,30 39010,399
121 - 160 12 140,5 1686 29,83 889,86 10678,311
161 - 200 21 180,5 3790,5 10,17 103,42 2171,790
201 - 240 9 220,5 1984,5 50,17 2516,98 22652,801
241 - 280 5 260,5 1302,5 90,17 8130,54 40652,801
281 - 320 1 300,5 300,5 130,17 16944,10 16944,10
TOTAL f 59 10049,5 168298,31

x = 10049,5 = 170,331
59

Maka, SB = 168298,31 = 2852,514

59

Simpangan Baku / Standard Deviasi (SB) = √ 2852,514 = 53,409

Maka didapatlah kesesuaian perhitungan Simpangan Baku / Standard

Deviasi sebagai berikut :
1. Data Tidak Terkelompok : x = 169,966 SB = 3033,795
√SB = 55,080

2. Data Terkelompok : x = 170,331 SB = 2852,514

√SB = 53,409

BAB IV
PENUTUP

A. Kesimpulan

21
 Dari perhitungan diatas yang telah saya jabarkan dan untuk mempermudah melihat
hasil keseluruhan, maka saya tampilkan rincian Rekapitulasi Perhitungan sebagai
berikut :

IC fi NTK
41 – 80 3 60,5
81 - 120 8 100,5
121 - 160 12 140,5
161 - 200 21 180,5
201 - 240 9 220,5
241 - 280 5 260,5
281 - 320 1 300,5
TOTAL f 59

1. Mean Aritmatik
- Data Tidak Terkelompok = 169,966
- Data Terkelompok = 170,331

2. Median
- Data Tidak Terkelompok = 174,000
- Data Terkelompok = 172,881

3. Modus
- Data Tidak Terkelompok = 182
- Data Terkelompok = 177,643

4. Simpangan Mutlak Rata-Rata

- Data Tidak Terkelompok x = 169,966
MD = 44,444
- Data Terkelompok x = 170,331
MD = 42,241
5. Simpangan Baku
- Data Tidak Terkelompok x = 169,966
SB = 3033,795
√SB = 55,080
- Data Terkelompok x = 170,331
SB = 2852,514
√SB = 53,409

B. Saran

Dalam Perhitungan Statistik, sangat dibutuhkan sekali kalkulator, pensil,

penghapus, buku tulis dan aplikasi Microsoft Office Spreadsheet Excel. Sangat disarankan
untuk langsung menghitung menggunakan Excel karena bisa sekalian dibuatkan tabel,
diagram, gambar dan grafiknya. Akurasi perhitungan data juga akurat dibanding
menggunakan kalkulator yang terkadang bisa salah tekan angka.

22
23