Anda di halaman 1dari 69

Mo du l 2

Pene rapa n Stat isti ka Desk ript if


dala m Pene liti an Biol ogi
Drs. Bambang Subali, M.S.

PE ND AH UL UA N

D a lam Modul 2 ini Anda akan diajak untuk mempelajari perihal prinsip-prinsip dasar
statistika deskriptif, dan bagaimana cara menerapkannya untuk memecahkan
permasalahan-permasalahan biologi. Statistika deskriptif membantu Anda untuk
memperoleh deskripsi atau gambaran lengkap dari variabel-variabel yang Anda amati. Jika
yang Anda lakukan merupakan kegiatan sensus maka statistika deskriptif mampu
memberikan gambaran lengkap variabel dari populasi yang Anda teliti. Jika Anda
melakukan penelitian sampling maka statistika deskriptif dapat membantu Anda
memberikan deskripsi atau gambaran lengkap variabel dari sampel yang sedang Anda
teliti.
Materi dalam Modul 2 ini dibagi atas 3 kegiatan belajar sebagai berikut.
Kegiatan Belajar 1: membahas tentang pengertian dan penggunaan statistika deskriptif
dalam penelitian biologi serta penyajian data dalam berbagai
bentuk.
Kegiatan Belajar 2: membahas tentang ukuran gejala pusat atau tendensi sentral.
Kegiatan Belajar 3: membahas tentang ukuran penyimpangan atau variabilitas.

Dengan mempelajari Modul 2 ini Anda akan memiliki kemampuan menerapkan


prinsip analisis statistika deskriptif, khususnya Anda akan dapat:
1. menjelaskan pengertian statistika deskriptif;
2. menjelaskan penggunaan statistika deskriptif dalam penelitian biologi;
3. menyusun data dalam bentuk tabel/daftar ataupun diagram;
4. menjelaskan perbedaan tabel distribusi frekuensi absolut, distribusi frekuensi relatif,
distribusi frekuensi kumulatif dan distribusi frekuensi ogiv;
2.2 Biometri 

5. menyajikan data dalam bentuk tabel distribusi frekuensi;


6. menjelaskan ukuran-ukuran yang menunjukkan ukuran pemusatan atau tendensi
sentral;
7. menentukan besarnya harga rata-rata, median, modus, kuartil, desil dan persentil data
terserak;
8. menjelaskan ukuran-ukuran yang menunjukkan penyimpangan atau variabilitas/
dispersi;
9. menentukan besarnya harga rentang/kisaran, simpangan rata-rata, simpangan baku,
galat baku, varians/ragam, koefisien variasi dari data terserak;
 PABI4455/MODUL 2 2.3

Ke gi at an Be la ja r 1

Peng erti an dan Peng guna an Stat isti ka


Desk ript if dala m Pene liti an Biol ogi dan
Peny ajia n Data dala m Berb agai Bent uk

A. PENGERTIAN DAN PENGGUNAAN STATISTIKA DESKRIPTIF DALAM


PENELITIAN BIOLOGI

Jika kita ingin mengetahui bagaimana variasi antar anak ayam dari seekor induk
ayam maka kita dapat mendata variabel yang ingin kita inginkan, seperti berat tubuh,
lingkar kepala, panjang paruh, panjang leher, lingkar badan dan panjang kaki, warna
bulu, warna paruh dan warna kaki. Dengan demikian, kita dapat memberi gambaran
atau deskripsi tentang keseluruhan variabel yang ddiamati.
Variabel berat tubuh, lingkar kepala, panjang paruh, panjang leher, lingkar badan
dan panjang kaki merupakan variabel kuantitatif yang bila diamati akan memberikqn
data numerik, sedangkan warna bulu, warna paruh dan warna kaki merupakan varaiabel
kualitatif. Statistika deskriptif merupakan prosedur pengumpulan dan penyajian data
untuk memberikan deskripsi atau gambaran dari variabel kuantitatif sehingga
merupakan variabel yang dapat diukur.
Dalam hal pengumpulan data, statistika deskriptif memberikan pedoman supaya
data yang akan dikoleksi merupakan data numerik, agar selanjutnya dapat diolah
menggunakan prosedur statistika. Dalam hal penyajian data, statistika deskriptif
menyajikan data yang semula dalam bentuk data terserak (belum terorganisasi) menjadi
data terorganisasi dalam bentuk tabel/daftar ataupun diagram. Dengan demikian,
menjadi lebih mudah untuk dibaca maknanya. Selain agar mudah dibaca, data terserak
juga akan disajikan dalam bentuk ukuran-ukuran pemusatan atau tendensi sentral
(central tendency) beserta ukuran-ukuran penyimpangannya.
Jika Anda melakukan penelitian terhadap seluruh anggota populasi seperti
mengamati variasi anak-anak ayam dari satu induk ayam, atau mengamati variasi
seluruh sapi yang ada pada satu kampong, maka kita melakukan penelitian yang disebut
2.4 Biometri 

penelitian sensus. Dalam penelitian sensus, data yang kita peroleh adalah data populasi.
Dengan demikian data yang kita peroleh langsung mendeskripsikan keadaan populasi
yang kita teliti. Jika data yang diperoleh berupa data numerik maka kita dapat
menggunakan statistika deskriptif untuk mengolahnya. .
Dalam penelitian sampling pun, data numerik sampel diolah menggunakan metode
statistika deskriptif untuk memberikan gambaran atau deskripsi dari karakteristik
sampel yang kita teliti. Data pada tingkat populasi menggambarkan karakteristik
populasi dan disebut parameter populasi, sedangkan data sampel menggambarkan
karakteristik sampel dan disebut data statistik sampel. Metode statistika deskriptif
digunakan untuk menganalisis data populasi hasil sensus sehingga diperoleh parameter
populasi. Metode statistika deskriptif juga untuk mengolah data pada tingkat sampel
sehingga diperoleh statistik sampel.
Melalui analisis deskriptif, hasil penelitian sensus yang kita peroleh dapat disajikan
dalam dalam bentuk diagram, tabel/daftar, ukuran-ukuran pemusatan (tendensi sentral)
beserta penyimpangannya, yang merupakan nilai/harga yang dimiliki populasi atau
nilai/harga parameter populasi. Hasil analisis data sensus sudah merupakan nilai
parameter populasi. Dengan demikian, data penelitian sensus cukup diolah dengan
metode statistika deskriptif.
Sebagaimana telah dibahas pada Modul I, tujuan penelitian sampling adalah ingin
memperoleh gambaran populasi tanpa harus meneliti seluruh anggota populasinya.
Dengan demikian, sampel yang representatif atau yang mewakili populasi sangat
diperlukan agar data statistik sampel dapat untuk menggambarkan data parameter
populasinya. Namun demikian, data statistik sampel tidak serta merta dipakai untuk
menggantikan nilai parameter populasi. Ada satu metode untuk mengolah data statistik
sampel untuk menjadi penduga yang tak bias atau menjadi penduga yang dapat
dipercaya, yakni metode statistika yang disebut statistika induktif. Ada dua metode
statistika induktif yakni metode statistika parametrik maupun non-parametrik. Kedua
metode tersebut akan kita bahas pada modul selanjutnya.
Nilai/harga parameter populasi diberi notasi yang berbeda dengan data statistik
sampel. Notasi yang digunakan untuk populasi dibedakan dengan notasi untuk sampel.

Jika notasi untuk rata-rata populasi digunakan , untuk sampel digunakan Y (baca Y
bar). Untuk simpangan baku populasi digunakan notasi dan varians (ragam) populasi
 PABI4455/MODUL 2 2.5

digunakan notasi 2 . Untuk tingkat sampel, simpangan baku digunakan notasi s, dan
varians/ragamnya digunakan notasi s2.
Jika Anda melakukan penelitian dengan metode sampling, maka agar hasil
penelitian mudah dipahami oleh pembaca awam, sajian statistika deskriptif akan sangat
membantu. Melalui pengolahan data hasil penelitian sampling menggunakan analisis
statistika deskriptif Anda akan memperoleh deskripsi dari harga-harga yang dimiliki
oleh sampel penelitian, dan disebut dengan data statistik sampel. Dalam hal ini, data
statistik sampel juga dapat disajikan dalam diagram, tabel/daftar, ukuran-ukuran
pemusatan atau tendensi sentral (central tendency) beserta ukuran-ukuran
penyimpangan atau dispersi (dispersion). Data statistik sampel tersebut hanya berlaku
pada tingkat sampel, belum berlaku untuk tingkat populasi. Agar berlaku pada tingkat
populasi maka data tersebut harus dianalisis lebih lanjut menggunakan metode
statistika induktif. Dengan kata lain, hasil statistika deskriptif hanya terbatas
memberikan informasi sampel. Metode statistika deskriptif tidak dapat dipakai untuk
mengolah data guna menduga parameter populasi.
Jika Anda melakukan penelitian kasus, kemudian Anda menganalisis data dengan
menggunakan analisis statistika deskriptif maka Anda juga akan memperoleh
nilai/harga yang dimiliki oleh kasus yang sedang Anda teliti, yang disebut dengan data
statistik kasus. Data statistik kasus juga dapat disajikan baik berupa diagram,
tabel/daftar, ukuran-ukuran pemusatan (tendensi sentral) beserta ukuran-ukuran
penyimpangannya.
Jika Anda melakukan penelitian kasus, data yang Anda peroleh bukan data statistik
sampel. Kedudukan data tetap sebagai data kasus. Artinya, data kasus bukan
berkedudukan sebagai sampel suatu populasi. Dengan demikian, pengolahan data kasus
hanya dapat menggunakan statistika deskriptif. Istilah kasus dan sampel perlu Anda
perhatikan dengan benar karena pengertian sampel atau contoh mengandung arti
sekelompok individu yang mewakili populasi, sementara individu atau sekelompok
individu yang diteliti dalam penelitian kasus sifatnya berdiri sendiri, bukan sebagai
wakil populasi. Itulah sebabnya ada teknik pengambilan sampling, agar sampel yang
Anda ambil mewakili populasinya.
2.6 Biometri 

B. PENYAJIAN DATA DALAM BERBAGAI BENTUK

Jika Anda memiliki 100 data hasil pengamatan suatu variabel, Anda akan sangat
sulit membacanya apabila masih dalam bentuk data terserak. Lain halnya jika data
tersebut sudah disusun dalam bentuk diagram atau dalam bentuk tabel/daftar.

1. Penyajian Data dalam Bentuk Diagram


Penyajian data dalam bentuk diagram ada banyak macam, antara lain:

a. Diagram batang
Diagram batang atau histogram menyajikan data dalam bentuk batang/balok.
Masing-masing batang mencerminkan harga setiap taraf/level atau kategori dari
variabel yang diukur. Coba Anda perhatikan contoh Gambar 2.1!

Gambar 2.1.
Diagram banyaknya sapi di Desa Minapadi berdasarkan umurnya

Dari diagram yang tersaji dalam Gambar 2.1. kita dengan mudah mengetahui bahwa
sapi yang terbanyak di Desa Minapadi adalah sapi berusia >1 - 2 tahun dan paling
sedikit adalah sapi berusia >3 tahun.
 PABI4455/MODUL 2 2.7

b. Diagram garis
Diagram garis dicirikan oleh adanya garis yang menghubungkan titik-titik, di mana
tiap-tiap titik menunjukkan besarnya harga kategori atau taraf/level variabel yang
diukur. Coba perhatikan contoh Gambar 2.2!

Gambar 2.2.
Banyaknya sapi di Desa Minapadi menurut umurnya

Diagram yang tersaji dalam Gambar 2.2. menunjukkan kepada kita bahwa bahwa sapi
yang terbanyak di Desa Minapadi adalah sapi berusia >1 - 2 tahun, kemudian sapi
berusia ≤1 tahun, sapi berusia >2 – 3 tahun, dan paling sedikit adalah sapi berusia >3
tahun.

c. Diagram pastel (lingkaran)


Diagram pastel atau lingkaran, merupakan sajian data dalam bentuk irisan-irisan
dari suatu lingkaran. Tiap irisan menyajikan besarnya harga tiap kategori atau
taraf/level dari variabel yang diukur. Coba Anda perhatikan contoh Gambar 2.3!
2.8 Biometri 

Gambar 2.3.
Banyaknya kerbau di Minapadi menurut umurnya

Diagram yang tersaji dalam Gambar 2.3. menunjukkan kepada kita bahwa bahwa
kerbau yang terbanyak di Desa Minapadi adalah kerbau berusia ≤1 tahun, kerbau
berusia >1 - 2 tahun sama banyaknya dengan kerbau berusia berusia >2 – 3 tahun, dan
paling sedikit adalah kerbau berusia >3 tahun.

d. Diagram lambang
Diagram lambang menyajikan data dengan lambang tertentu. Tiap lambang
digunakan untuk menyatakan besar satuan harga dari kategori atau taraf/level variabel
yang diukur. Coba perhatikan contoh Gambar 2.4!
 PABI4455/MODUL 2 2.9

Gambar 2.4.
Banyaknya sapi di Desa Minasraya menurut umurnya

Diagram yang tersaji dalam Gambar 2.4. menunjukkan kepada kita bahwa bahwa sapi
yang terbanyak di Desa Minasraya adalah sapi berusia ≤1 tahun, kemudian berturut-
turut diikuti dengan sapi berusia >1 - 2 tahun, >2 – 3 tahun, dan >3 tahun.

e. Diagram peta
Diagram peta atau kartogram menyajikan data suatu variabel yang didasarkan pada
lokasi yang ada dalam peta. Coba Anda perhatikan contoh di dalam Gambar 2.5!
Diagram yang tersaji dalam Gambar 2.5. menunjukkan kepada kita bahwa bahwa
banteng liar hanya ditemukan di dua provinsi di P. Jawa, yakni Provinsi Jawa Barat dan
Provinsi Jawa Timur.

0 ekor
1732 ekor
ekor
0 ekor 2542 ekor

0 ekor

0 ekor

Gambar 2.5.
Banyaknya banteng liar yang ada di P. Jawa berdasar provinsi
2.10 Biometri 

f. Diagram pencar
Diagram pencar menyajikan titik-titik, dan masing-masing titik dalam diagram
menyajikan besarnya pasangan harga dari dua variabel yang diukur. Variabel bebas
diletakkan pada aksis (axis) X, sedangkan variabel tergayut diletakkan pada ordinat Y
sehingga setiap titik menunjukkan harga Xi, Yi. Misalnya, Anda ingin menyajikan data
keterkaitan antara tinggi badan dengan usia pada kerbau sampai usia 2 tahun, maka
datanya dapat Anda sajikan, seperti tampilan berikut ini.

0 1 2

Gambar 2.6.
Keterkaitan antara Tinggi Badan dengan Usia pada kerbau

Dengan menarik garis dalam diagram pencar di atas kita dapat mengetahui adanya
kecenderungan bahwa pada kerbau sampai usia 2 tahun semakin tinggi usia diikuti
pula dengan semakin tinggi badan.
 PABI4455/MODUL 2 2.11

Tu ga s

Berdasarkan laporan citra satelit diketahui banyaknya titik api sumber kebakaran yang
terjadi di P. Sumatera pada bulan Maret tahun 2006 (data fiktif) adalah sebagai
berikut: (1) D.I. Aceh 34 titik api, (2) Sumatera Utara 54 titik api, (3) Sumatera
Barat 85 titik api, (4) Riau Daratan 94 titik api, (5) Jambi 80 titik api, (6) Sumatera
Selatan 67 titik api; dan Lampung 34 titik api. Cobalah sajikan dalam bantuk diagram
batang, diagram baris, diagram pastel, diagram lambang, dan diagram peta!

2. Penyajian Data dalam Bentuk Daftar atau Tabel


Ada beberapa bentuk daftar atau tabel untuk menyajikan data, antara lain berikut
ini.

a. Daftar baris kolom


Daftar baris kolom menyajikan data dengan cara meletakkan variabel yang diteliti
menurut baris dan datanya diletakkan menurut kolom atau sebaliknya, variabelnya
diletakkan menurut baris dan datanya diletakkan menurut kolom. Coba Anda lihat
contoh di bawah ini.

Tabel 2.1.
Produksi Padi Desa Minapadi Tahun 1996/1997

Luas
Produksi Jumlah
Varietas tanam
per hektar (dalam
padi (dalam
(dalam ton) ton)
ha)
Cisadane 1.200 7,4 8.880
IR-26 4.100 6,7 27.470
VUTW 3.300 6,6 21.780
Rajalele 700 5,7 3.990
Cianjur 2.500 6,5 16.250
C-4 3.000 7,0 21.000
Ketan 500 5,6 2.800
Jumlah 15.300 102.170
2.12 Biometri 

Tabel 2.1 menunjukkan bahwa areal yang terluas ditanami padi varietas IR-26 dan yang
paling sedikit ditanami padi ketan.
Jika kategori variabel varietas padi disusun menurut kolom maka harga atau
informasinya dapat Anda susun menurut baris sehingga tampilannya tampak sebagai
berikut.

Tabel 2.2.
Produksi Padi Desa Minapadi Tahun 1996/1997

Produksi Varietas padi Jumlah


padi Cisadane IR-26 VUTW Rajalele Cianjur C-4 Ketan total
Luas tanam 1.200 4.100 3.300 700 2.500 3.000 500 15.300

Produksi per 7,4 6,7 6,6 5,7 6,5 7,0 5,6


hektar
Jumlah 8.880 27.470 21.780 3.990 16.250 21.000 2.800 102.170

b. Daftar kontingensi
Daftar kontingensi menyajikan data dari 2 variabel beserta kategorinya menurut
baris dan kolom. Variabel yang satu diletakkan pada baris dan yang satunya diletakkan
pada kolom. Misalnya, Anda ingin menyajikan data tentang banyaknya ayam di Desa
Minapadi menurut ras dan jenis kelaminnya. Jadi, ada 2 variabel, yaitu variabel ras
ayam dan variabel jenis kelamin ayam. Oleh karena itu sajian datanya dapat Anda
perhatikan dalam Tabel 2.3.

Tabel 2.3.
Banyaknya Ayam Desa Minapadi Tahun 1996/1997 Menurut Jenisnya

Jenis Ras ayam Jumlah


kelamin Broiler Leghorn Kedu Kampung
Jantan 43.939 2.111 450 34.987 81.487
Betina 32.460 145.340 912 24.986 203.698
Jumlah 76.399 147.451 1.362 59.973 285.185

Tabel 2.3 menunjukkan bahwa jenis ayam yang paling banyak dipiara penduduk Desa
Minapadi adalah ayam Leghorn sedangkan yang paling sedikit jenis ayam Kedu. Dari
 PABI4455/MODUL 2 2.13

ayam Leghorn yang dipiara, jauh lebih banyak ayam betina, demikian pula pada ayam
Kedu.

c. Daftar distribusi frekuensi


Disebut distribusi frekuensi karena data yang disajikan berupa banyaknya
pemunculan fenomena atau kejadian dari suatu variabel melalui kegiatan
pencacahan/penghitungan (counting). Distribusi frekuensi numerik menyajikan data
frekuensi atau pemunculan fenomena/kejadian dari kelas-kelas interval (interval class)
disingkat menjadi kelas suatu variabel sehingga variabelnya bersifat kuantitatif.
Distribusi frekuensi kategorik menyajikan frekuensi atau pemunculan fenomena atau
kejadian sesuai dengan kategori-kategori suatu variabel sehingga variabelnya bersifat
kualitatif.
Jika frekuensi atau pemunculan fenomena/kejadian disajikan apa adanya maka
distribusi frekuensinya berupa distribusi frekuensi absolut. Disebut distribusi frekuensi
relatif jika data frekuensi disajikan dalam bentuk persentase. Data frekuensi juga dapat
dijumlahkan secara kumulatif sehingga distribusinya berupa distribusi frekuensi
kumulatif.
Distribusi frekuensi akan lebih mudah dibaca jika disajikan dalam bentuk grafik
atau diagram, misal dalam bentuk histogram atau bentuk batang. Pada aksis X disajikan
kelas/kategorinya, sedangkan pada ordinat Y disajikan frekuensi yang dilukis dalam
bentuk batang. Distribusi frekuensi yang disajikan dalam bentuk grafik, kelas-kelas dari
variabelnya disajikan berupa nilai-nilai tengahnya. Titik-titik yang menunjukkan harga
frekuensi dari tiap nilai tengah tersebut dihubungkan sehingga membentuk grafik yang
disebut poligon (polygon).
Distribusi frekuensi juga dapat disajikan dalam bentuk kurve, yaitu apabila garis
lurus yang menghubung-hubungkan frekuensi dari masing-masing nilai tengah pada
poligon diganti dengan garis lengkung sedemikian rupa sehingga luas bidang di bawah
kurve sama dengan luas bidang di bawah poligon. Dapat pula disajikan dalam bentuk
diagram yang disebut ogiv (ogive). Dalam hal ini aksis X mencantumkan nilai tengah
atau tanda kelas (class mark) tiap kelas dari variabelnya, dan ordinat Y menyajikan
harga frekuensi kumulatif.
Cara pembuatan tabel distribusi frekuensi dilakukan dengan langkah-langkah
seperti berikut ini.
2.14 Biometri 

a. Cara pembuatan tabel distribusi frekuensi kategorik


Pembuatan tabel distribusi frekuensi kategorik relatif mudah karena frekuensi tiap
kategori sudah diperoleh saat Anda mengoleksi data, misal Anda melakukan
pencacahan untuk memperoleh data tentang banyaknya ayam yang ada di Desa
Minapadi. Hasil pengamatan menunjukkan banyaknya ayam Broiler 236.780 ekor,
ayam ras Leghorn 256.721 ekor, ayam ras Kedu 76.515 ekor, dan ayam buras (bukan
ras) 129.576 ekor. Berarti seluruhnya sebanyak 699.592 ekor. Frekuensi relatif ayam
Broiler = (236.780 : 699.592) x 100% = 33,85%. Ayam ras Leghorn = (256.721 :
699.592) x 100% = 36,70%. Dengan cara yang sama akan diperoleh frekuensi relative
(persentase) jenis ayam yang lainnya. Bila disajikan dalam tabel distribusi frekuensi
dapat dibuat sebagai berikut.

Tabel 2.4.
Banyaknya Ayam di Desa Minapadi Menurut Jenis dan Frekuensi Relatifnya
(Data Fiktif)

Frekuensi absolut Frekuensi relatif


Jenis ayam
(dalam ekor) (dalam %)
Broiler 236.780 33,85
Leghorn 256.721 36,70
Kedu 76.515 10,93
Buras 129.576 18,52
Jumlah 699.592 100,00

Jika data tersebut di atas disajikan frekuensi absolut beserta frekuensi kumulatifnya
maka akan tampak sebagai sajian data dalam Tabel 2.5.

Tabel 2.5.
Banyaknya Ayam di Desa Minapadi Menurut Jenis dan Frekuensi Kumulatifnya
(Data Fiktif)

Frekuensi absolute Frekuensi kumulatif (dalam


Jenis ayam
(dalam ekor) ekor)
Broiler 236.780 236.780
Leghorn 256.721 493.501
Kedu 76.515 570.016
Buras 129.576 699.592
 PABI4455/MODUL 2 2.15

Jika data tersebut disajikan bersama baik dalam bentuk frekuensi relatif maupun
frekuensi kumulatifnya, tabelnya akan tersaji dalam Tabel 2.6.

Tabel 2.6.
Banyaknya Ayam di Desa Minapadi Menurut Jenis, Frekuensi Relatif dan Frekuensi
Kumulatifnya (Data Fiktif)

Frekuensi absolut Frekuensi relatif Frekuensi kumulatif


Jenis ayam
(dalam ekor) (dalam %) (dalam ekor)
Broiler 236.780 33,85 236.780
Leghorn 256.721 36,70 493.501
Kedu 76.515 10,93 570.016
Buras 129.576 18,52 699.592

Coba Anda simak contoh lain berikut ini! Hasil pengamatan menunjukkan
banyaknya penderita penyakit demam berdarah tahun 1999 (data fiktif) yang dirawat di
RSU di 5 wilayah di Jakarta terbanyak di Jakarta Utara 1.450 penderita, kemudian di
Jakarta Barat 955 penderita, di Jakarta Timur 874 penderita, di Jakarta Pusat 687
penderita, dan di Jakarta selatan 678 penderita. Berarti seluruhnya sebanyak 4.644
penderita.. Frekuensi relatif penderita demam berdarah di Jakarta Utara = (1.450 :
4.644) x 100% = 31,22%. Dengan cara yang sama akan diperoleh frekuensi relatif
(persentase) penderita demam berdarah di empat wilayah lainnya. Bila disajikan dalam
tabel distribusi frekuensi akan Anda peroleh tabel sebagai berikut.

Tabel 2.7.
Banyaknya Penderita Penyakit Demam Berdarah di Lima Wilayah DKI Tahun 1999
Menurut Jenis dan Frekuensi Relatifnya (Data Fiktif)

Macam Frekuensi absolute Frekuensi relative


Wilayah (dalam penderita) (dalam %)
Jakarta Utara 1.450 31,22
Jakarta Barat 955 20,56
Jakarta Timur 874 18,82
Jakarta Pusat 687 14,79
Jakarta selata 678 14,61
Jumlah 4.644 100,00
2.16 Biometri 

Jika data tersebut di atas disajikan frekuensi absolut beserta frekuensi kumulatifnya
maka akan tampak sebagai berikut.

Tabel 2.8.
Banyaknya Penderita Penyakit Demam Berdarah di Lima Wilayah DKI Tahun 1999
Menurut Jenis dan Frekuensi Kumulatifnya (Data Fiktif)

Macam Frekuensi absolut Frekuensi kumulatif


Wilayah (dalam penderita) (dalam penderita)
Jakarta Utara 1.450 1.450
Jakarta Barat 955 2.405
Jakarta Timur 874 3.279
Jakarta Pusat 687 3.966
Jakarta selata 678 4.644

Jika data tersebut di atas disajikan bersama baik dalam bentuk frekuensi relatif
maupun frekuensi kumulatifnya, tabelnya adalah sebagai berikut.

Tabel 2.9.
Banyaknya Penderita Penyakit Demam Berdarah di Lima Wilayah DKI Tahun 1999
Menurut Jenis, Frekuensi Relatif dan Frekuensi Kumulatifnya (Data Fiktif)

Frekuensi Frekuensi relatif


Macam Frekuensi kumulatif
absolute (dalam %)
Wilayah (dalam penderita)
(dalam penderita)
Jakarta Utara 1.450 31,22 1.450
Jakarta Barat 955 20,56 2.405
Jakarta Timur 874 18,82 3.279
Jakarta Pusat 687 14,79 3.966
Jakarta selata 678 14,61 4.644

Tu ga s
Berdasarkan laporan rumah sakit banyaknya kasus demam berdarah yang berjangkit di
P. Kalimantan pada tahun 2007 (data fiktif) adalah sebagai berikut: (1) Kalteng 115
kasus, (2) Kalimantan Selatan 254 kasus, (3) Kalimantan Timur 285 kasus, dan (4)
Kalimantan Barat 112 kasus. Cobalah sajikan dalam bentuk tabel distribusi absolut,
distribusi relatif, dan distribusi kumulatif dalam satu tabel!
 PABI4455/MODUL 2 2.17

b. Cara pembuatan tabel distribusi frekuensi numerik


Dalam tabel distribusi frekuensi numerik, frekuensi disajikan sesuai dengan kelas-
kelasnya (atau kelas-kelas intervalnya) sehingga data harus dikelompokkan ke dalam
kelas-kelasnya. Secara terperinci, pembuatan tabel distribusi numerik dilakukan dengan
prosedur sebagai berikut.
1) Menentukan banyaknya kelas
Mula-mula carilah banyaknya kelas dengan menggunakan kaidah Sturges dengan
rumus sebagai berikut.

K = 1 + 3,3 log n
Keterangan:
K = banyaknya kelas
n = banyaknya data
Misalnya, data yang dikoleksi 50 buah maka:
K = 1 + 3,3 log 50 = 6,6 dibulatkan menjadi 7 kelas

2) Menentukan panjang kelas atau selang kelas


Agar Anda dapat menentukan panjang kelas atau selang kelas terlebih dahulu harus
Anda cari kisaran atau rentang data atau “range” (R), yang dibatasi oleh harga
minimun dan maksimumnya.

R = data maksimum - data minimum

Jika data yang Anda miliki mempunyai harga minimum 5,4 dan maksimumnya 79,2
maka:

R = 79,2 - 5,4 = 73,8

Panjang kelas = (R : K) = (73,8 : 7) = 10,5 dibulatkan menjadi 11. Jadi, 50 data


tersebut akan tersebar ke dalam 7 kelas yang panjang tiap kelasnya = 11.
Kemudian, tentukan limit kelasnya (class limit). Misal, kelas terendah dimulai
2.18 Biometri 

dengan limit bawah sebesar 5,0 maka limit atas harus sebesar 15,0, agar panjang
kelas sebesar 11. Jadi, dalam hal ini panjang kelas bukan 15,0 dikurangi 5,0, namun
dihitung mulai bilangan 5,0 sampai dengan bilangan 15,0, jumlahnya sama dengan
11. Anda dapat mencari panjang kelas dengan mencari selisih limit bawah suatu
kelas dengan limit bawah dari kelas yang di atasnya atau dapat Anda peroleh
dengan mencari selisih limit atas suatu kelas dengan limit atas dari kelas yang di
atasnya. Dengan limit bawah dari kelas terendah sebesar 5,0 dan limit atas 15,0 kita
memperoleh tujuh kelas dengan panjang kelas sebagai berikut.
Kelas 1: 5,0 – 15,0
Kelas 2: 16,0 – 26,0
Kelas 3: 27,0 – 37,0
Kelas 4: 38,0 – 48,0
Kelas 5: 49,0 – 59,0
Kelas 6: 60,0 – 70,0
Kelas 7: 71,0 – 81,0
Jika panjang kelas tidak Anda bulatkan, yakni tetap 10,5, dan limit bawah kelas
yang terkecil 5,4 maka ketujuh kelas yang Anda miliki adalah sebagai berikut.
Kelas 1: 5,4 – 15,8
Kelas 2: 15,9 – 26,3
Kelas 3: 26,4 – 36,8
Kelas 4: 36,9 – 47,3
Kelas 5: 47,4 – 57,8
Kelas 6: 57,9 – 68,3
Kelas 7: 68,4 – 78,8
Dengan kelas-kelas seperti di atas, data maksimum 79,2 tidak dapat masuk ke
dalam kelas 7 (68,4 – 78,8). Agar dapat masuk Anda dapat menambah panjang
kelasnya menjadi 10,6. Coba Anda buat kelas-kelas intervalnya!
3) Menentukan frekuensi masing-masing kelas
Frekuensi masing-masing kelas dapat Anda peroleh dengan memasukkan setiap
data ke dalam kelas yang sesuai. Misalnya, Anda menggunakan kelas-kelas dengan
panjang kelas 11,0 yakni berikut ini.
Kelas 1: 5,0 – 15,0
Kelas 2: 16,0 – 26,0
 PABI4455/MODUL 2 2.19

Kelas 3: 27,0 – 37,0


Kelas 4: 38,0 – 48,0
Kelas 5: 49,0 – 59,0
Kelas 6: 60,0 – 70,0
Kelas 7: 71,0 – 81,0
Suatu data harganya 11,6 maka data tersebut dimasukkan ke dalam kelas 1 (5,0 –
15,0). Data yang berharga 15,2 masukkan ke dalam kelas 1 (5,0 – 15,0). Mengapa?
Karena panjang kelas atau selang kelas dari kelas 1 (5,0 – 15,0) adalah 4,5 – 15,5.
Jadi, kelas 1 (5,0 – 15,0) memiliki batas bawah kelas (lower class boundary)
sebesar 4,5 dan batas atas kelas (upper class boundary) sebesar 15,5. Kelas 2 (16,0
– 26,0) memiliki batas bawah kelas 15,5 dan batas atas kelas 26,5.
Jika Anda menggunakan kelas-kelas dengan panjang kelas atau selang kelas 10,6
maka kelas-kelas menjadi sebagai berikut.
Kelas 1: 5,4 – 16,0
Kelas 2: 16,1 – 26,6
Kelas 3: 26,7 – 37,2
Kelas 4: 37,3 – 47,8
Kelas 5: 47,9 – 58,4
Kelas 6: 58,5 – 69,0
Kelas 7: 69,1 – 79,6
Batas bawah kelas 1 (5,4 – 16,0) bukan 4,5 tetapi 5,35. Demikian pula harga batas
atas kelasnya bukan 15,5, akan tetapi 16,05. Mengapa? Oleh karena kelas di
atasnya, yakni kelas 2 (16,1 – 26,6) akan memiliki batas bawah yang sebesar 16,05
pula, jadi sama dengan harga batas atas kelas 1.

Dari contoh di atas dapat disimpulkan bahwa dalam membuat panjang kelas suatu
distribusi frekuensi sifatnya tidak mutlak. Anda dapat menambah panjang kelas agar
semua data dapat masuk ke dalam kelas-kelas yang Anda buat. Yang penting
banyaknya kelas sudah Anda tentukan terlebih dahulu menggunakan kaidah Sturges.
Coba Anda perhatikan contoh pembuatan tabel distribusi frekuensi dari 60 data
tinggi tanaman lamtoro umur 6 bulan (dalam cm) berikut ini.
2.20 Biometri 

98 89 87 69 69 60 62 52 52 43 40 97 66 66 67
71 96 53 38 49 44 86 68 68 74 95 32 57 76 57
81 37 53 74 66 72 47 77 86 79 66 37 83 58 72
54 44 85 63 73 45 56 78 34 57 87 45 33 45 65

Langkah yang harus Anda tempuh urutannya adalah sebagai berikut.


a) Tentukan banyaknya kelas. Banyaknya kelas K = 1 + 3,3 log 60 = 6,87
dibulatkan menjadi 7.
b) Cari kisaran/rentang. Kisaran/rentang data R = 98 – 32 = 66
c) Tentukan panjang kelasnya. Panjang kelas = 66/7 = 9,4 dibulatkan menjadi 10
d) Buat kelas-kelasnya sebanyak 7 kelas. Ketujuh kelas yang dihasilkan dengan
limit bawah kelas terendah 30 adalah berikut ini.
Kelas 1: 30 - 39
Kelas 2: 40 - 49
Kelas 3: 50 - 59
Kelas 4: 60 - 69
Kelas 5: 70 - 79
Kelas 6: 80 - 89
Kelas 7: 90 - 99
e) Memasukkan setiap data ke dalam kelas yang sesuai, dengan memberi tanda
turus, kemudian hitunglah frekuensi absolut, frekuensi relatif dan frekuensi
kumulatifnya sehingga diperoleh hasil sebagai berikut.

Tabel 2.10.
Tinggi Tanaman Lamtoro Usia 6 Bulan

Frekuensi
Kelas Frekuensi Frekuensi
Turus relatif
(cm) absolute kumulatif
(%)
30 – 39 ///// / 6 10,0 6
40 – 49 ///// //// 9 15,0 15
50 – 59 ///// ///// 10 16,7 25
60 – 69 ///// ///// /// 13 21,7 38
70 – 79 ///// ///// 10 16,7 48
80 – 89 ///// /// 8 1,3 56
90 – 99 //// 4 0,7 60
 PABI4455/MODUL 2 2.21

Sajian turus pada tabel di atas dapat dihilangkan sehingga tampilannya menjadi
lebih baik.

Tabel 2.11.
Tinggi Tanaman Lamtoro Usia 6 Bulan

Kelas Frekuensi Frekuensi Frekuensi


(cm) Absolute relatif Kumulatif
30 – 39 6 10,0 6
40 – 49 9 15,0 15
50 – 59 10 16,7 25
60 – 69 13 21,7 38
70 – 79 10 16,7 48
80 – 89 8 1,3 56
90 – 99 4 0,7 60

c. Cara menyajikan distribusi frekuensi numerik dalam bentuk diagram


Jika data distribusi numerik di atas Anda sajikan dalam bentuk diagram batang atau
histogram maka hasilnya sebagai berikut.

Gambar 2.7.
Histogram Tinggi Tanaman Lamtoro Usia 6 Bulan (dalam cm)

Jika data tersebut di atas Anda sajikan dalam bentuk poligon akan diperoleh
tampilan sebagai berikut.
2.22 Biometri 

Gambar 2.8.
Poligon Tinggi Tanaman Lamtoro Usia 6 Bulan (dalam cm)

Jika data tersebut di atas Anda sajikan dalam bentuk kurve akan diperoleh tampilan
sebagai berikut.

Gambar 2.9.
Kurve Tinggi Tanaman Lamtoro Usia 6 Bulan (dalam Cm)

Jika data tersebut di atas disajikan dalam bentuk ogive akan diperoleh tampilan
sebagai berikut.
 PABI4455/MODUL 2 2.23

Gambar 2.10.
Ogive Tinggi Tanaman Lamtoro Usia 6 Bulan (dalam cm)

Tugas

1. Jika data hasil pengamatan sebanyak 150, berapa kelas interval harus dibuat
untuk menyajikan data dalam tabel frekuensi? Berapa pula kelas interval harus
dibuat jika data pengamatannya sebanyak 250?
2. Berdasarkan laporan rumah sakit banyaknya kasus kanker leher rahim di
Indonesia (data fiktif) adalah sebagai berikut: (1) usia ≤30 tahun 15 kasus, (2)
usia >30 – 35 tahun 24 kasus, (3) usia > 35 – 40 tahun 45 kasus, (4) usia >40 –
45 tahun 43 kasus, (5) usia >45 – 50 tahun 30 kasus, dan (6) usia >50 tahun 16
kasus. Cobalah sajikan dalam bentuk poligon, kurve, dan ogive!
2.24 Biometri 

LA TI HA N

Untuk memperdalam pemahaman Anda mengenai materi di atas,


kerjakanlah latihan berikut!

1) Jelaskan kegunaan analisis statistika deskriptif dalam pemecahan permasalahan


biologi!
2) Mengapa analisis statistika deskriptif yang paling tepat untuk menyajikan data hasil
penelitian sensus?
3) Jika dilihat dari banyaknya variabel yang disajikan, apa perbedaan sajian data
dalam bentuk daftar baris kolom dengan sajian data dalam bentuk daftar
kontingensi?
4) Apa persamaan antara diagram batang dengan diagram garis?
5) Apa kelebihan diagram peta dan diagram lambang dibanding diagram lainnya?
6) Ada berapa variabel yang dapat disajikan melalui diagram pencar?
7) Jelaskan langkah-langkah dalam pembuatan daftar distribusi frekuensi numerik!
8) Bagaimana cara membuat diagram dalam bentuk ogive?

Petunjuk Jawaban Latihan

a. Agar Anda dapat menjawab pertanyaan nomor 1 dan 2 coba Anda perhatikan
kembali uraian mengenai pengertian dan penggunaan statistika deskriptif dalam
penelitian biologi.
b. Untuk menjawab pertanyaan nomor 3, coba Anda lihat kembali uraian mengenai
daftar baris kolom dan daftar kontingensi.
c. Untuk menjawab pertanyaan nomor 4, coba Anda temukan apa karakteristik dari
diagram batang dan apa pula karakteristik diagram garis.
d. Untuk menjawab pertanyaan nomor 5, coba Anda perhatikan bagaimana data kita
sajikan melalui diagram peta dan diagram lambang, bandingkan dengan sajian
melalui diagram yang lainnya.
e. Untuk menjawab pertanyaan nomor 6 perhatikan absis dan ordinat dari diagram
pencar.
 PABI4455/MODUL 2 2.25

f. Untuk menjawab pertanyaan nomor 7, coba Anda lihat kembali uraian dan contoh
cara pembuatan tabel distribusi frekuensi, dan untuk menyelesaikan soal nomor 8
coba Anda bandingkan cara penyajian ogive dibanding diagram lainnya.

RA NG KU MA N

1. Statistika deskriptif berfungsi untuk menyajikan gambaran yang lengkap dari


variabel yang Anda amati.
2. Analisis statistika deskriptif sangat tepat untuk menyajikan data hasil penelitian
secara sensus.
3. Data penelitian perlu Anda sajikan secara menarik dan seinformatif mungkin.
4. Data yang sama dapat disajikan ke dalam beberapa bentuk daftar/diagram.
5. Cara menyajikan data ke dalam diagram harus memperhatikan banyaknya
variabel yang akan Anda sajikan datanya.
6. Ada langkah-langkah yang harus diikuti agar Anda dapat menghasilkan
tabel/daftar distribusi frekuensi dari data terserak.
7. Data yang sudah diolah menjadi tabel distribusi frekuensi, dapat disajikan
dalam beberapa bentuk diagram.

TE S FO RM AT IF 1

Pilihlah satu jawaban yang paling tepat!

1) Dalam penelitian (biologi khususnya), statistika deskriptif mempunyai peranan


pada ….
A. pengumpulan data
B. penyajian data
C. pengumpulan dan penyajian data
D. saat data telah terorganisasi/tersaji
2.26 Biometri 

2) Hasil analisis data statistik sampel dengan statistika deskriptif, dapat memberi
informasi bagi ….
A. populasi tempat sampel diambil
B. populasi lain, melalui uji hipotesis
C. sampel lain dalam populasi yang sama
D. sampel itu sendiri

3) Pada penyajian data dengan menggunakan diagram pencar maka setiap titik
sebenarnya merupakan ….
A. harga tiap kategori atau taraf variabel yang diukur
B. wakil dari satuan harga tertentu dari tiap kategori atau taraf
C. lokasi pada peta, dimana data diambil
D. pasangan harga dari dua variabel yang diukur

4) Jika kita memiliki data 2 variabel dalam suatu objek penelitian tertentu maka sajian
model daftar yang paling cocok adalah ….
A. daftar baris kolom
B. daftar kontingensi
C. daftar distribusi numerik
D. daftar distribusi kategorik

5) Pada sajian data model tabel distribusi frekuensi kategorik, nilai frekuensi berasal
dari ….
A. frekuensi tiap kategori saat pengumpulan data
B. frekuensi tiap kelas interval dari tiap kategori
C. nilai tengah dari harga tiap kategori
D selisih antara frekuensi absolut dengan frekuensi relatif
 PABI4455/MODUL 2 2.27

6) Jika ada 150 data pengamatan maka tabel frekuensi yang idealnya terdiri dari ….
A. 6 kelas
B. 7 kelas
C. 8 kelas
D 9 kelas

7) Andaikan ada 3 kelas interval data sebagai berikut.


Kelas 1 : 10,6 – 18,0
Kelas 2 : 18,1 – 25,5
Kelas 3 : 25,6 – 33,0
Maka, masing-masing kelas itu mempunyai panjang kelas sebesar ….
A. 0,1
B. 7,4
C. 7,5
D. 22,4

8) Batas atas dari kelas (18,1 – 25,5) adalah ….


A. 18,05
B. 21,8
C. 25,5
D. 25,55

9) Pada grafik poligon, tiap kelas interval diwakili oleh satu titik, yaitu nilai ….
A. batas atas
B. batas bawah
C. tengah
D. total
2.28 Biometri 

10)Dibandingkan dengan grafik model ogive, pada grafik model poligon maupun
kurve lebih mudah terlihat ….
A. tanda kelas interval
B. panjang kelas tiap kelas interval
C. kelas modus
D. modus untuk tiap data

Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 1 yang terdapat di
bagian akhir modul ini. Hitunglah jawaban yang benar. Kemudian, gunakan rumus
berikut untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 1.

Tingkat penguasaan = Jumlah Jawaban yang Benar 100%


Jumlah Soal

Arti tingkat penguasaan: 90 - 100% = baik sekali


80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

Apabila mencapai tingkat penguasaan 80% atau lebih, Anda dapat meneruskan
dengan Kegiatan Belajar 2. Bagus! Jika masih di bawah 80%, Anda harus mengulangi
materi Kegiatan Belajar 1, terutama bagian yang belum dikuasai.
 PABI4455/MODUL 2 2.29

Ke gi at an Be la ja r 2

Ukur an Geja la Pusa t atau Tend ensi Sent ral

D isebut ukuran gejala pusat atau tendensi sentral (central tendency) karena nilai atau
harga ukuran gejala pusat mampu memberi gambaran tentang posisi atau letak
pusat data atau nilai-nilai pengamatan, baik dalam bentuk data terserak maupun yang
sudah dikelompokkan dalam bentuk tabel distribusi frekuensi. Data yang disajikan dengan
ukuran-ukuran gejala pusat lebih mudah dibaca dibandingkan dengan data yang masih
dalam keadaan terserak. Posisi atau letak pusat data yang ada dapat dilihat dari besarnya
harga rata-rata, modus, median, kuartil, desil, dan persentil.
Dalam modul ini hanya akan disajikan perhitungan berdasarkan data primer yang
Anda peroleh jika Anda melakukan penelitian sendiri, yang berarti berupa data terserak.
Untuk perhitungan berdasarkan data sekunder, yang sudah tersaji dalam bentuk tabel
distribusi frekuensi misalnya, silahkan Anda mempelajari sendiri pada buku-buku acuan.

A. RATA-RATA (MEAN)

Harga rata-rata (mean) atau disingkat dengan rata-rata meliputi rata-rata hitung, rata-
rata ukur, rata-rata harmonis dan rata-rata tertimbang. Meskipun demikian, pada penelitian
biologi umumnya hanya menyajikan nilai rata-rata hitung.

1. Rata-rata hitung (Arithmetic Mean)


Jika Anda memperoleh data dari kegiatan sensus maka harga rata-rata hitung (cukup
disebut rata-rata) yang Anda miliki merupakan rata-rata populasi diberi simbol , dan
apabila Anda memperoleh data dari penelitian sampling maka datanya merupakan data
statistik sampel. Oleh karena itu, jika Anda cari rata-ratanya maka rata-rata tersebut
merupakan rata-rata sampel atau rata-rata contoh untuk sampel, dan diberi simbol Y (baca
Y bar).
2.30 Biometri 

Rumus rata-rata populasi () adalah sebagai berikut.

  ......... Y Y
μY Y YN1 2 2 N

N
i

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, …., N
N : banyaknya data/nilai pengamatan (ukuran populasi)

Rumus rata-rata sampel ( Y ):

Y Y2 Y3 .... Yn


Y 1 
Yi
n n

Keterangan:
Yi = data (nilai pengamatan) untuk i = 1, 2, 3, …., n
n = banyaknya data/nilai pengamatan (ukuran sampel)

Coba Anda perhatikan contoh penelitian sensus berikut ini.


Setelah sukses dihasilkan 30 ekor biri-biri melalui kegiatan cloning (kopian), pada usia
1 tahun seluruh biri-biri tersebut didata berat tubuhnya. Ternyata hasilnya sebagai berikut
(dalam kg):

78 89 87 69 69 60 62 72 72 72
60 97 66 66 66 78 81 78 88 68
82 84 91 82 98 89 96 82 83 86

Oleh karena merupakan hasil sensus, berarti rata-rata yang akan dihitung adalah rata-
rata populasi (). Rata-rata populasi dari N data sebanyak 30 adalah sebesar:

78 89 87 69 .............. 86


μ 30
78,37 kg
 PABI4455/MODUL 2 2.31

Coba Anda perhatikan contoh lain berikut. Hasil pengukuran berat tubuh anak ayam
umur 20 hari dari satu induk adalah sebagai berikut (dalam gram).

250 234 260 253 310 278 243 289

Oleh karena seluruh anak ayam dari satu induk didata berarti data sensus, jadi rata-rata
yang diperoleh adalah rata-rata populasi

250 234 260 253 .... 289


μ 8
264,625 gram

Bagaimana jika penelitian yang dilakukan merupakan penelitian sampling? Misalnya,


30 ekor biri-biri tersebut merupakan sampel yang diambil secara acak dari populasi biri-
biri hasil cloning sebanyak 100 ekor, berapakah rata-ratanya?

Rata-rata sampel ( Y ) dari n data sebanyak 30 adalah sebesar:

78 89 87 69 .............. 86


Y  78,37 kg
30

Contoh lain, misalnya berat 40 anak ayam Broiler usia 1 hari yang diambil secara acak
dari 500 ekor dari sekali penetasan adalah sebagai berikut

112 132 120 115 125 122 110 111 109 115
124 121 114 116 118 111 117 121 123 125
123 114 125 119 113 121 132 129 128 125
130 123 123 125 117 119 123 130 128 130

Rata-rata sampel ( Y ) dari n data sebanyak 40 adalah sebesar:

112 132 120 115 .............. 130


Y  120,95 kg
40
2.32 Biometri 

2. Rata-rata Ukur (Geometric Mean)


Rata-rata ukur (geometric mean) merupakan rata-rata nilai/harga pengamatan yang
dihitung atas dasar akar banyaknya nilai/harga pengamatan dari hasil perkalian seluruh
data. Sajian rata-rata ukur akan lebih baik dibandingkan rata-rata hitung jika merupakan
data yang menunjukkan urutan perubahan yang tetap atau hampir tetap. Misalnya, data
kenaikan atau penurunan dari sesuatu hal.
Untuk mencari rata-rata ukur dari data yang masih terserak digunakan rumus sebagai
berikut.
Rata-rata ukur populasi (u )
G

u G  Y1Y 2 Y3....Y N
N

atau
log Y1 log Y2 log Y3 .......log Y N log Yi
log uG  
N N

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, …., N
N : banyaknya data/nilai pengamatan ukuran (populasi)

Rata-rata ukur sampel ( YG ):

YG n Y1Y 2 Y 3....Y n
atau
log Y1 log Y 2 log Y 3 .......log Yn log Yi
log YG  
n n

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3. …., n
n : banyaknya data/nilai pengamatan (ukuran sampel)
 PABI4455/MODUL 2 2.33

Coba Anda perhatikan contoh penelitian sensus berikut. Hasil sensus berat badan 30
ekor biri-biri usia 1 tahun hasil cloning (kembaran) menunjukkan kenaikan rata-rata berat
triwulan I sebanyak 10 kg, triwulan II sebanyak 15 kg, triwulan III sebanyak 22,5 kg, dan
triwulan IV sebanyak 15 kg. Berapakah rata-rata kenaikan badan per triwulan?
Kenaikan triwulan II = 15/10 kali triwulan I = 1,50 kali
Kenaikan triwulan III = 22,5/15 kali triwulan II = 1,50 kali
Kenaikan triwulan IV = 15/22,5 kali triwulan III = 0,67 kali
Jika dihitung dengan menggunakan rumus rata-rata hitung populasi ( μ) maka rata-rata
kenaikannya adalah sebagai berikut.

1,50 1,50 0,67


u kali 1, 2233 kali
3
Jika dihitung dengan menggunakan rata-rata ukur populasi (u ) maka hasilnya
G

sebagai berikut.

uG 3 (1,50)(1,50)(0,67)

1/ 3

u G (1,50)(1,50)(0,67)
1/ 3

uG (1,5075) kali 1,1466 kali

Coba Anda perhatikan pula contoh berikut. Hasil perlakuan menunjukkan bahwa
pemberian dosis pupuk trifosfat sebesar 0 kg/ha menunjukkan produktivitas tanaman padi
varietas mentik sebesar 40 kwintal/Ha, dosis 20 kg/ha menunjukkan produktivitas
sebanyak 55 kwintal/Ha, dosis pupuk 40 kg/ha menunjukkan produktivitas 65 kwintal/Ha,
penambahan 60 kg/ha menunjukkan kenaikan produktivitas menjadi 73 kwintal/Ha,
penambahan 80 kg/ha menunjukkan kenaikan produktivitas menjadi 77 kwintal/Ha, dan
penambahan 100 kg/ha menunjukkan kenaikan produktivitas menjadi 78 kwintal/Ha.
Dengan demikian, setiap penambahan 20kg/ha pupuk triposfat menunjukkan penambahan
produktivitas tanaman padi varietas Mentik dengan besaran yang berbeda.
Kenaikan produktivitas akiibat penambahan pupuk trifosfat untuk:
2.34 Biometri 

a) 20 kg/ha yang I meningkat sebanyak = (55 - 40) kwintal/Ha = 15 kwintal/Ha


b) 20 kg/ha yang II meningkat sebanyak = (65 - 55) kwintal/Ha = 10 kwintal/Ha
c) 20 kg/ha yang III meningkat sebanyak = (73 - 65) kwintal/Ha = 8 kwintal/Ha
d) 20 kg/ha yang IV meningkat sebanyak = (77 - 73) kwintal/Ha = 4 kwintal/Ha
e) 20 kg/ha yang V meningkat sebanyak = (78 - 77) kwintal/Ha = 1 kwintal/Ha
Jadi kenaikan produktivitas akibat penambahan pupuk trifosfat untuk:
a) 20 kg/ha yang II = 10/15 kali penambahan 20 kg/ha yang I = 0,67 kali
b) 20 kg/ha yang III = 8/10 kali penambahan 20 kg/ha yang II = 0,80 kali
c) 20 kg/ha yang IV = 4/8 kali penambahan 20 kg/ha yang III = 0,50 kali
d) 20 kg/ha yang V = 1/4 kali penambahan 20 kg/ha yang IV = 0,25 kali

Jika dihitung dengan menggunakan rumus rata-rata hitung sampel ( Y ) maka rata-
rata kenaikannya adalah sebagai berikut.

0,67 0,80 0,50 0,25 2,22


Y kali  kali 0,5550 kali
4 4
Jika dihitung dengan menggunakan rata-rata ukur sampel (Y ) maka hasilnya sebagai
G

berikut.

YG 4 (0,67)(0,80)( 0,50)(0,25) `

1/ 4

YG (0,67)(0,80)(0,50)(0, 25)

1/ 4

uG (0,067) kali 0,5088 kali

3. Rata-rata harmonis (harmonic mean)


Rata-rata harmonis (harmonic mean) adalah rata-rata yang diperoleh dengan cara
mencari kebalikan atau invers dari datanya. Rata-rata harmonis biasa digunakan untuk
mencari rata-rata dari banyak hal yang berbeda kualitasnya.

Rata-rata harmonis populasi ( H)


 PABI4455/MODUL 2 2.35

N
H 
1 1 1 1
  ....
Y1 Y2 Y3 YN

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, ...., N
N : banyaknya data/nilai pengamatan (ukuran populasi)

Rata-rata harmonis sampel ( YH ):

n
YH 
1 1 1 1
  .... 
Y1 Y2 Y3 Yn

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, ...., n
N : banyaknya data/nilai pengamatan (ukuran populasi)

Coba Anda perhatikan contoh penelitian sensus di bawah ini.

Seluruh luas lahan padi di Desa Minapadi 15300 Ha. Setelah lahan dibagi menjadi 5
bagian, dan tiap bagian ditanami padi Cisadane, IR-28, VUTW, Rajalele dan Cianjur,
hasilnya sebagai berikut.

Tabel 2.12.
Hasil Produksi Padi Desa Minapadi Menurut Jenisnya

Jenis padi Luas lahan Produksi/ha Produksi total


(Ha) (ton) (ton)
Cisadane 3.060 7,4 22.644
IR-26 3.060 6,7 20.502
VUTW 3.060 6,6 20.196
Rajalele 3.060 5,7 17.442
Cianjur 3.060 6,5 19.890

Jika rata-rata produksi padi tiap bagian dicari dengan rata-rata hitung ( ):
2.36 Biometri 

22.644 20.502 20.196 17.442 19.890


 20.134,8 ton
5
atau:
7, 4 6,7 6,6 5,7 6,5
 6,58 ton / ha
5

Jika dicari dengan rata-rata hamonis ( H ):

5 5
μH  1 1 1 1 1

0, 00002501
19.995,07 ton/hektar
   
22.644 20.502 20.196 17.442 19.890

atau:
5 5
μH  1 1 1 1 1

0, 7652
6,534 ton/hektar
   
7 , 4 6 ,7 6 ,6 5 ,7 6 ,5

4. Rata-rata tertimbang (weighted mean)


Rata-rata tertimbang (weighted mean) adalah rata-rata yang dicari dengan
mempertimbangkan tingkat pentingnya kelompok-kelompok datanya.
Rata-rata tertimbang populasi ( w )

N1Y1 N 2 Y2 N 3Y3 .... N k Yk N iYi


w  
N1 N 2 N 3 .... N k Ni

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, ...., k
N : banyaknya data (nilai pengamatan) untuk i = 1, 2, 3, ..., k

Rata-rata tertimbang sampel ( YW ):


 PABI4455/MODUL 2 2.37

n Y n Y n Y .... n k Yk n i Yi
YW  1 1 2 2 3 3 
n1 n 2 n 3 .... n k n i

Keterangan:
Yi : data (nilai pengamatan) untuk i = 1, 2, 3, ...., k
ni : banyaknya data (nilai pengamatan) untuk i = 1, 2, 3, ..., k

Coba Anda perhatikan contoh penelitian sensus berikut. Produktivitas tanaman padi
berdasarkan varietasnya dari seluruh lahan yang ada di Desa Minapadi adalah sebagai
tersaji pada Tabel 13.

Tabel 2.13.
Hasil produksi padi Desa Minapadi menurut jenisnya

Luas lahan Produksi/ha Produksi total


Jenis padi
(Ha) (ton) (ton)
Cisadane 1.200 7,4 8.880
IR-26 4.100 6,7 27.470
VUTW 3.300 6,6 21.780
Rajalele 700 5,7 3.990
Cianjur 2.500 6,5 16.250
C-4 3.000 7,0 21.000
Ketan 500 5,6 2.800
Jumlah 15.300 102.170

Kalau dihitung harga rata-rata produksi padi dengan menggunakan rata-rata


hitung(  ):

7, 4 6,7 6,6 5,7 6,5 7, 0 5,6


 6,5 ton / ha
7

Jika dihitung dengan menggunakan rata-rata tertimbang ( W ):


2.38 Biometri 

(1.200)(7,4) (4.100)(6, 7) (3.300)(6,6) .... (500)(5,6)


W 
1.200 4.100 3.300 .... 500
W 6,68 ton / ha

B. MODUS

Modus adalah data yang memiliki frekuensi pemunculan terbanyak. Oleh karena itu,
cara mencari modus dilihat dari berapa kali suatu data muncul di antara seluruh data yang
ada. Agar lebih mudah melacak letak modus, data diurutkan dari yang terkecil ke yang
terbesar atau sebaliknya.
Coba Anda perhatikan contoh penelitian sampling di bawah ini.
Hasil pengukuran berat 30 ekor biri-biri yang diambil secara acak dari populasi biri-biri
hasil cloning sebanyak 100 ekor adalah sebagai berikut (dalam kg):

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86

Agar dapat dicari modusnya, data tersebut harus diurutkan dari yang terbesar ke yang
terkecil. Hasilnya adalah sebagai berikut.

98 97 96 91 89 89 88 87 86 84 83 82 82 82 81
78 78 78 72 72 72 69 69 68 66 66 66 62 60 60

Data sebesar 82, 78, 72 dan 66 muncul tiga kali. Dengan demikian, sebaran data di atas
memiliki empat modus yakni 82, 78, 72 dan 66. Dengan kata lain data di atas merupakan
data tetramodal sehingga termasuk data multimodal.
 PABI4455/MODUL 2 2.39

C. MEDIAN

Median adalah suatu nilai yang membagi data yang telah diurutkan besarnya (dari
yang terbesar sampai yang terkecil atau sebaliknya), menjadi dua kelompok data, yakni
data kelompok atas dan data kelompok bawah dengan anggota yang sama banyaknya.
Agar lebih mudah melacak posisi median, data perlu diurutkan dari yang terkecil ke
yang terbesar atau sebaliknya. Kemudian cari posisi atau letak median dengan rumus:

Posisi Me = (N + 1)/2 untuk data sensus


atau
Posisi Me = (n + 1)/2 untuk data sampling

Setelah diperoleh posisi median, Anda akan dapat memperoleh harga mediannya.

Coba perhatikan contoh di bawah ini.


Dari hasil penelitian sampling berupa pengukuran berat terhadap 30 ekor biri-biri yang
diambil secara acak dari populasi biri-biri hasil cloning sebanyak 100 ekor yang telah
dihitung modusnya, sekarang carilah mediannya. Perhatikan datanya.

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86

Setelah diurutkan dari yang terbesar ke yang terkecil terlihat sebagai berikut.

98 97 96 91 89 89 88 87 86 84 83 82 82 82 81
78 78 78 72 72 72 69 69 68 66 66 66 62 60 60

Oleh karena data yang berupa data penelitian sampling, berarti banyaknya data (n) = 30.
Berarti posisi median (Me) = (n + 1)/2 = 15,5. Jadi, posisi median berada di antara data ke-
15 dan data ke-16. Dengan demikian, harga mediannya dapat diperoleh yakni:

Me = (81 + 78)/2 = 79,5 kg


2.40 Biometri 

D. KUARTIL

Kuartil adalah 3 buah nilai yang membagi data yang telah diurutkan besarnya, menjadi
4 kelompok data dengan anggota yang sama banyaknya. Oleh karena kuartil membagi
menjadi 4 kelompok sama banyak maka harga kuartil kedua akan sama dengan harga
median.
Untuk memperoleh harga kuartil I, kuartil II dan kuartil III, data harus diurutkan
terlebih dahulu dari yang terkecil ke yang terbesar. Kemudian, dicari lebih dahulu posisi
atau letak masing-masing kuartil, baru dapat diperoleh harganya.
Mula-mula cari kuartil II atau mediannya, misalkan n = 61 maka (n + 1)/2 = (61 +
1)/2 = 31. Jadi kuartil II adalah data urutan ke 31. Mengapa? Karena data urutan ke-31
membagi data menjadi dua kelompok, masing-masing beranggotakan 30 data. Kelompok I
beranggotakan data ke-1 sampai data ke 30, dan kelompok II beranggotakan data ke 32
sampai data ke-61. Posisi kuartil I akan membagi kelompok I menjadi dua kelompok yang
anggotanya sama banyak. Oleh karena anggota kelompok I sebanyak 30, berarti kuartil I =
(n + 1)/2 = (30 + 1)/2 = 15,5. Jadi, kuartil I berada di antara data urutan ke-15 dan data
urutan ke-16. Kuartil III = (n + 1)/2 = (30 + 1)/2 = 15,5, tetapi urutan data kelompok II
dimulai dari urutan ke-32 dan seterusnya sampai urutan ke-61. Oleh karena data pertama
pada posisi urutan ke-32 maka posisi kuartil III pada urutan ke-15,5 berada di antara data
urutan ke-46 dan data urutan ke-47.

E. DESIL

Desil adalah sembilan buah nilai yang membagi data yang telah diurutkan besarnya,
menjadi sepuluh kelompok data dengan anggota yang sama banyaknya. Oleh karena itu,
harga desil kelima (D5) akan sama dengan harga mediannya. Agar dapat dikelompokkan
menjadi 10 kelompok maka banyaknya data juga harus kelipatan 10.
Mula-mula data dibagi dua untuk mencari desil kelima atau mediannya. Misalnya,
banyaknya data 60. Posisi D5 = (n + 1)/2 = (60 + 1)/2 = 30,5. Dengan demikian, desil
kelima berada di antara data urutan ke-30 dan data urutan ke-31. Kemudian, kelompok
pertama harus dibagi lagi menjadi lima kelompok, demikian pula kelompok yang kedua.
Kelompok pertama yang beranggotakan 30 data jika dibagi menjadi lima kelompok,
 PABI4455/MODUL 2 2.41

masing-masing akan beranggotakan enam data. Dengan demikian, desil pertama (D1) di
urutan 6,5 atau antara data ke-6 dan ke-7. Desil kedua (D2) di urutan 12,5 atau antara data
ke-12 dan ke-13.
Dimana posisi desil kelima? Desil kelima (D5) diurutkan 30,5 atau antara data ke-30
dan ke-31.
Demikian pula untuk kelompok kedua, jika dibagi lagi menjadi lima kelompok
masing-masing juga beranggotakan enam data. Oleh karena itu, desil keenam (D6)
diurutan 36,5 atau antara data ke-36 dan ke-37. Di mana posisi desil kesembilan? Desil
kesembilan (D9) di urutan 54,5 atau antara data ke-54 dan ke-60.

F. PERSENTIL

Persentil adalah 99 buah nilai yang membagi data yang telah diurutkan besarnya,
menjadi 100 kelompok data dengan anggota yang sama banyaknya. Dengan demikian,
harga persentil ke-50 akan sama dengan harga mediannya. Agar dikelompokkan menjadi
100 kelompok tentunya data harus cukup banyak, yakni merupakan kelipatan 100.
2.42 Biometri 

Tugas

Cobalah hitung rata-rata, median, dan modus hasil sensus berat 15 ekor induk ikan gurami
usia 5 tahun di kolam perikanan Cangkringan berikut ini!

No Berat Induk ikan gurami (dalam kg)


(Yi)
1 7,1
2 6,5
3 8,7
4 5,6
5 6,6
6 6,9
7 7,1
8 7,2
9 7,9
10 8,1
11 6,8
12 6,3
13 7,1
14 7,4
15 7,5

LA TI HA N

Untuk memperdalam pemahaman Anda mengenai materi di atas, kerjakanlah


latihan berikut!

1) Jelaskan mengapa nilai rata-rata, modus dan median mampu menjadi ukuran gejala
pusat!
2) Jelaskan perbedaan nilai rata-rata hitung, rata-rata ukur, rata-rata tertimbang dan rata-
rata harmonis!
3) Jelaskan bagaimana prosedur mencari kuartil untuk data terserak!
4) Data yang bagaimanakah yang dapat dicari harga desil dan persentilnya?
 PABI4455/MODUL 2 2.43

Petunjuk Jawaban latihan

1) Anda simak lagi uraian mengenai ukuran gejala pusat.


2) Anda perhatikan uraian dan contoh perhitungan rata-rata hitung, rata-rata ukur, rata-
rata tertimbang dan rata-rata harmonis.
3) Perhatikan kembali uraian mengenai perhitungan kuartil.
4) Perhatikan uraian mengenai desil dan persentil.

RA NG KU MA N

1. Data yang terserak sangat sukar untuk diinterpretasi. Oleh karena itu, perlu
disajikan secara terorganisasi.
2. Ukuran gejala pusat mampu memberikan informasi yang lebih komunikatif dalam
kita membaca data daripada masih berwujud data terserak ataupun jika sudah
dikelompokkan ke dalam distribusi frekuensi.
3. Dengan melihat besarnya ukuran gejala pusatnya, kita dapat mengetahui deskripsi
atau gambaran yang utuh dari kondisi populasi atau sampel yang kita teliti, apa
lagi jika sudah dilengkapi dengan ukuran penyimpangannya.

TE S FO RM AT IF 2

Pilihlah satu jawaban yang paling tepat!

1) Mean atau rata-rata, median dan modus, kuartil, desil, dan persentil sering disebut
sebagai ukuran gejala pusat karena ....
A. ukuran-ukuran tersebut harganya terpusat pada suatu angka
B. menjadi bahasan utama pada statistika deskriptif
C. mampu memusatkan data pada suatu nilai tengah
D. mampu memberi gambaran tentang posisi pusat data
2.44 Biometri 

2) Beberapa ukuran gejala pusat, ialah median, kuartil, desil, dan persentil, untuk data-
data terserak, langkah utama yang perlu dilakukan adalah ....
A. pengelompokan data
B. pengumpulan data
C. pengurutan data
D penyederhanaan data

3) Secara umum, penerapan desil sama dengan, kuartil, namun ada catatan khusus,
mengenai banyaknya data, ialah ....
A. untuk desil harus kelipatan 10
B. untuk kuartil harus kelipatan 4
C. untuk desil harus lebih besar
D untuk kuartil harus genap

Untuk soal nomor 4 dan 5, perhatikan contoh data berikut ini!


Hasil pengukuran berat 24 butir telur burung unta yang dihasilkan oleh sekelompok
burung unta di Flores pada bulan Desember 1997 (bulan terkering) adalah sebagai berikut
(dalam kg).
3,6 3,2 3,3 3,4 3,4 3,6 3,2 3,1 2,9 3,1 2,9 2,9
3,4 3,5 3,1 2,9 2,9 3,3 3,3 3,6 3,4 4,1 3,1 3,2

4) Rata-rata hitung dari berat telur tersebut adalah....


A. 3,267 kg
B. 3,276 kg
C. 3,367 kg
D 3,376 kg

5) Jika data tersebut dianggap data sensus, median dari berat telur tersebut adalah ....
A. 3,2 kg
B. 3,25 kg
C. 3,3 kg
D. 3,35 kg
 PABI4455/MODUL 2 2.45

6) Untuk studi fluktuasi produktivitas air susu sapi selama masa peralihan musim,
dilakukan pengukuran jumlah air susu atas 32 ekor sapi perah per bulan selama 4
bulan. Dengan catatan produksi normal air susu adalah 90 liter per ekor per bulan dan
per bulan dianggap 30 hari, hasilnya adalah sebagai berikut.
Bulan September rata-rata turun 5% dari produksi normal
Bulan Oktober rata-rata turun 15% dari produksi normal
Bulan November rata-rata turun 2% dari produksi normal
Bulan Desember rata-rata turun 1% dari produksi normal
Rata-rata ukur dari persentase penurunan produktivitas selama masa peralihan tersebut
adalah ....
A. 0,77%
B. 3,499%
C. 5,75%
D. 17,25%

7) Hasil pengukuran berat 31 ekor anak ayam ras unggul umur sehari yang berhasil
ditetaskan dengan sebuah mesin tetas adalah sebagai berikut (dalam gram).
51 54 48 47 50 47 47 46 48 49 46 43 56 42 45 44
45 44 42 43 47 48 48 45 47 53 48 48 49 49 52
Jika data tersebut merupakan data sensus maka modus dan kuartil ke-3 (K3) data
populasi tersebut masing-masing adalah ....
A. 47 dan 44
B. 48 dan 44
C. 49 dan 48
D. 48 dan 49

8) Ada sebanyak 300 data hasil sensus maka nilai persentil ke 25, terletak pada data ke ....
A. 75,5
B. 75
C. 25,5
D. 25
2.46 Biometri 

Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 2 yang terdapat di
bagian akhir modul ini. Hitunglah jawaban yang benar. Kemudian, gunakan rumus berikut
untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 2.

Tingkat penguasaan = Jumlah Jawaban yang Benar 100%


Jumlah Soal

Arti tingkat penguasaan: 90 - 100% = baik sekali


80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

Apabila mencapai tingkat penguasaan 80% atau lebih, Anda dapat meneruskan dengan
Kegiatan Belajar 3. Bagus! Jika masih di bawah 80%, Anda harus mengulangi materi
Kegiatan Belajar 2, terutama bagian yang belum dikuasai.
 PABI4455/MODUL 2 2.47

Ke gi at an Be la ja r 3

Ukur an Peny impa ngan atau Vari abil itas

U kuran penyimpangan atau ukuran variabilitas disebut pula ukuran dispersi karena
merupakan ukuran yang mampu memberi gambaran tentang besar kecilnya data terhadap
rata-ratanya. Ukuran penyimpangan juga menunjukkan keberagaman harga data atau nilai
pengamatan. Semakin besar ukuran penyimpangannya berarti semakin besar tingkat
keberagaman harga data yang kita miliki. Oleh karena itu, dengan diberikannya ukuran
gejala pusat beserta ukuran penyimpangan atau ukuran variabilitas/dispersinya, akan dapat
diperoleh gambaran yang lengkap tentang keadaan data tersebut.
Untuk lebih mudah memperoleh gambarannya, dapat Anda simak dari ilustrasi sebagai
berikut.Dua induk ayam sama-sama memiliki 3 anak. Ketiga anak ayam dari induk
pertama masing-masing beratnya 3 ons, 4 ons, dan 5 ons. Anak dari induk kedua masing-
masing beratnya 3,5 ons, 4 ons dan 4,5 ons. Kalau dicari rata-ratanya maka rata-rata
masing-masing kelompok anak ayam tersebut 4 ons. Namun demikian, jika dilihat berat
tiap ekornya, ketiga anak ayam dari induk pertama kurang seragam dibanding ketiga anak
dari induk yang kedua. Oleh karena itu, kalau informasi yang disampaikan hanya ukuran
gejala pusatnya, dalam hal ini berupa rata-ratanya, belum dapat memberi gambaran
sepenuhnya terhadap keadaan berat anak ayam dari kedua induk tersebut.
Besarnya penyimpangan data dari rata-ratanya dapat dilihat dari harga kisaran atau
rentangan (range), simpangan rata-rata (mean deviation), simpangan baku (standard
deviation), varian/ragam (variance), dan koefisien variasi (coefficient of
variability/coefficient of variation). Pembahasan berikut ini diarahkan pada data terserak
karena jika Anda melakukan penelitian biologi maka Anda akan lebih banyak memperoleh
data primer dalam bentuk data terserak.
2.48 Biometri 

A. RENTANG ATAU KISARAN (RANGE)

Rentang atau kisaran (range) adalah selisih antara nilai pengamatan terkecil dengan
nilai pengamatan terbesar dari suatu data.

Kisaran atau rentang (R) = nilai pengamatan terbesar – nilai pengamatan terkecil

Sebagai contoh, perhatikan data hasil sensus terhadap 30 ekor biri-biri usia 1 tahun
hasil cloning (kembaran) yang menunjukkan berat badan sebagai berikut (dalam kg):

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86

Nilai atau harga data terkecil 60 dan data terbesar 98 maka rentang/kisaran data (R) =
98 – 60 = 28

B. SIMPANGAN RATA-RATA ATAU DEVIASI RATA-RATA (MEAN


DEVIATION)

Simpangan atau deviasi adalah jumlah dari harga mutlak selisih antara setiap data
dengan rata-ratanya. Jika simpangan atau deviasi tersebut dibagi dengan banyaknya data
(N untuk populasi atau n untuk sampel) maka akan diperoleh simpangan rata-rata atau
deviasi rata-rata. Untuk simpangan rata-rata tidak ada notasi khusus.
Rumus simpangan rata-rata atau deviasi rata-rata populasi adalah sebagai berikut.

Simpangan rata-rata populasi =  Yi 


N

Keterangan:
: rata-rata populasi.
Yi : data (nilai pengamatan) ke-i untuk i = 1, 2, 3, ...., N.
N : banyaknya data atau ukuran populasi.
 PABI4455/MODUL 2 2.49

Rumus simpangan rata-rata atau deviasi rata-rata sampel adalah sebagai berikut.

Simpangan rata-rata sampel =  Yi Y


n

Keterangan:
Y : rata-rata sampel.
Yi: data (nilai pengamatan) ke-i untuk i = 1, 2, 3, ...., N.
n : banyaknya data (nilai pengamatan).

Coba Anda perhatikan contoh penghitungan simpangan rata-rata untuk hasil penelitian
sensus di bawah ini.
Hasil sensus terhadap 30 ekor biri-biri usia 1 tahun hasil cloning (kembaran)
menunjukkan berat adalah sebagai berikut (dalam kg):

78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86

Jika data tersebut di atas disajikan dalam bentuk tabel maka akan tersaji tabel sebagai
berikut.
2.50 Biometri 

Tabel 2.14.
Data Sensus Berat Biri-biri Hasil Cloning Usia Satu Tahun (dalam Kg)

Pengamatan Berat biri-biri (kg) Penyimpangan


Ke Yi Yi 
1 78 0.37
2 89 10.63
3 87 8.63
4 69 9.37
5 69 9.37
6 60 18.37
7 62 16.37
8 72 6.37
9 72 6.37
10 72 6.37
11 60 18.37
12 97 18.63
13 66 12.37
14 66 12.37
15 66 12.37
16 78 0.37
17 81 2.63
18 78 0.37
19 88 9.63
20 68 10.37
21 82 3.63
22 84 5.63
23 91 12.63
24 82 3.63
25 98 19.63
26 89 10.63
27 96 17.63
28 82 3.63
29 83 4.63
30 86 7.63
Jumlah 2351 279,00
 Yi  Yi 

Oleh karena hasil sensus maka Anda harus menggunakan rumus untuk populasi sehingga
harga rata-rata populasi (  ):


 Yi 
2351
78,37 kg
N 30

Simpangan rata-rata atau deviasi rata-rata populasi:


 PABI4455/MODUL 2 2.51

Simpangan rata-rata populasi =


 Yi 

279
9,3 kg
N 30

C. SIMPANGAN BAKU (STANDARD DEVIATION)

Disebut simpangan baku atau deviasi standar karena ukuran ini menunjukkan standar
penyimpangan dari rata-ratanya. Dalam menyajikan gambaran penyimpangan yang terjadi,
lebih umum disajikan harga simpangan baku atau standar deviasinya daripada ukuran
simpangan rata-ratanya.
Kalau dalam perhitungan simpangan rata-rata dengan memberikan harga mutlak untuk
menghilangkan harga negatif selisih masing-masing data dengan rata-ratanya maka pada
perhitungan simpangan baku atau standar deviasi dilakukan dengan cara mengkuadratkan
selisih masing-masing data dengan rata-ratanya.
Simpangan baku atau deviasi standar populasi yang diberi notasi  (baca sigma)
dapat dihitung menggunakan rumus di bawah ini.

Yi 2
Yi 
2  Yi2  N
 
N N

Untuk memahami bagaimana cara mencari simpangan baku populasi coba Anda
perhatikan contoh berikut ini.
Hasil sensus berupa pengukuran berat anak ayam kampung umur sehari dari satu induk
adalah sebagai berikut (dalam gram).
112 114 102 121 134 101 115 118
Untuk mencari nilai simpangan baku populasi maka kita dapat membuat tabel sebagai
berikut.
2.52 Biometri 

Tabel 2.15.
Data Sensus Berat Delapan Ekor Anak Ayam Kampung dari Satu Induk
(dalam gram)

Nomor Yi (Yi – μ) (Yi – μ)2 Yi 2


1. 112 -2,625 6,890625 12.544
2. 114 -0,625 0,390625 12.996
3. 102 -12,625 159,390600 10.404
4. 121 6,375 40,640630 14.641
5. 134 19,375 375,390600 17.956
6. 101 -13,625 185,640600 10.201
7. 115 0,375 0,140625 13.225
8. 118 3,375 11,390630 13.924
917 0,000 779,875000 105.891
Jumlah = Yi = ( Yi - μ) = ( Yi - μ)2 = Yi 2
Rata-rata ( μ) 114,625

(Yi μ) =
2
779,875
σ= kg = 97,4844 kg = 9,8734 kg
N 8

atau:

2 ( Y i) 2
(917 )
 Yi  105 .891  105. 891 105. 111,1 kg
σ= N = 8 kg =
(N 8 8

σ= 779 ,875 kg = 97,4844 kg = 9,8734 kg


8

Untuk mencari simpangan baku atau deviasi standar sampel, diberi notasi s, dapat
digunakan rumus di bawah ini.

Yi 
2

Yi Y
2
 2
Yi 
n
s 
n
1 n
1
 PABI4455/MODUL 2 2.53

Misalkan, data di atas adalah data sampel 8 ekor anak ayam Broiler yang diambil secara
acak dari 80 telur yang ditetaskan menggunakan satu mesin tetas kecil. Dengan demikian,
simpangan baku dari data tersebut adalah sebagai berikut.

2
779,875
s=  (Y i
Y ) = kg
(n - 1) (8 - 1)

s= 111,4107 kg = 10,5551 kg

atau
2 2
( Y i) (917 )
 Y i2  105.891 
s= n = 8 kg
(n 1) (8 1)

s = 105 .891 105 . 111,1 kg = 779, 875 kg


7 7

s= 111,4107 kg = 10,5551 kg

Contoh lain, hasil sensus terhadap 30 ekor biri-biri usia 1 tahun hasil cloning
(kembaran) menunjukkan berat sebagai berikut (dalam kg):
78 89 87 69 69 60 62 72 72 72 60 97 66 66 66
78 81 78 88 68 82 84 91 82 98 89 96 82 83 86
Jika data tersebut di atas disajikan dalam bentuk tabel maka akan tersaji tabel sebagai
berikut.
2.54 Biometri 

Tabel 2.16.
Data Sensus Berat Biri-biri Hasil Cloning Usia Satu Tahun (dalam kg)

Berat biri-
Pengamatan biri Yi  Yi 
2 2
Yi
Ke ( Yi )
1 78 -0,3667 0,1344 6.084
2 89 10,6333 113,0678 7.921
3 87 8,6333 74,5344 7.569
4 69 -9,3667 87,7344 4.761
5 69 -9,3667 87,7344 4.761
6 60 -18,3667 337,3344 3.600
7 62 -16,3667 267,8678 3.844
8 72 -6,3667 40,5344 5.184
9 72 -6,3667 40,5344 5.184
10 72 -6,3667 40,5344 5.184
11 60 -18,3667 337,3344 3.600
12 97 18,6333 347,2011 9.409
13 66 -12,3667 152,9344 4.356
14 66 -12,3667 152,9344 4.356
15 66 -12,3667 152,9344 4.356
16 78 -0,3667 0,1344 6.084
17 81 2,6333 6,9344 6.561
18 78 -0,3667 0,1344 6.084
19 88 9,6333 92,8011 7.744
20 68 -10,3667 107,4678 4.624
21 82 3,6333 13,2011 6.724
22 84 5,6333 31,7344 7.056
23 91 12,6333 159,6011 8.281
24 82 3,6333 13,2011 6.724
25 98 19,6333 385,4678 9.604
26 89 10,6333 113,0678 7.921
27 96 17,6333 310,9344 9.216
28 82 3,6333 13,2011 6.724
29 83 4,6333 21,4678 6.889
30 86 7,6333 58,2678 7.396
2.351 0,0000 3.560,9667 187.801

Jumlah
 Yi Σ(Yi - μ) Yi 
2
 Yi2
 PABI4455/MODUL 2 2.55

( Y
2
μ) 3.560,0967
σ= i = kg = 10,894 kg
N 30

atau:

 Yi 
2
2351
2
 Yi2 
N
187801 
30
 
N 30

σ= 10,895 kg

Untuk mencari simpangan baku atau deviasi standar sampel, diberi notasi s, dapat
digunakan rumus di bawah ini.

Yi 
2

 Yi Y 
2
 Yi 
2
n
s 
n
1 n
1

Coba Anda perhatikan perhitungan simpangan baku sampel dengan contoh berikut ini.
Misalkan, ketiga puluh biri-biri tersebut merupakan sampel yang diambil secara acak
dari 100 biri-biri hasil cloning yang sudah berhasil dilaksanakan. Dengan demikian, data
yang diperoleh merupakan data statistik sampel. Oleh karena itu, simpangan bakunya
adalah simpangan baku sampel sehingga besarnya simpangan baku sample adalah:

 Yi Y 
2
3560,0967
s  11, 08 kg
n 1 30 1
2.56 Biometri 

atau dihitung dengan rumus yang satunya, yaitu:

2
(Y i)
2
Y i  n
2
( 2.351)
s= = 187 .801  kg
n 1 30
30 1

(187.801 184.240) / 30
s= = 11,08 kg
29

Tu ga s

Cobalah hitung rata-rata dan simpangan baku hasil sensus berat 15 induk ikan gurami usia
5 tahun di kolam perikanan Cangkringan berikut ini!

No Berat Induk ikan gurami (dalam kg)


(Yi)
1 7,1
2 6,5
3 8,7
4 5,6
5 6,6
6 6,9
7 7,1
8 7,2
9 7,9
10 8,1
11 6,8
12 6,3
13 7,1
14 7,4
15 7,5
 PABI4455/MODUL 2 2.57

D. GALAT BAKU (STANDARD ERROR)

Galat baku atau simpangan baku rata-rata (standard error) adalah simpangan baku
dibagi dengan akar banyaknya data. Galat baku atau simpangan baku rata-rata diberi
simbol Y . Besarnya dapat dihitung dengan menggunakan rumus:


Y 
N

Jika besarnya simpangan baku populasi ( ) = 17,172 dan banyaknya data populasi
(N) = 60 maka besarnya galat baku populasi adalah:

 17,172
Y   2,217
N 60

Jika besarnya simpangan baku sampel (s) = 17,317 dan banyaknya data sampel atau
ukuran sampel (n) = 60 maka besarnya galat baku sampel:

s 17,317
sY   2,236
n 60

E. VARIANS (VARIANCE)

Varians atau ragam (variance) adalah kuadrat dari simpangan baku. Varians atau
ragam populasi diberi simbol σ2. Jika besarnya simpangan baku populasi ( ) sudah
diketahui yaitu 17,172 kg maka besarnya varians atau ragam populasi dapat dihitung yaitu
sebesar:

σ2 = 17,1722 kg2 = 294,8776 kg2


2.58 Biometri 

Jika besarnya simpangan baku sampel (s) = 17,317 kg maka besarnya varians atau ragam
sampeladalah sebesar:

s2 = 17,3172 kg2 = 299,8785 kg2

F. KOEFISIEN VARIASI (COEFFISIEN VARIATION)

Koefisien variasi (coeffisien of variation) atau koefisien variabilitas (coeffisien of


variability) adalah simpangan baku dibagi dengan rata-ratanya dikalikan 100%. Koefisien
variasi diberi simbol CV.
Jika besarnya simpangan baku populasi (  ) = 17,172 dan rata-rata populasi ( ) =
63,17 maka besarnya koefisien variasi sampel (CV):

17,172
CV  x 100% 27,1838
63,17

Jika besarnya simpangan baku sampel (s) = 17,317 dan rata-rata sampel (Y ) =
63,17 maka besarnya koefisien variasi sampel (CV):

17,317
CV  100% 27, 4133
63,17
 PABI4455/MODUL 2 2.59

Tu ga s

Cobalah hitung rata-rata dan simpangan baku, simpangan baku rata-rata, varians, dan
koefisien varians hasil data statistik sampel berupa panjang induk ikan gurami usia 5 tahun
di kolam perikanan Cangkringan berikut ini!

No Panjang Induk ikan gurami (dalam cm )


(Yi )
1 71
2 67
3 85
4 58
5 66
6 67
7 70
8 71
9 76
10 87
11 65
12 63
13 77
14 74
15 79

LA TI HA N

Untuk memperdalam pemahaman Anda mengenai materi di atas,


kerjakanlah latihan berikut!

1) Jelaskan apa saja yang mampu menjadi ukuran dispersi dari suatu data yang kita
miliki?
2) Jelaskan hubungan antara simpangan baku, galat baku dan ragam!
2.60 Biometri 

3) Apa artinya bila data memiliki harga simpangan baku yang sangat besar?
4) Bagaimana Anda dapat memperoleh harga koefisien variasi dari data yang Anda
miliki?

Petunjuk Jawaban Latihan

1) Anda baca lagi uraian mengenai pengertian ukuran penyimpangan/ dispersi.


2) Coba Anda perhatikan lagi rumus simpangan baku, galat baku dan ragam.
3) Anda simak lagi contoh perhitungan simpangan baku.
4) Anda dapat melihat lagi bagaimana rumus koefisien variasi.

RA NG KU MA N

1. Untuk menginterpretasikan data maka data tersebut tidak hanya disajikan dalam
bentuk ukuran pemusatan. Agar dapat diinterpretasikan dengan tepat maka
diperlukan informasi lain, yakni berupa ukuran-ukuran penyimpangan/variabilitas.
2. Setiap ukuran penyimpangan/variabilitas memberikan informasi spesifik, seperti
range akan memberikan informasi nilai minimum dan maksimum dari data yang
Anda miliki; simpangan baku memberikan informasi besarnya standar
penyimpangan data dari nilai rata-ratanya, simpangan baku rata-rata
menggambarkan besarnya nilai standar kekeliruan dari nilai rata-ratanya, dan
seterusnya.
3. Semakin besar nilai penyimpangan/variabilitas dari data yang Anda miliki semakin
bervariasi/beragam nilai-bilai dari data tersebut, dan semakin kecil ukuran
penyimpangan berarti semakin seragam nilai-nilai data tersebut.
 PABI4455/MODUL 2 2.61

TE S FO RM AT IF 3

Pilihlah satu jawaban yang paling tepat!

1) Ukuran gejala pusat yang sangat erat hubungannya dengan ukuran penyimpangan
dalam hal perhitungannya adalah ....
A. modus
B. mean
C. median
D. kuartil

2) Semakin besar harga suatu ukuran penyimpangan atas suatu kelompok data,
memberikan makna bahwa keseragaman data tersebut ....
A. semakin besar
B. semakin kecil
C. tetap
D. nol (tidak ada)

3) Hasil pengukuran berat 10 butir telur burung unta yang dihasilkan oleh sekelompok
burung unta di Flores pada bulan Desember 1997 (bulan terkering) adalah sebagai
berikut (dalam kg):
3,6 3,2 3,3 3,4 3,4 3,4 3,5 3,1 2,9 2,9
Simpangan rata-rata dari berat telur tersebut adalah ....
A. 1,960 kg
B. 0,521 kg
C. 0,196 kg
D. nol

Untuk soal nomor 4, 5, dan 6 perhatikan data berikut ini!


Suatu sumber mengatakan bahwa kandungan glukosa pasca panen butir jagung varietas
Super adalah sangat tinggi, namun belum diketahui keseragamannya. Untuk itu, dilakukan
pengujian terhadap sampel berisi 30 tongkol jagung dari tempat penyimpanan. Hasilnya
adalah sebagai berikut (dalam mg)
2.62 Biometri 

0,32 0,43 0,37 0,84 0,59 0,67 0,78 0,65 0,37 0,66
0,42 0,54 0,67 0,77 0,81 0,38 0,45 0,47 0,58 0,49
0,66 0,58 0,45 0,34 0,43 0,51 0,14 0,72 0,44 0,74

4) Nilai varians kandungan glukosa pada sampel tongkol jagung tersebut adalah....
A. 0,0228 mg
B. 0,0236 mg
C. 0,1536 mg
D. 0,6840 mg

5) Jika data tersebut merupakan data sensus dari 30 tongkol jagung hasil panen percobaan
pendahuluan maka besarnya simpangan baku kandungan glukosa pada tongkol jagung
tersebut adalah ....
A. 0,023 mg
B. 0,024 mg
C. 0,151 mg
D. 0,154 mg

6) Suatu populasi mempunyai ukuran N, rata-rata  dan nilai setiap unit pengamatannya
Yi maka untuk data terserak, besarnya varians dihitung dengan rumus ....

Yi 
2
A.
N

Yi Y
2

B.
n

Yi 
2
C.
N 1

Yi Y
2
D.
n 1
 PABI4455/MODUL 2 2.63

7) Jika diketahui besarnya varians suatu sampel berukuran 40 adalah 6,14 maka nilai
galat bakunya adalah ....
A. 0,781
B. 0,313
C. 0,391
D. 0,039

8) Misalnya, diketahui nilai rata-rata tinggi badan pria dewasa Indonesia pada akhir abad
XX adalah 162 cm. Jika diketahui juga nilai varians atas tinggi badan tersebut adalah
49 maka nilai koefisien variasinya adalah ....
A. 4,32%
B. 4,25%
C. 30,32%
D. 30,25%

Cocokkanlah jawaban Anda dengan Kunci Jawaban Tes Formatif 3 yang terdapat di
bagian akhir modul ini. Hitunglah jawaban yang benar. Kemudian, gunakan rumus berikut
untuk mengetahui tingkat penguasaan Anda terhadap materi Kegiatan Belajar 3.

Jumlah Jawaban yang Benar


Tingkat penguasaan = 100%
Jumlah Soal

Arti tingkat penguasaan: 90 - 100% = baik sekali


80 - 89% = baik
70 - 79% = cukup
< 70% = kurang

Apabila mencapai tingkat penguasaan 80% atau lebih, Anda dapat meneruskan dengan
modul selanjutnya. Bagus! Jika masih di bawah 80%, Anda harus mengulangi materi
Kegiatan Belajar 3, terutama bagian yang belum dikuasai.
2.64 Biometri 

Ku nc i Ja wa ba n Te s Fo rm at if

Tes Formatif 1

1) C. Data apa yang akan dikumpulkan harus ditentukan terlebih dahulu, baru kemudian
disajikan secara terorganisasi sehingga mudah diinterpretasikan.
2) D. Hasil analisis statistika deskriptif tidak dapat digeneralisasikan lebih luas sehingga
hanya berlaku pada sampel itu sendiri.
3) D. Titik-titik pada diagram pencar merupakan koordinat, fungsi dari dua variabel yang
diamati.
4) B. Dengan daftar kontingensi dapat disajikan ketergantungan antara variabel yang
satu dengan variabel yang lainnya.
5) A. Oleh karena variabel akan terbagi ke dalam kelas-kelas yang masing-masing kelas
merupakan kategori-kategori dari variabel yang bersangkutan.
6) C. Banyaknya kelas (K) ditentukan menurut rumus: K = 1 + 33 log n, di mana n
adalah ukuran sampel. Untuk n = 150, K = 8,181 yang bila dibulatkan menjadi 8.
7) C. Yakni 7,5 = 18,05 - 10,55.
8) D. Yakni 25,55 karena kelas di atasnya akan sebesar 25,6 - 33,0.
9) C. Nilai tengah suatu kelas interval, dalam grafik, khususnya poligon, berperan
sebagai wakil atau tanda kelas interval itu.
10) C. Pada grafik poligon dan kurve, frekuensi tiap kelas interval terlihat jelas sehingga
modusnya akan tampak jelas.

Tes Formatif 2

1) D. Jika tidak ada variasi data maka mean akan sama dengan modus akan sama dengan
mediannya. Jika data pengamatan cukup banyak sehingga dapat dibagi menjadi
empat kelompok data menggunakan kuartil atau 10 kelompok data dengan
menggunakan desil atau 100 kelompok data dengan menggunakan persentil maka
sepanjang seluruh data sama besarnya maka nilai seluruh kuartil desil dan persentil
juga akan sama.
2) C. Agar dapat dianalisis gejala pusatnya dengan mudah, data terserak perlu diurutkan
menurut besar/harganya dari kecil ke besar atau bisa sebaliknya.
 PABI4455/MODUL 2 2.65

3) A. Analisis gejala pusat desil, menghendaki set data dapat dibagi menjadi 10 bagian.
Jika data kelipatan 10 otomatis akan dapat dicari kuartilnya pula.
4) A. Yakni 3,267, dengan menjumlah seluruh nilai pengamatan dan dibagi dengan
banyaknya pengamatan.
5) B. Setelah diurutkan, ternyata data ke (n+1)/2 adalah 3,25.
6) B. 4
5% 15% 2% 1% 3,4996%

7) D. Yakni modus = 48 dan K3 = 49.


8) A. Persentil ke 25 (P25) sama dengan kuartil ke 1 (K1 ). Jadi data yang ke 75,5.

Tes Formatif 3

1) B Oleh karena untuk mencari besarnya nilai simpangan, setiap data akan selalu
dibandingkan dengan nilai rata-rata (mean).
2) B Ukuran penyimpangan mencerminkan keragaman suatu data, semakin besar
ukuran penyimpangan, semakin kecil keseragamannya.
3) C Yakni 0,196 karena nilai rata-rata pengamatan Y 3,27 , dengan demikian

simpangan rata-rata = f i Yi Y 


| 3,6 3,27 | | 3,2 3,27 | ....| 2,9 3,27 |/10 0,196 .

4) B Yakni varians sampel (s2) = 0,02359 karena Yi 16,54 dan Y12 9,8032
dengan n = 30.
5) C Data tersebut dianggap data populasi sehingga simpangan bakunya adalah
simpangan baku populasi, yakni 0,151 karena Yi 16,54 , dan Y12 9,8032
dengan N = 30.
6) A Karena data sensus sehingga dalam perhitungannya setiap nilai pengamatan
dibandingkan dengan nilai rata-rata populasi.
7) C Simpangan bakunya s  6,14 2,4779 . Kemudian, dicari galat bakunya

s Y 2, 4779 / 40 0,391 .

8) A CV s / Y100%. s  s2  49 7 . Dengan demikian, CV = (7/162) 100% =

4,32%.
2.66 Biometri 

Daf tar Pus tak a

Blalock, H.M. (1972). Social Statistics. 2-nd ed. New York: McGraw-Hill Book
Company.

Bruning, J.L. and Kintz, B.L. (1987). Computational Handbook of Statistics. 3-rd ed.
Glenview: Scott, Foresman and Company.

Caulcutt, R. (1983). Statistics in Research and Development. London: Chapman and Hall.

Daniel, W.W. (1983). Statistik Nooparameterik Terapan. Alih bahasa oleh Tri Kantjono,
W.A. Jakarta: Gramedia.

Dreper, N.R. and Smith, H. (1981). Applied Regression Analysis. 2-nd ed. New York:
John Wiley & Sons.

Fisher, R.A. and Yates, F. (1974). Statistical Tabels for Biological, Agricultural, and
Medical Research. New York: Hafner.

Gaspersz, V. (1992). Teknik Analisis dalam Penelitian Percobaan 1 dan 2. Bandung:


Tarsito.

Gomez, K.A. and Gomez, A.A. (1984). Statistical Procedures for Agricultural Research.
2-nd ed. New York: John Wiley & Sons.

Gourevitch, V. (1966). Statistical Methods: a Problem-Solving Approach. 2-nd ed.


Boston: Allyn and Bacon.

Härdle, W. & Simar, L. (2007). Applied Mutivariate Statistical Analysis. 2nd ed. Berlin:
Springer

Hogg, R.V. & Tanis, E.A. (2001). Probability and Statistical Inference. New Jersey:
Prentice-Hall, Inc.

Hocking, R.R. (2003). Methods and Applications of Linear Models: Regression and the
Analysis of Variance. 2-nd ed. New Jersey: A John Wiley &Sons, Inc., Publication.

Janke, S.J. & Tinsley, F.C. (2005) Introduction to Linear Models and Statistical
Inference: Introduction to Linear Models and Statistical Inference. New Jersey:
John Wiley &

John, P.W.M. (1971). Statistical Design and Analysis of Experiments. New York:
Macmillan.
 PABI4455/MODUL 2 2.67

Mendenhall, W. (1968). Introduction to Linier Models and the design of Experiments.


California: Wadsworth, Belmont.

Nasution, A.H. dan Barizi. (1980) Metode Statistika untuk Penarikan kesimpulan. Ed
keempat. Jakarta: Gramedia.

Rosner, B. (1990). Fundamentals of Biostatistics. 3-rd ed. Bostos: PWS-Kent Publishing


Company.

Siegel, S. (1956). Nonparameteric Statistics for the Beavioral Sciences. Tokyo: Mc-Graw-
Hill Kogakusha, Ltd.

Sokal, RR. and Rohlf. (1969). Biometry: the Principles and Practice of Statistics in
Biological Approach. 2-nd ed. New York: Mc-Graw-Hill Book Company.

Steel, R.G.D. and Torrie, J.H. (1980). Principles and Procedures of Statistics: a
Biometrical Approach. 2-nd ed. New York: Mc-Graw-Hill Book Company.

Sudjana. (1986). Metode Statistika. Edisi keempat. Bandung: Tarsito.

Sudjana. (1982). Disain dan Analisis Eksperimen. Bandung: Tarsito.

Yamane, T. (1973). Statistics: an Introductory Analysis. 3-rd ed. Tokyo: Harper


International Edition.
2.68 Biometri 

GLOSARIUM

Daftar baris kolom: sajiaan data dengan cara meletakkan variabel yang diteliti menurut
baris dan datanya diletakkan menurut kolom atau sebaliknya.

Daftar kontingensi: sajian data dari 2 variabel beserta kategorinya menurut baris dan
kolom, variabel yang satu diletakkan pada baris dan yang satunya diletakkan pada kolom.

Desil: sembilan buah harga/nilai yang membagi data yang telah diurutkan besarnya,
menjadi sepuluh kelompok data dengan anggota yang sama banyaknya.

Distribusi frekuensi: sajian data berupa banyaknya pemunculan fenomena/kejadian dari


suatu variabel melalui kegiatan pencacahan/penghitungan (counting).

Koefisien varians (coeffisien of variation) atau koefisien variabilitas (coeffisien of


variability): simpangan baku dibagi dengan rata-ratanya dikali 100%.

Kuartil: tiga buah harga/nilai yang membagi data yang telah diurutkan besarnya menjadi
4 kelompok data dengan anggota yang sama banyaknya.

Median: statu harga/nilai yang membagi data yang telah diurutkan besarnya (dari yang
terbesar sampai yang terkecil atau sebaliknya), menjadi dua kelompok data, yakni data
kelompok atas dan data kelompok bawah dengan anggota yang sama banyaknya.

Modus: data yang memiliki frekuensi pemunculan terbanyak.

Persentil: 99 buah harga/nilai yang membagi data yang telah diurutkan besarnya.

Rata-rata harmonis (harmonic mean): rata-rata yang diperoleh dengan cara mencari
kebalikan atau invers dari datanya.

Rata-rata hitung (arithmetic mean): rata-rata yang diperoleh dengan membagi jumlah
seluruh hasil pengamatan/pengukuran dengan banyaknya pengamatan

Rata-rata ukur (geometric mean): rata-rata nilai/harga pengamatan yang dihitung atas
dasar akar banyaknya nilai/harga pengamatan dari hasil perkalian seluruh data.

Rentang atau kisaran (range): selisih antara harga/nilai pengamatan terkecil dengan
harga/nilai pengamatan terbesar dari suatu data.

Simpangan atau deviasi: jumlah dari harga mutlak selisih antara setiap data dengan rata-
ratanya.

Simpangan baku atau deviasi standar (standard deviation): ukuran yang menunjukkan
standar penyimpangan dari rata-ratanya.

Simpangan baku rata-rata atau galat baku (standard error): simpangan baku dibagi
dengan akar banyaknya data.
 PABI4455/MODUL 2 2.69

Simpangan rata-rata atau deviasi rata-rata: simpangan atau deviasi dibagi dengan
banyaknya data (N untuk populasi atau n untuk sampel).

Tabel distribusi frekuensi numerik: sajian data dalam bentuk menurut kelas-kelasnya
(atau kelas-kelas intervalnya).

Varians atau ragam (variance): harga kuadrat dari simpangan baku.