PD Modul 1 DENI KURNIAWAN

MODUL I
STATISTIK DESKRIPTIF
OLEH:
KELOMPOK V
LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

DEPARTEMEN TEKNIK INDUSTRI
FAKULTAS TEKNIK
UNIVERSITAS HASANUDDIN
GOWA
2020
BAB IV
PENGOLAHAN DATA
4.1 Tabel Data
Data yang diambil adalah hasil dari wawancara kepada responden di Pantai
Akkarena pada tanggal 27 Februari 2020, jumlah responden sebanyak 50
orang dengan minimal usia 19 tahun ke atas, untuk tingkat kebersihan diukur
dengan skala 1-10, serta lama berkunjung yang dikonversikan ke dalam satuan
menit. Data usia dan data lama berkunjung telah ditambah 6 dari data aslinya
sedangkan data tingkat kebersihan telah ditambah 0,6 dari data aslinya.
Tabel 4.1 Tabel Data Usia, Tingkat Kebersihan, dan Lama Berkunjung
Usia Tingkat Kebersihan Tempat Lama Waktu Berkunjung
No.
(tahun) (1 – 10) (menit)
1. 25 6,6 11
2 25 5,6 13
3. 25 7,6 66
4. 25 5,6 66
5. 25 7,6 66
6. 26 7,6 66
7. 26 8,6 21
8. 26 8,6 41
9. 26 8,6 41
10. 26 5,6 41
11. 26 5,6 11
12. 27 4,6 11
13. 27 6,6 11
14. 27 7,6 36
15. 27 5,6 36
16. 28 5,6 36
17. 29 7,6 36
18. 29 7,6 66
19. 29 6,6 66
20. 29 7,6 8
21. 29 4,6 66
22. 30 8,6 36
23. 30 8,6 36
24. 31 7,6 66
25. 31 8,6 66
26. 32 5,6 126
27. 32 6,6 126
28. 32 9,6 126
29. 33 8,6 186
30. 33 8,6 126
Lanjutan Tabel 4.1 Hasil Wawancara Singkat pada 50 Orang Responden

32. 33 8,6 161
33. 34 8,6 16
34. 34 8,6 16
35. 34 8,6 16
36. 36 7,6 16
37. 36 6,6 26
38. 38 5,6 16
39. 38 8,6 16
40. 38 7,6 `11
41. 40 8,6 11
42. 41 5,6 126
43. 41 6,6 126
44. 41 7,6 66
45. 44 8,6 66
46. 47 5,6 66
47. 50 7,6 66
48. 51 7,6 66
49. 54 7,6 36
50. 54 5,6 11
4.2 Pengolahan Data Usia
a. Pengolahan Data Usia (Manual)
Berikut merupakan data usia oleh 50 orang responden.
25 25 25 25 25 26 26 26 26 26
26 27 27 27 27 28 29 29 29 29
29 30 30 31 31 31 32 32 32 33
33 33 34 34 34 36 36 36 38 38
38 41 41 42 47 47 50 54 54 59
a. Pengolahan Data Usia (Manual)
1) Ukuran pemusatan data
a) Mean
n
∑ xi
x́= i=1
n
25+ 25+25+25+25+ 26+26+26+ 26+26

+ 26+27+27+ 27+27+28+ 29+29+29+29
+29+30+30+31+31+31+32+32+32+33
+33+33+ 34+34 +34+36+ 36+36+38+38
+38+41+ 41+42+ 47+47 +50+54+54 +59
x́=
50
1663
x́=
50
x́=¿32,26
b) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med =
2
x 25+ x26
Med =
2
28+29
Med =
2
Med=28,5
c) Modus
Nilai yang sering muncul pada data usia adalah 23.

d) Kuartil
(1)Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q1=x 13
Q 1=27
(2)Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q 2=x 26
Q 2=32
(3)Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q3=x 39
Q 3=38
2) Ukuran penyebaran data
a) Range
R=xmax −x min
R=54−25
R=29
b) Simpangan rata-rata
n
1 ´ ¿
SR= ∑ ¿ x i− x ∨¿
n i=1
|25−32,26|+|25−32,26|+|25−32,26|+|25−32,26|
+|25−32,26|+|26−32,26|+|26−32,26|+|26−32,26|
+|26−32,26|+|26−32,26|+|26−32,26|+|27−32,26|
+|27−32,26|+|27−32,26|+|27−32,26|+|28−32,26|
+|29−32,26|+|29−32,26|+|29−32,26|+|29−32,26|
+|29−32,26|+|30−32,26|+|30−32,26|+|31−32,26|
+|31−32,26|+|31−32,26|+|32−32,26|+|32−32,26|
+|32−32,26|+|33−32,26|+|33−32,26|+|33−32,26|
+|34−32,26|+|34−32,26|+|34−32,26|+|36−32,26|
+|36−32,26|+|36−32,26|+|38−32,26|+|38−32,26|
+|38−32,26|+|41−32,26|+|41−32,26|+|42−32,26|
+|47−32,26|+|47−32,26|+|50−32,26|+|54−32,26|
+|54−32,26|+|59−32,26|
SR=
50
304,56
¿
50
¿ 6,0912
c) Standar deviasi
S=
√ ∑ ( x ¿¿ i− x́ )2
i=1
N
¿
( 25−32,26 )2 + ( 25−32,26 )2 + ( 25−32,26 )2+ ( 25−32,26 )2
√
+ (25−32,26 )2 + ( 26−32,26 )2 + ( 26−32,26 )2+ ( 26−32,26 )2
2 2 2 2
+ ( 26−32,26 ) + ( 26−32,26 ) + ( 26−32,26 ) + ( 27−32,26 )
2 2 2 2
+ (27−32,26 ) + ( 27−32,26 ) + ( 27−32,26 ) + ( 28−32,26 )
+ ( 29−32,26 )2+ ( 29−32,26 )2 + ( 29−32,26 )2+ ( 29−32,26 )2
2 2 2 2
+ ( 29−32,26 ) + (30−32,26 ) + ( 30−32,26 ) + ( 31−32,26 )
2 2 2 2
+ ( 31−32,26 ) + ( 31−32,26 ) + ( 32−32,26 ) + ( 32−32,26 )
2 2 2 2
+ ( 32−32,26 ) + ( 33−32,26 ) + ( 33−32,26 ) + (33−32,26 )
+ ( 34−32,26 )2 + ( 34−32,26 )2 + ( 34−32,26 )2 + ( 36−32,26 )2
2 2 2 2
+ ( 36−32,26 ) + ( 36−32,26 ) + ( 38−32,26 ) + ( 38−32,26 )
2 2 2 2
+ ( 38−32,26 ) + ( 41−32,26 ) + ( 41−32,26 ) + ( 42−32,26 )
+ ( 47−32,26 )2 + ( 47−32,26 )2+ (50−32,26 )2 + ( 54−32,26 )2
+( 54−32,26)2 +(59−32,26)2
S=
50
¿ √ 61,7524
¿ 7,8582
d) Variansi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 25−32,26 )2 + ( 25−32,26 )2+ ( 25−32,26 )2 + ( 25−32,26 )2

+ ( 25−32,26 )2+ ( 26−32,26 )2+ ( 26−32,26 )2+ ( 26−32,26 )2
2 2 2 2
+ ( 26−32,26 ) + ( 26−32,26 ) + ( 26−32,26 ) + ( 27−32,26 )
2 2 2 2
+ ( 27−32,26 ) + ( 27−32,26 ) + ( 27−32,26 ) + (28−32,26 )
+ ( 29−32,26 )2 + ( 29−32,26 )2+ ( 29−32,26 )2 + ( 29−32,26 )2
+ (29−32,26 )2 + ( 30−32,26 )2+ ( 30−32,26 )2+ ( 31−32,26 )2
2 2 2 2
+ ( 31−32,26 ) + ( 31−32,26 ) + ( 32−32,26 ) + ( 32−32,26 )
2 2 2 2
+ (32−32,26 ) + ( 33−32,26 ) + (33−32,26 ) + ( 33−32,26 )
+ ( 34−32,26 )2+ ( 34−32,26 )2+ ( 34−32,26 )2+ ( 36−32,26 )2
+ ( 36−32,26 )2 + ( 36−32,26 )2 + ( 38−32,26 )2+ ( 38−32,26 )2
2 2 2 2
+ ( 38−32,26 ) + ( 41−32,26 ) + ( 41−32,26 ) + ( 42−32,26 )
2 2 2 2
+ ( 47−32,26 ) + ( 47−32,26 ) + ( 50−32,26 ) + ( 54−32,26 )
+(54−32,26)2 +(59−32,26)2
¿
50
3451,46
¿
50
¿ 69,0292
e) Standard Error of Mean
S
SEz =
√n
7,8582
¿
√50
¿ 1.1113
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
( 25−32,26 )3 + ( 25−32,26 )3 + ( 25−32,26 )3+ ( 25−32,26 )3

+ ( 25−32,26 )3 + ( 26−32,26 )3 + ( 26−32,26 )3+ ( 26−32,26 )3
3 3 3 3
+ ( 26−32,26 ) + ( 26−32,26 ) + ( 26−32,26 ) + ( 27−32,26 )
3 3 3 3
+ ( 27−32,26 ) + ( 2732,26 ) + ( 27−32,26 ) + ( 28−32,26 )
+ (29−32,26 )3 + ( 29−32,26 )3 + ( 29−32,26 )3+ ( 29−32,26 )3
+ ( 29−32,26 )3 + ( 30−32,26 )3 + ( 30−32,26 )3+ ( 31−32,26 )3
3 3 3 3
+ ( 31−32,26 ) + ( 31−32,26 ) + ( 32−32,26 ) + ( 32−32,26 )
3 3 3 3
+ ( 32−32,26 ) + ( 33−32,26 ) + ( 33−32,26 ) + ( 33−32,26 )
+ ( 34−32,26 )3 + ( 34−32,26 )3 + ( 34−32,26 )3 + ( 36−32,26 )3
+ ( 36−32,26 )3 + ( 36−32,26 )3 + ( 38−32,26 )3+ ( 38−32,26 )3
3 3 3 3
+ ( 38−32,26 ) + ( 41−32,26 ) + ( 41−32,26 ) + ( 42−32,26 )
❑ 3 3 3
+ ( 47−32,26 ) + ( 47−32,26 ) + ( 50−32,26 ) + ( 54−32,26 )
50 +(54−32,26)3 +(59−32,26)3
¿
(50−1)(50−2) 7,85823
50 36445,64
¿
2352 485,2541
¿ 1,5966
g) Kurtosis
K=¿
( 25−32,26 )4 + ( 25−32,26 )4 + ( 25−32,26 )4 + ( 25−32,26

4 4 4
{
+ ( 25−32,26 ) + ( 26−32,26 ) + ( 26−32,26 ) + ( 26−32,26
+ ( 26−32,26 )4 + ( 26−32,26 )4 + ( 26−32,26 ) 4 + ( 27−32,26
+ ( 27−32,26 )4 + ( 27−32,26 )4 + ( 27−32,26 )4 + ( 28−32,26
4 4 4
+ ( 29−32,26 ) + ( 29−32,26 ) + ( 29−32,26 ) + ( 29−32,26
4 4 4
+ ( 29−32,26 ) + ( 30−32,26 ) + (30−32,26 ) + ( 31−32,26
+ (31−32,26 )4 + ( 31−32,26 )4 + ( 32−32,26 )4 + ( 32−32,26
+ ( 32−32,26 )4 + ( 33−32,26 )4 + ( 33−32,26 )4 + ( 33−32,26
4 4 4
+ ( 34−32,26 ) + ( 34−32,26 ) + (34−32,26 ) + ( 36−32,26
4 4 4
+ ( 36−32,26 ) + ( 36−32,26 ) + (38−32,26 ) + ( 38−32,26
+ ( 38−32,26 )4 + ( 41−32,26 )4 + ( 41−32,26 )4 + ( 42−32,26
+ ( 47−32,26 )4 + ( 47−32,26 )4 + ( 50−32,26 )4 + ( 54−32,26
50(50+1) +(54−32,26)4 +(59−32,26) 4
¿ −
(50−1)(50−2)(50−3) 7.85824
2550 787217,5 31329

¿ {111544 −
3813,224 } 3363
−
K=−93157,8947
3) Jenis penyajian data
a) Histogram
(1)Range
R=xmax −x min
R=59−25
R=34
(2)Banyak kelas
K=1+ 3,3 logn
K=1+ 3,3 log50

K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R
I=
K
34
I=
7
I =4,8571 ≈ 5
(4)Batas kelas
Dari data usia didapatkan batas kelas pertama antara nilai 25 –
29, batas kelas kedua antara nilai 30 – 34, batas kelas ketiga
antara nilai 35 – 39, batas kelas keempat antara nilai 40 – 44,
batas kelas kelima antara nilai 45 – 49, batas kelas keenam
antara 50 – 54, dan batas kelas ketujuh antara nilai 55 - 59.
(5)Tabel distribusi frekuensi
Tabel 4.2 Tabel Distribusi Frekuensi Data Usia

Usia Responden Frekuensi
25 - 29 21
30 - 34 14
35 - 39 6
40 - 44 3
45 - 49 2
50 - 54 3
55 - 59 1
Berikut contoh dari diagram histogram.
Diagram Histogram
25
20
15
Frekuensi
10
0
25 - 29 30 - 34 35 - 39 40 - 44 45 - 49 50 - 54 55 - 59
Usia Responden
Gambar 4.1 Histogram Data Usia
b) Poligon frekuensi
Tabel 4.3 Tabel Poligon Frekuensi Data Usia

Usia Responden Nilai Tengah Frekuensi
25-29 27 21
30-34 32 14
35-39 37 6
40-44 42 3
45-49 47 2
50-54 52 3
55-59 57 1
Berikut contoh dari diagram polygon frekuensi
Diagram Poligon
25
20
15
Frekuensi
10
0
25 - 29 30 - 34 35 - 39 40 - 44 45 - 49 50 - 54 55 - 59
Usia Responden
Gambar 4.2 Poligon Frekuensi Data Usia

c) Ogive
Tabel 4.4 Tabel Ogive Data Usia

Usia Responden Frekuensi F< F>
25-29 21 21 50
30-34 14 35 36
35-39 6 41 30
40-44 3 44 27
45-49 2 46 25
50-54 3 49 22
55-59 1 50 21
Berikut contoh dari diagram ogive.

Ogive
60
50
40
Frekuensi
30
20
10
0
25-29 30-34 35-39 40-44 45-49 50-54 55-59
Usia Responden
Gambar 4.3 Ogive Data Usia

d) Diagram lingkaran
Berikut contoh dari diagram lingkaran.
Diagram Lingkaran
6% 2%
4%
6%
25 - 29
30 - 34
42% 35 - 39
40 - 44
12% 45 - 49
50 - 54
55 - 59
28%
Gambar 4.4 Diagram Lingkaran Data Usia

b. Pengolahan Data Usia (Software)
1) Pengolahan data menggunakan SPSS
a) Pilih ikon SPSS di desktop kemudian klik dua kali
b) Masukkan nama variabel pada menu Variable View

c) Masukkan semua data view
d) Pilih menu Analyze, klik Descriptive statistics lalu Frequencies
e) Akan muncul tampilan berikut, kemudian masukkan list usia ke
variable (s)
f) Pilih statistics kemudian centang quartiles, mean, median, mode, std
deviation, range, variances, S.E mean, skewness,dan kurtosis. Pilih
continue lalu klik ok.
g) Akan muncul pengolahan data sebagai berikut
Gambar 4.5 Pengolahan Data Usia dengan Menggunakan SPSS

4.3 Pengolahan Data Tingkat Kebersihan
a. Pengolahan Data Tingkat Kebersihan (Manual)
4,6 4,6 5,6 5,6 5,6 5,6 5,6 5,6 5,6 5,6
5,6 5,6 5,6 6,6 6,6 6,6 6,6 6,6 6,6 7,6
7,6 7,6 7,6 7,6 7,6 7,6 7,6 7,6 7,6 7,6
7,6 7,6 7,6 8,6 8,6 8,6 8,6 8,6 8,6 8,6
8,6 8,6 8,6 8,6 8,6 8,6 8,6 8,6 8,6 9,6
a) Mean
n
∑ xi
x́= i=1
n
4,6 +4,6+5,6 +5,6+5,6+5,6+ 5,6+5,6+5,6+5,6

5,6+5,6+ 5,6+6,6+6,6+ 6,6+6,6+ 6,6+6,6+7,6
7,6 +7,6+7,6+7,6+ 7,6+7,6+7,6+7,6+ 7,6+7,6
7,6+7,6+7,6+ 8,6+8,6+ 8,6+8,6+ 8,6+8,6+8,6
8,6+8,6+ 8,6+8,6+8,6 +8,6+8,6+ 8,6+8,6+ 9,6
¿
50
364
¿
50
¿ 7,28
b) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med =
2
x 25+ x26
Med =
2
7,6+7,6
Med =
2
Med=7,6
c) Modus
Pada data kebersihan nilai yang sering muncul adalah 8,6
d) Kuartil
(1)Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q1=x 13
Q 1=5,6
(2)Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q 2=x 26
Q 1=7,6
(3)Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q3=x 39
Q 1=8,6
a) Range
R=xmax −x min
R=9,6−4,6
R=5
n
1
SR= ∑ x −x́
n i=1 i
|4,6−7,28|+|4,6−7,28|+|5,6−7,28|+|5,6−7,28|
+|5,6−7,28|+|5,6−7,28|+|5,6−7,28|+|5,6−7,28|
+|5,6−7,28|+|5,6−7,28|+|5,6−7,28|+|5,6−7,28|
+|5,6−7,28|+|6,6−7,28|+|6,6−7,28|+|6,6−7,28|
+|6,6−7,28|+|6,6−7,28|+|6,66−7,28|+|7,6−7,28|
+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|
+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|
+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|+|7,6−7,28|
+|7,6−7,28|+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|
+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|
+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|
+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|+|8,6−7,28|
+|8,6−7,28|+|9,6−7,28|
¿
50
55,84
¿
50
¿ 1.1168
c) Standar deviasi
S=
√ ∑ ( x ¿¿ i− x́ )2
i=1
N
¿
( 4,6−7,28 )2+ ( 4,6−7,28 )2+ ( 5,6−7,28 )2 + ( 5,6−7,28 )2
√
+ ( 5,6−7,28 )2+ ( 5,6−7,28 )2 + ( 5,6−7,28 )2+ (5,6−7,28 )2
2 2 2 2
+ ( 5,6−7,28 ) + ( 5,6−7,28 ) + ( 5,6−7,28 ) + (5,6−7,28 )
2 2 2 2
+ ( 5,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 )
+ ( 6,6−7,28 )2 + ( 6,6−7,28 )2 + ( 6,6−7,28 )2+ ( 7,6−7,28 )2
2 2 2 2
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + (7,6−7,28 )
2 2 2 2
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + (7,6−7,28 )
2 2 2 2
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + (7,6−7,28 )
+ (7,6−7,28 )2 + ( 8,6−7,28 )2 + ( 8,6−7,28 )2+ ( 8,6−7,28 )2
2 2 2 2
+ ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
2 2 2 2
+ ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
+ ( 8,6−7,28 )2 + ( 8,6−7,28 )2 + ( 8,6−7,28 )2+ ( 8,6−7,28 )2
+( 8,6−7,28)2 +(9,6−7,28)2
¿
50
82,88
¿
√ 50
¿ √ 1,6576
¿ 1,2874
d) Variansi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 4,6−7,28 )2+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2

+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2 + ( 4,6−7,28 )2
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2 + ( 4,6−7,28 )2
+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2 + ( 4,6−7,28 )2
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2 + ( 4,6−7,28 )2
+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2 + ( 4,6−7,28 )2
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
2 2 2 2
+ ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 4,6−7,28 )
+(4,6−7,28)2 +(4,6−7,28)2
¿
50
4411
¿
50
¿ 88,22
S
SEz =
√n
1.2874
¿
√ 50
¿ 0,1820
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
( 4,6−7,28 )3 + ( 4,6−7,28 )3 + ( 5,6−7,28 )3 + ( 5,6−7,28 )3

+ ( 5,6−7,28 )3 + ( 5,6−7,28 )3 + ( 5,6−7,28 )3+ (5,6−7,28 )3
3 3 3 3
+ ( 5,6−7,28 ) + ( 5,6−7,28 ) + ( 5,6−7,28 ) + (5,6−7,28 )
3 3 3 3
+ ( 5,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 )
+ ( 6,6−7,28 )3 + ( 6,6−7,28 )3 + ( 6,6−7,28 )3+ ( 7,6−7,28 )3
+ ( 7,6−7,28 )3 + ( 7,6−7,28 )3 + ( 7,6−7,28 )3+ (7,6−7,28 )3
3 3 3 3
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + (7,6−7,28 )
3 3 3 3
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + (7,6−7,28 )
+ ( 7,6−7,28 )3 + ( 8,6−7,28 )3 + ( 8,6−7,28 )3+ ( 8,6−7,28 )3
+ ( 8,6−7,28 )3 + ( 8,6−7,28 )3 + ( 8,6−7,28 )3 + ( 8,6−7,28 )3
3 3 3 3
+ ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
3 3 3 3
+ ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
50 + ( 8,6−7,28 )3 + ( 9,6−7,28 )3
¿
(50−1)(50−2) 1.28743
50 142,2876
¿
2352 2,0892
¿ 1,4438
g) Kurtosis
K=¿
4 4 4 4
( 4,6−7,28 ) + ( 4,6−7,28 ) + ( 5,6−7,28 ) + (5,6−7,28 )
+ ( 5,6−7,28 ) 4 + ( 5,6−7,28 )4 + ( 5,6−7,28 )4 + ( 5,6−7,28 )4
{ }
+ ( 5,6−7,28 ) 4 + ( 5,6−7,28 )4 + ( 5,6−7,28 )4 + ( 5,6−7,28 )4
4 4 4 4
+ ( 5,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 )
4 4 4 4
+ ( 6,6−7,28 ) + ( 6,6−7,28 ) + ( 6,6−7,28 ) + ( 7,6−7,28 )
+ ( 7,6−7,28 ) 4 + ( 7,6−7,28 )4 + ( 7,6−7,28 )4 + ( 7,6−7,28 )4
+ ( 7,6−7,28 ) 4 + ( 7,6−7,28 )4 + ( 7,6−7,28 )4 + ( 7,6−7,28 )4
4 4 4 4
+ ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 ) + ( 7,6−7,28 )
4 4 4 4
+ ( 7,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
+ ( 8,6−7,28 )4 + ( 8,6−7,28 )4 + ( 8,6−7,28 )4 + ( 8,6−7,28 )4
+ ( 8,6−7,28 )4 + ( 8,6−7,28 )4 + ( 8,6−7,28 )4 + ( 8,6−7,28 )4
4 4 4 4
+ ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 ) + ( 8,6−7,28 )
4 4
50(50+1) + ( 8,6−7,28 ) + ( 9,6−7,28 )
¿ − −
(50−1)(50−2)(50−3) 1,2784 4
2550 269,7743 31329

¿ {111544 −
2,6709 } 3363
−
¿−100,2979
a) Histogram
(1)Range
R=xmax −x min
R=9,6−4,6
R=5
(2)Banyak kelas
K=1+ 3,3 logn
K=1+ 3,3 log50
K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R
I=
K
5
I=
7
I =¿ 0.7142 ≈ 1
(4)Batas kelas
Dari data tingkat kebersihan di dapatkan batas kelas pertama
antara nilai 4,6 – 5,3, batas kelas kedua antara nilai 5,4 – 6,2,
batas kelas ketiga antara nilai 6,3 – 6,9, batas kelas keempat
antara nilai 7– 7,7, batas kelas kelima antara nilai 7,8 – 8,5,
batas kelas keenam antara 8,6 – 9,3, dan batas kelas ketujuh
antara nilai 9,4 – 10.
(1)Tabel distribusi frekuensi
Tabel 4.5 Data Distribusi Frekuensi

Tingkat Kebersihan Frekuensi
4,6– 5,3 2
5,4 – 6,1 11
6,2 – 6,9 6
7– 7,7 14
7,8 – 8,5 0
8,6 – 9,3 16
9,4 – 10 1
Berikut contoh diagram histogram data tingkat kebersihan
Diagram Histogram
18
16
14
12
10
Frekuensi
8
6
4
2
0
4,6– 5,3 5,4 – 6,1 6,2 – 6,9 7– 7,7 7,8 – 8,5 8,6 – 9,3 9,4 – 10
Tingkat Kebersihan
Gambar 4.6 Histogram Data Tingkat Kebersihan
Tabel 4.6 Tabel Poligon Frekuensi Data Tingkat Kebersihan

Tingkat Kebersihan Nilai Tengah Frekuensi
4,6– 5,3 4,95 2
5,4 – 6,1 5,75 11
6,2 – 6,9 6,55 6
7– 7,7 7,35 14
7,8 – 8,5 8,15 0
8,6 – 9,3 8,95 16
9,4 – 10 9,7 1
Berikut contoh diagram polygon frekuensi.
Diagram Poligon Frekuensi

18
16
14
12
10
Frekuensi
8
6
4
2
0
4,6– 5,3 5,4 – 6,1 6,2 – 6,9 7– 7,7 7,8 – 8,5 8,6 – 9,3 9,4 – 10
Tingkat Kebersihan
Gambar 4.7 Poligon Frekuensi Data Tingkat Kebersihan

c) Ogive
Tabel 4.7 Tabel Ogive Data Tingkat Kebersihan

Tingkat
Frekuensi F< F>
Kebersihan
4,6– 5,3 2 2 50
5,4 – 6,1 11 13 39
6,2 – 6,9 6 19 33
7– 7,7 14 33 19
7,8 – 8,5 0 33 19
8,6 – 9,3 16 49 3
9,4 – 10 1 50 2
Berikut contoh diagram ogive.
Ogive
60
50
40
Frek u en si
30
20
10
0
4,6– 5,3 5,4 – 6,1 6,2 – 6,9 7– 7,7 7,8 – 8,5 8,6 – 9,3 9,4 – 10
Tingkat Kebersihan
Gambar 4.8 Ogive Data Tingkat Kebersihan
Berikut contoh diagram lingkaran.
Diagram Lingkaran
2% 4%
22%
4,6– 5,3
32%
5,4 – 6,1
6,2 – 6,9
7– 7,7
7,8 – 8,5
8,6 – 9,3
9,4 – 10
12%
28%
Gambar 4.9 Diagram Lingkaran Data Tingkat Kebersihan

c. Pengolahan Data Tingkat Kebersihan (Software)

e) Akan muncul tampilan berikut, kemudian masukkan list tingkat
kebersihan ke variable (s)

f) Pilih statistics kemudian centang quartiles, mean, median, mode,
std deviation, range, variances, S.E mean, skewness,dan kurtosis.
Pilih continue lalu klik ok.
g) Akan muncul pengolahan data sebagai berikut
Gambar 4.10 Pengolahan Data Tingkat Kebersihan dengan Menggunakan
SPSS
4.4 Pengolahan Data Lama Berkunjung
a. Pengolahan Data Lama Berkunjung (Manual)
8 11 11 11 11 11 11 11 13 16
16 16 16 16 16 21 26 36 36 36
36 36 36 36 41 41 41 66 66 66
66 66 66 66 66 66 66 66 6 66
66 126 126 126 126 126 126 126 161 186
a) Mean
n
∑ xi
x́= i=1
n
8+11+11+11+11+11+ 11+11+13+16
+16+ 16+16+16+ 16+21+26+36+ 36+36
+36+36+ 36+36+ 41+ 41+41+ 66+66+66
+66+66+ 66+66+66 +66+66+ 66+66+66
+ 66+126+126+126 +126+126+126+ 126+161+186
¿
50
¿ 55,38
b) Median
x n + x n+2
2 2
Med =
2
x 50 + x 50+2
2 2
Med =
2
x 25+ x26
Med =
2
41+ 41
Med =
2
Med=41
c) Modus
Nilai yang paling sering muncul pada data adalah 66
d) Kuartil
(1)Kuartil 1
Q 1=x 1
(n+2)
4
Q1=x 1
(50+2)
4
Q 1=x 1
(52)
4
Q1=x 13
Q 1=16
(2)Kuartil 2
Q2=x 2
(n+2)
4
Q2=x 2
(50+2)
4
Q2=x 2
(52)
4
Q 2=x 26
Q 2=41
(3)Kuartil 3
Q3=x 3
(n+2)
4
Q3=x 3
(50+2)
4
Q 3=x 3
(52)
4
Q3=x 39
Q 3=66
a) Range
R=xmax −x min
R=186−8
R=178
n
1
SR= ∑ x −x́
n i=1 i
|8−55,38|+|11−55,38|+|11−55,38|+|11−55,38|
+|11−55,38|+|11−55,38|+|11−55,38|+|11−55,38|
+|13−55,38|+|16−55,38|+|16−55,38|+|16−55,38|
+|16−55,38|+|16−55,38|+|16−55,38|+|21−55,38|
+|26−55,38|+|36−55,38|+|36−55,38|+|36−55,38|
+|36−55,38|+|36−55,38|+|36−55,38|+|36−55,38|
+|41−55,38|+|41−55,38|+|41−55,38|+|66−55,38|
+|66−55,38|+|66−55,38|+|66−55,38|+|66−55,38|
+|66−55,38|+|66−55,38|+|66−55,38|+|66−55,38|
+|66−55,38|+|66−55,38|+|66−55,38|+|66−55,38|
+|66−55,38|+|126−55,38|+|126−55,38|+|126−55,38|
+|126−55,38|+|126−55,38|+|126−55,38|+|126−55,38|
+|161−55,38|+|186−55,38|
¿
50
1758,52
¿
50
¿ 35,1704
c) Standar deviasi
SR=
√ ∑ ( x ¿¿ i− x́)2
i=1
N
¿
( 8−55,38 )2+ (11−55,38 )2 + ( 11−55,38 )2+ ( 11−55,38 )2
√
2 2 2 2
+ ( 11−55,38 ) + ( 11−55,38 ) + ( 11−55,38 ) + ( 11−55,38 )
2 2 2 2
+ (13−55,38 ) + ( 16−55,38 ) + (16−55,38 ) + ( 16−55,38 )
+ ( 16−55,38 )2 + ( 16−55,38 )2 + ( 16−55,38 )2+ ( 21−55,38 )2
+ ( 26−55,38 )2 + ( 36−55,38 )2+ ( 36−55,38 )2 + ( 36−55,38 )2
2 2 2 2
+ ( 36−55,38 ) + ( 36−55,38 ) + ( 36−55,38 ) + ( 36−55,38 )
2 2 2 2
+ ( 41−55,38 ) + ( 41−55,38 ) + ( 41−55,38 ) + ( 66−55,38 )
+ ( 66−55,38 )2 + ( 66−55,38 )2+ ( 66−55,38 )2 + ( 66−55,38 )2
+ ( 66−55,38 )2 + ( 66−55,38 )2+ ( 66−55,38 )2 + ( 66−55,38 )2
2 2 2 2
+ ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 )
2 2 2 2
+ ( 66−55,38 ) ++ ( 126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 )
2 2 2 2
+ (126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 )
2 2
+ ( 161−55,38 ) + ( 186−55,38 )
¿
50
¿ √ 1942,6673
¿ 44,0757
d) Variansi
n
∑ ( x¿¿ i− x́ )2
S2= i=1 ¿
N
( 8−55,38 )2+ ( 11−55,38 )2 + ( 11−55,38 )2 + ( 11−55,38 )2

+ ( 11−55,38 )2 + ( 11−55,38 )2 + ( 11−55,38 )2+ ( 11−55,38 )2
2 2 2 2
+ ( 13−55,38 ) + ( 16−55,38 ) + ( 16−55,38 ) + ( 16−55,38 )
2 2 2 2
+ ( 16−55,38 ) + ( 16−55,38 ) + ( 16−55,38 ) + ( 21−55,38 )
+ ( 26−55,38 )2 + ( 36−55,38 )2 + ( 36−55,38 )2+ ( 36−55,38 )2
+ ( 36−55,38 )2 + ( 36−55,38 )2 + ( 36−55,38 )2+ ( 36−55,38 )2
2 2 2 2
+ ( 41−55,38 ) + ( 41−55,38 ) + ( 41−55,38 ) + ( 66−55,38 )
¿ 2 2 2 2
+ ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 )
+ ( 66−55,38 )2 + ( 66−55,38 )2 + ( 66−55,38 )2+ ( 66−55,38 )2
+ ( 66−55,38 )2 + ( 66−55,38 )2 + ( 66−55,38 )2+ ( 66−55,38 )2
2 2 2 2
+ ( 66−55,38 ) + ( 126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 )
2 2 2 2
+ ( 126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 ) + ( 126−55,38 )
+ ( 161−55,38 )2+ ( 186−55,38 )2
50
97133,78
¿
50
¿ 1942,6756
S
SEz =
√n
44,0757
¿
√ 50
¿ 6,2333
f) Skewness
n
n
∑ ( x ¿¿ i−x́ )3
i=1
SK= ¿
(n−1)(n−2) S3
( 8−55,38 )3 + ( 11−55,38 )3 + ( 11−55,38 )3+ ( 11−55,38 )3

+ ( 11−55,38 )3 + ( 11−55,38 )3+ (11−55,38 )3 + ( 11−55,38 )3
3 3 3 3
+ ( 13−55,38 ) + ( 16−55,38 ) + ( 16−55,38 ) + ( 16−55,38 )
3 3 3 3
+ ( 16−55,38 ) + ( 16−55,38 ) + ( 16−55,38 ) + ( 21−55,38 )
+ ( 26−55,38 )3 + ( 36−55,38 )3+ (36−55,38 )3 + ( 36−55,38 )3
+ ( 36−55,38 )3 + ( 36−55,38 )3+ (36−55,38 )3 + ( 36−55,38 )3
3 3 3 3
+ ( 41−55,38 ) + ( 41−55,38 ) + ( 41−55,38 ) + ( 66−55,38 )
3 3 3 3
+ ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 )
+ ( 66−55,38 )3 + ( 66−55,38 )3+ ( 66−55,38 )3 + ( 66−55,38 )3
+ ( 66−55,38 )3 + ( 66−55,38 )3+ ( 66−55,38 )3 + ( 66−55,38 )3
3 3 3 3
+ ( 66−55,38 ) + ( 126−55,38 ) + (126−55,38 ) + ( 126−55,38 )
3 3 3 3
+ ( 126−55,38 ) + ( 126−55,38 ) + (126−55,38 ) + ( 126−55,38 )
50 + ( 161−55,38 )3 + ( 186−55,38 )3
¿
(50−1)(50−2) 44,07573
50 4602332
¿
2352 85264,4225
¿ 1,1443
g) Kurtosis
K=¿
4 4 4
( 8−55,38 ) + ( 11−55,38 ) + ( 11−55,38 ) + ( 11−55,3
+ ( 11−55,38 )4 + ( 11−55,38 )4 + (11−55,38 )4 + ( 11−55,
{
+ ( 13−55,38 )4 + ( 16−55,38 )4 + ( 16−55,38 )4 + (16−55,
4 4 4
+ ( 16−55,38 ) + (16−55,38 ) + ( 16−55,38 ) + ( 21−55,
4 4 4
+ ( 26−55,38 ) + ( 36−55,38 ) + (36−55,38 ) + ( 36−55,
+ ( 36−55,38 )4 + ( 36−55,38 )4 + (36−55,38 ) 4+ ( 36−55,
+ ( 41−55,38 )4 + ( 41−55,38 )4 + ( 41−55,38 ) 4 + ( 66−55,
4 4 4
+ ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,
4 4 4
+ ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,38 ) + ( 66−55,
+ ( 66−55,38 )4 + ( 66−55,38 )4 + ( 66−55,38 ) 4 + ( 66−55,
+ ( 66−55,38 )4 + ( 126−55,38 )4 + (126−55,38 ) 4+ ( 126−5
4 4 4
+ ( 126−55,38 ) + ( 126−55,38 ) + (126−55,38 ) + ( 126−5
4 4
50(50+1) + (161−55,38 ) + ( 186−55,38 )
¿ −
(50−1)(50−2)(50−3) 44,0757 4
2550 642934463 31329

¿ {111544 −
3773956,36 } 3363
−
¿ - 179,6534
a) Histogram
(1)Range
R=xmax −x min
R=186−8
R=¿ 178
(2)Banyak kelas
K=1+ 3,3 log n
K=1+ 3,3 log 50
K=1+ 3,3(1,698)
K=6,603≈ 7
(3)Panjang kelas
R
I=
K
178
I=
7
I =¿ 25,42 ≈ 26
(4)Batas kelas
Dari data waktu berkunjung di dapatkan batas kelas pertama
antara nilai 8 – 33, batas kelas kedua antara nilai 34 – 59, batas
kelas ketiga antara nilai 60 – 85, batas kelas keempat antara nilai
86 – 111, batas kelas kelima antara nilai 112 – 127, batas kelas
keenam antara 138 – 163, dan batas kelas ketujuh antara nilai
164 - 189.
Tabel 4.8 Tabel Distribusi Frekuensi Data Lama Berkunjung

Lama Berkunjung Frekuensi
8-33 17
34-59 10
60-85 14
86-111 0
112-137 7
138-163 1
164-189 1
Berikut contoh diagram histogram data lama berkunjung
Diagram Histogram
18
16
14
12
Frekuensi
10
8
6
4
2
0
8-33 34-59 60-85 86-111 112-137 138-163 164-189
Lama Berkunjung
Gambar 4.11 Histogram Data Lama Berkunjung

Tabel 4.9 Tabel Poligon Frekuensi Data Lama Berkunjung

Lama Berkunjung Nilai Tengah Frekuensi
8-33 20,5 17
34-59 46,5 10
60-85 72,5 14
86-111 98,5 0
112-137 124,5 7
138-163 150,5 1
164-189 176,5 1
Berikut adalah contoh diagram polygon frekuensi
Diagram Poligon Frekuensi

18
16
14
Frekuensi 12
10
8
6
4
2
0
33 -5
9
-8
5 11 37 16
3 8 9
8- 34 -1
60Lama Berkunjung
6 2 -1 - -1
8 11 1 38 1 6 4
Gambar 4.12 Poligon Frekuensi Data Lama Berkunjung
c) Ogive
Tabel 4.10 Tabel Ogive Data Lama Berkunjung

Lama Berkunjung Frekuensi F< F>
8-33 17 17 50
34-59 10 27 40
60-85 14 41 26
86-111 0 41 26
112-137 7 48 19
138-163 1 49 18
164-189 1 50 17
Berikut contoh dari diagram ogive
Ogive
60
50
40
Frekuensi
30
20
10
0
33 -5
9
-8
5
11
1
13
7
16
3
18
9
8- 3 4 0 -
6 Lama86Berkunjung
2 - 8 - 4 -
11 13 16
Gambar 4.13 Ogive Data Lama Berkunjung

Berikut contoh dari diagram lingkaran
Diagram Lingkaran
2%
2%
14% 8-33
34-59
34%
60-85
86-111
112-137
138-163
164-189
28%
20%
Gambar 4.14 Diagram Lingkaran Data Lama Berkunjung
b. Pengolahan Data Lama Berkunjung (Software)


e) Akan muncul tampilan berikut, kemudian masukkan list tingkat
kebersihan ke variable (s)
f) Pilih statistics kemudian centang quartiles, mean, median, mode,
std deviation, range, variances, S.E mean, skewness,dan kurtosis.
Pilih continue lalu klik ok.

g) Akan muncul pengelolaan data sebagai berikut
Gambar 4.15 Pengolahan Data Lama Berkunjung dengan Menggunakan SPSS

BAB V
ANALISA DAN PEMBAHASAN
5.1 Analisis Data
a. Analisis Data Usia
b. Analisis Data Tingkat Kebersihan
c. Analisis Data Lama Berkunjung
5.2 Pembahasan
BAB VI
PENUTUP
6.1 Kesimpulan
6.2 Saran
a. Saran untuk Laboratorium
b. Saran untuk Asisten
1) Saran untuk Asisten 1 (Nugraha Pertralita)
2) Saran untuk Asisten 2 (Muhammad Akmal)

LAMPIRAN

PD Modul 1 DENI KURNIAWAN

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

PD Modul 1 DENI KURNIAWAN

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL I

LABORATORIUM STATISTIK DAN MANAJEMEN MUTU

4.1 Tabel Data

Akkarena pada tanggal 27 Februari 2020, jumlah responden sebanyak 50

Lanjutan Tabel 4.1 Hasil Wawancara Singkat pada 50 Orang Responden

4.2 Pengolahan Data Usia

a. Pengolahan Data Usia (Manual)

Berikut merupakan data usia oleh 50 orang responden.

a. Pengolahan Data Usia (Manual)

1) Ukuran pemusatan data

25+ 25+25+25+25+ 26+26+26+ 26+26

Nilai yang sering muncul pada data usia adalah 23.

2) Ukuran penyebaran data

( 25−32,26 )2 + ( 25−32,26 )2 + ( 25−32,26 )2+ ( 25−32,26 )2

( 25−32,26 )2 + ( 25−32,26 )2+ ( 25−32,26 )2 + ( 25−32,26 )2

e) Standard Error of Mean

( 25−32,26 )3 + ( 25−32,26 )3 + ( 25−32,26 )3+ ( 25−32,26 )3

( 25−32,26 )4 + ( 25−32,26 )4 + ( 25−32,26 )4 + ( 25−32,26

2550 787217,5 31329

3) Jenis penyajian data

K=1+ 3,3 logn

K=1+ 3,3 log50

Dari data usia didapatkan batas kelas pertama antara nilai 25 –

antara nilai 35 – 39, batas kelas keempat antara nilai 40 – 44,

batas kelas kelima antara nilai 45 – 49, batas kelas keenam

antara 50 – 54, dan batas kelas ketujuh antara nilai 55 - 59.

(5)Tabel distribusi frekuensi

Tabel 4.2 Tabel Distribusi Frekuensi Data Usia

Berikut contoh dari diagram histogram.

Gambar 4.1 Histogram Data Usia

Tabel 4.3 Tabel Poligon Frekuensi Data Usia

Berikut contoh dari diagram polygon frekuensi

Gambar 4.2 Poligon Frekuensi Data Usia

Tabel 4.4 Tabel Ogive Data Usia

Berikut contoh dari diagram ogive.

Gambar 4.3 Ogive Data Usia

Berikut contoh dari diagram lingkaran.

Gambar 4.4 Diagram Lingkaran Data Usia

b. Pengolahan Data Usia (Software)

1) Pengolahan data menggunakan SPSS

a) Pilih ikon SPSS di desktop kemudian klik dua kali

b) Masukkan nama variabel pada menu Variable View

c) Masukkan semua data view

d) Pilih menu Analyze, klik Descriptive statistics lalu Frequencies

e) Akan muncul tampilan berikut, kemudian masukkan list usia ke

f) Pilih statistics kemudian centang quartiles, mean, median, mode, std

deviation, range, variances, S.E mean, skewness,dan kurtosis. Pilih

continue lalu klik ok.

g) Akan muncul pengolahan data sebagai berikut

Gambar 4.5 Pengolahan Data Usia dengan Menggunakan SPSS

4.3 Pengolahan Data Tingkat Kebersihan

a. Pengolahan Data Tingkat Kebersihan (Manual)

1) Ukuran pemusatan data

4,6 +4,6+5,6 +5,6+5,6+5,6+ 5,6+5,6+5,6+5,6

Pada data kebersihan nilai yang sering muncul adalah 8,6

2) Ukuran penyebaran data

( 4,6−7,28 )2+ ( 4,6−7,28 )2+ ( 5,6−7,28 )2 + ( 5,6−7,28 )2

( 4,6−7,28 )2+ ( 4,6−7,28 )2+ ( 4,6−7,28 )2 + ( 4,6−7,28 )2

e) Standard Error of Mean

( 4,6−7,28 )3 + ( 4,6−7,28 )3 + ( 5,6−7,28 )3 + ( 5,6−7,28 )3

2550 269,7743 31329

3) Jenis penyajian data

K=1+ 3,3 logn