TUGAS BESAR

STATISTIKA DAN PROBABILITAS

TEKNIK SIPIL

DOSEN PEMBIMBING
FADRIZAL LUBIS, ST. MT

DISUSUN OLEH :
RONY HALOMOAN SILABAN
NIM : 1922201047

PROGRAM STUDI TEKNIK SIPIL

FAKULTAS TEKNIK
UNIVERSITAS LANCANG KUNING
PEKANBARU 2019
 KATA PENGANTAR

Segala puji dan syukur saya panjatkan kehadirat Tuhan Yang Maha Esa atas berkat dan
rahmat yang diberikan pada saya sehingga saya dapat menyelesaikan tugas “STATISTIK
DAN PROBABILITAS”. .

Selanjutnya penulis mengucapkan terima kasih yang sebesar-besarnya kepada: Kedua

orang tua ,Bapak Fadrizal Lubis, ST. MT selaku dosen pembimbing, dan teman-teman
seperjuangan yang telah memberikan bimbingan, dukungan dan kepercayaan yang begitu besar.

Penulis menyadari bahwa terdapat banyak kekurangan dalam penulisan makalah ini,
maka dari itu penulis mengharapkan kritik dan saran yang membangun agar makalah ini dapat
lebih baik lagi. Akhir kata penulis berharap agar makalah ini bermanfaat bagi semua pembaca.

MINAS, 16 Desember 2018

Penyusun

RONY HALOMOAN SLABAN

Nim : 1922201047
 DAFTAR ISI
DAFTAR ISI…………………………………………………..…………..

BAB I ……………………………………………………………..................

A. LATAR BELAKANG …………………………………………………

B. METODE PENULISAN………………………………………………
C. IDENTIFIKASI MASLAH ……………………………………………
D. RUMUSAN MASALAH………………………………………………
E. TUJUAN PENULISAN ………………………………………………

BAB II ………………………………………………………..………………
A. TEORI STATISTIK & PROBABILITAS ……………………………….
B. PEMBAGIAN DATA ………………………………………………..….
C. PERANAN STATISTIK DAN PENERAPANNYA DI BIDANG TEKNIK……..
D. PENERAPAN STATISTIK DI BIDANG TEKNIK ………………………
E. PROBABILITAS …………………………………………………………….
F. KONSEP PROBABILITAS ……………………………..………………….

BAB III ………………………………………………………………………..

A. PENGUMPULAN DATA ...……………………………………………..
B. PENGORGANISASIAN DATA …………………………………………
C. DISTRIBUSI FREKUENSI DAN PERSENTASI GRAFIK ………........
D. UKURAN PEMUSATAN DATA ……………………………………………
1. MEAN ……………………………………………………………………
2. MEDIAN …………………………………………………………………
3. MODUS …………………………………………………………………
E. UKURAN PENYEBARAN DATA …………………………………………
a. SIMPANGAN MUTLAK RATA – RATA …………………….……….
b. SIMPANGAN BAKU …………………………………………………..

BAB IV ……………………………………………………………………………….
A. KESIMPULAN ……………………………………………………………..
B. SARAN ……………………………………………………………………..

DAFTAR PUSTAKA ………………………………………………………………..

LAMPIRAN
 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.Kumpulanangka 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.
 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.

B. Identifikasi Masalah

Data yang digunakan untuk di proses dan diolah adalah data D.O BBM ALL
PROJECT PERIODE 2018 ALL PROJECT di PT.PETRONESIA BENIMEL( dalam
ribu liter)

C. Rumusan Masalah

Data akan diproses sesuai tahapan Perhitungan yakni : Distribusi Frekuensi,

Ukuran Pemusatan Data dan Ukuran Penyebaran Data.

D. Tujuan Penulisan

Tujuan pnulisan pada Statistik D.O BBM ALL PROJECT PERIODE 2018 ALL
PROJECT di PT.PETRONESIA BENIMEL(dalam ribu liter) 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 108 data jumlah elevasi.

3. Ukuran Penyebaran
Tujuan dari penulisan Ukuran Penyebaran adalah untuk mengidentifikasi hasil
dari perhitungan, rentang, simpangan rata-rata, dan simpangan baku.
 BAB II
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
 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.
 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 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.
 BAB III
DATA DAN ANALISIS

A. Pengumpulan Data

Data yang didapat untuk di proses dan diolah adalah data data D.O BBM ALL
PROJECT PERIODE 2018 ALL PROJECT (dalam ribu liter). Data meliputi
jumlah suara sah dan tidak sah perhitungan suara dengan total data 108.

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 12 Baris dan 9 Kolom.
Berikut Data Mentah tersebut :

Tabel 3.1 – Data Mentah (Raw Data)

1 2 3 4 5 6 7 8 9
1 100 24 24 8 100 100 24 100 5
2 5 10 10 5 100 24 24 24 5
3 8 8 24 24 100 12 24 100 5
4 20 10 8 10 240 12 24 55 5
5 15 24 12 5 100 12 24 100 5
6 8 24 10 10 100 12 24 24 5
7 5 8 8 10 10 12 24 100 10
8 24 5 5 10 100 12 24 100 10
9 10 10 8 8 12 12 24 100 10
10 5 12 100 10 24 100 24 100 10
11 10 12 60 10 5 100 24 100 10
12 10 10 5 10 10 100 24 100 12
Sumber:PT.PETRONESIA BENIMEL

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.Berikut hasilnya :
 Tabel 3.2 – Jajaran Data (Data Array)
1 2 3 4 5 6 7 8 9
1 5 5 10 10 12 20 24 55 100
2 5 5 10 10 12 24 24 60 100
3 5 5 10 10 12 24 24 100 100
4 5 8 10 10 12 24 24 100 100
5 5 8 10 10 12 24 24 100 100
6 5 8 10 10 12 24 24 100 100
7 5 8 10 10 12 24 24 100 100
8 5 8 10 10 12 24 24 100 100
9 5 8 10 10 12 24 24 100 100
10 5 8 10 10 12 24 24 100 100
11 5 8 10 10 12 24 24 100 100
12 5 8 10 12 15 24 24 100 240
Sumber : PT.PETRONESIA BENIMEL

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
:

300

250

200

150
Series2
100

50

0
103
1
7
13

31

49

67
19
25

37
43

55
61

73
79
85
91
97

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 :
R
C=
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 log n , dimana n adalah jumlah data
Banyakkelas k=1+(3)(log n)
k=1+(3)(log 108)
k=1+(3)(2,034,)
k=1+6,1O2
K=7

Rentang
Interval p= Data
Banyak
kelas
p= 235 = 33
7
Menurut ketentuan diatas dan mengingat ada 100 data, maka saya memutuskan
untuk menentukan denganrumuslebar 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 FREKUENSI(f) PERSENTASE (%)
5-38 84 77,8
39 - 72 2 1,85
73 - 106 21 19,4
107 - 140 0 0
141 -174 0 0
175 - 208 0 0
209 - 241 1 0,93
JUMLAH 108 100%

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 84:108=0,84 X 100=77,8%

Tabel 3.4 – Batas Kelas (Class Limit)

JUMLAH FREKUENSI
BATAS CLASS (f) PERSENTASE (%)
5 DAN 38 84 77,8 %
39 DAN 72 2 1,85 %
73 DAN 106 21 19,4 %
107 DAN 140 0 0%
141 DAN 174 0 0%
175 DAN 208 0 0%
209 DAN 241 1 0,93 %
JUMLAH 108 100%

Batas Kelas (Class Limit)didapat dari pemisahan Interval Awal dan Interval
Akhir atau bisa diambil ujung-ujungnya, pemisahnya hanya menambahkan kata “dan”.

Langkh 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

 BATAS NYATA
KELAS
( CB )
4,5 - 38,5
38,5 - 72,5
72,5 - 106,5
106,5 - 140,5
140,5 - 174,5
174,5 - 208,5
208,5 - 241,5

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

Tabel 3.6 – Lebar Interval Kelas

LEBAR INTERVAL
TOTAL
KELAS
38,5 - 4,5 34
72,5 - 38,5 34
106,5 - 72,5 34
140,5 - 106,5 34
174,5 - 140,5 34
208,5 - 174,5 34
241,5 - 208,5 34

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)

BATAS KELAS BAWAH

+
HASIL
BATAS KELAS ATAS =
DI BAGI 2
(5 + 38)/2 21,5
(39 + 72)/2 55,5
(73 + 106)/2 89,5
(107 + 140)/2 123,5
(141 + 174)/2 157,5
(175 + 208)/2 191,5
(209 + 241)/2 225

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 :

120

100

80

60

40 Series1
Series2
20
Series3
0

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

BATAS F F
IC F NTK
BAWAH Kum ≤ Kum ≥
4,5 0 108
5 -38 84 21,5 38,5 84 24
39 - 72 2 55,5 72,5 86 22
73 - 106 21 89,5 106,5 107 1
107 -
140 0 123,5 140,5 107 1
141 -
174 0 157,5 174,5 107 1
175 -
208 0 191,5 208,5 107 1
209 -
241 1 225 241,5 108 0
TOTAL 108

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 :
- 5 – 0,5 = 4,5
- 38 + 0,5 = 38,5
- 72 + 0,5 =72,5
- 106 + 0,5 = 106,5
- 140 + 0,5 = 140,5
- 174 + 0,5 = 174,5
- 208 + 0,5 = 208,5
- 241 + 0,5 = 241,5

Pencarian F Kum < adalah dengan cara :

- Pertama letakkan 0 (nol) diawal sebagai acuan penambahan dibawahnya
- Data penambahan diambil dari nilai f (frekuensi)
- 0 + 84 = 84
- 84 + 2 = 86
- 86+ 21 = 107
- 107 + 0 =107
- 107+0 = 107
- 107 + 0 = 107
- 107+ 1 = 108
- Sehingga didapatlah angka F Kum <seperti diatas
3. Pencarian F Kum > adalah dengan cara :
- Pertama letakkan total data diawal sebagai acuan pengurangan dibawahnya
- Data pengurangan diambil dari nilai f (frekuensi)
 - 108 – 84 = 24
- 24 – 2 = 22
- 22 – 21 = 1
- 1–0=1
- 1 –0 = 1
- 1–0=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

BATAS F F
NO. f
BAWAH Kum ≤ Kum ≥
1 4,5 0 108
2 84 38,5 84 24
3 2 72,5 86 22
4 21 106,5 107 1
5 0 140,5 107 1
6 0 174,5 107 1
7 0 208,5 107 1
8 1 241,5 108 0

Grafik 3.2 – Kurva Ogive Positif Kurang Dari <(berdasarkan data Tabel 3.8)

120

100

80

60 F Kum<

40

20

0
Grafik 3.3 - Kurva Ogive Negatif Lebih Dari >(berdasarkan data Tabel 3.8)

Kurva Ogive Negatif Lebih Dari >

120

100

80 F Kum>
60 Series1

40

20

0
1 2 3 4 5 6 7 8

Diagramsesuaidata IC, Penggambaran menggunakan Diagram Lingkaran :

IC = 5 – 38 = 84x 360˚ =280° 0’ 0”
108
IC = 39 – 72 = 2x 360˚ = 6° 40’ 0”
108
IC = 73 –106 = 21x 360˚ = 70° 0’ 0”
108
IC = 107 – 140 = 0x 360˚ = 0°
108
IC = 141 – 174 = 0x 360˚ = 0°
108
IC = 175– 208 = 0x 360˚ = 0°
108
IC = 209 – 241 = 1x 360˚ = 3° 19’ 59,98”
108
Maka didapatlah Rekapitulasi sebagai
berikut :
X
I. 84 100% = 77% 1%
108
X
20%
II. 2 100% = 2%
77%
108
2%
X 2%
III. 21 100% = 20% 20%
108 1%
X
77%
IV. 0 100% = 0%
108
X
V. 0 100% = 0%
 108
X
VI. 0 100%
= 0%
108
VII. 1 X100% = 1%
108
 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= 100 + 24 + 24 + 8 + 100 + 100 + 24 + 100 + 5

5 + 10 + 10 + 5 + 100 + 24 + 24 + 24 + 5
8 + 8 + 24 + 24 + 100 + 12 + 24 + 100 + 5
20 + 10 + 8 + 10 + 240 + 12 + 24 + 55 + 5
15 + 24 + 12 + 5 + 100 + 12 + 24 + 100 + 5
8 + 24 + 10 + 10 + 100 + 12 + 24 + 24 + 5
5 + 8 + 8 + 10 + 10 + 12 + 24 + 100 + 10
24 + 5 + 5 + 10 + 100 + 12 + 24 + 100 + 10
10 + 10 + 8 + 8 + 12 + 12 + 24 + 100 + 10
5 + 12 + 100 + 10 + 24 + 100 + 24 + 100 + 10
10 + 12 + 60 + 10 + 5 + 100 + 24 + 100 + 10
10 + 10 + 5 + 10 + 10 + 100 + 24 + 100 + 12
108
 x= 3563
108

x= 32,99

Data Terkelompok :
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 = 84 (21,5) + 2 (55,5) + 21 (89,5) + 0 (123,5) +

0 (157,5) + 0 (191,5) + 1(225)

84 + 2 + 21 + 0 + 0 + 0 + 1

X = 1806 + 111 + 1879,5 + 0 + 0 + 0 + 225

108

X = 4021,5

108

X = 37,24

Maka didapatlah kesesuaian perhitungan Mean Aritmatik sebagai berikut :

1.Data Tidak Terkelompok : 32,99

2.Data Terkelompok : 37,24
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 108 data
yakni data ke-54 (12) dan data ke-55 (12), maka :

x = 12 + 12 = 12
2

Data Terkelompok :
Dengan dasar Tabel Distribusi Frekuensi Kumulatif pada Tabel 3.8

IC F F KUM ≤
5-38 84 0
39 - 72 2 84
73 - 106 21 86
107 -
140 0 107
141 -
174 0 107
175 -
208 0 107
209 -
241 1 107
108

Maka dilanjutkan dengan menentukan Class Median :

½ x n = ½ x 108 = 54

Nilai 54 diatas berada pada frekuensi 84 (lihat tabel diatas), sehingga class
mediannya adalah : 5-38, dengan keterangan rumus sebagai berikut

L = Tepi bawah Class Median adalah : 5 – 0,5 = 4,5

F =Jumlah Frekuensi sebelum Class Median adalah : 0
f = frekuensi Class Median adalah : 84
C =Panjang Interval Kelas adalah sama dengan Lebar Interval Kelas pada
Tabel 3.6 yakni : 34

Me = L + 1/2 n - F xC
f

Me = 4,5 + 1/2 n - F xC
F
 1/2 X 108 -
Me = 4,5 + 0 X 34
84

Me = 4,5 + 54 - 0 x 34
84

Me = 4,5 + 0,64 x 34

Me = 26,26

Maka didapatkanlah kesesuaian perhitungan Median sebagai berikut

1. Data Tdak Terkelompok : 12
2. Data Terkelompok :26,26

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 : sebanyak 3 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 : 610 – 736, 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 = 5 – 0,5 = 4,5
(Angka 0 dan 2 adalah Jumlah
Δ1 = 84 – 0 = 84 Frekuensi diatas Kelas Modus dan
dibawah Kelas Modus)
Δ2 = 84 – 2 = 82
C = 34 didapat dari Lebar/Panjang Interval Kelas
 Mo = L + Δ1 X C
Δ1 +
Δ2

Mo = 4,5 + 84 x 34
84 +
82

Mo = 21,7

Maka didapatlah Kesesuaian perhitungan Modus sebagai berikut:

1. DATA TIDAK TERKELOMPOK: 24
2. DATA TERKELOMPOK : 21,7

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
108 Data dengan Nilai Rata-Rata = 32,99
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 = (5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) +
(5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) +
(5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) + (5-32,99) +
(8-32,99) + (8-32,99) + (8-32,99) + (8-32,99) + (8-32,99) +
(10-
(8-32,99) + (8-32,99) + (8-32,99) + (8-32,99) + 32,99) +
(10- (10- (10- (10- (10-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(10- (10- (10- (10- (10-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(10- (10- (10- (10- (10-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(10- (10- (10- (10- (10-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(10- (10- (12- (12- (12-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(12- (12- (12- (12- (12-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(12- (12,- (12- (12- (15-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(20- (24- (24- (24- (24-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(24- (24- (24- (24- (24-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(24- (24- (24- (24- (24-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(24- (24- (24- (24- (24-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(24- (24- (24- (24- (55-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(60- (100- 100- (100- (100-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(100- (100- (100- (100- (100-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(100- (100- (100- (100- (100-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(100- (100- (100- (100- (100-
32,99) + 32,99) + 32,99) + 32,99) + 32,99) +
(100- (100- (240-
32,99) + 32,99) + 32,99)
108
MD = (27,99) + (27,99) + (27,99) + (27,99) + (27,99) +
(27,99) + (27,99) + (27,99) + (27,99) + (27,99) +
(27,99) + (27,99) + (27,99) + (27,99) + (27,99) +
(24,99) + (24,99) + (24,99) + (24,99) + (24,99) +
(24,99) + (24,99) + (24,99) + (24,99) + (22,99) +
(22,99) + (22,99) + (22,99) + (22,99) + (22,99) +
(22,99) + (22,99) + (22,99) + (22,99) + (22,99) +
(22,99) + (22,99) + (22,99) + (22,99) + (22,99) +
(22,99) + (22,99) + (22,99) + (22,99) + (22,99) +
(22,99) + (22,99) + (20,99) + (20,99) + (20,99) +
(20,99) + (20,99) + (20,99) + (20,99) + (20,99) +
(20,99) + (20,99) + (20,99) + (20,99) + (17,99) +
(12,99) + (8,99) + (8,99) + (8,99) + (8,99) +
(8,99) + (8,99) + (8,99) + (8,99) + (8,99) +
(8,99) + (8,99) + (8,99) + (8,99) + (8,99) +
(8,99) + (8,99) + (8,99) + (8,99) + (8,99) +
(8,99) + (8,99) + (8,99) + (8,99) + (22,01) +
(27,01) + (67,01) + (67,01) + (67,01) + (67,01) +
(67,01) + (67,01) + (67,01) + (67,01) + (67,01) +
(67,01) + (67,01) + (67,01) + (67,01) + (67,01) +
(67,01) + (67,01) + (67,01) + (67,01) + (67,010 +
(67,01) + (67,01) + (207,01)
108

MD = 3324,33
108

MD = 34,67
 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 F NTK fi.xi
May-38 84 21,5 1806
39 - 72 2 55,5 111
73 - 106 21 89,5 1879,5
107 - 140 0 123,5 0
141 - 174 0 157,5 0
175 - 208 0 191,5 0
209 - 241 1 225 225
TOTAL f 108 4021,5

X= 4021,5
108

X= 37,236

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

NTK
IC F xi - x f (xi - x )
(xi)
May-38 84 21,5 15,736 1.321,824
39 - 72 2 55,5 18,264 36,528
73 - 106 21 89,5 52,264 1.097,544
107 - 140 0 123,5 86,264 0
141 - 174 0 157,5 130,264 0
175 - 208 0 191,5 154,264 0
209 - 241 1 225 187,764 187,764
TOTAL f 108 2643,66

MD = 2643,66
108
 MD = 24,48

Maka didapatlah kesesuaian Perhitungan Simpangan Mutlak Rata Rata sebagai berikut
1. Data Tidak
terkelompok: x= 32,99
MD = 34,67

2. Data Terkelompok
: x= 37,236
MD= 24,48

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
108 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 = (27,99)² + (27,99)² + (27,99)² + (27,99)² + (27,99)² +

(27,99)² + (27,99)² + (27,99)² + (27,99)² + (27,99)² +
(27,99)² + (27,99)² + (27,99)² + (27,99)² + (27,99)² +
(24,99)² + (24,99)² + (24,99)² + (24,99)² + (24,99)² +
(24,99)² + (24,99)² + (24,99)² + (24,99)² + (22,99)² +
(22,99)² + (22,99)² + (22,99)² + (22,99)² + (22,99)² +
(22,99)² + (22,99)² + (22,99)² + (22,99)² + (22,99)² +
(22,99)² + (22,99)² + (22,99)² + (22,99)² + (22,99)² +
(22,99)² + (22,99)² + (22,99)² + (22,99)² + (22,99)² +
(22,99)² + (22,99)² + (20,99)² + (20,99)² + (20,99)² +
(20,99)² + (20,99)² + (20,99)² + (20,99)² + (20,99)² +
(20,99)² + (20,99)² + (20,99)² + (20,99)² + (17,99)² +
(12,99)² + (8,99)² + (8,99)² + (8,99)² + (8,99)² +
(8,99)² + (8,99)² + (8,99)² + (8,99)² + (8,99)² +
 (8,99)² + (8,99)² + (8,99)² + (8,99)² + (8,99)² +
(8,99)² + (8,99)² + (8,99)² + (8,99)² + (8,99)² +
(8,99)² + (8,99)² + (8,99)² + (8,99)² + (22,01)² +
(27,01)² + (67,01)² + (67,01)² + (67,01)² + (67,01)² +
(67,01)² + (67,01)² + (67,01)² + (67,01)² + (67,01)² +
(67,01)² + (67,01)² + (67,01)² + (67,01)² + (67,01)² +
(67,01)² + (67,01)² + (67,01)² + (67,01)² + (67,010² +
(67,01)² + (67,01)² + (207,01)²
108

SB = 783.4401 + 783.4401 + 783.4401 + 783.4401 + 783.4401 +

783.4401 + 783.4401 + 783.4401 + 783.4401 + 783.4401 +
783.4401 + 783.4401 + 783.4401 + 783.4401 + 783.4401 +
624.5001 + 624.5001 + 624.5001 + 624.5001 + 624.5001 +
624.5001 + 624.5001 + 624.5001 + 624.5001 + 528.5401 +
528.5401 + 528.5401 + 528.5401 + 528.5401 + 528.5401 +
528.5401 + 528.5401 + 528.5401 + 528.5401 + 528.5401 +
528.5401 + 528.5401 + 528.5401 + 528.5401 + 528.5401 +
528.5401 + 528.5401 + 528.5401 + 528.5401 + 528.5401 +
528.5401 + 528.5401 + 440.5801 + 440.5801 + 440.5801 +
440.5801 + 440.5801 + 440.5801 + 440.5801 + 440.5801 +
440.5801 + 440.5801 + 440.5801 + 440.5801 + 323.6401 +
168.7401 + 80.8201 + 80.8201 + 80.8201 + 80.8201 +
80.8201 + 80.8201 + 80.8201 + 80.8201 + 80.8201 +
80.8201 + 80.8201 + 80.8201 + 80.8201 + 80.8201 +
80.8201 + 80.8201 + 80.8201 + 80.8201 + 80.8201 +
80.8201 + 80.8201 + 80.8201 + 80.8201 + 484.4401 +
729.5401 + 4490.34 + 4490.34 + 4490.34 + 4490.34 +
4490.34 + 4490.34 + 4490.34 + 4490.34 + 4490.34 +
4490.34 + 4490.34 + 4490.34 + 4490.34 + 4490.34 +
4490.34 + 4490.34 + 4490.34 + 4490.34 + 4490.34 +
4490.34 + 4490.34 + 42853.14
108

Simpangan Baku / Standard Deviasi (SB) = √ 175.530,989= 418,97

Data Terkelompok :
Perhitungan Data Terkelompok ini adalah sebagai berikut:
Tabel 3.11 – Perhitungan Lengkap Frekuensi

IC fi NTK (xi) fi . Xi xi - x (xi -x )² f (xi -x )²

5-38 84 21,5 1.806 15,736 247,63 20.800,92
39 -72 2 55,5 111 18,264 333,58 667,16
73-106 21 89,5 1.879,5 52,264 2.731,53 57.362,13
107-140 0 123,5 0 86,264 7.441,48 0
141-174 0 157,5 0 120,264 14.463,43 0
175-208 0 191,5 0 154,264 237.797,39 0
209-241 1 225 225 187,764 35.255,32 35255,32
TOTAL 108 4.021,5 114.085,53

X= 4.021,5 = 37,236
108

Maka SB = 114.085,53 = 1.056,3475

108

Simpangan Baku / Standard Deviasi (SB) = √ 1.056,3475 = 32,5

Makadidapatlahkesesuainperhitungansimpanaganbaku/standardeviasisbb :
1. Data tidakkelompok : X =32,99
SB
√ =175.530,989 SB=418,97

SB
2. Data terkelompok : X =37,236 =114.085,53
√ SB =32,5
 BAB IV

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

NTK
IC f
(xi)
5 - 38 84 21,5
39 - 72 2 55,5
73 - 106 21 89,5
107 - 140 0 123,5
141 - 174 0 157,5
175 - 208 0 191,5
209 - 241 1 225

1. Mean Aritmatik
- Data Tidak Terkelompok = 32,99
- Data Terkelompok = 37,24

2. Median
- Data Tidak Terkelompok = 12
- Data Terkelompok = 26,26

3. Modus
- Data Tidak Terkelompok = 24
- Data Terkelompok = 21,7

4. Simpangan Mutlak Rata-Rata

- Data Tidak Terkelompok x = 32,99
MD = 34,67
- Data Terkelompok x = 37,236
MD = 24,48
5. Simpangan Baku
- Data Tidak Terkelompok x = 32,99
SB = 175.530,989
√SB = 418,97
- Data Terkelompok x = 37,236
SB = 114.085,53
√SB = 32,5
B.Saran

Adapun saran yang penulis sampaikan adalah agar pembaca dapat

menggunakan pemecahan masalah secara statistik, lebih tepat jika mengikuti tahapan
yang ilmiah. Data yang baik tentu saja harus yang mutakhir, cocok (relevan) dengan
masalah penelitian, dari sumber yang dapat dipertanggung jawabkan, lengkap akurat,
objektif dan konsisten. Pengumpulan data sedapat mungkin diperoleh dari tangan
pertama. Data yang baik sangat diperlukan dalam penelitian, sebab bagaimanapun
canggihnya suatu analisis data jika tidak ditunjang oleh data yang baik, maka hasilnya
kurang dapat dipertanggung jawabkan.

Data statistika tidak hanya cukup dikumpulkan dan diolah, tetapi juga perlu
disajikan dalam bentuk yang mudah dibaca dan dimengerti oleh pengambil keputusan.
Penyajian data ini bisa dalam bentuk tabel atau grafik/diagram.