1.

Indikator Penilaian 2
Ketepatan penggolongan data tunggal, dan mempolakan sebaran data tunggal dengan
diagram steam and leaft plot
1.1. Jenis dan Skala Data

a. Data berdasarkan sifatnya:

1) Data kuantitatif adalah data yang berupa angka-angka. Misalnya berat badan,
luas rumah, tinggi badan, nilai IQ, dan lain-lain.
2) Data kualitatif adalah data yang berupa kata-kata atau pernyataan- pernyataan.
Dapat pula diartikan sebagai data kategorik, karena memang biasanya berupa
kategori atau pengelompokan-pengelompokan berdasarkan nama atau inisial
tertentu. Misalkan: kelompok PNS, petani, buruh, wiraswasta, dan lain-lain.

b. Data Berdasarkan sumbernya

Berdasarkan sumbernya, data diklasifikasikan antara lain:
1) Data primer .adalah data yang diperoleh langsung pihak yang diperlukan
datanya.
2) Data sekunder adalah data yang tidak diperoleh langsung dari pihak yang
diperlukan datanya.

c. Data Berdasarkan Skala Pengukurannya

Berdasarkan skala pengukuruannya, data diklasifikasikan antara lain:
Data yang merupakan hasil pengukuran variabel penelitian, memiliki jenis skala
pengukuran sebagaimana yang terdapat pada variabel penelitian. Dengan demikian
berdasarkan tinjauan ini, data dapat dibedakan menjadi antara lain:
1) Data Nominal. Merupakan salah satu jenis data kualitatif, dimana berupa
kategori yang diantara kategori tersebut tidak ada perbedaan derajat yang lebih
tinggi dan yang lebih rendah. Misalkan: Jenis kelamin perempuan dan laki-laki,
dimana laki-laki belum tentu lebih tinggi dari pada perempuan, begitu pula
sebaliknya.
 2) Data Ordinal. hampir sama dengan data nominal, hanya saja ada perbedaan
derajat lebih tinggi dan lebih rendah. Misalnya: Pendidikan, dimana pendidikan
perguruan tinggi lebih tinggi dari pada SMA, dan sebaliknya pedidikan SMA
lebih rendah dari pada perguruan tinggi.
3) Data Interva. Adalah data yang termasuk kelompok data kuantitatif, dimana
berupa angka-angka yang didalamnya dapat dilakukan operasi matematika serta
urutan antara satu data dengan data lainnya mempunyai rentang yang sama.
Misalnya: Nilai ujian, dimana dikatakan berurutan dengan rentang yang sama
yaitu setelah angka 1 kemudian 2 kemudian 3 dan seterusnya. Serta dikatakan
dapat dilakukan operasi matematika, adalah misalkan: angka 1 dapat dikalikan
dengan angka 2 dan hasilnya adalah 2. Ciri khas penting lainnya adalah, data
interval tidak mempunyai angka 0 absolut dan 100 absolut secara bersamaan
atau dalam arti lain tidak bisa dipastikan peresentase antara satu data dengan
keseluruhan data. maksudnya 0 absolut misalkan nilai ujian. Secara akal sehat,
tidak mungkin ada nilai ujian kurang dari 0. Sedangkan 100 absolut misalkan
juga nilai ujian, secara akal sehat tidak mungkin ada nilai ujian lebih dari 100.
jadi data interval contohnya adalah berat badan, dimana tidak bisa dipastikan
berapa sebenarnya nilai tertinggi berat badan. Bisa jadi orang punya berat bada
puluhan kilo, ratusan atau bahkan ribuan kilo.
4) Data Rasio. Adalah data yang sebenarnya sama dengan data iterval, namun
bedanya adalah data rasio dapat dibuat persentase karena ada nilai 0 dan 100
absolut. Seperti yang sudah dibahas di atas, yaitu misalnya nilai ujian yang
mempunyai batasan nilai 0 sampai 100. Jika seorang siswa mendapatkan nilai
25, dapat diartikan nilai tersebut adalah 25% dari nilai maksimal 100.

1.2. Pola Sebaran Data Tunggal

a. Data Tunggal
Data tunggal adalah data yang disusun sendiri menurut nilai dan besarnya masing-
masing. Perhitungan Frekuensi data tak berkelompok, biasanya setiap data mewakili
data tersebut secara tunggal
 Sebagai contoh perhatikan data berikut :
Berikut adalah nilai kuis mata kuliah Analisis Data :
X1 X2 X3 X4 X5 X6 X7 X8 X9 X 10

50 100 70 85 80 90 100 60 75 80

b. Ukuran Pemusatan Data Tunggal

1) Mean (Rata-Rata)
Perhitungan rata-rata di dapat dari jumlah nilai seluruh data dibagi dengan
banyaknya data. Adapun perhitungan rata-rata untuk data tunggal menggunakan
rumus sebagai berikut :

x́=
∑ xi
n
Keterangan :
x́ : Rata-rata variable x
∑ xi : Penjumlahan unsur pada variable x
n : Banyak sampel
Contoh soal mencari mean data tunggal
Nilai kuis mata kuliah Analisis Data 10 mahasiswa Jurusan Statistika adalah :
50,
100, 70, 85, 80, 90, 100, 60, 75, 80. Berapakah rata-rata nilai ke sepuluh orang
mahasiswa tersebut ?

50+100+70+85+80+ 90+100+60+75+ 80 790

x́ = = = 79
10 10

2) Median (Me)
Median menentukan letak data setelah data itu disusun menurut urutan nilainya
yaitu dari nilai terkecil sampai terbesar. Jika banyak datanya ganjil, maka
mediannya setelah data disusun menurut nilainya, merupakan data paling
tengah.
 Contoh :
Sampel dengan data : 5, 12, 4, 6, 9, 7, 4, 11, 10. Setelah data disusun menurut
nilainya menjadi : 4, 5, 6, 7, 8, 9, 10, 11, 12. Data paling tengah bernilai 9. Jadi
median atau Me = 8.
Sedangkan untuk sampel yang berukuran genap, setelah data disusun menurut
urutan nilainya, mediannya sama dengan rata-rata dari dua data tengah.
Contoh :
Diberikan sampel dengan data : 5, 12, 4, 6. 9, 7, 4, 11, 10, 3. Setelah data
disusun menurut
Nilainya menjadi : 3, 4, 5, 6, 7, 8, 9, 10, 11, 12. Dengan data tengahnya adalah
7 dan 8, sehingga :
7+8
Me = =7,5
2

3) Modus (Mo)
Modus dapat dipahami sebagai nilai yang sering muncul atau suatu kelompok
nilai yang memiliki frekuensi relatif besar.
Contoh :
Terdapat sampel dengan nilai-nilai data : 3, 3, 4, 5, 5, 5, 7, 8, 9, 9. Dalam table
dapat disusun seperti di bawah ini.
Xi fi
3 2
4 1
5 3
7 1
8 1
9 2

Dari tabel dapat dilihat bahwa frekuensi terbanyak adalah f = 3, terjadi untuk
data yang bernilai 5. Maka modus atau Mo = 5

4) Kuartil
Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak, sesudah
disusun menurut urutan nilainya, maka bilangan pembaginya disebut kuartil.
Ada tuga bbuah kuartil yaitu kuartil pertama, kuartil kedua, dan kuartil ketiga
yang masing-masing disingkat dengan K 1 , K 2, dan K 3. Adapun perhitungan
letak kuartil ke i, diberi lambang K i data tunggal dapat ditentukan dengan
rumus :
i(n+1)
Letak K i=data ke
4
Dengan I = 1, 2, 3
Contoh :
Sampel dengan data : 50, 100, 70, 85, 80, 90, 100, 60, 75, 80. Setelah disusun
menjadi : 50, 60, 70, 75, 80, 80, 85, 90, 100, 100. Maka :
1(10+1) 11 3
Letak K 1=datake = = 2,75 = data ke 2 , yaitu antara data ke-2
4 4 4
dan data ke-3 tiga perempat jauh dari data ke-2.
3
Nilai K 1 = data ke-2 + (data ke-3 – data ke-2)
4
3
K 1 = 60 + (70 – 60)
4
¿ 67,5
2(10+1) 22 1
Letak K 2=datake = = 5,5 = data ke 5 , yaitu antara data ke-5
4 4 2
dan data ke-6 seperdua jauh dari data ke-5.
1
Nilai K 2 = data ke-5 + (data ke-6 – data ke-5)
2
1
K 2 = 80 + (80 – 80)
2
¿ 80
3(10+ 1) 33 1
Letak K 3=datake = = 8,25 = data ke 8 , yaitu antara data ke-8
4 4 4
dan data ke-9 seperempat jauh dari data ke-8.
1
Nilai K 3 = data ke-8 + (data ke-9 – data ke-8)
4
1
K 3 = 90 + (100 – 90)
4
¿ 92,5
 5) Desil
Jika sekumpulan data itu dibagi menjadi sepuluh bagian yang sama maka
didapat Sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada
sembilan buah desil, ialah desil pertama, desil kedua, . . . , desil kesembilan
yang disingkat dengan D 1 , D 2 , . . . , D 9 .Adapun perhitungan letak desil ke i
diberi lambang Di, ditentukan oleh rumus :
i(n+1)
Letak D i=datake
10
Dengan I = 1, 2, . . . , 9.
Contoh :
Untuk data yang telah disusun pada contoh seblumnya di pembahasan kuartil,
adalah : 50, 60, 70, 75, 80, 80, 85, 90, 100, 100. Tentukan desil ke 7 :
7 (10+1) 77
Letak D7=datake = == 7,7
10 10
Nilai D7=¿ data ke-7 + 0,7 (data ke-8 – data ke-7)
= 85 + 0,7 (90 – 85)
= 88,5

c. Ukuran Penyebara Data

1) Jangkauan (Range)
Ukuran penyebaran yang paling sederhana adalah range atau rentang nilai, yaitu
selisih antara nilai data terbesar dan data terkecil.
Untuk range data tunggal dirumuskan sebagai berikut :

R=X maks− X min

Keterangan :
R : Range
X maks : Nilai data terbesar
X min : Nilai data terkecil
2) Simpangan Rata-Rata (Deviasi Rata-Rata)
Simpangan rata-rata suatu data adalah nilai rata-rata dari selisih setiap data
dengan nilai rata-rata.
Simpangan rata-rata data tunggal dirumuskan sebgai berikut :

1
SR= ∣ x −x́ ∣
n∑ i
Keterangan :
SR : Simpangan Rata-Rata
n : Banyak data
xi : Data ke-i
x́ : Rata-rata

3) Simpangan Baku (Deviasi Standar)

Simpangan baku adalah akar dari jumlah kuadrat deviasi dibagi banyaknya data.
Adapun deviasi standar data tunggal dapat dirumuskan sebagai berikut :

∑ ( x i−x́ )2
S=
√ (n−1)
Keterangan :
S : Simpangan Baku
n : Banyak data
xi : Data ke-i
x́ : Rata-rata
Contoh :
Nilai kuis mata kuliah Analisis Data 10 mahasiswa Jurusan Statistika adalah :
50, 100, 70, 85, 80, 90, 100, 60, 75, 80. Tentukan nilai :
a. Jangkauan (Range)
b. Simpangan Rata-Rata (Deviasi rata-rata)
c. Simpangan Baku (Deviasi standar)
Penyelesaian :
 a. Jangkauan (Range)
R=X maks− X min
= 100 – 50
= 50
b. Simpangan Rata-Rata
50+100+70+85+80+ 90+100+60+75+ 80 790
x́=¿ = = 79
10 10
1
SR= {|50−79|+|100−79|+|70−79|+|85−79|+|80−79|
10
|90−79|+|100−79|+|60−79|+|75−79|+ ¿ 80−79∨¿}
1
¿ {29 + 21 + 9 + 6 + 1 + 11 + 21 + 19 + 4 + 1}
10
= 12,2
c. Simpangan Baku
Nilai x i−x́ 2
( x i−x́ )
50 -29 841
100 21 441
70 -9 81
85 6 36
80 1 1
90 11 121
100 21 441
60 -19 361
75 -4 16
80 1 1
2340

Maka :
2340
S=
√ ( 10−1 )
= 16,12

1.3. Diagram Steam and Leaft Plot

Diagram dahan-daun disusun baris perbaris secara vertikal, dan cukup efektif untuk
menggambarkan pola sebaran bagi data yang berukuran kecil. Karena angka yang
berukuran relatif kecil, maka nilainya berkisar antara 00 hingga 99, maka kita akan
memperinci menjadi angka puluhan dan angka satuan. Angka puluhan akan merupakan
digit utama dan dituliskan pada lajur tertentu yang disebut lajur dahan, sedangkan angka
satuannya atau digit penyerta akan dituliskan pada baris yang sama dengan digit
utamanya akan tetapi diletakkan pada lajur yang terpisah yang disebut lajur daun.

Salah satu keuntungan dari diagram ini adalah selain dapat melihat pola sebaran data,
kita tetap memiliki nilai aslinya yang akan memudahkan proses mengurutkan data dari
nilai paling kecil ke nilai terbesar yang banyak diperlukan dalam analisis data.
Contoh :
Berikut data hasil nilai pengerjaan tugas Analisis Data dari 40 mahasiswa jurusan
Statistika angkatan 2017 berikut ini :
66, 75, 74, 72, 79, 78, 75, 75, 79, 71, 75, 76, 74, 73, 71, 72, 74, 74, 71, 70, 74, 77, 73,
73, 70, 74, 72, 72, 80, 70, 73, 67, 72, 72, 75, 74, 74, 68, 69, 80.
Buatlah diagram Steam and Leaft !
Penyelesaian :
Data yang telah diurut :
66, 67, 68, 69, 70, 70, 70, 71, 71, 71, 72, 72, 72, 72, 72, 72, 73, 73, 73, 73, 74, 74, 74, 74,
74, 74, 74, 74, 75, 75, 75, 75, 75, 76, 77, 78, 79, 79, 80, 80.

Diagram Steam and Leaft Nilai Tugas Analisis Data dari 40 Mahasiswa Jurusan Statistika
Angkatan 2017
Dahan Daun Frekuensi
6 6789 4
7 0001112222223333444444445555567899 34
8 00 2
Total 40

Dari diagram dapat kita analisis bahwa datanya berdistribusi normal karena daun pada
dahan ke-7 yang lebih banyak disbanding dahan ke 6 dan 8. Bila digambar dalam bentuk
kurva maka akan membentuk kurva yang dikenal sebagai kurva leptokurtik atau kurva
runcing. Adapun gambar dari kuvanya adalah sebagai berikut :
 DAFTAR PUSTAKA

Aunuddin. (1989). Analisis Data. Bogor: Departemen Pendidikan dan Kebudayaan Institut
Pertanian Bogor. Retrieved Maret 15, 2019

Brata, A. H. (2015). Analisis Data dan Ukuran Pemusatan Data. Retrieved Maret 15, 2019, from
file:///D:/TUGAS%20UNHAS/probstat-1-2-adam.pdf

Herdian, S. M. (2012). Ukuran Penyebaran Data. Retrieved Maret 15, 2019, from
file:///D:/TUGAS%20UNHAS/ukuran%20penyebaran%20data.pdf

Hidayat, A. (2012, Oktober 14). Pengertian Data. Retrieved Maret 15, 2019, from
https://www.statistikian.com/2012/10/pengertian-data.html

Prof. Dr. Sudjana, M. M. (2005). Metoda Statistika (6 ed.). Bandung: Tarsito. Retrieved Maret
16, 2019

Sadik, D. I. (2015). Metode Statistika. Retrieved Maret 15, 2019, from

file:///E:/Downloads/STK211_02.pdf

Setiawan, A. (2011, Januari 13). Ukuran Penyebaran. Retrieved Maret 16, 2019, from
https://smartstat.wordpress.com/2010/03/27/ukuran-penyebaran-measures-dispersion/