DRAFT MODUL STATISTIK Ok 1

BAB I
KONSEP DASAR STATISTIK
A. PENGERTIAN STATISTIK DAN STATISTIKA

Kata statistik berasal dari bahasa latin “Status” yang artinya adalah
“Negara”. Pada awalnya statistik diartikan sebagai keterangan yang
dibutuhkan oleh Negara dan bermanfaat bagi Negara. Misalnya keterangan
tentang jumlah penduduk, keterangan tentang lapangan pekerjaan,
keterangan tentang pendapatan Negara dan sebagainya.
Perkembangan lebih lanjut menjelaskan bahwa Statistik merupakan
kumpulan angka-angka mengenai suatu masalah. Kata statistik juga dapat
diartikan sebagai suatu ukuran yang dihitung dari sekumpulan data dan
merupakan wakil dari data itu. Misalnya 70% mahasiswa prodi pendidikan
matematika berasal dari kota Batam. Pengertian statistic selanjutnya
berkaitan dengan ilmu pengetahuan atau metode ilmiah dan sering disebut
Statistika.
Definisi
Statistika adalah ilmu pengetahuan yang mempelajari tentang cara
pengumpulan, penyajian, pengolahan, analisis data dan penarikan
kesimpulan berdasarkan analisis data serta menentukan keputusan.
Sebagai ilmu pengetahuan statistika mempunyai dua bagian yaitu

statistika teori dan statistika terapan. Dalam modul ini akan dibahas
mengenai statistika terapan yaitu statistika yang berkaitan dengan aplikasi
teori-teori statistic, rumus dan aturan statistic untuk memecahkan
permasalahan sehari-hari.
Statistika sebagai suatu ilmu pengetahuan dibagi menjadi dua, yaitu:
statistik deskriptif dan statistik inferensial.
1. Statistik Diskriptif
Misalkan kita mempunyai informasi mengenai hasil tes mahasiswa
program studi pendidikan matematika. Terkadang informasi tersebut
Modul Statistik Teori dan Aplikasi 1

disajikan dalam data asli yang biasanya terlalu panjang/luas sehingga
informasi tersebut tidak begitu berarti dalam penagmbilan keputusan
atau kesimpulan. Sebenarnya sangat mudah bagi kita untuk menarik
kesimpulan apabila data/informasi tersebut disajikan dalam bentuk tabel
atau diagram dibandingkan dengan menggunakan data aslinya. Sehingga
kita bisa mengolah data tersebut ke dalam bentuk tabel, diagram atau
beberapa ukuran seperti rata-rata dan variansi. Bagian dari statistic yang
membantu kita dalam mengolah data tersebut dinamakan statistic
diskriptif. Statistik diskriptif bertujuan untuk mendiskripsikan atau
menjelaskan suatu data tanpa melakukan penarikan kesimpulan.
Definisi
Statistik Deskriptif adalah suatu metode yang berkaitan dengan
pengumpulan, penyajian dan penjelasan (deskripsi) dari suatu data
sehingga memberikan informasi yang berguna.
Berikut adalah contoh penggunaan statistic deskriptif untuk

menggambarkan jumlah mahasiswa dalam 4 tahun terakhir.
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

pemilihan kepala daerah (pilkada) beberapa stasiun televise selalu
menampilkan perhitungan cepat (Quick Count) ketika mereka mencoba
untuk memprediksi siapa pemenang dalam pilkada tersebut. Hitung
cepat disini merupakan aplikasi/penerapan dari statistic yaitu teknik
pengambilan sampel secara ilmiah.
Dari gambar diatas terlihat presentase suara masuk dari masing-

masing lembaga survey independen dapat disimpulkan pasangan
calon nomor urut 2 memiliki suara yang lebih banyak dari pasangan
calon yang lain tetapi tidak jauh berbeda dengan suara pasangan
calon nomor urut 3. Sehingga dapat diprediksi bahwa kemungkinan
akan terjadi pilkada 2 (dua) putaran. Bagian dari statistic yang
berhubungan dengan pengambilan keputusan atau kesimpulan disini
disebut sebgai statistic inferensial.
Definisi
Statistik inferensial adalah statistic yang berkaitan dengan
penafsiran dan penarikan kesimpulan secara umum dari sebagian
data (sampel) yang ada.
Statistika inferensial berhubungan dengan pendugaan populasi

dan pengujian hipotesis dari suatu data atau keadaan/fenomena.
Dengan kata lain, statistika inferensial berfungsi meramalkan dan
mengontrol keadaan atau kejadian.

Berdasarkan bentuk indikator yang dianalisis, statistik inferensial
dibedakan menjadi:
a. Statistik Parametrik
Statistik parametrik merupakan bagian statistika yang parameter
populasinya harus memenuhi syarat-syarat tertentu seperti syarat
data berskala interval/rasio, syarat pengambilan sampel harus
random, berdistribusi normal (normalitas) dan memiliki varian
yang homogen (homogenitas), model regresi linier, dan sampel
lebih besar dari 30.
b. Statistik Nonparametrik
Statistik nonparametrik merupakan bagian statistika yang
parameter populasinya bebas dari keharusan memenuhi syarat-
syarat tertentu seperti syarat yang harus terpenuhi pada statistic
parametrik.
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)
Data adalah keterangan atau informasi yang diperoleh dari suatu

pengukuran atau pengamatan. Data dikelompokkan menjadi beberapa
macam diantaranya:

1. Berdasarkan cara memperolehnya data digolongkan menjadi dua,
yaitu:
a. Data Primer
Data primer adalah data yang diperoleh secara langsung dari
sumbernya/obyeknya.
Contoh: seorang guru ingin mengetahui hasil belajar siswanya
setelah belajar materi lingkaran, maka secara langsung guru
memberikan ujian tertulis terhadap siswanya tersebut dan
mengambil nilai hasil belajarnya. Data tentang nilai hasil belajar
siswa disebut data primer.
b. Data Sekunder
Data Sekunder adalah data yang diperoleh dalam bentuk sudah
jadi dan diolah oleh pihak lain.
Contoh: Seorang peneliti ingin mengetahui hasil belajar siswa di
SMP “A”, maka peneliti tersebut datang ke SMP “A” untuk meminta
data hasil belajar siswa dari Kepala Sekolah atau guru di sekolah
tersebut.
2. Berdasarkan sifatnya, data dibagi menjadi dua, yaitu:
a. Data Kualitatif
Data kualitatif adalah data yang disajikan dalam bentuk kategori
atau tidak berupa angka.
contoh: data tentang persepsi mahasiswa terhadap mata kuliah
statistic, data tentang motivasi belajar siswa (motivasi tinggi,
sedang, rendah).
b. Data Kuantitatif
Data kuantitatif adalah data yang disajikan dalam bentuk
bilangan/angka.
contoh: data tentang hasil belajar siswa (70,80,90,…), data tentang
tinggi badan mahasiswa, dll.
Data kuantitatif dibagi lagi menjadi dua bagian yaitu:
1) Data Diskrit: data yang diperoleh dari membilang/mencacah.
data diskrit berupa bilangan asli.

Contoh: jumlah mahasiswa program studi pendidikan
matematika, jumlah penduduk kota batam.
2) Data Kontinu: data yang diperoleh dari hasil pengukuran. Nilai
data kontinu terletak antara interval data yang satu dengan data
yang lainnya.
Contoh: data tentang tinggi badan, data tentang hasil belajar.
3. Berdasarkan skala pengukurannya data dibagi menjadi:
a. Data Nominal
Data nominal adalah data yang diperoleh dari kategorisasi atau
klasifikasi, dalam hal ini kedudukan data setara dan tidak dapat
dilakukan operasi matematika (+, -, x, :). Fungsi bilangan hanya
sebagai symbol untuk membedakan karakteristik satu dengan yang
lainnya.
Contoh: data tentang jenis kelamin, missal jenis kelamin laki-laki
diberi lambing 1 dan perempuan diberi lambing 0. Angka 1 disini
bukan berarti lebih tinggi daripada angka 0. Data 1 disini hanya
sebagai kategori jenis kelamin laki-laki. Contoh lain adalah jenis
pekerjaan, asal daerah.
b. Data Ordinal
Data ordinal adalah data yang diperoleh dari kategorisasi atau
klasifikasi namun antara data tersebut mempunyai hubungan atau
tingkatan, dalam hal ini kedudukan data tidak setara dan tidak
dapat dilakukan operasi matematika (+, -, x, :).
Contoh: Data tentang Jenjang Pendidikan, missal angka 1
menunjukkan pendidikan SD, angka 2 SMP, angka 3 SMA dan
angka 4 sarjana. Dalam hal ini terdapat tingkatan dari data-data
tersebut yang artinya data 2 tingkatannya lebih tinggi dari data 1,
data 3 lebih tinggi tingkatannya daripada data 2 dan data 1.
Contoh lainnya adalah Golongan jabatan, peringkat kejuaraan.
c. Data Interval
Data Interval adalah data yang diperoleh dari hasil pengukuran
dimana jarak antara dua titik sekala sudah diketahui. Jenis data

ini tidak setara, dapat dilakukan operasi matematika (+, -, x, :) dan
tidak mempunyai angka 0 (nol) mutlak. dalam data interval
perbedaan (jarak/interval) antara data yang satu dengan data yang
lain dapat diukur.
Contoh: data tentang temperatur suhu udara diruangan kelas A, B
dan C masing-masing 25, 27, dan 30. dari data tersebut maka
dapat diukur perbedaan suhu ruang kelas A dan C adalah 5.
d. Data Rasio
Data Rasio adalah data yang diperoleh dari hasil pengukuran
dimana jarak antara dua titik sekala sudah diketahui. Jenis data
ini tidak setara dan dapat dilakukan operasi matematika (+, -, x, :)
dan mempunyai angka 0 (nol) mutlak.
Contoh: Nilai Hasil Ulangan, Gaji Pegawai
C. POPULASI DAN SAMPEL

Sebelum mempelajari populasi dan sampel terlebih dahulu kita harus
paham tentang istilah dan perbedaan dari populasi dan sampel. Sebagai
contoh seorang peneliti tertarik untuk mengetahui:
1. Banyaknya mahasiswa di Universitas Riau Kepulauan Batam.
2. Harga semua rumah di daerah Batam kota.
3. Keuntungan penjualan buku dalam 5 tahun terakhir took gramedia
Batam.
Dari contoh di atas banyaknya mahasiswa di Universitas Riau

Kepulauan Batam, Harga semua Rumah Di dareah Batam kota dan
keuntungan penjualan buku dalam 5 tahun terakhir disebut sebagai
populasi. Dalam statistic populasi tidak selalu berupa sekelompok orang
melainkan dapat berupa objek/benda seperti mobil, buku, rumah dan
lain sebagainya.
Definisi
Populasi adalah keseluruhan subyek/obyek yang mempunyai
karakteristik tertentu yang ditetapkan oleh peneliti untuk dipelajari.

Biasanya populasi dilambangkan dengan huruf “N”. Dalam hal ini
populasi bukan hanya orang tetapi juga obyek/benda yang menjadi
perhatian peneliti. Sebagai contoh seorang peneliti akan melakukan
penelitian di sekolah “A” maka sekolah “A” ini merupakan populasi.
Sekolah A mempunyai sejumlah subyek/orang dan obyek yang lain
maka dalam hal ini populasi dalam arti jumlah/kuantitas. Namun di
dalam sekolah “A” juga terdapat karakteristik dari subyek/orangnya
yang meliputi motivasi, hasil belajar, disiplin dan lain-lain dalam hal ini
populasi dipandang dari segi karakteristik.
Definisi:
Sampel adalah bagian dari subyek/obyek dan karakteristik yang
dimiliki oleh populasi.
Dalam suatu penelitian kita ingin memperoleh kesimpulan dari populasi

namun terkadang hal itu tidak bisa dilakukan karena adanya
keterbatasan dari peneliti maka peneliti dapat mengambil sampel dari
populasi tersebut. Kesimpulan yang diperoleh dari sampel tersebut
dapat digeneralisasikan terhadap populasinya. Oleh karena itu sampel
harus benar-benar mewakili (representative) dari populasi tersebut.
Contoh untuk populasi dan sampel
Dalam suatu penelitian untuk mengetahui hasil ujian Nasional siswa
SMA di provinsi Kepri diambil data hasil Ujian Nasional diseluruh kota
dan Kabupaten yang ada di Kepri (Batam, Karimun, Tanjung Pinang,
Tanjung Uban, Karimun, Lingga, Anambas dan Natuna).
Populasi: Seluruh siswa kelas XII SMA di provinsi Kepri
Sampel : Beberapa siswa kelas XII SMA pada masing-masing Kota dan
kabupaten yang ada di Kepri
D. TEKNIK PENGAMBILAN SAMPEL
Belakangan ini sering kita jumpai banyak lembaga-lembaga survei yang

melakukan Quick Count (hitung cepat) untuk mengetahui hasil dari

pemilihan kepala daerah (pilkada) yang ternyata hasilnya benar dan
dapat dipercaya dalam batas-batas keyakinan tertentu. Sebelum
menarik kesimpulan terhadap hasil pilkada tersebut, lembaga-lembaga
survei tersebut mengumpulkan data hasil perolehan suara masing-
masing calon dari beberapa TPS untuk memprediksi hasil perolehan
suara dari seluruh TPS tanpa harus menunggu perhitungan secara
manual yang dilakukan oleh KPUD. Dari contoh ini dapat dikatakan
bahwa lembaga-lembaga survei tersebut telah melakukan pengambilan
sampel berupa hasil perolehan suara dari beberapa TPS.
Teknik pengambilan sampel merupakan bagian yang penting dalam
sebuah penelitian. Apabila terjadi kesalahan pada saat pengambilan
sampel maka hasil penelitian tidak bisa menunjukkan keadaan yang
sebenarnya. Tentunya sampel yang diambil dari populasi harus
memenuhi persyaratan tertentu agar sampel tersebut dapat mewakili
karakteristik yang ada pada populasi (representatif). Ada beberapa cara
pengambilan sampel yang sering digunakan dalam penelitian
pendidikan, antara lain:
1. Simple Random Sampling (Sampel acak Sederhana)
Pengambilan sampel acak sederhana adalah pengambilan sampel
dengan cara memilih secara acak semua anggota populasi. Simple
random sampling merupakan teknik pengambilan sampel dimana
semua anggota populasi mempunyai kesempatan yang sama untuk
terpilih menjadi anggota sampel. Syarat pengambilan sampel dengan
teknik simple random sampling ini adalah anggota populasi tidak
mempunyai strata (homogen). Salah satu cara yang bisa dilakukan
adalah dengan dengan menggunakan kertas undian.
diambil secara
POPULASI
acak SAMPEL
(homogen)
Gambar 3. Teknik simple random sampling

2. Stratified Random Sampling (Sampel acak Stratifikasi).
Sampel acak stratifikasi adalah cara pengambilan sampel dengan
memperhatikan tingkatan (strata) pada populasi. Teknik sampling ini
dilakukan jika dalam anggota populasi terdapat strata atau tingkatan.
Hal yang perlu diperhatikan dalam teknik sampling ini adalah
mengambil sampel dari masing-masing strata harus proporsional
karena dimungkinkan jumlah anggota populasi pada masing-masing
strata berbeda. Sebagai contoh seorang peneliti ingin mengetahui
persepsi masyarakat Kota Batam terhadap Kebijakan Pemerintah
menaikkan harga BBM. Peneliti menduga bahwa masyarakat yang
berpendidikan Sarjana mempunyai persepsi yang baik daripada
masyarakat yang berpendidikan SMA ataupun SMP. Agar dapat
menguji dugaanya tersebut maka setidaknya sampel yang diambil
harus terdiri dari masyarakat yang berpendidikan Sarjana, SMA dan
SMP. Dengan teknik ini maka peneliti akan memperoleh gambaran
persepsi masyarakat dari ke-tiga jenjang pendidikan masyarakat
tersebut. Teknik pengambilan sampel ini dapat digambarkan sebagai
berikut.
MASYARAKAT KOTA
BATAM
PENDIDIKAN PENDIDIKAN PENDIDIKAN
SARJANA SMA SMP
SAMPEL SAMPEL SAMPEL
Gambar 4. Teknik stratified random sampling

Langkah-langkah dalam pengambilan sampel menggunakan stratified
random sampling
a. Populasi dikelompokkan menjadi sub-sub populasi berdasarkan
kriteria tertentu

b. Dari masing-masing sub populasi kemudian diambil sampel
secara acak dengan komposisi proporsional
c. Total anggota yang diambil ditetapkan sebagai jumlah sampel
penelitian.
3. Cluster Sampling (Sampel Kelompok)
Teknik ini digunakan untuk menentukan sampel jika populasi yang
akan diteliti sangat luas, contoh penduduk dari suatu negara. Teknik ini
biasanya dilakukan dalam dua tahap yaitu pertama menetukan sampel
daerahnya dan yang kedua adalah menentukan orang-orang yang ada
pada daerah tersebut secara acak juga. Sebagai contoh penelitian yang
mencakup siswa SMA yang tersebar diwilayah Provinsi Kepulauan Riau
yang terdiri dari 7 kota dan kabupaten yang berjumlah 126 sekolah.
Sampel yang akan diambil adalah 21 sekolah. Pengambilan 21 Sekolah
dari 7 kota dan kabupaten tersebut dilakukan secara acak. Maka
masing-masing kota dan kabupaten ini dipandang sebagai klaster. Perlu
diingat bahwa masing-masing SMA yang ada dalam provinsi tersebut
mempunyai beberapa tingkatan (strata) yaitu SMA yang terakreditasi A,
terakreditasi B dan terakreditasi C. Dengan kondisi yang seperti ini
maka pengambilan sampelnya juga perlu menggunakan stratified
random sampling.
LATIHAN 1
1. Jelaskan perbedaan arti statistik dan statistika!

2. Jelaskan pengertian dari statistic diskriptif dan statistic inferensial!
3. Sebutkan jenis data menurut sumbernya dan berikan contohnya!
4. Sebutkan jenis data menurut skala pengukurannya dan berikan
masing-masing contohnya!
5. Apakah yang dimaksud populasi dan sampel dalam suatu penelitian?
Dapatkah satu orang digunakan sebagai populasi? Jelaskan alasan
saudara!

BAB II
PENYAJIAN DATA
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.
B. PENYAJIAN DATA DENGAN TABEL
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

Berdasarkan tabel 2.1 di atas dapat kita baca yaitu banykanya rumah
tangga usaha peternakan diprovinsi Kepulauan Riau adalah 21.680 dengan
kabupaten Karimun sebagai kabupaten yang mempunyai rumah tangga
usaha peternakan dengan jumlah 6.678 rumah tangga.
Selanjutnya tabel dua arah adalah suatu tabel yang menunjukkan

hubungan dari dua hal atau dua karakteristik, misalnya: data tentang
jumlah mahasiswa berdasarkan fakultas dan semesternya, data karyawan
berdasarkan masa kerja dan tingkat pendidikannya, dan lain sebagainya.
Contoh 2.2
Tabel 2.2. Jumlah mahasiswa UNRIKA berdasarkan fakultas dan tahun

masuknya
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.
C. PENYAJIAN DATA DENGAN GRAFIK
Penyajian data dalam bentuk grafik umumnya lebih menarik dapat

memepermudah pengambilan kesimpulan dengan cepat. Grafik lebih

mudah dibaca dan menarik dibanding tabel. Selain itu, grafik dapat
melukiskan suatu peristiwa secara lebih mengesankan dan tidak
membosankan.
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
Tahun 2014 2015 2016 2017

Jumlah 118 89 56 44
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

Grafik 2.1. Jumlah Mahsiswa Prodi Pendidikan Matematika tahun
2014-2017.
Berdasarkan grafik 2.1 di atas dapat kit abaca bahwa jumlah
mahasiswa program studi pendidikan matematika mengalami trend
penurunan dari tahun ke 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
Prodi 2015 2016 2017

Pendidikan Matematika 89 56 44
Pendidikan Bahasa Inggris 186 154 168
Pendidikan Biologi 48 36 32
Pendidikan Sejarah 43 34 27
Bimbingan dan Konseling 24 11 18
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
Grafik 2.2. Data Jumlah Mahasiswa FKIP 2015-2017

Berdasarkan grafik 2.2 di atas dapat dengan mudah kita memperoleh
informasi bahwa jumlah mahasiswa FKIP selama 3 tahun terakhir

mangalami trend penurunan untuk 3 program studi yaitu pendidikan
matematika, pendidikan biologi dan pendidikan sejarah. Sedangkan
untuk program studi pendidikan bahasa inggris dan bimbingan
konseling mengalami penurunan di tahun 2016 dan naik lagi pada
tahun 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
Grafik 2.3. Jumlah Mahsiswa Prodi Pendidikan Matematika tahun

2014-2017.
Contoh 2.6

Berdasarkan tabel 2.4 maka dapat disajikan dalam bentuk grafik batang
sebagai berikut:
200
180
160
140
120 Pendidikan Matematika
pendidikan bahasa inggris
100
pendidikan biologi
80 pendidikan sejarah
bimbingan dan konseling
60
40
20
0
2015 2016 2017
Grafik 2.4. Data Jumlah Mahasiswa FKIP 2015-2017
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.
Contoh grafik lingkaran

Perhatikan tabel 2.5 berikut tentang banyaknya jumlah mahasiswa
masing-masing Fakultas di Universitas Riau Kepulauan pada tahun
2018.
Tabel 2.5. Jumlah mahasiswa UNRIKA menurut Fakultas pada tahun
2018
Fakultas EKONOM HUKUM TEKNIK FKIP FISIPOL JUMLAH

I
JUMLAH 1378 342 1855 2182 613 6370
jika data tersebut disajikan dalam bentuk grafik lingkaran, maka grafik
lingkarannya adalah sebagai berikut:

10%
22%
Ekonomi
hukum
5% teknik
34%
fkip
fisipol
29%
Grafik 2.5. Jumlah mahasiswa UNRIKA menurut Fakultas pada

tahun 2018.
Berdasarkan grafik lingkaran di atas dapat kita peroleh bahwa
persentase mahasiswa terbanyak adalah mahasiswa FKIP dengan
persentase sebanyak 34%.
LATIHAN 2
1. Apa yang anda ketahui tentang tabel dan grafik?

2. Menurut anda mana yang lebih baik, penyajian data dalam bentuk tabel
atau grafik? berikan alasannya!
3. Perhatikan hasil penjualan PT ASTRA INDONESIA dalam 5 tahun
terakhir yang disajikan dalam tabel dibawah ini
Jenis 2014 2015 2016 2017 2018

YARIS 56 45 78 65 59
AVANZA 320 327 329 334 456
INOVA 122 124 112 110 134
FORTUNER 56 65 63 46 58
AGYA 432 389 456 432 469
Berdasarkan tabel di atas buatlah grafik garis, grafik batang dan grafik
lingkarannya!
4. Berdasarkan grafik yang anda buat pada soal no 3. buatlah analisis

secara singkat yang menggambarkan tentang perkembangan jumlah
penjualan PT ASTRA Indonesia berdasarkan Jenis kendaraannya.

BAB III
DISTRIBUSI FREKUENSI
A. MACAM-MACAM DISTRIBUSI FREKUENSI

Dalam suatu penelitian terkadang data penelitian yang diperoleh jumlahnya
sangat besar sehingga akan menyulitkan peneliti untuk mengamati data
tersebut. Supaya data tersebut menjadi lebih sederhana untuk dipelajari
maka data tersebut perlu disusun dalam bentuk distribusi frekuensi yaitu
mengumpulkan data yang sama dalam satu kelompok.
Sebelum membahas tentang tabel distribusi frekuensi terdapat 3
istilah yang harus dibahas yaitu array, data tidak berkelompok dan data
berkelompok. Array adalah penyusunan sekumpulan data yang sudah
diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya. Data
tidak berkelompok adalah data yang nilai-nlainya belum disusun dalam
tabel distribusi frekuensi. Sedangkan data berkelompok adalah data yang
nilai-nlainya sudah disusun dalam tabel distribusi frekuensi.
Terdapat beberapa distribusi frekuensi, diantaranya :
1. Ditinjau dari nyata tidaknya frekuensi
a Distribusi frekuensi absolut
Yang dimaksud dengan distribusi frekuensi absolut adalah suatu
jumlah bilangan yang menyatakan banyaknya data pada suatu
kelompok tertentu. Distribusi ini disusun berdasar apa adanya,
sehingga tidak menyukarkan peneliti dalam membuat distribusi ini.
b Distribusi frekuensi relatif
Merupakan suatu jumlah persentase yang menyatakan banyaknya
data pada suatu kelompok tertentu.
2. Ditinjau dari jenisnya
a Distribusi frekuensi numerik

Adalah distribusi frekuensi yang didasarkan pada data-data kontinu,
yaitu data yang berdiri sendiri dan merupakan suatu deret hitung.

Tabel distribusi numerik dapat dilakukan jika data memiliki kategori
yang sedikit walaupun jumlah datanya banyak.
Contoh 3.1
Seorang peneliti memberikan tes terhadap 30 orang siswa diperoleh
nilai sebagai berikut: 3, 3, 3, 3, 3, 3, 3, 5, 5, 5, 5, 5, 5, 5, 7, 7, 7, 7, 8,
8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9
data ini dapat disajikan dalam tabel distribusi frekuensi biasa sebagai
berikut
Tabel 3.1. Tabel distribusi frekuensi Numerik

Data Frekuensi
3 7
5 7
7 4
8 6
9 6
Jumlah (Ʃ) 30
b Distribusi frekuensi kategorikal

Distribusi frekuensi yang didasarkan pada data-data yang
terkelompok
Problem awal yang dijumpai peneliti setelah data terkumpul adalah
bagaimana membuat data tersebut agar mudah dibaca. Untuk itu
peneliti hendaknya melakukan penyederhanaan atau penyusunan
data yang masih tidak teratur menjadi data yang teratur.
Penyusunan data dilakukan dengan jalan mengurutkan data
tersebut dari yang paling kecil ke yang paling besar, atau
sebaliknya dari yang paling besar ke yang paling kecil. Namun jika
data yang ada mempunyai jenis atau katagori yang banyak maka
distribusi frekuensi yang ada akan sangat panjang. Untuk
mengatasi masalah ini maka kita menggunakan distribusi
frekuensi katagorikal atau bisa kita sebut sebagai data yang
dikelompokkan secara kategori atau jenis.

Bentuk umum tabel distribusi frekuensi kategorikal adalah sebagai
berikut
Tabel 3.2. Bentuk umum tabel distribusi frekuensi Kategorikal
Data Frekuensi
a-b f1
c-d f2
e-f f3
g-h f4
i-j f5
Jumlah (Ʃ) 5
∑ fi
i=1
Berdasarkan tabel 2 diatas ada beberapa istilah yang digunakan

didalamnya, seperti:
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

Ujung atas adalah nilai yang terdapat disebelah kanan interval
nilai data untuk setiap kelas interval. Dari tabel 2 diatas maka
ujung-ujung atas kelasnya adalah: b, d, f, h, j
b merupakan ujung atas kelas interval pertama
d merupakan ujung atas kelas interval kedua
f merupakan ujung atas kelas interval ketiga
h merupakan ujung atas kelas interval keempat
j merupakan ujung bawah kelas interval kelima
d. Batas Bawah
Batas bawah adalah bilangan yang diperoleh dengan cara ujung
bawah dikurangi ketelitian data yang digunakan. ketelitian yang
digunakan tergantung dari pencatatan datanya. jika data yang
digunakan merupakan bilangan bulat maka ketelitian datanya
0,5 sedangkan jika dicatat dalam bilangan satu decimal maka
ketelitian datanya 0,05.
Berdasarkan tabel 2 diatas jika dicatat dalam bilangan bulat
maka batas-batas bawahnya adalah:
a - 0,5 merupakan batas bawah kelas interval pertama
c - 0,5 merupakan batas bawah kelas interval kedua
e - 0,5 merupakan batas bawah kelas interval ketiga
g - 0,5 merupakan batas bawah kelas interval keempat
i - 0,5 merupakan batas bawah kelas interval kelima
e. Batas Atas
Batas atas adalah bilangan yang diperoleh dengan cara ujung
atas ditambah ketelitian data yang digunakan.
Berdasarkan tabel 2 diatas jika dicatat dalam bilangan bulat
maka batas-batas atasnya adalah:
b + 0,5 merupakan batas atas kelas interval pertama
d + 0,5 merupakan batas atas kelas interval kedua
f + 0,5 merupakan batas atas kelas interval ketiga
h + 0,5 merupakan batas atas kelas interval keempat
j + 0,5 merupakan batas atas kelas interval kelima

f. Titik Tengah
titik tengah adalah bilangan yang diperoleh dari penjumlahan
ujung bawah dan ujung atas dibagai dua untuk masi ng-masing
kelas interval
Titik tengah = ½ (ujung bawah + ujung atas)
g. Panjang Kelas
Panjang kelas interval adalah bilangan yang diperoleh dari
selisih antar ujung bawah dengan ujung atas masing-masing
kelas interval.
Untuk membuat tabel distribusi frekuensi dengan panjang kelas

interval yang sama dapat dilakukan dengan langkah-langkah sebagai
berikut:
1. Tentukan nilai Rentang (R)

Rentang diperoleh dengan cara nilai data terbesar dikurangi nilai
data terkecil
2. Tentukan banyak kelas (K)
dalam hal ini biasanya banyak kelas yang digunakan minimal 5 dan
maksimal 15. untuk menentukan banyak kelas dapat menggunakan
aturan yang dinamakan aturan STURGES dengan rumus sebagai
berikut.
k = 1 + (3,3) (log n)
dengan: k = banyak kelas interval
n = Banyaknya data
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
3. Tentukan Panjang kelas interval (p)

Panjang kelas interval diperoleh dengan membagi rentang dengan
banyak kelas.

Rentang
p=
k
dengan : p = panjang kelas interval
k = banyak kelas
4. Tentukan nilai ujung bawah kelas interval pertama
Ujung bawah kelas interval pertama dapat diambil dari nilai data
yang terkecil atau bisa mengambil nilai yang lebih kecil dari nilai
data terkecil asalkan nilai data terbesar harus tercakup dalam
interval nilai kelas interval terakhir. Jadi sekumpulan data dapat
dibuat satu atau lebih tabel distribusi frekuensi.
5. Masukkan semua data ke dalam interval kelas
Contoh 3.2
Berikut disajikan data hasil belajar mahasiswa UNRIKA pada mata
kuliah Statistik
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
Jadi banyak kelas yang digunakan bisa 6 atau 7 kelas. Disini

akan diambil banyak kelas sebanyak 7 kelas.
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
65-69 9
70-74 7
75-79 7
80-84 8
85-89 3
90-94 4
95-99 2
Jumlah (Ʃ) 40
3. Ditinjau dari kesatuannya

a Distribusi frekuensi satuan
Adalah distribusi frekuensi yang menunjukkan berapa banyak data
pada kelompok tertentu. Distribusi numerik maupun relatif
menunjukkan distribusi satuan.
b Distribusi frekuensi komulatif
Merupakan distribusi frekuensi yang menunjukkan jumlah
frekuensi pada sekelompok nilai tertentu mulai dari kelompok
sebelumnya sampai kelompok tersebut atau sebaliknya.
B. TABEL DISTRIBUSI FREKUENSI RELATIVE

Setelah memperoleh tabel distribusi frekuensi, dalam hal ini frekuensi
yang disajikan adalah mutlak/absolut. Jika kita ingin merubah
kedalam frekuensi relative maka akan diperoleh tabel distribusi
frekuensi relative. tabel distribusi frekuensi relative ini dapat
diartikan sebagai tabel distribusi frekuensi dalam bentuk presentase.
Jadi tabel distribusi frekuensi relative adalah tabel distribusi yang
berisi data yang nilai-nilainya dikelmpokkan kedalam interval-interval
dan masing-masing interval mempunyai frekuensi dalam bentuk
persentase.
contoh. Berdasarkan tabel 3 di atas maka dapat dibuat tabel
distribusi frekuensi relatifnya dengan cara:
f1 f5
f 1= 5
x 100 % f 5= 5
x 100 %
,……….,
∑ fi ∑ fi
i=1 i=1

Tabel 3.4. Tabel distribusi frekuensi relative
Data Frekuensi relative

(%)
65-69 22,5
70-74 17,5
75-79 17,5
80-84 20
85-89 7,5
90-94 10
95-99 5
Jumlah (Ʃ) 100
C. TABEL DISTRIBUSI FREKUENSI KOMULATIF

Tabel distribusi frekuensi komulatif adalah tabel yang diperoleh dari
tabel distribusi frekuensi dengan menjumlahkan frekuensinya
selangkah demi selangkah tiap-tiap kelas intervalnya. Tabel distribusi
frekuensi terbagi menjadi dua yaitu:
1. tabel distribusi frekuensi komulatif “kurang dari”
2. tabel distribusi frekuensi komulatif “lebih dari”
berikut bentuk umum dari tabel distribusi frekuensi komulatif
Tabel 3.5. Bentuk umum tabel distribusi komulatif “kurang dari”
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
Tabel 3.6. Bentuk umum tabel distribusi komulatif “lebih dari”
Data Frekuensi
komulatif
a1 – b1 f1 + f2 + f3 + f4 + f5
a2 – b2 f2 + f3 + f4 + f5

a3 – b3 f3 + f4 + f5
a4 – b4 f4 + f5
a5 – b5 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:
Nilai Frekuensi Frekuensi Frekuensi

komulatif komulatif lebih
kurang dari dari
65-69 9 9 40
70-74 7 16 31
75-79 7 23 24
80-84 8 31 17
85-89 3 34 9
90-94 4 38 6
95-99 2 40 2
Jumlah (Ʃ) 40
LATIHAN 3
Berikut disajikan data mengenai tinggi badan 50 orang mahasiswa

17 167 180 165 168 171 177 176 170 175
6
16 171 171 176 166 179 181 174 167 172
9
17 169 175 178 171 168 178 183 174 166
0
18 172 177 182 167 179 183 185 185 173
1
17 180 184 170 174 175 176 175 182 172
9
Berdasarkan data tersebut
1. Buatlah tabel distribusi frekuensi.

2. Tentukan batas kelas, tepi kelas dan titik tengah.
3. Buatlah tabel distribusi frekuensi relatif.
4. Buatlah distribusi frekuensi kumulatif kurang dari.
5. Buatlah distribusi frekuensi kumulatif lebih dari.

BAB IV
UKURAN PEMUSATAN
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
∑ x i= jumlah seluruhnilai−nilai ( data )

i=1
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
7+8+7 +8+6+ 9+7+9+ 8+7 76

peroleh nilai rata-ratanya yaitu x́= = =7,6
10 10

Apabila data tunggal disajikan dalam bentuk tabel distribusi
frekuensi seperti tabel 1 di atas maka rumus untuk mencari nilai
rata-rata perlu sedikit dimodifikasi yaitu dengan mengikutsertakan
frekuensi skor yang ada ke dalam rumus menjadi:
n
∑ 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
Dari tabel di atas tentukanlah nilai rata-ratanya!

Penyelesaian:
Untuk mempermudah perhitungan maka data tersbut dapat disajikan
sebagai berikut:
Tabel 4.2. Tabel penolong perhitungan

X F f.x
65 7 455
70 7 490
75 4 300
80 6 480
85 6 510
Jumlah (Ʃ) n = 30 2235
5
dari tabel 3.2 di atas kita peroleh ∑ f i . x i=2235 dan ∑ f =30 dengan
i=1
demikian nilai rata-rata hasil ujian statistic adalah

n
∑ 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!

Data Frekuensi Nilai tengah (X) f.X
65-69 9 67 603
70-74 7 72 504
75-79 7 77 539
80-84 8 82 656
85-89 3 87 261
90-94 4 92 368
95-99 2 97 194
Jumlah 40 3125
(Ʃ)
7
dari tabel 3.3 di atas kita peroleh ∑ f i . X i=3125 dan ∑ f =40 dengan
i=1
demikian nilai rata-rata hasil belajar statistic adalah

n
∑ f i. Xi =
3125
=78,125
x́= i=1 40
∑f
2. Median (Nilai tengah)

Median atau nilai tengah adalah suatu nilai atau angka yang terletak
ditengah setelah data disusun menurut urutannya yang membagi
distribusi data kedalam dua bagian yang sama besar.
a. Cara mencari nilai tengah untuk data tunggal.
Untuk mencari nilai tengah pada data tunggala terdapat dua
kemungkinan yaitu data tunggal yang seluruh nilainya berfrekuensi
satu (1), dan data tunggal yang sebagian atau seluruhnya
berfrekuensi lebih dari satu (1).
Untuk data tunggal yang seluruh nilainya berfrekuensi satu juga
terdapat dua cara yaitu:
1). Mencari nilai tengah yang jumlah seluruh datanya berupa
bilangan ganjil. 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+1
Median (Me) = data ke
2

Contoh 4.3
7 orang mahasiswa mengikuti ujian statistic. Nilai mereka adalah
sebagai berikut: 70, 80, 75, 60, 85, 70, 90. Untuk mengetahui nilai
median maka data tersebut harus kita urutkan terlebih dahulu mulai
dari nilai terendah sampai tertinggi
60, 70, 70, 75, 80, 85, 90
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

n
Me = Bb+ p 2
[ ]
−f k
fm
Bb = Batas bawah kelas interval yang mengandung median

p = panjang kelas interval
fk = Frekuensi komulatif sebelum kelas interval yang
mengandung median
f m = frekuensi kelas interval yang mengandung median
Contoh 4.5
Tentukan median dari data berikut.
Nilai Frekuensi
11-20 5
21-30 3
31-40 8
41-50 7
51-60 4
61-70 9
Jumlah 36
Jawab:
Karena banyaknya data adalah 36 maka median terletak

diantara data ke-18 dan data ke-19 sehingga diperoleh kelas
yang mengandung median adalah 41-50. Dengan demikian , Bb
= 41-0,5 = 40,5; p=10 (11-20); f =7; F= 16.
Nilai F fk
11-20 5 5
21-30 3 8

31-40 8 16
41-50 7 23
51-60 4 27
61-70 9 36
maka nilai mediannya adalah:
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
Bb = batas bawah kelas interval yang mengandung nilai modus/ kelas

interval yang mempunyai nilai terbesar
b1 = Selisih frekuensi kelas interval yang mengandung modus dengan
kelas interval sebelumnya
b2 = Selisih frekuensi kelas interval yang mengandung modus dengan
kelas interval sesudahnya

Contoh 4.6
Tentukanlah modus dari data dibawah ini
Nilai Frekuensi
66-70 6
71-75 7
76-80 7
81-85 10
86-90 3
91-95 4
96-100 3
Jumlah (Ʃ) 40
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
1. Apa yang anda ketahui tentang ukuran pemusatan data?

2. Sebutkan dan jelaskan jenis-jenis ukuran pemusatan!

3. Seorang peneliti ingin Mendeskripsikan hasil belajar statistic
mahasiswa prodi bahasa inggris. Peneliti mengambil sampel sebanyak
40 orang. Data penelitian disajikan dalam table berikut:
Data hasil belajar Statistik

80 85 80 50 75
65 75 80 75 80
85 80 70 100 70
100 90 75 65 75
50 70 75 60 60
50 65 65 80 70
60 75 70 80 65
90 70 75 90 50
Hitunglah rata-rata, median, dan modus dari hasil belajar statistic
mahasiswa tersebut!
4. Hasil ujian tengah semester mahasiswa program studi pendidikan
matematika disajikan sebagai berikut:
65 54 68 70 57 61 58 62 58 60 65 60 50 60 53 74
59 67 47 63 57 60 77 55 71 55 65 53 49 65 56 70
57 60 73 58 65 57 52 66 57 66 59 69 56 64 52 58
78 55 60 54 62 75 51 60 64 62 61 61 55 48 72 56
54 61 51 59 61 60 63 59 50 60 65 59 62 67 45 80
dari data di atas buatlah tabel distribusi frekuensinya kemudian
tentukan Mean (rata-rata), Median (Me) dan Modusnya (Mo) dari tabel
distribusi frekuensi yang sudah anda buat!
BAB V
UKURAN LOKASI DAN DISPERSI

A. UKURAN LOKASI
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
Tentukan semua kuartil pada data :
a) 4, 5, 8, 9, 7, 6, 5 (banyak data ganjil)

b) 2, 3, 8, 4, 5, 8, 9, 7, 6, 6 (banyak data genap)
Penyelesaian:
a) Terlebih dahulu data diurutkan dari yang terkecil, menjadi:
4, 5, 5, 6, 7, 8, 9
i .(n+1)
Ki = 4
1 .(n+1)
1 = 4
K
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
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

n n
2 .( +( +1 ))
2 2
K2 = 4
10 10
2 .( +( +1))
2 2
2 = 4
K
= 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
Sedangkan untuk data berkelompok digunakan rumus:

n .i
Ki = Bb+ p 4
[ ]−f k
f Ki
Bb = Batas bawah kelas interval yang mengandung nilai ukuran lokasi

(Ki)
f k = Frekuensi komulatif sebelum kelas interval yang mengandung nilai
ukuran lokasi (Ki)
f Ki = frekuensi kelas interval yang mengandung ukuran lokasi (Ki)
Contoh 5.2:
Hitunglah kuartil bawah dan kuartil atas pada data berikut :
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
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.
Berikut adalah beberapa langkah yang dapat dilakukan untuk

mendapatkan desil.
a. Susunlah data menurut urutan nilainya.

b. Tentukan letak desilnya.
Untuk menentukan letak desil digunakan rumus

i
Letak Di = ( n+1 ) , i=1,2,3,….,9
10
c. Hitung nilai desilnya.
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:
D1 = X1 + 0,1 (X2 - X1)
D1 = 4 + 0,1 (5 – 4) = 4 + 0,1 = 4,1
b) Letak desil ke-4 diurutkan data ke-4

4 .(10+1)
4 = 10
D
= 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

Sedangkan untuk data terkelompok digunakan rumus
n .i
[ ]
Di = Bb+ p 10
−f k
f Di

(Di)
ukuran lokasi (Di)
f Di = frekuensi kelas interval yang mengandung ukuran lokasi (Di)
Contoh 5.4:
Hitunglah desil ke-3 dan ke-7 pada data berikut :
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

7
. 40=28
b) Desil ke-7 terletak pada 10 (kelas interval 41-45)
7
. 40−26
D7 = 40,5 + 5.
( 10
9 )
= 40,5 + 1,1 = 41,6
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.
Untuk data tunggal, mencari letak nilai persentil digunakan rumus:

i .(n+1)
i = 100
P
Dengan :
i = Persentil ke-I dari 1-99
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:
P65 = X10 + 0,4 (X11 - X10)

= 7 + 0,4 (8 – 7) = 7,4
Jadi, nilai persentil ke-65 adalah 7,4.
Sedangkan untuk data terkelompok digunakan rumus:

n .i
[ ]
Pi = Bb+ p 100
−f k
f Pi

(Pi)
ukuran lokasi (Pi)
f Pi = frekuensi kelas interval yang mengandung ukuran lokasi (P i)
Contoh 5.6:
Hitunglah persentil ke-30 dan ke-70 pada data berikut :

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 :
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)

70
. 40−26
P70 = 40,5 + 5.
( 100
9 )
= 40,5 + 1,1 = 41,6
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.
Untuk data tunggal cara mencari jangkauan dirumuskan
R = Nilai tertinggi – nilai terendah
Contoh 5.7:
Tentukan jangkauan data : 1, 4, 7, 8, 9, 11
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

adalah selisih antara titik tengah kelas tertinggi dengan titik tengah kelas
terendah.
Contoh 5.7:
Tentukan jangkauan dari distribusi frekuensi berikut!

Tabel 1 Pengukuran Tinggi Badan 50 Mahasiswa
Tinggi Frekuensi
badan (cm)
140 – 144 2
145 – 149 4
150 – 154 10
155 – 159 14
160 – 164 12
165 – 169 5
170 – 174 3
Jumlah 80
Penyelesaian :
Titik tengah kelas terendah = 142
Titik tengah kelas tertinggi = 172
Tepi bawah kelas terendah = 139,5
Tepi atas kelas tertinggi = 174,5
1) Jangkauan = 172 – 142 = 30
2) Jangkauan = 174,5 – 139,5 = 35
2. Simpangan rata-rata (SR)
Simpangan rata-rata merupakan ukuran variasi yang ke dua dan ukuran

ini merupakan ukuran yang lebih baik daripada range. Apabila simpangan
rata–rata ini disertakan pada ukuran pada nilai pusat (dalam hal ini mean),
maka hal tersebut akan dapat menggambarkan suatu kumpulan data yang

tepat, baik bagi nilai pusatnya maupun bagi variasi keseluruhan nilai yang
ada dalam kumpulan data tersebut.
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
Sedangkan untuk data kelompok digunakan rumus:
SR =
∑ f .|x−x́|
n
Contoh 5.9:
Diketahui tinggi badan 50 siswa sebagai berikut:

Tinggi badan Frekuensi (fi)
131-140 2
141-150 8
151-160 13
161-170 12
171-180 9
181-190 6
Hitunglah simpangan rata-ratanya!

Penyelesaian:
Untuk meneyelesaiakan soal tersebut kita buat tabel penolong seperti di

bawah ini.
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
jadi simpangan rata-ratanya adalah:
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).
a. Varian untuk data tunggal

Untuk mencari varian dari sekelompok data x 1, x2, x3, …., xn (data tunggal)
dapat digunakan rumus
n
∑ ( x i−x́ )2
s2= i=1
n−1
Contoh 5.10:

Tentukan varians data tunggal 2, 6, 8, 5, 4, 9, 12 sampel kecil (n < 30) .
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
b. Varian untuk data kelompok

Untuk mencari variansi data yang sudah disusun dalam distribusi
frekuensi (data berkelompok) digunakan rumus
n
∑ 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:
Hitunglah varians dari data berikut!

Nilai F
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:

Selama 10 kali ulangan semester ini Bian dapat nilai 91, 79, 86, 80, 75,
100, 87, 93, 90,dan 88. Hitunglah simpangan bakunya!
Penyelesaian:
1. Kita cari dulu rata ratanya.
( 91+79+86+ 80+75+100+87+ 93+90+ 88 ) 869
x= = =85,9
10 10
2. Buat tabel penolong untuk mempermudah perhitungan
xi |x−¿ xi| ¿ xi)2
75 10,9 118,81
79 6,9 47,61
80 5,9 34,81
83 2,9 8,41
86 0,1 0,01
87 1,1 1,21
88 2,1 4,41
90 4,1 16,81
91 5,1 26,01
100 14,1 198,81
x = 85,9 ∑ (x−x i)=456,9
Kita masukkan kerumus

n
s=
√ ∑ ( x i− x́ )2
i=1
n
=
√ 456,9
9
=7,125
b. Simpangan baku data berkelompok

Untuk mencari simpangan baku data berkelompok digunakan rumus
sebagai berikut:
n
s=
√ ∑ f i (xi − x́)2
i=1
Contoh 5.13
n

Diketahui tinggi badan 50 siswa sebagai berikut:
Tinggi badan Frekuensi (fi)
131-140 2
141-150 8
151-160 13
161-170 12
171-180 9
181-190 6
Hitunglah simpangan bakunya!
Penyelesaian:
Tinggi badan fi xi f i . xi
131-140 2 135,5 271
141-150 8 145,5 1164
151-160 13 155,5 2021,5
161-170 12 165,5 1986
171-180 9 175,5 1579,5
181-190 6 185,5 1113
∑ 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

kita masukkan kerumus
s=
√ ∑ f i (xi − x́)2
i=1
n−1
=
√ 33983,38
49
=26,335
LATIHAN 5
1. Hasil ujian statistic 20 orang mahasiswa adalah sebagai berikut: 65,

95,75,100,85,70,65,75,75,85,95,75,75,75,85,95,75,85,85,65.
a. Berapa nilai jangkauannya?
b. Carilah simpangan rata-ratanya
c. Berapa varians dan simpangan bakunya?
2. Disajikan data nilai ulangan siswa seperti dibawah ini!
Nilai siswa Frekuensi

31-40 5
41-50 8
51-60 10
61-70 15
71-80 10
81-90 7
91-100 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

BAB VI
DISTRIBUSI NORMAL
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).
Distribusi normal adalah distribusi probabilitas kontinu yang simetris

dan mesokurtik. Dua parameter yang menentukan suatu bentuk kurva
normal adalah rata-rata dan standard deviasi. Dengan demikian, untuk
distribusi variabel ini tidak dapat disusun tabel yang menyatakan nilai
probabilitas dan sebaiknya dinyatakan dalam bentuk fungsi matematis dan
digambarkan dalam bentuk kurva (Subiyakto, 1994).
Distribusi normal sering disebut juga dengan distribusi Gauss, inilah

distribusi peluang kontinu yang terpenting dan paling banyak digunakan.
Grafiknya disebut kurva normal, berbentuk seperti lonceng, kurva normal
menggambarkan kumpulan data yang muncul dalam berbagai penelitian
(Muttaqin dan Suryadi, 1997)
Sebaran kontinu yang paling penting dalam bidang statistika adalah

sebaran normal. Grafiknya, yang disebut kurva normal yang dapat
digunakan dalam banyak sekali gugusan data yang terjadi di alam, industri,
dan penelitian. Persamaan matematika bagi sebaran peubah acak normal

ini bergantung pada dua parameter, yaitu nilai rata-rata dan simpangan
baku (Walpole, 1993).
Gambar 1. Kurva Distribusi Normal
Kurva tersebut dipengaruhi oleh rata-rata (µ) dan simpangan baku (σ ¿

. Kurvanya makin rendah (platikurtik) jika rata-rata (µ) besar dan
simpangan baku (σ ¿ besar. Kurvanya makin tinggi (leptokurtik) jika rata-
rata (µ) dan simpangan baku (σ ¿ kecil (Hasan, 2008).
Distribusi normal memiliki bentuk fungsi tertentu. Bentuk fungsinya

sebagai berikut (Hasan, 2008):
2
1 (x-μ)
1
f(x) = e2 σ
σ √ 2π
Keterangan:
x = nilai data
π = 3,14
σ = simpangan baku
μ = rata-rata x
e = 2,71828 ≈ 2,72

B. BENTUK KURVA DISTRIBUSI NORMAL
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.
Gambar 2. Kurva Normal Tidak Identik Kedudukan Berbeda

2) Dua kurva yang mempunyai nilai tengah sama tetapi simpangan
bakunya berbeda. Berpusat pada posisi yang sama pada sumbu
mendatar, dan bentuknya berbeda.
Gambar 3. Kurva Normal Tidak Identik Kedudukan sama
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.

Gambar 4. Kurva Normal Identik Kedudukan Berbeda
C. DISTRIBUSI NORMAL STANDAR

Keluarga distribusi normal memiliki jumlah yang banyak sekali, akibat
pengaruh rata-rata dan simpangan baku. Mencari probabilitas suatu
interval dari variabel random kontinu dapat dipermudah dengan
menggunakan bantuan distribusi normal standar.
Distribusi normal standar adalah distribusi normal yang memiliki
rata-rata (µ)= 0 dan simpangan baku (σ )= 1. Bentuk fungsinya adalah:
1 2
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:
Z = variabel normal standar
X = nilai variabel random
µ = rata-rata variabel random

σ = simpangan baku variabel random
Nilai Z (standard units) adalah angka atau indeks yang menyatakan

penyimpangan suatu nilai variabel random (X) dari rata-rata (µ) dihitung
dalam satuan simpangan baku (σ ) (Hasan, 2008).
Distribusi normal memiliki rata-rata, varians, dan simpangan baku.

Rumus dari masing-masing perhitungan tersebut dapat dituliskan sebagai
berikut (Hasan, 2008).
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.

Ukuran kecondongan (skewness) adalah ukuran yang menyatakan
derajat ketidaksimetrisan suatu lengkungan halus (kurva) dari suatu
distribusi frekuensi.Dapat pula dikatakan bahwa ukuran kecondongan
adalah harga yang menunjukkan seberapa jauh distribusi itu menyimpang
dari simetris. Jika kita tinjau berdasarkan kecondongan, suatu kurva
distribusi dapat dikelompokkan menjadi tiga bagian.
1. Macam – macam Ukuran Kecondongan Menurut Pearson

a. Kurva condong ke kanan (Distribusi Positif)
Jika x̄ > Mo atau x̄ - Mo > 0 positif sering disebut sebagai
Kecondongan (Sk) positif
b. Kurva normal atau simetrik (Distribusi Normal)
Jika x̄ = Mo atau x̄ - Mo = 0 nol sering disebut sebagai
Kecondongan (Sk) normal atau simetrik
c. Kurva menceng ke kiri (Distribusi Negatif)
Jika x̄ < Mo atau x̄ - Mo, < 0 negatif sering disebut sebagai
Kecondongan (Sk) Negatif
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:

1. Jika koefisien Kecondongannya lebih kecil dari nol (<0), model
distribusinya negatif
2. Jika koefisien Kecondongannya sama dengan nol (= 0), model
distribusinya simetris
3. Jika koefisien Kecondongannya lebih besar dari nol (> 0), model
distribusinya positif.
2. Rumus Ukuran Kecondongan

a. Koefisien Kecondongan Pearson
x̄ − Mo
Modus
K=
Median
s
b. Koefisien Kcondongan Rumus Moment Matematis
Data Tunggal
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
Data Berkelompok
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
c. Koefisien Kecondongan Rumus Bowley

Mengunakan nilai kuartil
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

Apabila nilai SkB dihubungkan dengan keadaan kurva, didapatkan
• Jika Q3- Q2 = Q3 + Q 1 - 2 Q2 = 0 maka SkB = 0 dan distribusi

datanya simetri
• Jika Q1 = Q2 maka nilai SkB = 1 dan distribusi datanya miring ke

kanan
• Jika Q2 = Q3 maka nilai SkB = -1 dan distribusi datanya miring ke

kiri
Contoh 6.1
Nilai hasil ujian statistic Mahasiswa UNRIKA dikelompokkan sebagai

berikut:
Nilai Frekuensi
41-50 4
51-60 6
61-70 10
71-80 15
81-90 8
91-100 7
Hitunglah tingkat kecondongannya!
Penyelesaian
Untuk menentukan tingkat kecondongan dengan menggunakan rumus

pearson langkah pertama kita harus mencari nilai rata-rata, modus dan
simpangan bakunya. Agar lebih mudah dalam melakukan perhitungan
buatlah tabel penolong seperti di bawah ini.
Nilai fi f.kom Xi f.Xi 2

( x i−x́ ) f i . ( x i−x́ )2
41-50 4 4 45.5 182 761.76 3047.04
51-60 6 10 55.5 333 309.76 1858.56
61-70 10 20 65.5 655 57.76 577.6
71-80 15 35 75.5 1133 5.76 86.4
81-90 8 43 85.5 684 153.76 1230.08
91-100 7 50 95.5 668.5 501.76 3512.32
∑ 50 3655 10312

x́=
∑ f i . x i = 3655 =73,1
∑f 50
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
Jadi koefisien kecondongan kurvanya adalah -0,11.
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.
Kurtosis (keruncingan), (nilai ini tidak ada kalau s = 0 atau n < 4 ).
Untuk data tunggal rumusnya adalah:
n
1
∑ X − X )4
n i=1 ( i
Kurtosis = s4
Untuk data kelompok rumusnya adalah:
n
1
∑ f . X − X )4
n i=1 i ( i
Kurtosis = s4
Standarized kurtosis (Stnd. Kurtosis).
Kurtosis
24
Stnd. Kurtosis = √ n

dimana n adalah jumlah data dan s adalah simpangan baku (standard
deviation).
Selain Rumus di atas terdapat rumus lain untuk mengihtung kurtosis

yaitu:
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
Berdasarkan data pada contoh 6.1 tentukanlah keruncingan kurvanya!
Penyelesaian:
Nilai fi f.kom Xi f.Xi 2

( x i−x́ )
2
f i . ( x i−x́ ) ( x i−x́ )
4
41-50 4 4 45.5 182 761.76 3047.04 580278.2976

51-60 6 10 55.5 333 309.76 1858.56 95951.2576
61-70 10 20 65.5 655 57.76 577.6 3336.2176
71-80 15 35 75.5 1133 5.76 86.4 33.1776
81-90 8 43 85.5 684 153.76 1230.08 23642.1376
91-100 7 50 95.5 668.5 501.76 3512.32 251763.0976
∑ 50 3655 10312 955004.2
n
1
∑ f . X − X )4
n i=1 i ( i
Kurtosis = s4
1
( 955004 , 2 )
50
Kurtosis = 14 , 514

19100,084
Kurtosis = = 0,43
44327,133

DAFTAR PUSTAKA
Hasan, Iqbal. 2008. Statistik 2 (Inferensif) Edisi Ke-2. Jakarta: Bumi Aksara.
Muttaqin, Husni dan Suryadi. 1997. Statistika Industri 1. Jakarta:

Universitas Gunadarma.
Prem s. Mann. 2013. Introductory Statistic. Singapore: John Wiley & Sons.
Riduwan. 2009. Pengantar Statistika Sosial. Bandung: Alfabeta.
Riduwan. 2011. Dasar-dasar Statistika. Bandung: Alfabeta
Riduwan & H Sunarto. 2011. Pengantar Statistika untuk Penelitian

Pendidikan, Sosial, Komunikasi, Ekonomi dan Bisnis. Bandung:
Alfabeta.
Siregar, Syofian. 2013. Statistik Parametrik Untuk Penelitian Kuantitatif.

Jakarta: Bumi Aksara.
Subiyakto, Haryono.1994. Statistika 2. Jakarta:Gunadarma.
Supramono dan Sugiarto. 1993. Statistika. Yogyakarta: Andi Offset
Supranto, J. 2016. Statistik Teori &Aplikasi. Jakarta:Erlangga
Walpole, Ronald E. 1983. Pengantar Statistika. Jakarta: Gramedia Pustaka

Utama.

DRAFT MODUL STATISTIK Ok 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

DRAFT MODUL STATISTIK Ok 1

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB I

KONSEP DASAR STATISTIK

A. PENGERTIAN STATISTIK DAN STATISTIKA

Sebagai ilmu pengetahuan statistika mempunyai dua bagian yaitu

Modul Statistik Teori dan Aplikasi 1

Berikut adalah contoh penggunaan statistic deskriptif untuk

Modul Statistik Teori dan Aplikasi 2

Dari gambar diatas terlihat presentase suara masuk dari masing-

Statistika inferensial berhubungan dengan pendugaan populasi

Modul Statistik Teori dan Aplikasi 3

Data adalah keterangan atau informasi yang diperoleh dari suatu

Modul Statistik Teori dan Aplikasi 4

Modul Statistik Teori dan Aplikasi 5

Modul Statistik Teori dan Aplikasi 6

C. POPULASI DAN SAMPEL

Dari contoh di atas banyaknya mahasiswa di Universitas Riau

Modul Statistik Teori dan Aplikasi 7

Dalam suatu penelitian kita ingin memperoleh kesimpulan dari populasi

D. TEKNIK PENGAMBILAN SAMPEL

Belakangan ini sering kita jumpai banyak lembaga-lembaga survei yang

Modul Statistik Teori dan Aplikasi 8

Gambar 3. Teknik simple random sampling

Modul Statistik Teori dan Aplikasi 9

PENDIDIKAN PENDIDIKAN PENDIDIKAN

SARJANA SMA SMP

SAMPEL SAMPEL SAMPEL

Gambar 4. Teknik stratified random sampling

Modul Statistik Teori dan Aplikasi 10

1. Jelaskan perbedaan arti statistik dan statistika!

Modul Statistik Teori dan Aplikasi 11

B. PENYAJIAN DATA DENGAN TABEL

Modul Statistik Teori dan Aplikasi 12

Selanjutnya tabel dua arah adalah suatu tabel yang menunjukkan

Tabel 2.2. Jumlah mahasiswa UNRIKA berdasarkan fakultas dan tahun

C. PENYAJIAN DATA DENGAN GRAFIK

Penyajian data dalam bentuk grafik umumnya lebih menarik dapat

Modul Statistik Teori dan Aplikasi 13

Tahun 2014 2015 2016 2017

Modul Statistik Teori dan Aplikasi 14

Prodi 2015 2016 2017

Grafik 2.2. Data Jumlah Mahasiswa FKIP 2015-2017

Modul Statistik Teori dan Aplikasi 15

Grafik 2.3. Jumlah Mahsiswa Prodi Pendidikan Matematika tahun

Modul Statistik Teori dan Aplikasi 16

Grafik 2.4. Data Jumlah Mahasiswa FKIP 2015-2017

Contoh grafik lingkaran

Fakultas EKONOM HUKUM TEKNIK FKIP FISIPOL JUMLAH

Modul Statistik Teori dan Aplikasi 17

Grafik 2.5. Jumlah mahasiswa UNRIKA menurut Fakultas pada

1. Apa yang anda ketahui tentang tabel dan grafik?

Jenis 2014 2015 2016 2017 2018

4. Berdasarkan grafik yang anda buat pada soal no 3. buatlah analisis

Modul Statistik Teori dan Aplikasi 18

A. MACAM-MACAM DISTRIBUSI FREKUENSI

2. Ditinjau dari jenisnya

a Distribusi frekuensi numerik

Modul Statistik Teori dan Aplikasi 19

Tabel 3.1. Tabel distribusi frekuensi Numerik

b Distribusi frekuensi kategorikal

Modul Statistik Teori dan Aplikasi 20

Tabel 3.2. Bentuk umum tabel distribusi frekuensi Kategorikal

Berdasarkan tabel 2 diatas ada beberapa istilah yang digunakan

Modul Statistik Teori dan Aplikasi 21