MODUL PRAKTIKUM

STATISTIKA

Oleh :
Abas Hidayat, M.Pd
Dian Wulandari, S.E.

LABORATORIUM PERBANKAN SYARIAH

FAKULTAS SYARI’AH DAN EKONOMI ISLAM
IAIN SYEKH NURJATI
CIREBON

KATA PENGANTAR
 Puji syukur penulis panjatkan kehadirat Allah SWT atas rahmat, hidayah dan karunia
yang diberikan-Nya, sehingga penulis dapat menyelesaikan modul ini tepat pada waktunya.
Modul praktikum statistika ini digunakan untuk memenuhi kebutuhan mahasiswa dalam
pembelajaran serta untuk meningkatkan kemampuan mahasiswa dan meningkatkan mutu
pengajaran dalam perkuliahan.
Modul ini terdiri dari sepuluh bab, dimana masing-masing bab dilengkapi dengan
landasan teori dan latihan-latihan kasus yaitu mengenai statistika, distribusi
frekuensi,distribusi,frekuensi relatif dan distribusi frekuensi, kumulatif,
ukuran pemusatan data berkelompok dan data tidak berkelompok, ukuran letak data
berkelompok dan data tidak berkelompok, ukuran dispersi data tunggal dan data berkelompok,
angka indeks dan data berkala.
Penulis menyadari bahwa modul praktikum ini masih sangat jauh dari kesempurnaan,
sehingga saran dan kritik untuk penerbitan selanjutnya sangat diperlukan. Semoga modul
praktikum ini bermanfaat khususnya untuk penulis dan umumnya untuk para pembaca. Akhir
kata penulis mengucapkan banyak terima kasih kepada semua pihak yang telah membantu
baik secara langsung maupun tidak langsung dalam penyelesaian modul praktikum ini.

Cirebon, Maret 2020

Penulis
 DAFTAR ISI

KATA PENGANTAR ....................................................................................................... i

DAFTAR ISI ...................................................................................................................... ii
MODUL 1 STATISTIKA .............................................................................................. 1
MODUL 2 DISTRIBUSI FREKUENSI ........................................................................ 5

MODUL 3 DISTRIBUSI FREKUENSI RELATIF DAN DISTRIBUSIFREKUENSI

KUMULATIF ..................................................................................................
9
MODUL 4 UKURAN PEMUSATAN DATA .......................................................
13
MODUL 5 UKURAN LETAK DATA ........................................................................... 15
MODUL 6 UKURAN DISPERSI (DATA TUNGGAL) ............................................... 17
MODUL 7 UKURAN DISPERSI (DATA BERKELOMPOK) .................................... 18
MODUL 8 ANGKA INDEKS ......................................................................................... 19
MODUL 9 DATA BERKALA ........................................................................................ 21
MODUL 10 UJIAN AKHIR PRAKTIKUM .................................................................. 23
 MODUL 1
STATISTIKA

A. TUJUAN PEMBELAJARAN
1. Mahasiswa dapat memahami pengertian dan tujuan penggunaan statistika
2. Mahasiswa dapat memahami jenis- jenis data dalam statistika
3. Mahasiswa dapat memahami tentang populasi, sampel, sensus, dan sampling

B. DASAR TEORI
1. Pengertian, Tujuan dan Penggunaan Statistika
Statistika adalah Ilmu mengumpulkan, menata, mengolah, menyajikan,
menganalisis, menginterpretasikan data, sehingga dapat ditarik kesimpulan untuk
menjadi informasi untuk membantu pengambilan keputusan yang efektif.
Statistik adalah kumpulan fakta berbentuk angka yang disusun dalam daftar /
tabel yang menggambarkan suatu persoalan.
Menurut Anderson dan Bancrof, statistika adalah ilmu dan seni pengembangan
dan penerapan metode yang paling efektif untuk kemungkinan salah dalam
kesimpulan dan estimasi dapat diperkirakan dengan menggunakan penalaran
induktif berdasarkan matematika probabilitas.
2. Klasifikasi Statistika
Klasifikasi statistik berdasarkan cara pengolahan datanya ada 2 macam:
a. Statistika Deskriptif (Statistika Deduktif)
Statistika deskriptif adalah statistika yang digunakan untuk
menganalisa data dengan cara mendiskripsikan atau menggambarkan data
yang terkumpul sebagaimana adanya tanpa ada tujuan membuat kesimpulan
atau generalisasi.
Ruang lingkup statistika deskriptif meliputi tabel, grafik, diagram, ukuran
pemusatan data, ukuran letak data dan ukuran disperse data.
b. Statistika Inferensial (Statistika Induktif)
Statistika inferensial adalah statistika yang digunakan untuk
menganalisa data sampel yang hasilnya diberlakukan untuk populasi atau
digeneralisasikan untuk menjelaskan populasi. Ruang lingkup statistika
inferensial meliputi uji asumsi statistik dan uji hipotesis.
3. Fungsi dan Kegunaan Statistika di Bidang Muamalah
a. Sebagai alat komunikasi, yaitu berguna sebagai penghubung beberapa pihak
yang menghasilkan data statistik atau berupa analisis statistik sehingga
beberapa pihak tersebut akan dapat mengambil keputusan melalui informasi
tersebut.
b. Sebagai alat pendeskripsi, yaitu berguna untuk penyajian data-data yang
kaitanya dengan bidang muamalah.
c. Sebagai alat analisis, yaitu berguna untuk menganalisis kejadian-kejadian
yang terjadi baik di dunia ekonomi dan penelitian ekonomi.
4. Jenis – jenis data
a. Data kualitatif adalah data yang berbentuk kalimat, kata atau gambar.
b. Data kuantitatif adalah data yang berbentuk angka, atau kualitatif yang
diangkakan (skoring).
5. Sumber Data Statistik
Pengambilan data yang dikumpulkan langsung oleh peneliti disebut sumber
primer, sedangkan apabila melalui tangan kedua atau tidak secara langsung
disebut sumber sekunder. Sumber data juga dapat dicari dengan cara sebagai
berikut:
a. Field Research (Penelitian Lapangan)
b. Library Research (Penelitian Perpustakaan/Studi Perpustakaan)
c. Interview (Wawancara)
d. Quisioner (Angket)
6. Skala Pengukuran
a. Nominal
Data nominal yaitu data yang bersifat kategorikal atau
pengelompokkan. Penyematan angka pada skala nominal hanya berfungsi
sebagai label atau hanya untuk mengkategorisasikan.
Contoh: penyematan angka pada kategori Jenis Kelamin (1=pria , 2=wanita),
hal itu hanya untuk mengkategorisasikan saja dan angka tersebut tidak
memiliki makna kuantitatif.
b. Ordinal
Data ordinal yaitu menunjukkan perbedaan subjek secara kuantitatif
atau data yang berjenjang atau berperingkat. Skala ordinal adalah skala yang
mengenal urutan dan biasanya diperoleh dari observasi dan pengamatan.
Contoh: Pendapat seseorang terhadap suatu pernyataan di dalam angket
(Apakah ruangan ini bersih?) penilaian dimulai dari (5=Sangat setuju,
4=Setuju, 3=Netral, 2=Tidak setuju, 1=Sangat tidak setuju). Pada data ordinal
memiliki makna kuantitatif, misalnya “angka 5” pada pendapat seseorang
terhadap sesuatu menunjukkan bahwa pendapat yang lebih baik dari “angka
4”, “angka 3”, “angka 2”, dan “angka 1”, (angka 2) menunjukkan pendapat
yang lebih baik dari (Angka 1).
c. Interval
Data interval yaitu data yang jaraknya sama, tetapi tidak mempunyai
nilai nol (0) absolut (mutlak). Pada data ini, walaupun datanya nol tetapi
masih mempunyai nilai atau angka nol hanya menggambarkan satu titik
dalam skala.
Contoh: Suhu suatu ruangan, misalkan suatu ruangan memiliki suhu 0 oC, hal
itu bukan berarti bahwa ruangan tersebut tidak ada suhunya. Angka 0 oC disini
merupakan suhu, hal tersebut dikarenakan pada skala interval nol bukanlah
nilai mutlak.
 d. Rasio
Data rasio yaitu data yang jaraknya sama dan mempunyai nilai nol absolut
yang berarti benar-benar menyatakan tidak ada.
Contoh: Perusahaan ABC melakukan produksi selama 3 bulan, dimana bulan
pertama meghasilkan 100 barang, bulan kedua menghasilkan 0 barang, dan
bulan ketiga menghasilkan 200 barang. Maka nilai 0 pada bulan kedua
menyatakan benar-benar tidak ada hasil produksi. Maka, rata-rata produksi
perusahaan tersebut adalah 100.
7. Kerangka Penelitian
Peubah (variabel) merupakan salah satu kosep kunci dalam membuat kerangka
penelitian kuantitatif. Berikut ini adalah beberapa jenis peubah (variabel) yang
perlu dipahami:
a. Variabel terikat (dependent variable), yaitu variabel yang dipengaruhi oleh
variabel lain.
b. Variabel bebas (independent variable), yaitu variabel yang mempengaruhi
varibel lain.
c. Variabel control (control variable), yaitu variabel yang dikendalikan atau
dibuat konstan sehingga hubungan variabel bebas terhadap variabel terikat
tidak dipengaruhi oleh faktor luar yang tidak diteliti.
8. Pengertian dan Teknik Sampling
Sampel adalah bagian dari jumlah dan karakteristik yang dimiliki oleh
populasi. Sedangkan populasi itu sendiri adalah wilayah generalisasi yang terdiri
atas objek/subjek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
Tenik sampling adalah merupakan teknik pengambilan sampel. Untuk
menentukan sampel dalam penelitian, terdapat berbagai teknik sampling yang
digunakan, diantaranya:
a. Probability Sampling
Probability sampling adalah teknik pengambilan sampel yang memberikan
peluang/kesempatan yang sama bagi setiap unsur (anggota) populasi untuk
dipilih menjadi anggota sampel. Teknik ini meliputi:
1) Simple random sampling
Pengambilan anggota sampel dari populasi dilakukan secara acak tanpa
memperhatikan strata yang ada dalam populasi itu. Misalnya: pengambilan
sampel dari nasabah sebuah bank dengan cara diundi.
2) Proportionate startified random sampling
 Teknik ini digunakan bila populasi mempunyai anggota/unsur yang tidak
homogen dan berstrata secara proporsional. Misal: pengambilan sampel
dari nasabah sebuah bank, ada nasabah yang berpenghasilan perbulan 1
juta = 100 nasabah, nasabah berpenghasilan perbulan 2 juta = 150 nasabah,
berpenghasilan perbulan 3 juta = 300 nasabah, berpenghasilan perbulan 4
juta = 200 nasabah, maka jumlah sampel yang diambil meliputi nasabah
yang berpenghasilan 1 juta, 2 juta, 3 juta dan 4 juta.
3) Disproportionate startified random sampling
Teknik ini digunakan untuk menentukan jumlah sampel, bila populasi
berstrata tetapi kurang proporsional.
Contoh : Pengambilan sampel dari nasabah sebuah bank, ada nasabah yang
berpenghasilan perbulan 1 juta = 100 nasabah, nasabah berpenghasilan
perbulan 2 juta = 150 nasabah, berpenghasilan perbulan 3 juta = 2
nasabah, berpenghasilan perbulan 4 juta = 3 nasabah, maka nasabah
berpenghasilan 3 juta dan 4 juta diambil semua sebagai sampel, karena dua
kelompok itu terlalu kecil bila dibandingkan kelompok lainnya.
4) Cluster sampling (area sampling)
Teknik ini digunakan untuk menentukan sampel apabila objek yang akan
diteliti atau sumber data sangat luas, misalnya nasabah bank dari suatu
negara, propinsi atau kabupaten. Untuk menentukan nama nasabah yang
akan dijadikan sumber data ditetapkan secara bertahap dari wilayah yang
luas (negara) sampai ke wilayah terkecil (kabupaten). Setelah terpilih
sampel terkecil, kemudian baru dipilih secara acak.
b. Nonprobability Sampling
Nonprobability sampling adalah teknik pengambilan sampel yang tidak
memberikan peluang/kesempatan sama bagi setiap unsur atau anggota
populasi untuk dipilih menjadi sampel. Teknik ini meliputi:
1) Sampling sistematis
Teknik pengambilan sampel berdasarkan urutan dari anggota populasi
yang telah diberi nomor urut. Misalnya anggota populasi terdiri dari 100
konsumen. Dari semua anggota diberi nomor urut, yaitu 1 sampai dengan
100. Pengambilan sampel dapat dilakukan dengan mengambil nomor
ganjil saja, genap saja, atau kelipatan dari bilangan tertentu.
 2) Sampling kuota
Teknik untuk menentukan sampel dari populasi yang mempunyai ciri-ciri
tertentu sampai jumlah (kuota) yang diinginkan. Contoh : akan melakukan
penelitian tentang pendapat konsumen terhadap pelayanan sebuah toko
elektronik. Jumlah sampel yang diinginkan 100 orang. Kalau pengumpulan
data belum memenuhi kuota 100 orang tersebut, maka penelitian
dipandang belum selesai.
3) Sampling incidental
Teknik penentuan sampel berdasarkan kebetulan, yaitu siapa saja yang
secara kebetulan/insidental bertemu dengan peneliti dapat digunakan
sebagai sampel, bila dipandang orang yang kebetulan ditemui cocok
sebagai sumber data.
4) Purposive sampling
Teknik penentuan sampel dengan pertimbangan tertentu. Misalnya
melakukan penelitian tentang kondisi perekonomian, maka sampel datanya
adalah orang yang ahli ekonomi.
5) Sampling jenuh
Teknik penelitian sampel bila semua anggota populasi digunakan sebagai
sampel. Hal ini sering dilakukan bila jumlah populasi relatif kecil, kurang
dari 30 orang.
6) Snowball Sampling
Teknik penelitian sampel yang mula-mula kecil kemudian semakin
membesar. Hal tersebut dikarenakan data dari sampel yang pertama dituju
merasa belum legkap atau belum sesuai dengan keinginan peeliti.

C. SOAL LATIHAN
1. Jelaskan apa yang dimaksud dengan statistika, tujuan statistika dan berikan
contoh penggunaan statistika dalam bidang muamalah!
2. Sebutkan dan jelaskan teknik pengambilan sampel dalam statistika!
3. Sebutkan dan jelaskan jenis-jenis data dalam statistika!
 MODUL 2
DISTRIBUSI FREKUENSI

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu menyusun data acak dalam tabel distribusi frekuensi
2. Mahasiswa mampu mengerti dan memahami ketentuan atau istilah yang berkaitan
dengan distribusi frekuensi yaitu jumlah kelas, batas kelas, interval kelas dan nilai
tengah suatu kelas.

B. DASAR TEORI
Data dari hasil penelitian, umumnya masih merupakan data mentah. Agar
lebih rapih, data tersebut perlu disusun misalnya dari nilai atau angka terkecil sampai
terbesar atau sebaliknya. Susunan data demikian disebut Array. Untuk data yang
banyak perlu dikelmpokkan dalam kelas-kelas dan data dalam setiap kelas dihitung
banyaknya atau frekuensinya. Susunan data demikian yang setiap kelas disertai
dengan frekuensinya disebut tabel distribusi frekuensi (frequency distribution). Ada
beberapa ketentuan atau istilah sehubungan dengan tabel distribusi frekuensi yaitu:
1. Jumlah Kelas
Adalah banyaknya kelompok dalam tabel distribusi frekuensi. Beberapa
jumlah kelas yang diperlukan dalam suatu table sangat tergantung dari kebutuhan
si perbuat tabel itu sendiri. Namun dalam statistic biasa dianjurkan agar jumlah
kelas tidak kurang dari lima dan tidak lebih dari 20 buah.
Disamping itu, stroges membuat patokan untuk menentukan jumlah kelas
berdasarkan jumlah sampel yang diteliti dengan rumus sebagai berikut :
K = 1 + 3,3 log n
Keterangan:
K = jumlah kelas yang akan disusun
n = jumlah sampel
Misalnya jumlah sampel diambil sebanyak 400, maka jumlah kelas yang
dibutuhkan sebanyak :
K = 1 + 3,3 log n
K = 1 + 3,3 log 400
K = 1 + 3,3 x 2,6
K = 9,6 dibulatkan menjadi 10 kelas.
2. Batas Kelas
Adalah angka atau nilai yang membatasi setiap kelas. Pada setiap kelas ada dua
batas kelas yaitu nilai yang bawah disebut batas bawah (lower class) dan nilai
yang atas disebut batas atas kelas (upper class).
 Contoh:
Tabel 2.1
Nilai Ujian Statistika Mahasiswa
Nilai Ujian Frekuensi
31 - 40 2
41 - 50 3
51 - 60 5
61 - 70 14
71 - 80 24
81 - 90 20
91 - 100 12

Dalam tabel 1.1 diatas, batas bawah kelas adalah 31, 41, 51, 61, 71, 81, 91. Dan
batas atas kelas adalah 40, 50, 60, 70, 80, 90, 100.
3. Interval Kelas
Adalah selisih antara batas bawah dengan batas sebelumnya dari kelas yang
berurutan. Misalnya data dalam tabel 1.1 di atas, batas bawah kelas kedua adalah
41 dan batas bawah kelas pertama adalah 31 maka interval kelas adalah 41–
31=10. Untuk menentukan interval kelas dapat digunakan rumus :
I = R
K
` Keterangan:
I = Interval Kelas
R = Range (Jangkauan)
K = Jumlah Kelas
Catatan : bila interval kelas merupakan bilangan pecahan maka harus dibulatkan
ke atas sehingga nilai pengamatan terbesar dapat terliput dalam interval kelasnya.
4. Nilai Tengah Kelas
Adalah suatu nilai yang berada di tengah-tengah suatu kelas. Nilai tengah dapat
dihitung dengan menjumlahkan batas bawah kelas dan batas atas kelas kemudian
dibagi 2.
Contoh: Dalam tabel 1.1 diatas batas bawah kelas pertama adalah 31 dan batas
atas kelas pertama adalah 40 maka nilai tengah kelas pertama adalah:
Nilai Tengah Kelas (Xi) = 31+40
2
Xi = 35,5
Cara Menyusun Tabel Distribusi Frekuensi
Berikut ini adalah langkah-langkah menyusun tabel distribusi frekuensi:
1. Range / Jangkauan / Rentang (R)
Range (jangkauan adalah selisih dari terbesar (maksimum) dengan terkecil
(minimal), yang di rumuskan :
R = Xmax – Xmin
2. Banyaknya kelas (K)
Banyaknya kelas dihitung menggunakan rumus Sturges :
K = 1 + 3,3 log n
K : banyaknya kelas
n : banyaknya data
3. Interval kelas (I)
Interval kelas adalah selisih data tersebar dengan data terkecil dibagi dengan
banyaknya kelas, yang di rumuskan :
I = R
K
I : interval kelas
R : rentang
K : banyaknya kelas
Contoh kasus:
Berikut ini adalah data hasil penjualan baso bakar per hari selama 50 hari (dalam
ribuan) yang diambil dari sebuah kios yang menjual baso bakar di salah satu
pusat penjualan makanan di Cirebon.
140 144 145 146 147 149 150 153 153 152
152 154 154 154 154 154 155 155 155 157
157 157 158 156 156 156 157 158 159 159
160 160 161 160 162 163 160 161 160 164
164 162 165 165 166 168 169 170 172 174
Buatlah tabel distribusi frekuensi dari data tersebut sesuai dengan langkah-
langkah penyusunannya?
Penyelesaian:
 Range / Jangkauan / Rentang (R)
R = Xmax – Xmin
 = 174 – 140 = 34

 Banyaknya kelas (K)

K = 1 + 3,3 log n
n = 50
K = 1 + 3,3 log 50
= 1 + 3,3 ( 1,699)
= 1 + 5,607 = 6,607 ≈ 7
 Interval kelas (I)
I = R/K
= 34 / 7 = 4,86 ≈ 5
Tabel 2.2
Distribusi Frekuensi Hasil Penjualan Baso Bakar

Interval Frekuensi
(Hasil Penjualan Ribuan Rupiah) (Banyaknya Hari)
140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 – 174 3

C. SOAL KASUS
1. Berikut ini adalah jumlah setoran tabungan (dalam jutaan) selama satu bulan
dari 50 nasabah Bank Muamalat :
61 53 57 35 30 55 46 39 41 63
48 63 41 55 68 55 54 50 42 55
43 51 45 69 44 78 56 51 55 59
52 58 50 45 75 67 50 52 53 57
66 57 64 61 65 53 54 64 54 64
A. Susunlah data tersebut secara Array!
B. Tentukanlah jumlah kelas, batas kelas, interval kelas dan nilai tengah
kelas!
C. Buatlah tabel distribusi frekuensi sederhana!
 MODUL 3
DISTRIBUSI FREKUENSI RELATIF
DAN DISTRIBUSI FREKUENSI KUMULATIF

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mengerti dan memahami tentang distribusi frekuensi relatif dan
distribusi frekuensi kumulatif kurang dari (less than) dan distribusi frekuensi
kumulatif lebih dari (more than).
2. Mahasiswa mampu menyusun dan membuat tabel distribusi frekuensi relatif dan
distribusi frekuensi kumulatif kurang dari (less than) dan distribusi frekuensi
kumulatif lebih dari (more than).
3. Mahasiswa mampu membuat grafik ogive, histogram dan polygon frekuensi.

B. DASAR TEORI
1. Distribusi Frekuensi Relatif
Jika banyaknya frekuensi pada tiap interval dibandingkan dengan jumlah
data keseluruhan dan dinyatakan dalam bentuk persen, maka akan didapat
frekuensi relatif keseluruhan dan dinyatakan dalam bentuk persen, maka akan
didapat frekuensi relatif (Frel). Berikut contoh untuk menghitung nilai frekuensi
relatif dari data yang telah tersedia.
Tabel 3.1
Distribusi Frekuensi Relatif Ujian Matematika
Nilai Ujian Frekuensi Frel (%)
31 – 40 2 2,5
41 – 50 3 3,75
51 – 60 5 6,25
61 – 70 14 17,50
71 – 80 24 30,00
81 – 90 20 25,00
91 – 100 12 15,00
Jumlah 80 100

Pada tabel 3.1 di atas dapat diketahui bahwa nilai Frekuensi relatif pada kelas
pertama adalah :
2
Frel = x 100% = 2,5%
80
2. Distribusi Frekuensi Kumulatif
Daftar distribusi frekuensi kumulatif dapat dibentuk dari daftar distribusi
frekuensi dengan cara menjumlahkan frekuensi demi frekuensi. Ada dua macam
frekuensi kumulatif yaitu frekuensi kumulatif kurang dari (less than) dan
frekuensi kumulatif lebih dari (more than).
 Frekuensi kumulatif kurang dari adalah frekuensi yang diperoleh dari jumlah
frekuensi yang kurang dari atau sama dengan tepi atas kelas yang bersangkutan.
Sedangkan, frekuensi kumulatif lebih dari diperoleh dari jumlah frekuensi yang
lebih dari atau sama dengan tepi bawah kelas yang bersangkutan.
Perhatikan tabel 3.1, kemudian dibuat tabel frekuensi kumulatif (Fkum) kurang
dari dan lebih dari seperti pada tabel dibawah ini.
Daftar Frekuensi Kumulatif Daftar Frekuensi Kumulatif
Kurang Dari Lebih dari
Nilai Ujian Fkum kurang dari Nilai Ujian Fkum lebih dari

≤ 40,5 2 ≥ 30,5 80
≤ 50,5 5 ≥ 40,5 78
≤ 60,5 10 ≥ 50,5 75
≤ 70,5 24 ≥ 60,5 70
≤ 80,5 48 ≥ 70,5 56
≤ 90,5 68 ≥ 80,5 32
≤ 100,5 80 ≥ 90,5 12
Grafik yang menggambarkan frekuensi kumulatif disebut ogive.

Ogive Kurang Dari (Ogive Positif)

90
80
F 70
r 60
e
k 50
u 40
e
n 30
s 20
i
10
0
30.5 40.5 50.5 60.5 70.5 80.5 90.5 100.5
Nilai Ujian Mahasiswa

Gambar 3.1
 Ogive Lebih Dari (Ogive Negatif)
90
80
F 70
r 60
e
k 50
u 40
e
n 30
s 20
i
10
0
30.5 40.5 50.5 60.5 70.5 80.5 90.5 100.5
Nilai Ujian Mahasiswa

Gambar 3.2

Histogram dan Poligon Frekuensi

Histogram merupakan diagram untuk menyajikan data dalam bentuk distribusi
frekuensi. Sumbu tegak untuk menyatakan frekuensi dan sumbu mendatar untuk
menyatakan batas interval kelas. Batas yang digunakan merupakan tepi atas dan
tepi bawah pada setiap intervalnya. Dengan menggunakan data dari tabel nilai
ujian matematika 80 siswa dapat dibuat histogram seperti yang tertera pada
diagram dibawah ini.

30
Histogram dan Poligon
25
F
r 20
e
k 15 Histogram
u
e poligon
n 10
s
i 5

0
40.5 50.5 60.5 70.5 80.5 90.5 100.5
Nilai Ujian Mahasiswa
Nilai

Gambar 3.3
 Poligon frekuensi diperoleh dari histogram dengan cara menghubungkan titik
tengan dari masing-masing puncak batang histogram. Poligon frekuensi dapat juga
digambar terpisah dengan histogram, dimana letak titik-titik merupakan koordinat
antara titik tengah dengan frekuensi yang bersesuaian, seperti tanpak pada grafik
berikut:

Poligon
30

25
F
r 20
e
k 15
u
e
n 10
s
i 5

0
35.5 45.5 55.5 65.5 75.5 85.5 95.5
Nilai Ujian Mahasiswa

Gambar 3.4

C. SOAL KASUS
Berikut ini adalah data pengujung BMT Al-Istiqomah dalam setiap harinya selama 50
hari adalah sebagai berikut :
80 80 70 68 90 92 80 70 63 76
49 84 71 72 35 93 91 74 60 63
48 90 92 85 83 76 61 97 83 88
74 70 38 51 73 71 72 95 82 70
81 91 56 65 74 90 97 80 60 66

1. Buatlah tabel distribusi frekuensi relatif dan distribusi frekuensi kumulatif kurang
dari (less than) dan lebih dari (more than)!
2. Gambarlah ogive kedua frekuensi kumulatif tersebut!
3. Gambarlah histogram dan polygon data tersebut!
 MODUL 4
UKURAN PEMUSATAN DATA
(MEAN, MEDIAN DAN MODUS)

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mengerti dan memahami tentang Mean, Median dan Modus.
2. Mahasiswa mengerti dan memahami rumus untuk mencari Mean, Median dan
Modus data tidak berkelompok dan data berkelompok.
3. Mahasiswa mampu menentukan Mean, Median dan Modus dari suatu data tidak
berkelompok dan data berkelompok.

B. DASAR TEORI
1. Mean (Rata-Rata Hitung)
Mean merupakan rata-rata hitung, dalam statistik sering disingkat dengan
notasi X́ . Rumus yang digunakan untuk perhitungan mean tergantung dari
datanya, yaitu:
a. Rata-rata hitung untuk data tunggal

X́ =
∑X
n
Keterangan:
X́ = Mean (Rata-Rata Hitung)
x = Nilai data ke-1 sampai ke-n.
n = jumlah data (sampel)
b. Rata-rata hitung untuk data berkelompok
Pada penelitian yang melibatkan banyak sampel, bila data tidak
dikelompokkan akan sulit dalam perhitungan dan perlu banyak waktu serta
kecenderungan terjadinya kesalah lebih besar.
Rata-rata hitung untuk data berkelompok dapat dihitung dengan menggunakan
rumus:

X́ =
∑ fi . Xi
n
Keterangan:
X́ = Mean (Rata-Rata Hitung)
xi = Nilai tengah/titik tengah kelas ke-i
fi = frekuensi kelas ke-i
n = jumlah data (sampel)
2. Median
Median adalah nilai tengah dari suatu data.
Menentukan letak median = (n + 1) : 2
dengan n adalah jumlah data
a. Median untuk Data Tidak Berkelompok (Data Tunggal).
Untuk data tunggal (data tidak berkelompok), sebelum menentukan median
data harus diurutkan terlebih dahulu, dari data yang terkecil sampai data yang
 terbesar. Letak median pada data tidak berkelompok dapat dihitung dengan
menggunakan rumus median = (n + 1) : 2.
b. Median untuk Data Berkelompok
1
Md = b + p 2
( )
n−F
f
Keterangan :
Md : Median
b : Tepi bawah kelas median
p : Panjang interval
n : Banyak data
F : Jumlah semua frekuensi sebelum kelas median
f : fekuensi kelas median
3. Modus
Modus adalah nilai yang sering banyak muncul dari suatu data.
a. Modus untuk Data Tidak Berkelompok (Data Tunggal)
Modus untuk data tunggal adalah dilihat dari data yang sering muncul.
Contoh: Nilai ujian dari 10 mahasiswa sebagai berikut 65 70 70 75 75 75 75
80 80 90
Berdasarkan susunan array tersebut, terlihat bahwa nilai 75 adalah nilai
yang sering muncul yaitu terdapat 4 orang mahasiswa. Sesuai dengan definisi
maka nilai modus dari kesepuluh data tersebut adalah 75.
b. Modus untuk Data Berkelompok
d1
Rumus : Mo = b + p ( )
d 1 +d 2

Keterangan :
Mo : Modus
p : Panjang interval
b : Tepi bawah kelas modus
d1 : Frekuens kelas modus dikurangi frekuensi kelas
sebelumnya
d2 : Frekuensi kelas modus dikurangi frekuensi kelas
setelahnya

C. SOAL KASUS
1. Diketahui hasil penjualan Kertas selama satu minggu adalah sebagai berikut :
300.000, 200.000, 100.000,150.000, 200.000, 400.000, 200.000.
a. Nilai Mean
b. Nilai Median
c. Nilai Modus
2. Selama 40 hari perusahaan bulog mampu menjual sebuah beras sebanyak 5872 Kg
dengan rincian sebagai berikut (dalam kg) :
146 147 147 148 149 150 150 152 153 154
156 157 158 161 163 164 165 168 173 176
119 125 126 128 132 135 135 135 136 138
138 140 140 142 142 144 144 145 145 146
a. Hitunglah besarnya nilai median dari penjualan beras dari perusahaan bulog
tersebut!
b. Kelompokkan data tersebut hingga membentuk kelas-kelas data dan kelas-
kelas disajikan dalam distribusi frekuensi, maka hitunglah nilai mean dari data
tersebut!
c. Dengan menggunakan data yang telah dikelompokkan, hitunglah nilai median
dan modusnya!
 MODUL 5
UKURAN LETAK DATA
(KUARTIL, DESIL DAN PERSENTIL)

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mengerti dan memahami tentang Kuartil, Desil dan Persentil.
2. Mahasiswa mengerti dan memahami rumus untuk mencari Kuartil, Desil dan
Persentil untuk data yang tidak berkelompok dan data berkelompok.
3. Mahasiswa mampu menentukan Kuartil, Desil, dan Persentil dari suatu data tidak
berkelompok dan data berkelompok.

B. DASAR TEORI
1. Kuartil
Kuartil membagi seluruh data menjadi empat bagian yang sama besar. Kuartil
terdiri dari kuartil 1 (Q1), kuartil 2 (Q2) dan kuartil 3 (Q3).
Mencari letak kuartil menggunakan rumus:
Kuartil untuk data tidak berkelompok
i(n+1)
Qi =
4
Keterangan:
n = Banyaknya data
i = Kuartil ke-i (1, 2, 3)
Kuartil untuk data berkelompok
Mencari nilai kuartil yang ke-i menggunakan rumus :
i

( )
Qi= b + c 4
n−F
f
Keterangan :
Qi : Nilai kuartil yang ke-i
b : Tepi bawah kelas kuartil ke-i
c : Panjang interval
i : Kuartil ke-i = 1, 2, 3
n : Banyaknya data
F : Jumlah semua frekuensi sebelum kelas kuartil ke-i
f : frekuensi kelas kuartil ke-i

Q1 membagi data menjadi 25%

Q2 membagi data menjadi 50%
 Q3 membagi data menjadi 75%

2. Desil
Kelompok data yang sudah diurutkan (membesar dan mengecil) dibagi sepuluh
bagian yang sama besar.
Desil untuk data tidak berkelompok
i(n+1)
Di =
10
Keterangan:
n = Banyaknya data
i = Desil ke-i (1, 2, 3,…,9)
Desil untuk data berkelompok
i

(
D i= b + c 10
n−F
f )
Keterangan :
Di : Nilai Desil yang ke-i
b : Tepi bawah kelas desil ke-i
c : Panjang interval
i : Desil ke-i = 1, 2, 3
n : Banyaknya data
F : Jumlah semua frekuensi sebelum kelas desil ke-i
f : frekuensi kelas desil ke-i

3. Persentil
Persentil membagi seluruh data menjadi seratus bagian yang sama besar. Persentil
terdiri dari Persentil 1 (P1), Persentil 2 (P2) sampai dengan Persentil 99 (P99).
Mencari letak persentil menggunakan rumus:
Persentil untuk data tidak berkelompok
i(n+1)
Pi =
100
Keterangan:
n = Banyaknya Data
i = Persentil ke-i (1, 2, 3, ... , 99)
Persentil untuk data berkelompok
Mencari nilai persentil yang ke-i menggunakan rumus :
i

(
Pi = b + c 100
n−F
f )
 Keterangan :
Pi : Nilai persentil yang ke-i
b : Tepi bawah kelas persentil ke-i
c : Panjang interval kelas
i : i = 1, 2, 3, ......... ,99.
n : Banyaknya data
F : Jumlah semua frekuensi sebelum kelas persentil ke-i
f : frekuensi kelas persentil ke-i

C. SOAL KASUS
Berikut ini adalah modal (dalam jutaan rupiah) 120 perusahaan yang tergambar dalam
distribusi frekensi sebagai berikut:
Modal Frekuensi
30 – 39 9
40 – 49 32
50 – 59 43
60 – 69 21
70 – 79 11
80 – 89 3
90 – 100 1

1. Hitunglah Kuartil pertama dan ketiga!

2. Hitunglah Desil pertama, kelima dan ketujuh!
3. Hitunglah Persentil pertama, kedua puluh lima, kelima puluh, dan ketujuh puluh
lima!
 MODUL 6
UKURAN DISPERSI (DATA TUNGGAL)

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu memahami macam-macam ukuran disperse atau ukuran
penyimpangan.
2. Mahasiswa mampu memahami dan bisa menggunakan rumus range, jangkauan
antar kuartil, deviasi rata-rata, varians dan simpangan baku untuk data tunggal.

B. DASAR TEORI
Ukuran dispersi adalah ukuran yang menyatakan seberapa jauh penyimpangan
nilai-nilai data dari nilai-nilai pusatnya. Jenis-jenis ukuran disperse yaitu: jangkauan,
jangkauan antar kuartil dan jangkauan semi interkuartil, deviasi rata-rata, varians dan
simpangan baku.
1. Jangkauan (Range) adalah selisih nilai terbesar data dengan nilai terkecil data.
2. Jangkauan antar kuartil adalah selisih antara nilai kuartil atas (Q 3) dengan nilai
kuartil bawah (Q1). Dirumuskan: JK = Q3  Q1. Sedangkan jangkauan semi
interkuartil atau simpangan kuartil adalah setengah dari selisih kuartil atas (Q3)
1
dengan nilai kuartil bawah (Q1). Dirumuskan: Qd = (Q3  Q1).
2
3. Deviasi rata-rata adalah nilai rata-rata hitung dari harga mutlak simpangan-
simpangannya.
1
DR = ∑ | X− X́|
n
4. Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan
rata-rata kuadrat.
S2=∑ ¿ ¿¿ untuk data >30 dan S2=∑ ¿ ¿¿ untuk data ≤30.
5. Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai tengah.
S = √ ∑ ¿ ¿ ¿ ¿ atau S = √ ∑ ¿ ¿ ¿ ¿

C. SOAL KASUS
Raisa membeli barang berupa ATK di Toko Gunung Jati selama 10 hari yaitu sebagai
berikut:
45 55 60 75 78 85 90 95 98 100
Kasus 1
1. Tentukan Range!
2. Tentukan Jangkauan Antar Kuartil!
3. Tentukan Jangkauan Semi Interkuartil!

Kasus 2
Pada kasus yang sama di atas. Hitunglah:
1. Deviasi rata-rata!
2. Varians!
3. Simpangan baku!
 MODUL 7
UKURAN DISPERSI (DATA BERKELOMPOK)
A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu memahami macam-macam ukuran disperse atau ukuran
penyimpangan.
2. Mahasiswa mampu memahami dan bisa menggunakan rumus deviasi rata-rata,
varians dan simpangan baku untuk data berkelompok.

B. DASAR TEORI
Ukuran dispersi adalah ukuran yang menyatakan seberapa jauh penyimpangan
nilai-nilai data dari nilai-nilai pusatnya. Jenis-jenis ukuran disperse yaitu: jangkauan,
jangkauan antar kuartil dan jangkauan semi interkuartil, deviasi rata-rata, varians dan
simpangan baku.
1. Deviasi rata-rata adalah nilai rata-rata hitung dari harga mutlak simpangan-
simpangannya.
1
DR = ∑ f |X − X́|
n
2. Varians adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan
rata-rata kuadrat.
S2 = ∑ f ¿ ¿ ¿
3. Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai tengah.
S = √∑ f ¿ ¿ ¿ ¿

C. SOAL KASUS
Kasus 1
Tabel berikut ini adalah tabel harga barang dan banyaknya barang yang terjual. Data
tersebut diambil dari sebuah toko serba ada yang telah menjual 60 macam barang
dengan harga yang berbeda-beda.
Tabel harga barang yang terjual
Frekuensi
Harga Barang
(Banyaknya
(dalam ribuan)
barang yg terjual)
35 – 39 3
40 – 44 8
 45 – 49 10
50 – 54 17
55 – 59 11
60 – 64 6
65 – 69 5

Hitunglah:
1. Deviasi rata-rata!
2. Standar varians!
3. Simpangan baku!
MODUL 8
ANGKA INDEKS

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu memahami pengertian dan jenis-jenis angka indeks.
2. Mahasiswa mampu menggunakan rumus metode angka indeks.

B. DASAR TEORI
Angka indeks adalah angka yang dipakai sebagai alat perbandingan dua atau
lebih kegiatan yang sama dalam kurun waktu yang berbeda.
Jenis-jenis angka indeks berdasarkan penggunaannya dalam bidang ekonomi
yaitu indeks harga, indeks kuantitas, dan indeks nilai. Sedangkan berdasarkan cara
penentuannya yaitu indeks tidak tertimbang, indeks tertimbang dan indeks rantai.
Cara penentuan angka indeks :
Indeks harga tertimbang. Indeks tertimbang adalah angka indeks yang
memasukkan faktor-faktor yang mempengaruhi (penimbang) naik-turunnya angka
indeks.
1. Metode Laspeyres

IL =
∑ P t .Q o x 100
∑ Po .Qo
Keterangan:
IL = Indeks Laspeyres
Po = harga pada periode dasar
Pt = harga pada periode t
Qo = kuantitas pada periode dasar

2. Metode Paasche

IP =
∑ P t .Qt x 100
∑ Po .Qt
Keterangan:
IP = Indeks Paasche
Po = harga pada periode dasar
 Pt = harga pada periode t
Qt = kuantitas pada periode t

3. Metode Drobisch
IL+ IP
ID =
2
Keterangan:
ID = Indeks Drobisch
IL = Indeks Laspeyres
IP = Indeks Paasche
4. Metode Fischer
IF = √ IL X IP
Keterangan:
IF = Indeks Fischer
IL = Indeks Laspeyres
IP = Indeks Paasche
5. Metode Marshal – Edgeworth
IME = ∑Pt. (Qo + Qt) x 100
∑Po. (Qo + Qt)
Keterangan:
IME = Indeks Marshal – Edgeworth
Po = harga pada periode dasar
Pt = harga pada periode t
Qo = kuantitas pada periode dasar
Qt = kuantitas pada tahun t

C. SOAL KASUS
Data berikut ini perkembangan harga dan kuantitas ekspor untuk komoditi pertanian
pada tahun 2013 – 2014, harga dalam US$/Kg dan kuantitas dalam ribuan ton.
2013 2014
Barang
Harga Kuantitas Harga Kuantitas
Karet 3,10 45 3,87 55
Kopi 2,80 290 4,15 300
Kopra 3,27 208 3,35 210
Hitunglah:
1. Indeks Laspeyres!
2. Indeks Paasche!
3. Indeks Drobisch!
4. Indeks Fischer!
5. Indeks Marshal Edgeworth!
 MODUL 9
DATA BERKALA

A. TUJUAN PEMBELAJARAN
1. Mahasiswa mampu memahami pengertian data berkala dan kegunaannya.
2. Mahasiswa mampu menggunakan metode berkala.

B. DASAR TEORI
Analisis data berkala adalah analisis yang menerangkan dan mengukur
perubahan data selama satu periode. Komponen data berkala dapat berbentuk trend
sekuler, variasi siklis, variasi musim, dan variasi residu.
Untuk penentuan nilai trend dapat digunakan beberapa cara yaitu metode
bebas, metode setengah rata-rata, metode rata-rata bergerak dan metode kuadrat
terkecil.
Metode kuadrat terkecil (Least Square Method) :
Persamaan trend: Y^ = a + bx
Dimana:

a=
∑ Y dan b = ∑ XY
n X2
Keterangan:
Y = Nilai berkala
n = Jumlah periode waktu
X = Kode tahun

C. SOAL KASUS
Untuk meningkatkan omzet penjualan, PT. ABC mengeluarkan biaya promosi pada
tahun 2012-2018 sebagai berikut:
Tahun Biaya Promosi (Milliar Rp)
 2012 8
2013 12
2014 15
2015 16
2016 20
2017 22
2018 27

Tentukan:
1. Persamaan trend dengan metode Least Square!
2. Nilai trend tahun 2012-2018!
3. Perkiraan biaya promosi tahun 2019 dan 2020!

MODUL 10

UJIAN AKHIR PRAKTIKUM