Definisi
Statistika adalah ilmu pengetahuan yang mempelajari tentang cara
pengumpulan, penyajian, pengolahan, analisis data dan penarikan
kesimpulan berdasarkan analisis data serta menentukan keputusan.
Definisi
Statistik Deskriptif adalah suatu metode yang berkaitan dengan
pengumpulan, penyajian dan penjelasan (deskripsi) dari suatu data
sehingga memberikan informasi yang berguna.
2. Statistik Inferensial
Bagian terpenting dalam statistic adalah tentang pembuatan keputusan,
kesimpulan, prediksi/peramalan terhadap populasi berdasarkan dari
data yang diperoleh dari sampel. Sebagai contoh setiap kali menjelang
Definisi
Statistik inferensial adalah statistic yang berkaitan dengan
penafsiran dan penarikan kesimpulan secara umum dari sebagian
data (sampel) yang ada.
B. DATA STATISTIK
Setiap hal yang berkaitan dengan statistic selalu berhubungan dengan
data. Dalam hal ini data dapat diartikan sebagai keterangan atau
informasi yang dapat menggambarkan suatu keadaan/fenomena. Agar
memperoleh kesimpulan yang tepat maka data yang dikumpulkan harus
nyata dan benar. Syarat data yang baik adalah sebagai berikut:
a. Data harus relevan dengan masalah yang akan diteliti
b. Data harus update (terbaru)
c. Data harus obyektif (sesuai dengan yang sebenarnya)
d. Data harus mewakili obyek yang akan diteliti (representative)
Definisi:
Sampel adalah bagian dari subyek/obyek dan karakteristik yang
dimiliki oleh populasi.
diambil secara
POPULASI
acak SAMPEL
(homogen)
MASYARAKAT KOTA
BATAM
LATIHAN 1
A. PENDAHULUAN
Dalam statistik data yang sudah dikumpulkan tidak hanya diolah saja
melainkan juga harus disajikan dalam bentuk yang mudah dibaca dan
dipahami oleh pengambil keputusan. Penyajian data bisa berupa tabel atau
grafik dengan pertimbangan bahwa dengan tabel/grafik data akan lebih
mudah dipahami daripada disajikan dalam bentuk kalimat. Tabel adalah
kumpulan angka-angka yang disusun menurut kategori-kategori tertentu
sehingga memudahkan untuk analisis data. Sedangkan Grafik adalah
visualisasi data yang berasal dari tabel yang disajikan dalam bentuk
gambar.
Terdapat beberapa bentuk tabel yang dikenal diantaranya tabel satu arah
dan tabel dua arah. Tabel satu arah adalah tabel yang memuat keterangan
atau informasi mengenai satu hal/karakteristik saja, misalnya: data
menegenai jumlah mobil menurut merk, data karyawan berdasarkan
jenjang pendidikannya, data mahasiswa berdasarkan asal daerahnya, dan
lain sebagainya.
Contoh 2.1
Tabel 2.1. Data Jumlah Rumah tangga Usaha Peternakan Provinsi
Kepulauan Riau
Nama Kabupaten/Kota Ruta Usaha Peternakan
Karimun 6.678
Bintan 3.256
Natuna 3.672
Lingga 3.425
Kepulauan Anambas 1.000
Kota Batam 2.762
Kota Tanjung Pinang 887
Provinsi Kepulauan Riau 21.680
Sumber: Data Sensus Pertanian 2013-BPS Republik Indonesia
Contoh 2.2
Semester Jumlah
Fakultas I II III IV V VI VII VIII
EKONOMI 18 170 16 18 186 15 176 15 1.378
0 8 4 8 6
HUKUM 46 38 43 48 39 42 41 45 342
TEKNIK 21 220 23 23 245 23 231 24 1.855
3 4 2 7 3
FKIP 24 278 28 24 286 27 289 27 2.182
6 9 3 8 3
FISIPOL 78 86 83 68 75 76 69 78 613
Jumlah 76 792 81 77 831 79 806 79 6.370
3 7 5 1 5
Dari tabel 2.2 di atas dapat dibaca bahwa jumlah mahasiswa yang paling
banyak berdasarkan fakultasnya adalah mahasiswa FKIP dengan jumlah
2.182 mahasiswa. Selain itu juga dapat dibaca jumlah seluruh mahasiswa
UNRIKA sebanyak 6.370 dengan komposisi yang paling banyak adalah
mahasiswa semester V.
1. JENIS GRAFIK
a. GRAFIK GARIS
Data berkala (time series) biasanya disajikan dalam bentuk grafik garis.
Grafik garis sering digunakan untuk menggambarkan perkembangan
(trend) dari suatu karakteristik tertentu. Terdapat dua macam grafik
garis yaitu grafik garis tunggal dan grafik garis berganda. Grafik garis
tunggal adalah suatu grafik yang terdiri dari satu garis yang
menggambarkan keadaan suatu karakteristik. Sedangkan grafik garis
berganda adalah grafik yang terdiri dari beberapa garis untuk
menggambarkan perkembangan beberapa hal atau keadaan sekaligus.
Contoh 2.3
Perhatikan tabel 2.3 berikut yang berisi jumlah mahasiswa Program
studi pendidikan matematika dalam 4 tahun terakhir
Tabel 2.3. Jumlah Mahasiswa Prodi Pendidikan Matematika tahun
2014-2017
Data tersebut dapat disajikan dalam bentuk grafik garis sebagai berikut
140
120
100118
80 89
Jumlah
60
40 56
44
20
0
2014 2015 2016 2017
Tahun
Contoh 2.4
Perhatikan tabel 2.4 di bawah ini yang menunjukkan data jumlah
mahasiswa FKIP UNRIKA 3 tahun terakhir dari lima program studi yang
ada di FKIP UNRIKA.
Tabel 2.4. Data jumlah mahasiswa FKIP 2015-2017
Jika data tersebut disajikan dalam bentuk grafik garis, maka grafiknya
adalah sebagai berikut:
200
186
180
168
160
154
140
120 Pendidikan Matematika
Pendidikan Bahasa Inggris
100
89 Pendidikan Biologi
80 Pendidikan Sejarah
Bimbingan dan Konseling
60 56
48
43 44
40 36
34 32
24 27
20 18
11
0
2015 2016 2017
b. GRAFIK BATANG
Selain grafik garis data berkala juga dapat disajikan dalam bentuk
grafik batang. Perbedaanya adalah pada grafik batang data disajikan
dalam bentuk batangan. Sama halnya dengan grafik garis, grafik batang
juga terdiri dari dua macam yaitu grafik batang tunggal dan grafik
batang berganda.
Contoh 2.5
Berdasarkan tabel 2.3 maka dapat disajikan dalam bentuk grafik batang
sebagai berikut:
140
120
100
80
Jumlah
60
40
20
0
2014 2015 2016 2017
Tahun
Contoh 2.6
c. GRAFIK LINGKARAN
Selain grafik garis dan grafik batang, data juga dapat disajikan dalam
bentuk grafik lingkaran. Grafik lingkaran akan lebih tepat bila
digunakan apabila kita ingin mengetahui perbandingan nilai-nilai
karakteristik dengan nilai secara keseluruhannya.
jika data tersebut disajikan dalam bentuk grafik lingkaran, maka grafik
lingkarannya adalah sebagai berikut:
Ekonomi
hukum
5% teknik
34%
fkip
fisipol
29%
LATIHAN 2
Data Frekuensi
a-b f1
c-d f2
e-f f3
g-h f4
i-j f5
Jumlah (Ʃ) 5
∑ fi
i=1
a. Kelas Interval
Kelas interval adalah kelompok nilai data yang berupa interval.
Dari tabel 2 diatas, tabel distribusinya terdiri dari lima (5) kelas
interval yaitu
a-b kelas interval pertama
c-d kelas interval kedua
e-f kelas interval ketiga
g-h kelas interval keempat
i-j kelas interval kelima
b. Ujung Bawah
Ujung bawah adalah nilai yang terdapat disebelah kiri interval
nilai data untuk setiap kelas interval. Dari tabel 2 diatas maka
ujung-ujung bawah kelasnya adalah: a, c, e, g, i
a merupakan ujung bawah kelas interval pertama
c merupakan ujung bawah kelas interval kedua
e merupakan ujung bawah kelas interval ketiga
g merupakan ujung bawah kelas interval keempat
i merupakan ujung bawah kelas interval kelima
c. Ujung Atas
Jika kita lihat rumus di atas maka hasil akhir perhitungan adalah
bilangan decimal. Karena banyak kelas harus bilangan bulat maka
hasil perhitungan harus dibulatkan. Pembulatannya dapat
dilakukan ke bawah atau ke atas
65 65 85 75 75 70 85 80 75 75
95 90 65 65 80 75 70 80 90 80
65 75 90 80 85 70 75 65 70 70
65 65 65 70 90 80 95 70 80 80
Penyelesaian
Langkah-langkah penyusunan tabel distribusi frekuensi
1. Rentang = 95-65 = 30
2. Banyak kelas = k = 1 + (3,3) (log 40)
= 1 + (3,3) (1,6021)
= 6,28693
30
3. Panjang kelas = =4,285
7
karena panjang kelas harus bilangan bulat maka panjang
kelasnya diambil 5
4. Ujung Bawah kelas interval pertamanya adalah nilai terkecil dari
data yaitu 65
Tabel 3.3. Hasil Belajar Statistika mahasiswa UNRIKA
Data Frekuensi
komulatif
a1 – b1 f1
a2 – b2 f1 + f2
a3 – b3 f1 + f2 + f3
a4 – b4 f1 + f2 + f3 + f4
a5 – b5 f1 + f2 + f3 + f4 + f5
Data Frekuensi
komulatif
a1 – b1 f1 + f2 + f3 + f4 + f5
a2 – b2 f2 + f3 + f4 + f5
Contoh 3.3
Berdasarkan data hasil belajar mahasiswa di bawah ini, buatlah tabel
distribusi komulatif kurang dari dan lebih dari!
Nilai Frekuensi
65-69 9
70-74 7
75-79 7
80-84 8
85-89 3
90-94 4
95-99 2
Jumlah (Ʃ) 40
Jawab:
Tabel 3.7. Hasil Belajar Statistika mahasiswa UNRIKA
LATIHAN 3
A. PENDAHULUAN
Ukuran pemusatan adalah sembarang ukuran yang menunjukkan pusat
segugus data yang telah diurutkan dari yang terkecil sampai yang terbesar
atau sebaliknya. Terdapat beberapa macam ukuran pemusatan data
diantaranya:
1. Mean (Rata-rata)
Nilai rata-rata merupakan salah satu ukuran gejala pemusatan yang
merupakan wakil kumpulan data. Nilai rata-rata merupakan salah satu
ukuran untuk memberikan gambaran yang jelas dan singkat tentang
sekumpulan data. Nilai rata-rata yang diperoleh dari hasil pengukuran
sampel dinamakan statistic dilambangkan (x́) dan nilai rata-rata yang
diperoleh dari hasil pengukuran populasi disebut parameter
dilambangkan (μ).
a. Rata-rata hitung untuk data yang tidak dikelompokkan
Rata-rata hitung untuk sekumpulan data/angka adalah jumlah dari
keseluruhan angka yang ada dibagi dengan banyaknya angka
tersebut. Rata-rata hitung untuk data yang tidak dikelompokkan
dirumuskan:
n
∑ xi
x́= i=1
N
dengan: x́=nilai rata−rata
n
N=banyaknya nilai(data)
Sebagai contoh dalam suatu ujian statistic diperoleh nilai dari 10
mahasiswa yaitu, 7,8,7,8,6,9,7,9,8,7. Dari nilai tersebut dapat kita
∑ f i . xi
x́= i=1
N
Dengan:
x́=nilai rata−rata
f i=frekuensi pada interval ke−i
x i=nilai pada interval ke−i
N=banyaknya nilai(data)
Contoh 4.1
Dalam evaluasi belajar mata kuliah statistik yang di ikuti 30 orang
siswa diperoleh nilai hasil ujian yang disajikan dalam tabel sebagai
berikut:
Tabel 4.1. Hasil Belajar statistik
Data Frekuensi
65 7
70 7
75 4
80 6
85 6
Jumlah (Ʃ) 30
5
dari tabel 3.2 di atas kita peroleh ∑ f i . x i=2235 dan ∑ f =30 dengan
i=1
∑ f i . x i = 2235 =74,5
x́= i=1 30
N
b. Rata-rata hitung untuk data berkelompok
Untuk menghitung rata-rata data berkelompok digunakan rumus
n
∑ f i. Xi
x́= i=1 n
∑ fi
i=1
dengan:
x́=nilai rata−rata
f i=frekuensi pada interval ke−i
X i =nilai tengah pada interval ke−i
n=banyaknya kelas interval
Contoh 4.2
Perhatikan tabel 4.3 di bawah, yang merupakan nilai hasil belajar
mahasiswa UNRIKA. Berdasarkan tabel tersebut hitunglah nilai rata-
ratanya!
7
dari tabel 3.3 di atas kita peroleh ∑ f i . X i=3125 dan ∑ f =40 dengan
i=1
∑ f i. Xi =
3125
=78,125
x́= i=1 40
∑f
Setelah kita urutkan maka nilai mediannya dapat kita cari sebagai
berikut
7+1
Me = data ke
2
Me = data ke-4 yaitu nilai 75
2). Mencari nilai tengah yang jumlah seluruh datanya berupa
bilangan genap. Langkah awal yang dilakukan adalah dengan
mengurutkan data dari yang terkecil sampai terbesar atau
sebaliknya. Selanjutnya nilai median dapat dicari dengan rumus
sebagai berikut.
n n
Median (Me) = {data ke + data ke ( + 1)} : 2
2 2
Contoh 4.4
Dalam pengukuran berat badan 8 mahasiswa diperoleh data
sebagai berikut: 70, 73, 68, 72, 78, 80, 65, 60
langkah awalnya adalah dengan mengurutkan data tersebut
sebagai berikut : 60, 65, 68, 70, 72, 73, 78, 80
8 8
maka median (Me) = data ke + data ke ( + 1)} : 2
2 2
= (data ke-4 + data ke-5):2
= (72 + 78):2
= 150 : 2
= 75
3). Mencari nilai tengah untuk data terkelompok atau yang sudah
disusun dalam daftar distribusi frekuensi. Untuk mencari nilai
tengahnya digunakan rumus
Contoh 4.5
Nilai Frekuensi
11-20 5
21-30 3
31-40 8
41-50 7
51-60 4
61-70 9
Jumlah 36
Jawab:
Nilai F fk
11-20 5 5
21-30 3 8
n
Me = Bb+ p 2
[ ]
−f k
fm
36
= 40,5 + 10
[ ] 2
−16
7
18−16
= 40,5 + 10 [ 7 ]
= 40,5 + 2,86
= 43, 36
3. Modus
Modus digunakan untuk menunjukkan gejala-gejala yang sering terjadi.
Atau dengan kata lain modus adalah nilai yang paling sering muncul.
Untuk data tunggal menentukan modus sangat sederhana hanya
dengan mencari nilai yang paling sering muncul atau dengan melihat
frekuensi terbanyaknya. Sedangkan untuk data berkelompok maka
modus dapat dicari dengan menggunakan rumus:
b1
Mo=Bb + p
[ ]
b1 +b2
Jawab:
Berdasarkan data diatas frekuensi terbanyak terletak pada kelas
interval 80-84 dengan banyaknya frekuensi adalah10. Maka kelas
modus terletak pada kelas interval 80-84. Dengan demikian B b = 79,5, p
= 5, b1 = 3 dan b2 = 7.
maka nilai modusnya adalah:
b1
Mo=Bb + p
[ ]
b1 +b2
3
¿ 79,5+5 [ ]
3+7
¿ 79,5+1,5
¿ 81
LATIHAN 4
BAB V
UKURAN LOKASI DAN DISPERSI
Ukuran lokasi adalah suatu ukuran yang menetukan letak dari suatu data.
Teradapat tiga macam ukuran lokasi yaitu: Kuartil, Desil dan Persentil.
1. Kuartil
Kuartil dapat diartikan sebagai ukuran perempatan, artinya nilai-nilai
kuartil membagi banyaknya data menjadi 4 bagian sama banyak. Dalam
kuartil kita mengenal kuartil satu (K 1), kuartil dua (K2), kuartil tiga (K3), dan
kuartil empat (K4). Dalam hal ini kuartil empat (K 4) tidak dibahas
dikarenakan K4 merupakan data lengkap.
Untuk menentukan nilai Kuartil K i (i=1,2,3) untuk data tunggal yang
sudah diurutkan digunakan rumus:
i
Letak Ki = ( n+1 ) , misalnya ada sekelompok data 4,5,5,6,7, dimana n = 5.
4
1 1
Letak K1 = ( 5+1 )=1 disini berarti nilai K1 terletak antara data ke 1 dan ke
4 2
1 1
2 yang besarnya = nilai data ke 1 + ( nilai data ke 2−nilai data ke 1) = 4 + (5−4 )
2 2
1
=4
2
2
Letak K2 = ( 5+1 )=3 disini beraarti nilai K2 terletak pada data ke 3 yang
4
besarnya = nilai data ke 3 = 5
3 1
Letak K3 = ( 5+1 )=4 disini berarti nilai K3 terletak antara data ke 4 dan ke
4 2
1 1
5 yang besarnya = nilai data ke 4 + ( nilai data ke 5−nilai data ke 4 ) = 6 + (7−6)
2 2
1
=6
2
Contoh 5.1
1(7+1)
=
4
=2
Maka K1 terletak pada bilangan yang ke 2, yaitu 5
2 .(7+1 )
K2 = 4
=4
Maka K2 adalah data yang terletak pada urutan yang ke 4 yaitu 6
3 .(7+1 )
3 = 4
K
=6
Maka K3 adalah data yang terletak pada urutan yang ke 6 yaitu 8
b) Terlebih dahulu data diurutkan dari yang terkecil, menjadi:
2, 3, 4, 5, 6, 6, 7, 8, 8, 9
i .(n+2)
Ki = 4
1 .(10+2)
1 = 4
K
= 2,75
Maka K1 adalah data yang terletak pada urutan yang ke 3 yaitu 4
= 5,5
Maka K2 adalah data yang terletak pada urutan yang ke 5/6 yaitu 6
i .(n+2)
Ki = 4
3 .(10+2 )
K3 = 4
=9
Contoh 5.2:
Interval F Fk
21-25 3 3
26-30 9 12
36-40 10 26
41-45 3 29
46-50 11 40
Penyelesaian :
1
. 40=10
Kuartil bawah (K1) terletak pada 4 (kelas interval 26-30)
1
. 40−3
K1 = 25,5 + 5.
( 4
9 )
35
= 25,5 + 9 = 29,39
3
. 40=30
Kuartil atas (K3) terletak pada 4 (kelas interval 46-50)
3
. 40−29
K3 = 45,5 + 5.
( 4
11 )
5
= 45,5 + 11 = 45,95
2. Desil
Desil merupakan nilai persepuluhan. Artinya nilai desil membagi
banyaknya data menjadi 10 bagian yang sama banyak.
Contoh 5.3:
Diketahui terdapat data : 9, 10, 11, 6, 8, 7, 7, 5, 4, 5. Tentukan desil ke-
1 dan desil ke-4nya!
Penyelesaian:
Data diurutkan : 4,5,5,6,7,7,8,9,10,11
a) Letak desil ke-1
i .(n+1)
i = 10
D
1 .(10+1)
1 = 10
D
= 1,1
Sehingga:
= 4,4
D4 terletak padaurutan ke-4,4 sehingga :
D4 = X4+0,4(X5–X4)
D4 = 6 + 0,4 ( 7 – 6 ) = 6 + 0,4 = 6,4
[ ]
Di = Bb+ p 10
−f k
f Di
Contoh 5.4:
Interval F Fk
21-25 3 3
26-30 9 12
31-35 4 16
36-40 10 26
41-45 3 29
46-50 11 40
∑ 40
Penyelesaian :
3
. 40=12
a) Desil ke-3 terletak pada 10 (kelas interval 26-30)
3
. 40−3
D3 = 25,5 + 5.
( 10
9 )
= 25,5 + 5 = 30,5
3. Persentil
Persentil merupakan nilai perseratusan. Artinya nilai persentil membagi
banyaknya data menjadi 100 bagian yang sama banyak. Persentil sering
dilambangakan dengan P. Jenis persentil ada 99, yaitu P1, P2, P3 … P99.
Dengan :
n = banyak data
Contoh 5.5:
Tentukan persentil ke-65 dari data : 6,5,8,7,9,4,5,8,4,7,8,5,8,4,5.
Penyelesaian:
n = 15
data terurut : 4,4,4,5,5,5,5,6,7,7,8,8,8,8,9.
Letak P-65
65 .(15+1)
=10 , 4
65 = 10
P
Sehingga:
[ ]
Pi = Bb+ p 100
−f k
f Pi
Penyelesaian :
30
. 40=12
a) Persentil ke-30 terletak pada 100 (kelas interval 26-30)
30
. 40−3
P30 = 25,5 + 5.
( 100
9 )
= 25,5 + 5 = 30,5
70
. 40=28
b) Persentil ke-70 terletak pada 100 (kelas interval 41-45)
B. UKURAN DISPERSI
Ukuran dispersi/sebaran data adalah ukuran yang menyatakan seberapa
jauh penyimpangan nilai-nilai data dari nilai-nilai pusatnya. Ukuran
dispersi pada dasarnya adalah pelengkap dari ukuran nilai pusat dalam
menggambarkan sekumpulan data. Jadi, dengan adanya ukuran dispersi
maka penggambaran sekumpulan data akan menjadi lebih jelas dan tepat.
Ada beberapa macam ukuran variasi atau dispersi antara lain:
1. Jangkauan (Range)
Jangkauan atau ukuran jarak adalah selisih nilai terbesar data dengan nilai
terkecil data. Besar kecilnya range dapat digunakan sebagai petunjuk
untuk mengetahui taraf keragaman dan variabilitas suatu distribusi.
Semakin tinggi range berarti distribusinya semakin beragam, bervariasi
atau heterogen. Sebaliknya semakin kecil harga range maka distribusinya
semakin tidak bervariasi, tidak beragam, sejenis atau homogen.
Contoh 5.7:
Penyelesaian:
nilai tertinggi = 11 dan nilai terendah = 1
Jadi jangkauannya adalah
Jangkauan (range) = 11-1 = 10
Sedangkan untuk data terkelompok dapat dilakukan dengan dua cara yaitu
menggunakan nilai titik tengah dan nilai tepi kelas. Dimana jangkauan
Contoh 5.7:
Jika kita mempunyai data x 1, x2, …., xn dan nilai rata-ratanya x́ maka
kita dapat menentukan jarak/selisish tiap-tiap nilai data dengan nilai rata-
ratanya. Simpangan rata-rata adalah nilai rata-rata hitung dari harga
mutlak simpangan-simpangannya. Jadi dalam menghitung simpangan rata-
rata yang digunakan adalah nilai mutlaknya saja atau nilai yang bertanda
positif. Untuk mencari nilai simpangan rata-rata untuk data tunggal
digunakan rumus:
SR =
∑ |x i−x́|
n
Contoh 5.8:
Tentukan simpangan rata-rata dari data berikut: 3,4,6,8,10,13
2+ 4+ 6+8+10+ 12 42
Rata-rata hitung ( x́)= = =7
6 6
|2−7|+|4−7|+|6−7|+|8−7|+|10−7|+|12−7| 18
Simpangan Rata-rata (SR) = = =3
6 6
SR =
∑ f .|x−x́|
n
Contoh 5.9:
Tinggi fi xi |x i−x| f |x i− x|
badan
131-140 2 135,5 4,94 9,88
141-150 8 145,5 5,06 40,48
151-160 13 155,5 15,06 195,78
161-170 12 165,5 25,06 300,72
171-180 9 175,5 35,06 315,54
181-190 6 185,5 45,06 270,36
∑ 50 1132,7
6
SR=
∑ f |x i− x|= 1132,76 =22,6552
n 50
3. Ragam (Variansi)
Variansi merupakan simpangan rata-rata kuadrat. Menurut Riduwan dan
Akdon (2013 : 43), variansi adalah kuadrat dari simpangan baku. Fungsi
dari variansi adalah untuk mengetahui tingkat penyebaran atau variasi
suatu data. Untuk sampel, variansinya disimbolkan dengan s2 sedangkan
untuk populasi variansi disimbolkan denganσ 2 dibaca (sigma kuadrat).
∑ ( x i−x́ )2
s2= i=1
n−1
Contoh 5.10:
Penyelesaian:
S2=
∑ ( x−x)2
n−1
46
X= =6,57
7
x ( xi−x ) ( x−x )2
2 -4,57 20,89
4 -2,571 6,61
5 -1,57 2,46
6 -0,57 0,32
8 1,4 2,04
9 2,4 5,89
12 5,4 29,46
46 ∑ (X −X )2=¿67,7
X= =6,57
7
S2=
∑ ( X− X)2 = 67,7 =11,28
n−1 6
∑ f i ( x i− x́ )2
s2= i=1
n−1
perlu di ingat dalam hal ini xi merupakan “tanda kelas” tiap kelas interval
atau nilai tengah dari tiap kelas interval.
Contoh 5.11:
60-62 10
63-65 25
66-68 32
69-71 15
72-74 18
∑ 100
Penyelesaian:
Nilai F xi ( Xi− X) ( X −X )2 f (X −X )2
60-62 10 61 -6,18 38,19 381,9
63-65 25 64 -3,18 10,11 252,81
66-68 32 65 -0,18 0,032 1,036
69-71 15 70 2,82 7,952 119,286
72-74 18 73 5,82 33,87 609,703
∑ 100 1364,76
2 ∑ f ( xi −x ) 2 1364,76
S= = =13,6476
n 100
4. Simpangan Baku
Simpangan baku atau juga yang sering kita kenal dengan nama deviasi
standard (standard deviation) adalah ukuran persebaran data. Simpangan
ini bisa diartikan jarak rata-rata penyimpangan antara nilai hasil
pengukuran dengan nilai rata-rata.
a. Simpangan Baku Data Tunggal
Untuk mencarai simpangan baku data tunggal digunakan rumus
sebagai berikut:
n
s=
√ ∑ (x i− x́ )2
i=1
n−1
Contoh 5.12:
s=
√ ∑ ( x i− x́ )2
i=1
n
=
√ 456,9
9
=7,125
s=
√ ∑ f i (xi − x́)2
i=1
Contoh 5.13
n
∑ f i. x i 7022
Rata-rata 140,44
Tinggi 2
fi xi ( x i−x́ ) f i ( x i− x́ )2
badan
131-140 2 135,5 24,405 48,81
141-150 8 145,5 25,60 204,83
151-160 13 155,5 226,80 2948,45
161-170 12 165,5 628 7536,04
171-180 9 175,5 1229,2 11062,83
181-190 6 185,5 2030,4 12182,42
50 ❑
∑ f i ( xi −x́ )2 =33983,38
s=
√ ∑ f i (xi − x́)2
i=1
n−1
=
√ 33983,38
49
=26,335
LATIHAN 5
Tentukanlah:
a Kuartil 1 dan kuartil 3
b Desil ke-4 dan ke-7
c Persentil ke 23 dan ke-86
d Jangkauan/range
e Simpangan rata-rata
f Simpangan baku
g Varians
A. PENDAHULUAN
Distribusi normal adalah salah satu distribusi teoritis dari variabel random
kontinu. Variabel random kontinu adalah variabel random yang mengambil
seluruh nilai yang ada dalam sebuah interval atau variabel yang dapat
memiliki nilai-nilai pada suatu interval tertentu, nilainya dapat berupa
bilangan bulat maupun pecahan. Distribusi normal sering disebut
distribusi Gauss, sesuai nama pengembangnya, yaitu Karl Gauss pada abad
ke-18, seorang ahli matematika dan astronomi, dan merupakan distribusi
yang simetris dan berbentuk genta atau lonceng. Bentuk lonceng tersebut
menunjukkan hubungan ordinat pada rata-rata dengan berbagai ordinat
pada berbagai jarak simpangan baku yang diukur dari rata-rata (Hasan,
2008).
Keterangan:
x = nilai data
π = 3,14
σ = simpangan baku
μ = rata-rata x
e = 2,71828 ≈ 2,72
Ada 3 jenis kurva normal yang harus diketahui dalam distribusi normal.
Jenis-jenis kurva tersebut adalah (Walpole, 1993).
1) Dua kurva yang mempunyai nilai tengah dan simpangan baku yang
berbeda. Berpusat pada posisi yang berbeda pada sumbu mendatar dan
bentuknya yang berbeda pula.
3) Dua kurva yang mempunyai nilai simpang baku yang sama tetapi nilai
tengah berbeda. Bentuk kedua kurva sama tetapi berpusat pada posisi
yang berbeda sepanjang sumbu mendatar.
f(Z)= e -½ Z
√ 2π
Mengubah distribusi normal umum menjadi distribusi normal
standar, dapat menggunakan nilai Z (standart units). Bentuk rumusnya
adalah:
X- μ
Z=
σ
Keterangan:
1. Rata-rata:
μ=
∑X
n
2. Varians:
2 ∑ (X-μ)2
σ =
n
3. Simpangan baku:
∑ (X-μ) 2
σ =
√ n
D. KECONDONGAN (SKEWNESS)
Berbagai cara sudah dikembangkan orang untuk mengukur tingkat
penyebaran dari nilai tengah, salah satunya adalah pengukur kecondongan
atau ketidaksimetrisan distribusi (skewness). Pada sebuah distribusi yang
benar-benar simetris, nilai rataan (mean), median dan modus akan menjadi
satu. Kalau bentuknya menyimpang dari simetris, maka ketiga nilai tadi
akan memisah. Beda antara rataan (mean) dengan modus mempunyai nilai
terbesar karena itu Pearson menggunakan beda ini sebagai pengukur
kecondongan.
Menurut Pearson, dari hasil koefisien kecondongan di atas ada tiga kriteria
untuk mengetahui model distribusi dari sekumpulan data (baik data tidak
berkelompok maupun data berkelompok), yaitu:
x̄ − Mo
Modus
K=
Median
s
b. Koefisien Kcondongan Rumus Moment Matematis
Data Tunggal
k
M3 1
α 3= = 3 ∑ f i ( X i − X )3
S3 nS i=1
Atau
k k k k 3
{ )}
Modul Statistik Teori dan Aplikasi
c 3
1 162 1 1
α 3= 3 =
S
∑ f d
nS 3 i=1 i 13
−3 ∑f d (
n i=1 i 1 2 )( ∑
n i =1 ) (
f i d 1 +2 ∑ f i d 1
n i=1
Keterangan
3 = koefisien Kecondongan momen
M3 = momen ketiga, mengukur Kecondongan
S = simpangan baku
n = banyaknya data pengamatan
Xi = data frekuensi ke-i
X́ = rata-rata hitung atau mean
k = banyaknya kelas
c = besarnya kelas interval
fi = frekuensi kelas ke-i
di = simpangan kelas ke-I terhadap titik asal asumsi
Jika 3 = 0 distribusi data simetris
3 < 0 distribusi data miring ke kiri
3 > 0 distribusi data miring ke kanan
atau
Q 3 +Q 1 −2 Q 2
Sk B =
Q 3 -Q 1
dengan
SkB = Koefisien Kecondongan Bowley
Q1 = kuartil pertama
Q2 = kuartil kedua
Q3 = kuartil ketiga
Nilai Frekuensi
41-50 4
51-60 6
61-70 10
71-80 15
81-90 8
91-100 7
Hitunglah tingkat kecondongannya!
Penyelesaian
b1 5
Modus = Bb + p
[ ]
b1 +b2
= 70,5+10
5+7 [ ]
= 70,5 + 4,17 = 74,67
∑ f i . ( x i−x́ )2 = 10312
s=
√ n−1 √ 49
= 14,51
x́−Mo 73,1−74,67
K= = = - 0,11
s 14,51
E. KERUNCINGAN (KURTOSIS)
Istilah kurtosis digunakan untuk mengukur keruncingan (peakedness)
sebuah distribusi. Keruncingan yang dimaksudkan adalah keruncingan
relatif terhadap kurva normal. Pada kurva normal keruncingannya adalah
0, kalau kurtosis berbeda dengan nol berarti puncak kurva lebih mendatar
atau lebih runcing jika dibanding dengan kurva normal.
n
1
∑ X − X )4
n i=1 ( i
Kurtosis = s4
n
1
∑ f . X − X )4
n i=1 i ( i
Kurtosis = s4
Kurtosis
24
Stnd. Kurtosis = √ n
1
( K 3−K 1 )
Kurtosis = 2
P 90−P10
Dengan:
K3 = Kuartil 3
K1 = Kuartil 1
P90 = Persentil 90
P10 = Persentil 10
Contoh 6.2
Penyelesaian:
1
( 955004 , 2 )
50
Kurtosis = 14 , 514
Hasan, Iqbal. 2008. Statistik 2 (Inferensif) Edisi Ke-2. Jakarta: Bumi Aksara.
Prem s. Mann. 2013. Introductory Statistic. Singapore: John Wiley & Sons.