1.

STATISTIK DESKRIPTIF

1
 Daftar Isi
MAKALAH 1 ........................................................................................................................ 3
MAKALAH 2 ...................................................................................................................... 20
MAKALAH 3 ...................................................................................................................... 46
MAKALAH 4 ...................................................................................................................... 72
MAKALAH 5 ...................................................................................................................... 85
MAKALAH 6 .................................................................................................................... 107

2
 MAKALAH 1

A. TUJUAN
1. Untuk memahami penggunaan statistik deskriptif
2. Agar mahasiswa dapat mengaplikasikan ststistik deskriptif pada sebuah
penelitian
B. TOPIK PEMBAHASAN
1. Pengertian Statistik Deskriptif
Statistik deskriptif adalah metode metode yang berkaitan dengan
pengumpulan data dan penyajian suatu data sehingga memberikan
informasi yang berguna. (Walpole,1995)
Statistika deskriptif adalah statistika yang menggambarkan atau
menjelaskan karakteristik dari data suatu sampel populasi. Kegiatan
berkaitan dengan statistika deskripsi adalah pengumpulan, pencatatan,
peringkasan, penyusunan, dan penyajian data. Penyajian data biasa berupa
table frekuensi, grafik atau histogram. Contoh dari statistika deskriptif
adalah : mean (rata-rata), modus (data yang paling sering muncul), median
(nilai tengah, nilai yang membagi data terurut menjadi 2 bagian yang
sama), jangkauan (selisih nilai tertinggi dengan nilai terendah dari data
sampel), kuartil (nilai data yang dibagi menjadi 4 bagian yang sama),
deviasi standart. Dua parameter yang sering digunakan dalam penyajian
statistika deskriptif adalah ukuran pemusatan dan ukuran penyebaran
data. (Purnomo, 2017)
2. Penyajian Data
Data statistik tidak hanya cukup dikumpulkan dan dioalah, tetapi
juga perlu disajikan dalam bentuk yang mudah dibaca dan dimengerti oleh
pengambilan keputusan. Penyajian data ini bisa dalam bentuk tabel atau
grafik dengan keuntungan bahwa data tersebut akan lebih cepat di
tangkap dan dimengerti dari pada disajikan dalam bentuk kata-kata.
Penyajian data dalam bentuk tabel dan grafik akan membuat proses
pengambilan keputusan lebih tepat, cepat dan akurat. (Supratno, 2008)

3
2.1 Tabel
Merupakan kumpulan angka-angka yang di susun menurut
kategori-kategori (misalnya jumlah pegawai menurut pendidikan dan
masa kerja; jumlah penjualan menurut jenis barang dan daerah
penjualan) sehingga memudahkan dalam pembuatan analisis data.
Grafik merupakan gambar-gambar yang menunjukan secara visual
data berupa angka (mungkin juga dengan simbol-simbol) yang
biasanya juga berasal dari tabel-tabel yang telah di buat. (Supratno,
2008)
Ada berbagai bentuk tabel yang dikenal yaitu tabel satu arah, tabel
dua arah dan tabel tiga arah.
a. Tabel satu arah ialah tabel yang memuat keterangan mengenai
satu hal atau satu karakteristik saja misalnya:
1) Data personalia : jumlah personalia menurut :
a) pendidikan
b) masa kerja
c) umur
d) golongan
e) dan lain sebagainya.
2) Data peralatan : jumlah kendaraan bermotor menurut :
a) merek
b) jenis
c) umur
d) harga
e) dan lain sebagainya.
b. Tabel dua arah ialah tabel yang menunjukan hubungan dua hal
atau dua karakteristik. Misalnya :
1) Data personalia, menurut masa kerja dan pendidikan, masa
kerja dan golongan, agama dan pendidikan, dan lain
sebagainya.

4
 2) Data peralatan,menurut umur dan merek,umur dan jenis,dan
lain sebagainya.
c. Tabel tiga arah ialah tabel yang menunjukan tiga hal atau tiga
karakeristik, misalnya:
1) data personalia, menurut masa kerja, pendidikan dan
golongan, masa kerja, umur serta golongan, dan lain
sebagainya.
2) data peralatan, menurut umur, merek, jenis, dan unit kerja,
dan lain sebagainya. (Supratno, 2008)
2.2 Grafik
Penyajian dalam bentuk gambar dapat memudahkan
pengambilan kesimpulan dengan cepat. Data berkala yaitu data yang
dikumpulkan dari waktu ke waktu untuk mengetahui perkembangan
suatu hak/kegiatan, biasanya disajikan dalam bentuk grafik garis
untuk memudahkan pembuatan trend. Beberapa macam grafik
antara lain : grafik garis, grafik batangan atau balok, grafik lingkaran.
a. Garis grafik tunggal
Garis grafik tunggal adalah grafik yang terdiri dari suatu
garis untuk menggambarkan perkembangan (trend) dari suatu
karakteristik.
b. Grafik garis berganda
Grafik garis berganda adalah grafik yang terdiri dari
beberapa garis untuk menggambarkan perkembangan beberapa
hal/kejadian sekaligus. Misalnya perkembangan eksport
menurut jenisnya ( barang A, B, C dan D ), perkembangan jumlah
korban kecelakaan lalu lintas menurut jenis korban ( meninggal,
luka berat, dan luka ringan), dan lain sebagainya.
c. Grafik garis komponen berganda
Serupa dengan grafik berganda, tetapi garis yang
terbatas/terakhir yang menggambarkan jumlah (total) dari

5
 komponen-komponen, sedangkan garis lainnya
menggambarkan masing-masing komponen. Contoh untuk
memberikan penggambaran grafik garis komponen berganda.
d. grafik garis persentase komponen berganda
grafik garis persentase komponen berganda adalah sama
seperti grafik garis berganda, kecuali bahwa masing-masing nilai
komponen dinyatakan dalam presentase, sehingga garis beratas
(terakhir) merupakan garis yang menunjukan nilai 100%.
e. Grafik batangan tunggal
f. Grafik batangan berganda
g. Grafik batangan komponen berganda
h. Grafik batangan persentase komponen berganda
i. Grafik lingkaran tunggal.
Penggambaran ini akan lebih tepat apabila kita hendak
mengetahui perbandingan nilai-nilai karakteristik yang satu
dengan yang lain dan dengan keseluruhan.
j. Grafik lingkaran berganda.
Sebelum digambarkan, pertama-tama cari persentase
tiap-tiap data. Tiap-tiap lingkaran mempunyai perbandingan
luas tersendiri, seperti halnya dalam grafik lingkaran tunggal.
(Supratno, 2008)
k. Infografik
Infografik adalah representasi visual informasi, data atau
ilmu pengetahuan secara grafis. Grafik ini memperlihatkan
informasi rumit dengan singkat dan jelas, seperti pada papan,
peta, jurnalisme, penulisan teknis, dan pendidikan.
3. Pengukuran Gejala Pusat
Ukuran pemusatan sering disebut dengan istilah ukuran tendensi
pusat. Ukuran pemusatan merupakan ukuran yang menunjukan pusat
suatu distribusi data, dan bisa memwakili data dari suatu pengukuran atau

6
pengamatan. Pada dasarnya terdapat tiga cara yang dapat digunakan
sebagai ukuran pemusatan yaitu mean, median dan modus. (Walpole,
1995)
a. Rata – rata hitung (mean)
Mean merupakan penjumlahan semua nilai dari seluruh
pengamatan atau pengukuran dibagi dengan jumblah pengamatan
atau pengukuran. Mean merupakan ukuran pemusatan utama dan
paling sering digunakan dalam penyajian data deskriptif. (Walpole,
1995)
Rumus untuk rata-rata:
𝑛
∑𝑖=1 𝑥𝑖
𝑋̅ = (data tunggal)
𝑛
𝑛
∑𝑖=1 𝑓𝑖.𝑥𝑖
𝑋̅ = (data berkelompok) (Sugiarto, 2015)
𝑛

Dengan Σ xi singkatan dari ∑𝑛𝑖=1 𝑋𝑖 yang berarti jumlah semua

harga x yang ada dalam kumpulan itu.
b. Modus
Untuk menyatakan fenomena yang paling banyak terjadi atau
paling banyak terdapat digunakan ukuran modus. Modus untuk data
kuantitatif ditentukan dengan jalan menentukan frekuensi terbanyak
diantara data tersebut. Jika data kuantitatif telah disusun dalam daftar
distribusi frekuensi, modusnya dapat ditentukan dengan rumus :

𝑏1
𝑀𝑜 = 𝑏 + (𝑏1+𝑏2) 𝐶 (Sugiarto, 2015)

c. Median
Median menentukan letak data setelah data itu disusun menurut
urutan nilainya. Kalau nilai median sama dengan Me, maka 50% dari
data harga-harganya paling tinggi sama dengan Me sedangkan 50%
lagi harga-harganya paling rendah sama dengan Me.
Jika banyak data ganjil, maka median Me, setelah data disusun
menurut nilainya, merupakan data paling tengah. Jika banyak data

7
 genap, setelah data disusun menurut urutan nilainya, median sama
dengan rata-rata hitung dua data tengah. Untuk data yang telah
disusun dalam daftar frekuensi mediannya , dihitung dengan rumus ini
:
𝑛+1
Me = (data tunggal)
2
𝑛
−𝑓
2
𝑀𝑒 = 𝐿𝑚𝑑 + 𝑓𝑚𝑑 C (data berkelompok) (Sugiarto, 2015)

4. Pengukuran Variasi Kelompok

Ada beberapa macam ukuran variasi atau dispersi, misalnya nilai jarak
(range), rata-rata simpangan (mean deviation), simpangan baku (standard
deviation), dan koefisien variasi (coefficient of variation). Diantara ukuran
variasi tersebut, simpangan baku yang sering dipergunakan, khususnya
untuk keperluan analisis data. (Supratno, 2008)
Kita mengenal 3 kelompok nilai, yaitu kelompok nilai homogen (tidak
bervariasi), kelompok nilai heterogen (sangat bervariasi), dan kelompok
nilai relative homogen (tidak begitu bervariasi). Perhatikan 3 kelompok
data berikut :
(1) 50 50 50 50 50 → rata-rata hitung = 50
(2) 50 40 30 60 70 → rata-rata hitung = 50
(3) 100 40 80 20 10 → rata-rata hitung = 50
Walaupun rata-rata hitung dari masing-masing kelompok adalah sama,
namun kelompok (1) rata-ratanya dapat mewakili kelompok data dengan
baik (sempurna), kelompok (2) cukup baik dan kelompok (3) tidak dapat
mewakili dengan baik. (Supratno, 2008)
a. Jangkauan (Range) atau rentang
Merupakan selisih antara data terbesar dengan data terkecil dari
suatu sekumpulan pengamatan atau pengukuran. Apabila suatu
kelompok nilai (data) sudah disusun menurut urutan yang terkecil (X1)
sampai dengan yang terbesar (Xn) maka untuk menghitung rentang
atau disebut juga nilai jarak dipergunakan rumus berikut :
NJ = Xn - X1 (Data tak berkelompok)

8
 NJ = nilai tengah kelas terakhir – nilai tengah kelas pertama (Data
berkelompok)
NJ = batas atas kelas terakhir – batas bawah kelas pertama (Data
berkelompok)
b. Deviasi standar (Standard deviation)
Merupakan ukuran penyebaran yang sering banyak dipakai dalam
penyajian data deskriptif. Deviasi standar atau simpangan baku
merupakan akar dari penjumlahan kuadrat dari selisih antara data
pengamatan dengan nilai mean-nya, kemudian dibagi dengan jumlah
data (n). Untuk sampel, simpangan baku akan diberi symbol s,
sedangkan untuk populasi diberi simbol σ (dibaca sigma).

√∑𝑛
𝑖=1(𝑥𝑖−𝑥̅ )²
𝑠= untuk sampel
𝑛−1

√∑𝑛
𝑖=1(𝑥𝑖−μ)²
σ= untuk populasi
𝑛

Varian (Variance)
Merupakan pangkat dua dari nilai deviasi standar. Untuk sampel,
varians akan diberi symbol s2, sedangkan untuk populasi diberi simbol
σ2 (dibaca sigma kuadrat).
∑𝑛
𝑖=1 (𝑥𝑖−𝑥̅ )²
𝑠2 = 𝑛−1
untuk sampel
∑𝑛 (𝑥𝑖−μ)²
σ² = 𝑖=1 𝑛 untuk populasi
c. Koefisien variansi (Coefficient of variation)
Merupakan suatu ukuran penyebaran relative. Nilai koefesien
variasi diperoleh dari nilai deviasi standar dibagi dengan nilai mean
dikalikan 100. Nilai ini digunakan untuk membandingkan secara elatif
distribusi data dengan mean suatu sampel yang berbeda. Artinya, jika
ada dua data dengan mean yang berbeda nilainya dan nilai SD-nya
sama, maka mean dengan nilai lebih tinggi mempunyai dispersi data
lebih rendah. (Supratno, 2008)
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢
𝐾𝑉 = 𝑥 100%
rata − rata

9
 𝑠
Untuk sampel → 𝐾𝑉 = 𝑥 100%
𝑥̅
𝜎
Untuk populasi → 𝐾𝑉 = 𝑥 100%
𝜇

C. Contoh soal
1) Pengukuran gejala pusat
Dilakukan penelitian tentang formulasi gel dari ekstrak rimpang
jahe merah dan diperoleh data viskositas sediaan gel seperti pada tabel
2. Dari data tersebut hitung mean, modus, dan median.
Jawab :

Interval kelas Fi Xi FiXi

581-585 2 583 1166
586-590 12 588 7056
591-595 9 593 5337
596-600 2 598 1196
Jumlah 25 14755

10
a. Mean
𝑛
∑𝑖=1 𝑓𝑖. 𝑥𝑖
𝑋̅ =
𝑛
14755
𝑋̅ =
25
̅ = 𝟓𝟗𝟎. 𝟐
𝑿
b. Modus
Dari data tabel 2 dapat dilihat bahwa interval yang paling besar
nilai frekuensinya adalah interval ke-2, yaitu 586-590 dengan
frekuensi 12. Selain itu didapat pula data-data sebagai berikut :
n = 25
b = 586 – 0,5 = 585,5
b1 = 12 – 2 = 10
b2 = 12 – 9 = 3
C=5
Maka modusnya adalah :
𝑏1
𝑀𝑜 = 𝑏 + ( )𝐶
𝑏1 + 𝑏2
10
𝑀𝑜 = 585,5 + ( )5
10 + 3
10
𝑀𝑜 = 585,5 + ( ) 5
13
𝑀𝑜 = 585,5 + 3,85
𝑴𝒐 = 𝟓𝟖𝟗, 𝟑𝟓
c. Median
Interval kelas Fi
581-585 2 2
586-590 12 14
591-595 9 23
596-600 2 25
Jumlah 25

Dari tabel 2 diketahui bahwa

11
 n = 25 maka n/2 = 12,5
Urutan frekuensi dari atas kebawah 2 + 12 = 14
Sehingga harga median terletak dalam interval kelas ke-2, yaitu
586-590 dengan frekuensi 12. Interval kelas ini dinamakan interval
medium.
Lmd : 586 – 0,5 = 585,5
n : 25
f :2
fmd : 12
C :5
𝑛
−𝑓
𝑀𝑒 = 𝐿𝑚𝑑 + 2 C
𝑓𝑚𝑑
25
−2
𝑀𝑒 = 585,5 + ( 2 )5
12

10.5
𝑀𝑒 = 585,5 + ( )5
12
𝑀𝑒 = 585,5 + 4,375
𝑴𝒆 = 𝟓𝟖𝟗, 𝟖𝟕𝟓
2) Pengukuran variansi kelompok
a. Range
Dari data tabel 1, maka rentang datanya adalah :
NJ = Xn - X1
NJ = 597,01 - 583,70 = 13,13
b. Deviasi standar / simpangan baku
Dari perhitungan nilai mean di atas dapat diketahui nilai mean
adalah 590,2. Sehingga :

Interval kelas Fi Xi ̅
Xi - 𝑿 ̅ )2
( Xi - 𝑿
581-585 2 583 -7,2 51.84
586-590 12 588 -2,2 4,84
591-595 9 593 2,8 7,84

12
 596-600 2 598 7,8 60,84
Jumlah 25 125,36

√∑𝑛𝑖=1(𝑥𝑖 − μ)²
σ=
𝑛
√125,36
σ=
25
𝛔 = 𝟎, 𝟒𝟒𝟖
c. Variansi
Dari perhitungan diatas, maka variansinya adalah
σ² = (0,448)2 = 0,200704
d. Koefisien variansi
Dari perhitungan diatas dapat diketahui bahwa mean data di atas
adalah 590,2 sedangkan simpangan bakunya adalah σ = 0,448
Maka :
𝑠𝑖𝑚𝑝𝑎𝑛𝑔𝑎𝑛 𝑏𝑎𝑘𝑢
𝐾𝑉 = 𝑥 100%
rata − rata
0,448
𝐾𝑉 = 𝑥 100%
590,2
𝑲𝑽 = 𝟎, 𝟎𝟕𝟓𝟗𝟎𝟔𝟒𝟕%

13
 DAFTAR RUJUKAN

Panjaitan, Ester N., Awaluddin Saragih, Djendakita Purba. (2012). “Journal of

Pharmaceutical and Pharmacology Vol.1 : Formulasi Gel dari Ekstrak
Rimpang Jahe Merah”. Sumatra Utara: Universitas Sumatra Utara.
Purnomo, Hari. Syamsul, Eka Siswanto. (2017). Statistika Farmasi aplikasi praktis
dengan SPSS. Yogyakarta: Penerbit Grafika Indah.
Rosner, Bernard. (2015). Fundamentals of Biostatistics Eighth Edition. USA:
Cengage Learning.
Sugiyarto. (2015). Dasar-dasar statistika farmasi. Yogyakarta: Binafsi Publisher.
Supratno.J (2008). Statistik : teori dan aplikasi 7th Ed. Jakarta: Erlangga
Walpole, Ronald E. (1995). Pengantar Statistika edisi ke 3. Jakarta: Gramedia
Pustaka Utama.

14
LAMPIRAN

Tabel 1 : Hasil penentuan viskositas sediaan gel

Waktu Penyimpanan
Formula
0 (cp) 3 (cp) 6 (cp) 9 (cp) 12 (cp)
G1 588.36 587.00 586.85 585.50 583.70
G2 591.54 590.22 589.01 588.09 586.61
G3 593.75 592.40 590.11 588.95 587.55
G4 594.89 593.61 591.40 589.10 588.00
G5 597.01 596.79 594.55 593.30 591.42
Keterangan: cp: centipoise (satuan viskositas)

Tabel 2 : Hasil penentuan viskositas sediaan gel (dalam bentuk tabel frekuensi)

Interval kelas Frekuensi

581-585 2
586-590 12
591-595 9
596-600 2

Grafik 1:

Grafik Garis Tunggal

598,00
596,00
594,00
592,00
590,00
588,00
586,00
584,00
G1 G2 G3 G4 G5

15
Grafik 2:

Grafik Garis Berganda

600,00

595,00

590,00

585,00

580,00
586,00 588,00 590,00 592,00 594,00 596,00 598,00

3 (cp) 6 (cp) 9 (cp) 12 (cp)

Grafik 3:

Grafik Garis Komponen Berganda

600,00

595,00

590,00

585,00

580,00

575,00
G1 G2 G3 G4 G5

0 (cp) 3 (cp) 6 (cp) 9 (cp)

16
Grafik 4:

Grafik Garis Presentase Komponen Berganda

120,00%

100,00%

80,00%

60,00%

40,00%

20,00%

0,00%
0 (cp) 3 (cp) 6 (cp) 9 (cp) 12 (cp)

G1 G2 G3 G4 G5

Grafik 5:

Grafik Batangan Tunggal

598
596
594
592
590
588
586
584
G1 G2 G3 G4 G5

Grafik 6:

Grafik Batangan Berganda

600,00
595,00
590,00
585,00
580,00
575,00
0 (cp) 3 (cp) 6 (cp) 9 (cp) 12 (cp)

G1 G2 G3 G4 G5

17
Grafik 7:

Grafik Batangan Komponen Berganda

12 (cp)

9 (cp)

6 (cp)

3 (cp)

0 (cp)

19,60% 19,70% 19,80% 19,90% 20,00% 20,10% 20,20%

G5 G4 G3 G2 G1

Grafik 8:

Grafik Batangan Presentase Komponen Berganda

100%

80%

60%

40%

20%

0%
0 (cp) 3 (cp) 6 (cp) 9 (cp) 12 (cp)

G1 G2 G3 G4 G5

Grafik 9:

Viskositas sediaan gel minggu ke-0 (cp)

G1 G2 G3 G4 G5

18
Grafik 10:

G1 G2 G3
0 (cp) 0 (cp) 0 (cp)
3 (cp) 3 (cp) 3 (cp)
6 (cp) 6 (cp) 6 (cp)
9 (cp) 9 (cp) 9 (cp)
12 (cp) 12 (cp) 12 (cp)

Grafik 11 :

19
 MAKALAH 2

A. TUJUAN
Setelah merancang makalah ini, mahasiswa diharapkan mampu :
1. Memahami konsep dasar statistika deskriptif
2. Memahami jenis penyajian data
3. Memahami pengukuran gejala pusat (mean, median, dan modus)
4. Memahami pengukuran variasi kelompok (range, simpangan baku,
simpangan baku relatif)
5. Mampu menggunakan perangkat lunak statistika untuk menghasilkan
statistika deskritif
6. Memahami dan dapat mengimplementasian dalam pembuatan karya
tulis ilmiah

B. TOPIK PEMBAHASAN
1. Statistik Deskriptif
1.1. Pengertian

Statistik deskriptif adalah bagian dari statistika yang membahas

tentang cara pengumpulan dan penyajian data hingga mudah dimengerti.
Statistika deskriptif hanya berkaitan dengan hal menguraikan atau
memberikan keterangan-keterangan mengenai suatu data atau keadaan atau
fenomena. Sehingga dapat dikatakan bahwa statistika deskriptif hanya
berfungsi mendeskripsikan keadaan, gejala, atau persoalan (Rachmat,2012)

Statistik deskriptif adalah statistika yang mempelajari tata cara

penyusunan dan penyajian data yang dikumpulkan dalam suatu penelitian.
Statistika deskriptif lebih berkaitan dengan pengumpulan dan peringkasan
data, serta penyajian hasil peringkasan tersebut. Data ini masih bersifat acak,
“mentah” dan tidak terorganisir dengan baik (Abdul, 2014)

20
 Untuk mengetahui deskriptif data diperlukan ukuran yang lebih eksak,
yang biasa disebut summary statistics (ringkasan statistik). Dua ukuran penting
yang sering dipakai dalam pengambilan keputusan adalah : (1) mencari central
tendency (kecenderungan memusat), seperti rata-rata, median, dan modus;
serta (2) mencari ukuran sebaran, seperti simpangan baku dan varians (Abdul,
2014)

Tahap penaganan atau fase statistik dimana hanya berusaha

menggambarkan, dan menganalisa kelompok yang diberikan tanpa membuat
atau menaruh kesimpulan tentang kelompok yang lebih besar (Syarif, 2018)

Berdasarkan ruang lingkup kajiannya, statistika deskriptif mencakup

hal-hal berikut :

1. Distribusi frekuensi
2. Penyajian grafik, bagan dan diagram
3. Pengukuran tendensi sentral data meliputi; mean, median, modus.
4. Pengukuran letak data meliputi; kuartil, desil, persentil.
5. Penyebaran data meliputi ; range, mean deviasi, standar deviasi, varians.
6. Angka indeks
7. Time series meliputi rata-rata bergerak, pemulusan eksponensial, dan lain-
lain.
8. Korelasi dan regresi sederhana

2. Penyajian Data

Setiap data yang diperoleh dengan cara apapun, tidak akan

bermanfaat menjadi sebuah informasi sebelum diolah dan disajikan. Hal itu
disebabkan oleh data yang diperoleh dari suatu pengumpulan data , apalagi
data primer, masih bersifat data mentah dan kasar. Data yang telah diolah
sesuai dengan tujuan yang diharapkan harus disajikan dalam bentuk-bentuk
penyajian data yang muda dibaca dan diinterpretasikan (Rachmat,2012)

21
2.1 Tabel
Tabel adalah penyajian data dalam bentuk kumpulan angka yang disusun
menurut kategori-kategori tertentu, dalam suatu daftar. Dalam tabel,
disusun dengan cara alfabetis, geografis, menurut besarnya angka, historis,
atau menurut kelas-kelas yang lazim (Syarif, 2018)
Penyajian data dalam bentuk tabel (tabular) adalah penyajian dengan
menggunakan kolom dan baris, sehingga lebih dapat memberikan gambaran
perbandingan-perbandingan atau perbedaan-perbedaan dari pada
penyajian dalam bentuk tulisan. Dalam pembuatan tabel perlu diperhatikan
hal-hal berikut :
a) Judul tabel harus singkat, jelas, dan lengkap.
b) Nomor tabel
c) Keterangan-keterangan, yaitu keterangan yang diperlukan untuk
menjelaskan hal-hal tertentu yang tidak memungkinkan ditulis dalam badan
tabel
d) Sumber data dicantumkan terutama data yang dicuplik dari lapran orang lain
Berdasarkan pengaturan datanya, tabel dibedakan atas beberapa jenis,
yaitu :
1. Tabel frekuensi
Tabel frekuensi adalah tabel yang mununjukkan atau memuat banyak
kejadian atau frekuensi dari suatu kejadian. Tabel frekuensi adalah
pembagian data menurut besarnya nilai dan banyaknya observasi. Jika
nilainya sangat bervariasi dan jumlah observasi banyak, maka besar nilai
dapat dikelompokan sehingga distribusi frekuensi seperti ditunjukkan oleh
tabel 2.1.

Tabel 2.1 Hasil Tryout UKTTK AKFAR PIM 2018-2019

Kelas Interval Frekuensi

62-76 13

68-73 18

22
 74-79 22

80-85 43

2. Tabel klasifikasi
Tabel klasifikasi adalah tabel yang menunjukkan atau memuat
pengelompokkan data. Tabel klasifikasi dapat berupa tabel klasifikasi tunggal
dan ganda.
Tabel 2.2 Pengukuran Kecepatan Akses Download Internet
(kbps)
Pengukuran ke Download (kbps)
1 896
2 915
3 877

Jumlah 2688

a. Tabel klasifikasi tunggal

Tabel 2.2 Jumlah Pengguna Web Saat Mengakses Melalui

Cache Proxy Server Dengan Waktu Dikondisikan

Web Jumlah Kondisi (sekon)

pengguna I II III
Kompas.com 18 5.65 3.98 9.23
Facebook.com 20 4.20 3.68 6.58
T_bagus.com 12 2.61 1.98 8.30
Jumlah 50 12.43 9.64 24.19

23
3. Tabel kontingensi
Tabel kontingensi adalah tabel yang menunjukkan atau memuat data sesuiai
dengan rinciannya.Apalagi bagian baris tabel berisikan m baris dan bagian
kolom tabel berisikan n kolom maka didapatkan tabel kontingensi berukuran
m x n.
Tabel 2.4 Banyak Pasien Hipertensi Berdasarkan Tingkat pendidikan Dan
Jenis Kelamin
Jenis Tingkat Pendidikan Jumlah
Kelamin SI TI IIko
m
Laki-laki 115 103 201 419
Perempuan 234 212 195 641
Jumlah 394 315 396 1.060

4. Tabel korelasi
Tabel korelasi adalah tabel yang menunjukkan atau memuat adanya korelasi
(hubungan) antara data yang disajikan (Rachmat, 2012)
Tabel 2.5 Ujian UKTTK 100 Mahasiswa Akademi Farmasi
Nil Nilai Statistik
ai 40 50 60 70 80 90
- - - - - -
49 59 69 79 89 99
90- 2 4 4
99
80- 1 4 1 4 6 5
89
70- 3 6 5 10 8 1
79

24
 60- 3 5 9 5 2
69
50- 6 2
59
40- 4
49

Penyajian data dalam bentuk tabel terdiri dari tabel induk (master table) dan
tabel rincian (text table)

1. Master table (tabel induk)

Tabel induk adalah tabel yang berisi semua hasil pengumpulan data yang
masih dalam bentuk data mentah.Bisanya tabel induk disajikan dalam
lampiran suatu laporan pengumpulan data atau penelitian.
2. Text table (tabel rincian).
Tabel rincian merupakan uraian data yang diambil dari tabel induk. Beberapa
bentuk tabel rincian adalah distribusi frekuensi, distribusi relatif, distribusi
komulatif, dan tabel silang (kontingensi table atau cross tabulation).
a. Tabel distribusi frekuensi
Tabel distribusi frekuensi adalah pembagian data menurut besarnya nilai dan
banyaknya observasi. Jika nilainya sangat bervariasi dan jumlah observasi
banyak, maka besar nilai dapat dikelompokan sehingga distribusi frekuensi
seperti contoh tabel berikut.

Tabel 2.6 Distribusi Frekuensi Ibu Hamil Menurut Berat Badan Di Klinik
Bersalin “X” Tahun 2009
Berat badan (kg) Jumlah ibu hamil (f) atau n
45-49 3
50-54 5
55-59 6

25
 60-64 8
65-69 12
70-74 15
75-79 10
80-84 7
85-89 6
Jumlah 70

b. Tabel distribusi frekuensi relatif

Tabel distribusi relatif adalah rasio jumlah observasi dalam kelompok atau
kelas tertentu terhadap jumlah seluruh observasi. Frekuensi relative tiap-
tiap kelompok atau kelas pada tiap kelompok atau kelas dengan jumlah
seluruh observasi. Dengan menggunakan tabel di atas tentang berat badan
ibu hamil maka tabel distribusi sebagai berikut :

Tabel 2.7 Distribusi Relative Ibu Hamil Menurut Berat Di Klinik Bersalin
“X” Tahun 2009

Berat Jumlah ibu Frekuensi

badan (kg) hamil (f) relative
45-49 3 3:70 =
0,043
50-54 5 5:70 =
0,071
55-59 6 6:70 =
0,086
60-64 8 8:70 =
0,114
65-69 12 12:70 =
0,171

26
 70-74 15 15: 70 =
75-79 10 0,214
10: 70 =
0,143
80-84 7 7: 70 =
0,100
85-89 6 6:70 =
0,086
Jumlah 70 1,000

c. Tabel distribusi frekuensi kumulatif

Frekuensi kumulatif adalah jumlah frekuensi sampai dengan kelas tertentu.
Distribusi frekuensi kumulatif terdiri dari frekuensi kumulatif kurang dari
atau sama dengan dan lebih dari atau sama dengan. Distribusi frekuensi
kumulatif kurang dari atau sama dengan adalah jumlah frekuensi kurang dari
atau sama dengan tepi atas. Distribusi frekuensi kumulatif lebih dari atau
sama dengan adalah jumlah frekuensi lebih dati atau sama dengan tepi
bawah kelas. Contoh tabel distribusi frekuensi kurang dari atau sama dengan
dan lebih dari atau sama dengan dapat dilihat dalam tabel berikut :

Tabel 2.8 Distribusi Kumulatif ≤ Dan ≥ Ibu Hamil Menurut Berat Badan Di
Klinik Bersalin “X” Tahun 2009
Berat Jumlah Frekuensi Frekuensi
badan ibu ≤ ≥
(kg) hamil
(f)
45-49 3 3 72
50-54 5 8 69
55-59 6 14 64
60-64 8 22 58

27
 65-69 12 34 50
70-74 15 49 38
75-79 10 59 23
80-84 7 66 13
85-89 6 72 6
Jumlah 72

d. Tabel silang (cross tabulation)

Tabel silang merupakan tabel yang melibatkan dua variabel yang disilangkan.
Pada tabel silang variabel pertama (“dependen variabel”) diletakan pada
“stub” dan variabel lain (“independen variabel”) pada box head.
Tabel 2.9 Tabel silang (persen kolom dan analisis baris) jumlah balita
menurut status gizi dan kejadian diare

Statu Kejadian diare

s gizi Diare Tidak diare Jumlah
n % N % N %
3 6,0 9 18,0 12 12,0
Baik
1 36,0 2 50,0 43 43,0
Kuran
8 5
g
2 58,0 1 32,0 45 45,0
Buruk
9 6
5 100, 5 100, 10 100,
Jumla
0 0 0 0 0 0
h

28
 Dalam Penyajian data dengan menggunakan tabel silang perlu
memperhatikan Jenis analisis dan persennya. Pada contoh diatas
menggunakan persen kolom dan analisis baris. Jadi cara membaca tabel
tersebut adalah di antara balita yang berstatus gizi baik lebih banyak yang
tidak diare (!8,0%) dibandingkan dengan jumlah yang diare (6,0%).
Sementara balita yang berstatus gizi buruk lebih banyak yang diare (58,0%)
dari pada yang tidak diare (32,0%). Dengan demikian berdasarkan tabel
tersebut dapat disimpulkan bahwa ada kemungkinan balita yang mengalami
akan menderita gizi buruk.

2.2 Grafik
Penyajian bentuk grafik memberikan informasi mengenai gambaran situasi
yang telah terjadi melalui gambaran agregat dari data seperti
perkembangan, perbandingan, peramalan atau proyeksi dan juga memberi
petunjuk sebagai analisis lebih lanjut. Sama halnya dengan bentuk tabel,
penyajian bentuk grafik atau gambar juga harus memperhatikan beberapa
hal berikut :

1. Judul harus jelas, singkat dan lengkap

2. Dalam menggambar grafik diperlukan dua sumbu sebgai ordinat dan absis
dengan skala tertentu
3. Nomor gambar, catatan kaki, dan sumber

Penyajian bentuk grafik atau gambar ada beberapa macam, yaitu :

1. Histogram
Histogram adalah grafik yang digunakan untuk menyajikan data kontinu atau
data ukur. Grafik ini merupakan areal diagram sehingga jika interval kelas
tidak sama dilakukan pemadatan dengan perbandingan nilai interval kelas
dengan frekuensi kelas. Pada histogram batang-batangnya saling melekat
atau berhimpitan. Pembuatan histogram menggunakan dua sumbu, sumbu

29
 mendatar (sumbu X) menyatakan interval kelas dan sumbu vertical (sumbu
Y) menyatakan frekuensi.

2. Grafik bar
Grafik bar adalah sesuai untuk visualisasi frekuensi yang terkait dengan level
variabel diskrit yang berbeda. Grafik bar juga dirujuk sebagai diagram blok.
Grafik ini digambarkan dengan spasi antar bar yang menggambarkan
diskontinyuitas diantara level variabel (hal ini berlawanan dengan histogram
untuk data kontiyu yang akan didiskusikan nanti). Grafik bar digunakan untuk
menyajikan data diskrit atau data dengan skala nominal maupun ordinal.
Perbedaaan balok-balok grafik bar dari balok-balok histogram adalah
histogram balok-baloknya menyambung atau berhimpit sebab histogram
menggambarkan data kontinu atau data ukur. Gambar balok dapat
berberbrntuk vertical ataupun horizontal. Berdasarkan cara
menggambarkan balok , diagram batang dapat dibagi menjadi single bar,
multiple bar, dan subdivided bar (bar komponen). Dalam menyiapkan grafik
bar, daerah horizontal (sumbu x atau absis) menunjuhkan nilai teramati atau
level variabel diskrit, sementara sumbu vertikal (sumbu y atau ordinat)
menunjuhkan frekuensi atau proporsi pengamatan.

Tabel 2.1 hasil uji kandungan 10 kapsul tetrasiklin

Kapsul Kandungan
tetrasiklin
(mg/kapsul)
1 251
2 250
3 253
4 249
5 250

30
 6 252
7 247
8 248
9 254
10 245

Kandungan tetrasiklin
300
251 250 253 249 250 252 247 248 254 245
250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10
Kapsul Kandungan tetrasiklin (mg/kapsul)

Gambar 2.3 grafik bar kandungan tetrasiklin

3. Frekuensi poligon
Penyajian frekuensi polygon digunakan untuk data kontinu atau data ukur
seperti pada histogram. Cara membuat grafik frekuensii poligon dapat dilakukan
dengan menggunakan puncak-puncak dari balok histogram. Keuntungan
menggunakan frekuensi poligon adalah dapat membandingkan penyebaran
beberapa masalah yang digambar dalam satu gambar.
4. Ogive
Ogive adalah grafik dari data kontinu dan dalam bentuk frekuensi kumulatif.
Perpotongan garis ogive kurang dari atau sama dengan dan lebih dari atau sama
dengan , merupakan nilai yang tepat untuk letak dan besarnya nilai median

31
 2.3 Diagram
Penyajian bentuk grafik memberikan informasi mengenai gambaran situasi
yang telah terjadi melalui gambar agregat dari data seperti perkembangan,
perbandingan, peramalan, atau proyeksi dan juga memberi petunjuk sebagai
dasar analisa lebih lanjut. Sama halnya dengan penyajian bentuk tabel,
penyajian bentuk grafik atau gambar juga harus memperhatikan beberapa hal
berikut :
1) Judul harus jelas, singkat dan lengkap
2) Dalam menggambar grafik, diperlukan ua sumbu sebagai ordinat dan absis
dengan skala tertentu
3) Nomor gambar, catatan kaki, dan sumber (Rachmat,2012)
Data yang diperoleh dan dikumpulkan melalui metode pengumpulan data
tertentu, perlu disajikan. Diantara metode penyajian data yang sering digunakan
adalah diagram dan kurva. Dengan diagram akan mudah membaca dan
menafsirkan data.

1) Diagram garis (line diagram)

Diagram garis adalah suatu cara penyajian data statistik dengan

menggunakan garis-garis lurus. Diagram garis ini tersaji pada sumbu horizontal
(mendatar) menunjukan sumbu x (absis) dan sumbu vertikal (tegak)
menunjuhkan sumbu y (ordinat). Pasangan antara sumbu x dan sumbu y sebagai
satu titik pada suatu sistem koordinat cartesius. Kemudian antara satu titik engan
titik lain terhubung dengan garis lurus. Diagram garis digunakan untuk
menggambarkan data dikrit atau data hitung atau data dengan skala nominal
yang menggambarkan perubahan dari aktu ke waktu atau perubahan dari satu
tempat ke tempat lain.

Contoh: Penelitian kepatuhan minum obat tambah darah, dari 50 orang

masyarakat sebagai responden berdasarkan jenis pekerjaan dalam penelitian
kepatuhan minum obat sebanyak 20 orang sebagai PNS, 8 orang sebagai pekerja
swasta, 10 orang wiraswasta, 5 orang petani, dan 7 orang nganggur.

32
 Tabel 2.3 Kepatuhan minum obat tambah darah responden berdasarkan jenis
pekerjaan
Pekerjaan Banyak Persen
PNS 20 40%
Swasta 8 16%
Wiraswasta 10 20%
Petani 5 10%
Nganggur 7 14%
Jumlah 50 100

Responden berdasarkan jenis

25
pekerjaan
20 40%

15

10 10% Persen
816%
714% Banyak
5 510%

0
PNS Swasta Wiraswasta Petani Nganggur

Gambar 2.3.1 diagram garis responden berdasarkan jenis pekerjaan

2) Diagram batang

Diagram batang adalah suatu cara penyajian data statistic dengan

menggunakan batang yang berbentuk persegi empat. Diagram batang ini tersaji
berbentuk persegi empat pada sumbu horizontal (mendatar) menunjuhkan
(misalnya waktu/berat/panjang) dan sumbu vertikel (tegak) menunjukkan
frekuensi (banyak). Berdasarkan tabel 2.3 Kepatuhan minum obat tambah darah
responden berdasarkan jenis pekerjaan dapat disajiakan :

33
 Responden berdasarkan jenis pekerjaan

25

40%
20

15
Persen
20% Banyak
10
16%
14%
5 10%

0
PNS Swasta Wiraswasta Petani Nganggur

Gambar 2.3.2 diagram batang kepatuhan minum obat tambah

darah responden berdasarkan jenis pekerjaan

Nganggur 7 14%

Petani 5 10%

Wiraswasta 10 20%

Swasta 8 16%

PNS 20 40%

0 5 10 15 20 25

Banyak Persen

Gambar 2.3.3 diagram batang horizontal batang kepatuhan

minum obat tambah darah responden berdasarkan jenis
pekerjaan

34
3) Diagram lingkaran

Diagram lingkaran adalah suatu cara penyajian data statistic berbentuk

lingkaran. Diagram lingkaran ini menjadikan dalam bentuk persentase yang
disesuaikan dengan derajat pada masing-masing bagian dalam lingkaran (Syarif,
2018)

Tabel 2.3 Kepatuhan minum obat tambah darah responden berdasarkan jenis
pekerjaan

Pekerjaan Banyak Persen

PNS 20 40%
Swasta 8 16%
Wiraswasta 10 20%
Petani 5 10%
Nganggur 7 14%
Jumlah 50 100

Responden berdasarkan jenis pekerjaan

Nganggur
14%

Petani PNS
10% 40%

Wiraswasta
20%

Swasta
16%

Gambar 3.1
Diagram dua dimensi batang kepatuhan minum obat tambah darah responden
berdasarkan jenis pekerjaan

35
 Responden berdasarkan jenis pekerjaan
Petani
10%

Wiraswasta Nganggur
20% 14%

Swasta
16%
PNS
40%

Gambar 3.2 Diagram lingkaran tiga dimensi batang kepatuhan minum obat
tambah darah responden berdasarkan jenis pekerjaan

4) Diagram pencar (scatter diagram)

Diagram tebal merupakan diagram yang digunakan untuk mnggambarkan

hubungan dua variabel yang diperkirakan ada hubungan. Sumbu Y
menggambarkan hubungan dua variabel dependen (terikat) dan sumbu X
menggambarkan variabel independen (bebas). Berdasarkan tabel 2.3 Kepatuhan
minum obat tambah darah responden berdasarkan jenis pekerjaan dapat
disajiakan :

36
 Responden berdasarkan jenis
25
pekerjaan
20 40%

15

10 20 20%
16%
14%
5 10 10%
8 7
5
0
PNS Swasta Wiraswasta Petani Nganggur
Banyak Persen

Gambar 3.3 Contoh scatter diagram kepatuhan minum obat tambah

darah responden berdasarkan jenis pekerjaan

2.4 Pictogram
Pictogram adalah diagram yang digambar sesuai dengan objeknya.
Misalnya memperlibatkan jumlah penduduk dengan menggambar
“orang” menggambarkan jumlah penderita penyakit menggunakan
gambar “jantung”. Dalam pictogram satu gambar biasanya digunakan
untuk mewakili jumlah tertentu, misalnya satu orang menggambarkan
10 juta, satu gambar jantung menggambarkan 100 penderita.

37
2.5 Infografik

Infografik adalah bentuk visualisasi data yang menyampaikan informasi

kompleks kepada pembaca agar dapat dipahami dengan lebih mudah
dan cepat.

Infografik adalah representasi visual informasi, data atau ilmu

pengetahuan secara grafis. Grafik ini memperlihatkaninformasi rumit
dengan singkat dan jelas, seperti pada papan, peta, jurnalisme,
penelusuran teknis dan pendidikan. Membuat infografik sendiri adalah
percampuran antara skill desain, analisis informasi, dan storytelling.
Ketiga komponen tersebut adalah kunci dari infografik yang maksimal.
Jenis-jenis infografik :
1. Infografik statis
Infografik statis adalah infografik dalam bentuk gambar yang
tidak bergerak. Seperti infografik pada media cetak atau website.

2. Infografik animasi
Infografik animasi adalah infografik dalam bentuk video
animasi, baik 2 dimensi maupun 3 dimensi. Onfografik ini dapat
digunakan pada televise ataupun media online seperti youtube.
3. Infografik interaktif
Infografik interaktif adalah infografik yang ditampilkan pada
website dan pengguna dapat berinteraksi dengan informasi yang
ditampilkan melaluo use interface yang telah didesain.

38
 3.Pengukuran Gejala Pusat

3.1 Pengertian

Ukuran pemusatan dalah suatu ukuran yang digunakan untuk mengetahui

kumpulan data mengenai ampel atau populasi yang disajikan dalam tabel atau
diagram ( Syarif, 2018: 31). Dari sekumpulan data , ada beberapa harga atau nilai
yang dapat mewakili nilai kelompok data. Jika ukuran pemusatan telah diketahui
maka kita dapat menggunakan ukuran tersebut untuk menjelaskan nilai seluruh
observasi. Ukuran pemusatan data tunggal dalam hal ini meliputi :mean, median,
dan modus. Nilai-nilai tersebut dikenal juga sebagai nilai tengah (central
tendency).

Hal-hal yang berhubungan dengan ukuran pemusatan:

Ukuran pemusatan meliputi ukuran rata-rata (mean), median, dan modus

1) Gejala pemusatan sebgai nilai rata-rata yang mempunyai
kecenderungan memusat, sehingga biasa disebut ukuran
kecenderungan memusat. Beberapa jenis rata-rata yang sering
digunakan adalah rata-rata hitung (mean), rata-rata ukur( geometri
mean) dan rata-rata harmonis (harmonic mean). Dan umumnya
terdapat istilah mean, median, dan modus.

39
 2) Gejala pemusatan pada hakikatnya mengganggap rata-rata dapat
merupakan nilai yang cukup representative bagi penggambaran nilai-
nilai yang terdapat dalam data yang bersangkutan.

3.2 Ukuran pemusatan data tunggal

Ukuran pemusatan data tunggal dalam hal ini sebagai berikut:

1. Rata-rata hitung (Mean)

Mean nilai yang baik dan paling sering digunakan untuk mewakili suatu data. Nilai
mean dapat diperhitungkan baik pada data sampel maupun data populasi dan
dapat pula diperhitungkan pada data yang tidak berkelompok (data tunggal)
maupun data berkelompok. Rata-rata dihitung dengan menjumlahkan semua nilai
data pengamatan kemudian dibagi dengan banyaknya data. definisi tersebut
dapat dinyatakan dengan persamaan berikut :

X1
̅ = ∑1
× N

Rata-rata sebagai ukuran yang memiliki suatu himpunan data dengan ukuran
yang nilainya cemderung terletak secara terpusat, karena letaknya terpusat
sering disebut sebagai ukuran kecenderungan permusatan.

1) Macam-macam rata rata :

2) Rata-rata hitung (mean)
3) Rata-rata hitung berbobot
4) Rata-rata geometri
5) Rata-rata harmonik
6) Rata-rata bergerak
• Kelebihan
1. Rata-rata lebih dikenal dan lebih mudah digunakan
2. Dalam sekumpulan data, rata-rata selalu ada dan hanya ada
satu rata-rata.

40
 3. Dalam penghitungannya selalu mempertimbangkan semua
nilai data
4. Tidak pek terhadap penambahan jumlah data
5. Variasinya paling stabil
6. Cocok digunakan untuk data yang homogen

• Kelemahan
1. Sangat peka terhadap data ekstrim. Jika data ekstrimnya
banyak, rata rata menjadi kurang mewakili (representatif)
2. Untuk data kualitatif, rata-rata tidak dapat digunakan untuk
menentukan ukuran pusat datanya.
3. Tidak cocok untuk data heterogen
Contoh soal:
Seorang mahasiswa melakukan titrasi analisis asam salisilat
dengan NaOH 0,1 N dan volume titrasi yang diperoleh dari 5 kali
replikasi adalah 10,08 mL, 10,11 mL, 10,09 mL, 10,10 mL, dan 10,12
mL. Tentukan nilai rata-rat hitung.
Jawab:
X1 50,50
Rata-rata (X) = ∑1 →X= = 10,10 mL
N 5

• Median
Median adalah nilai yang terletak pada observasi ditengah setelah data
disusun secara berurutan atau dari yang terkecil hingga terbesar atau
sebaliknya. Median berasal dari kta latin “median” atau middle yang
brarti nilai tengah. Median atau nilai tengah adalah salah satu ukuran
pemusatan data. Cara penentuannya adalah: jika segugus data diurutkan
dari yang terkecil sampai yang terbesar atau yang terbesar sampai yang
terkecil, nilai pengamatan yang tepat di tengah-tengah bila jumlah
datanya ganjil, atau rata-rata kedua pengamatan yang di tengah bila
banayk pengamatan genap merupakan median.

41
 • Kelebihan
1. Rata-rata lebih dikenal dan lebih mudah digunakan
2. Dalam sekumpulan data, rata-rata selalu ada dan hanya ada
satu rata-rata.
3. Dalam penghitungannya selalu mempertimbangkan semua
nilai data
4. Tidak pek terhadap penambahan jumlah data
5. Variasinya paling stabil
6. Cocok digunakan untuk data yang homogen
• Kelemahan
1. Sangat peka terhadap data ekstrim. Jika data ekstrimnya
banyak, rata rata menjadi kurang mewakili (representatif)
2. Untuk data kualitatif, rata-rata tidak dapat digunakan untuk
menentukan ukuran pusat datanya.
3. Tidak cocok untuk data heterogen
• Modus

Modus adalah nilai yang seringkali muncul dari serangkaian data. Untuk
menentuhkan modus, pertama disusun data dalam urutan meningkat atau
sebaliknya, kemudian hitung frekuensinya. Nilai yang frekuensi paling
besar (sering muncul ) adalah modus. Modus tidak dipengaruhi oleh nilai
ekstrim (Abdul, 2014)

Contoh soal :

Data berikut aalah jumlah tablet yang rusak tiap botolnya tentukan modus
dari data tersebut.

a. 2,4,5,6,6,7,7,7,8,9
b. 2,4,6,6,6,7,7,7,8,9

Jawab :

42
 a. Untuk 2,4,5,6,6,7,7,7,8,9, maka nilai yang sring muncul
adalah angka 7 frekuensi terbanyak =3, sehingga modusnya = 7
b. Untuk 2,4,6,6,6,7,7,7,8,9, nilai yang sering muncul adalah
angka 6 dan 7 (masing-masing muncul 3 kali), sehingga
modusnya ada dua, yaitu 6 dan 7. Gugus data tersebut
dikatakan bimodal karena mempunyai dua modus. Karen
kedua modus tersebut nilainya berurutan, modus sering
1
dihitung dengan menghitung nilai rata-rata keduanya, 2 (6 +

7) = 6,5

4.Pengukuran Variasi Kelompok

4.1 Kisaran (range)

Kisaran merupakan selisih hasil penetapan yang paling besar dengan
yang paling kecil. semakin kecil selisihnya berarti hasilnya semakin
tepat.

Σ |𝑋−𝑋|
Rumus 𝜎 = 𝑁

4.2 Simpangan Rata-rata

Simpangan rata-rata merupakan simpangan masing- masing
hasil penetapan terhadap rata-rata, dengan tidaak memperhatijan
tanda simpangan positif atau negatif
4.3 Simpangan baku (standar deviation)
Simpangan baku dengan mengadopsi istilah dalam bahasa inggrisnya
standard deviation, merupakan akar jumlah kuadarat simpangan
masing-masing hasil penetapan terhadap mean dibagi dengan derajat
kebebasannya (degrees of freedom). Dengan rumus, simpangan baku
dapat dinyatakan :
Σ (X−𝑋)2
SD =√ (𝑁−1

Yang mana : X adalah nilai dari masing-masing pengukuran,

43
 X adalah rata-rata (mean) dari pengukuran, N = frekuensi pengukuran
,dan N-1 adalah derajat kebebasan.
Σ (X−X)2
Nilai disebut sebagai varians (V)
(N−1

Jadi: SD = √𝑉

4.4 Simpangan baku relatif

Simpangan baku relative (relative standard deviation, RSD) yang juga
dikenal dengan koefisien variasi merupakan ukuran presisi relative dan
umumnya dinyatakan dalam persen. Rumus simpangan baku relative
dengan persamaan:
SD
RSD = x 100%
X

Yang mana RSD adalah simpangan baku relatif (%); SD adalah

simpangan baku dan X adalah rata-rata.
Contoh soal:
Seorang mahasiswa melakukan titrasi analisis asam salisilat dengan
NaOH 0,1 N dan volume titran yang diperoleh dari 5 kali replikasi
adalah 10,08 mL, 10,11 mL, 10,08 mL, 10,10 mL, dan 10,12 mL.
Tentukan nilai simpangan baku (SD) dan simpangan baku relating (RSD)
Jawab : pertama-tama dibuat tabel seperti ini :
Tabel 4.3 Hasil Titrasi Analisi Asam Salisilat
Nilai pengukuran (Xi) (Xi – X) (Xi –X)2

10,08 -0,02 0,0004

10,11 0,01 0,0001
10,09 -0,01 0,0001
10,10 0,00 0,0000
10,12 0,02 0,0004

Total : 50,50 0 0,0010

44
 Dengan demikian :
Σ (X−X)2 0,001
Simpangan baku (SD) =√ → SD = √ = 0,0158 mL
(N−1 4

SD 0,0158
RSD = x 100% → RSD = x 100% = 0,16 %
X 10,10

DAFTAR PUSTAKA

Rohman, Abdul. 2014. Statistika Dan Kemometrika Dasar Dalam Analisa

Farmasi. Penerbit Pustaka Pelajar, Yogyakarta.

Hidayatullah, Syarif. 2018. Statistika Farmasi. Penerbit Innosain, Cetakan

Ke-1, Edisi Pertama, Yogyakarta.

Rahmat, Mochamad. 2011. Buku Ajar Biostatistika Aplikasi Pada

Penelitian Kesehatan. Penerbit Buku Kedokteran EGC, Jakarta.

45
 MAKALAH 3

1. TUJUAN
1.1 Untuk mengetahui pengertian statistik deskriptif
1.2 Untuk mengetahui ruang lingkup statistik deskriptif
2. TOPIK PEMBAHASAN
1. Pengertian
Statistika deskriptif adalah bagian dari statistika yang membahas
tentang cara pengumpulan dan penyajian data hingga mudah dimengerti.
Statistika deskriptif hanya berkaitan dengan hal menguraikan atau
memberikan keterangan – keterangan mengenai suatu data atau keadaan
atau fenomena. Sehingga dapat dikatakan bahwa statistika deskriptif
hanya berfungsi mendeskripsikan keadaan, gejala, atau persoalan.
(Supardi, 2016)
2. Penyajian data
Setiap data yang diperoleh dengan cara apapun, tidak akan
bermanfaat menjadi sebuah informasi sebelum diolah dan disajikan. Hal
itu disebabkan oleh data yang diperoleh dari suatu pengumpulan data,
apalagi data primer, masih bersifat data “mentah” dan kasar.
Pengumpulan data berguna untuk memperoleh informasi dan selanjutnya
diolah dan dianalisis dengan statistika inferensi dalam rangka
pengenbangan teori dan ilmu baru.
1. Penyajian data dalam bentuk tabel (tabular)
Adalah penyajian dengan kolom dan garis, sehngga lebih dapat
memberikan gambaran perbandingan atau perbedaan. Penyajian data
dalam bentuk tabel terdiri dari tabel induk (master table) dan tabel
rincian (text table).(Sugiyarto, 2015)
➢ Langkah – langkah membuat tabel pada exel :
1. Buka dokumen excel.
2. Pilih data table
3. Klik tab insert

46
 4. Klik table
5. Klik ok

➢ Cara mengubah desain table

1. Klik tab design
2. Pilih racangan design
3. Tinjau beberapa pilihan design
4. Klik kembali tab home

a. Contoh tabel data nominal

Telah dilakukan pengumpulan data untuk mengetahui
komposisi pendidikan pegawai di di PT. lodaya. Berdasarkan study
dokumentasi diperoleh keadaan sebagai berikut :
1. Dibagian keuangan : jumlah pegawai yang lulus S1 = 25 orang,
sarjana muda = 90 orang, SMU = 45 orang, SMK = 156 orang,
SMP = 12 orang dan SD = 3 orang
2. Dibagian umum : jumlah pegawai yang lulus S1 = 5 orang
,sarjana muda = 6 orang, SMU = 6 orang, SMK = 8 orang, SMP =
4 orang dan SD = 1 orang
3. Dibagian penjualan : jumlah pegawai yang lulus S1 = 7 orang ,
SMK = 65 orang, SMP = 37 orang dan SD = 5 orang
4. Dibagian litbang : jumlah pegawai yang lulus S3 = 1 orang, S2 =
8 orang dan S1 = 35 orang.

Berdasarkan data mentah tersebut, maka dapat disusun kedalam

tabel dibawah ini.

KOMPOSISI PENDIDIKAN PEGAWAI DI PT. LODAYA

47
 No Bagian Tingkat Pendidikan Jumlah
S3 S2 S1 SM SMU SMK SMP SD
1. Keuangan 25 90 45 156 12 3 331
2. Umum 5 6 6 8 4 1 30
3. Penjualan 7 65 37 5 114
4. Litbang 1 8 35 44
Jumlah 1 8 72 96 51 229 53 9 519
b. Contoh tabel data ordinal
Contoh tabel yang berisi data ordinal. Data tersebut disusun
berdasarkan hasil penelitian terhadap kinerja aparatur
pemerintahan disalah satu provinsi di pulau Jawa. Data ordinal
ditujukan pada data yang berpenting peringkat atau ringking.
Misalnya ringking kinerja yang paling baik yaitu nomor 1 berupa
kinerja kondisi fisik tempat kerja.(Sugiyono, 2017)

RANGKING KUALITAS KINERJA APARATUR

No Aspek Kerja Kualitas Kinerja Ringking Kinerja

(%)
1. Kondisi Fisik Tempat 61,9 1.
2. Alat Alat Kerja 61,02 2.
3. Ortal 58,72 3.
4. Kemampuan Kerja 58,70 4.
5. Peranan Korpre 58,42 5.
6. Kepemimpinan 58,05 6.
7. Performen Kerja 57,02 7.
8. Manajemen Kepegawaian 54,61 8.
9. Produktifitas Kerja 54,51 9.
10. Motivasi Kerja 54,02 10.
11. Diklat Yang Di Peroleh 53,16 11.
12. Kebutuhan Individu 53,09 12

48
 Rata – rata kualitas kinerja : 56,935

c. Contoh tabel data interval

Data tersebut merupakan sebagian kecil hasil penelitian
terhadap kepuasan kerja pegawai disalah satu provinsi di pulau
Jawa. Instrument yang digunakan disusun dengan skala likert
dengan interval 1 – 4 dimana skor 1 berarti sangat tidak puas, skor
2 tidak puas, skor 3 puas dan skor 4 sangat puas. Skala liker tersebut
akan menghasilkan data interval berdasarkan 1055 responden,
setelah dianalisis hasilnya ditunjukkan dalam tabel tersebut.
Komponen kepuasan meliputi kepuasan dalam gaji, intensif,
transportasi, perumahan dan hubungan sosial. Berdasarkan tabel
tersebut, tingkat kepuasan paling tinggi adalah kepuasan dalam
pelayanan transportasi, yaitu sebesar 68,60. Skor tertinggi =
70.(Sugiyono, 2017)
TINGKAT KEPUASAN KERJA PEGAWAI
No Aspek Kepuasan Kerja Tingkat Kepuasan
1. Gaji 37,58
2. Intensif 57,18
3. Transportasi 68,60
4. Perumahan 48,12
5. Hubungan Kerja 54,00

2. Tabel Distribusi Frekuensi

Diguakan apabila jumlah data yang disajikan cukup banyak,
sehingga jika disajikan dalam bentuk tabel bisa menjadi tidak efisien dan
kurang komunikatif.(Sugiyono, 2017)
Contoh :

No. Kelas Kelas Interval Frekuensi

49
 1. 10 – 19 1
2. 20 – 29 6
3. 30 – 39 9
4. 40 – 49 31
5. 50 – 59 42
6. 60 – 69 32
7. 70 – 79 17
8. 80 – 89 10
9. 90 – 99 2
Jumlah 150

a. Hal-hal yang perlu diperhatikan dalam tabel ditribusi frekuensi

1) Tabel distribusi mempunyai sejumlah kelas. Pada contoh
tersebut jumlah kelas intervanya adalah 9 yaitu nomor 1 s/d 9
2) Pada setiap kelas mempunyai kelas interval. Interva nilai bawah
dengan atas sering disbut dengan panjang kelas. Jadi panjang
kelas adalah jarak antara nilai kelas batas bawah dengan batas
atas pada setiap kelas. Batas bawah pada contoh nilai yang ada
pada sebelah kiri tiap kelas (10, 20, 30, ..., 90). Sedangkan batas
atasditunjukkan pada nilai sebelah kanan yaitu 19, 29, 39, ..., 100
(angka terakhir mestinya 99, tetapi nilai tertinggi adalah 100),
jadi 100 langsung dimasukkan sebagai batas atas.
3) Setiap kelas interval mempunyai frekuensi (jumlah). Sebagai
contoh pada kelas ke 3, mahasiswa yan mendapat nilai antara 30
– 39 frekuensinya (jumlahnya = 9).
4) Tabeldistribusi frekuensi tersebut bila dibuat menjadi tabel biasa
akan memerlukan 150 baris (n=150) jadi akan sangat panjang.
b. Pedoman umum membuat tabel distribusi frekuensi
1) Ditentukan berdasarkan pengalaman

50
 Berdasarkan pengalaman , jumlah kelas interval yang
dipergunakan dalam penyusunan tabel distribusi frekuensi
berkisar antara 6-15 kelas. Makin banyak (variasi) data, maka
semakin banyak kelasnya. Namun jumlah kelas tersebut paling
banyak adalah 15 kelas, karena kalau lebih dari itu tabel menjadi
panjang.
2) Ditentukan dengan membaca grafik
Berdasarkan gambar ditunjukkan grafik yang menunjukkan
hubungan antara banyaknya data (n) dengan jumlah kelas
interval yang diperlukan dalam pembuatan tabel distribusi
frekuensi. Garis yang vertikal menunjukkan jumlah kelas
intervalnya, sedangkan yang horisontal menujjukkan jumlah
data observasi. Dari grafik dapat, misalnya jumlah data obserasi
50 (n), maka jumlah kelas interval yang diperlukan adalah 8.
Sedangkan jumlah data 200, maka jumlah kelasnya sekitar 12.
Dengan pedoman ini, maka bagi yang belum berpengalaman
akan dapat menentukan kelas intervalnya tanpa ragu-ragu.

3) Ditentukan dengan rumus sturges

K = 1 + 3,3 log n

51
 Dimana :
K = jumlah kelas inteval
n = jumlah data observasi
log = logaritma
misal jumlah data 200, maka jumlah kelasnya (K) :
K = 1 + 3,3 log 200 = 1 + 3,3 . 2,30 = 8,59 dapat dibulatkan menjadi
8 atau 9.
Berdasarkan grafik gambar diatas, bila jumlah datanya 200,
maka jumlah kelas interalnya = 12.
c. Contoh menyusun tabel distribusi frekuensi
Data berikut ini merupakan nilai ujian mata kulian statistik dari 150
mahasiswa. Berdasarkan data tersebut diatas, maka langkah-langkah
yang diperlukan dalam penyususnan tabel distribusu frekuensi
adalah sebagai berikut :
27 79 69 40 51 88 55 48 36 61
53 44 93 51 65 42 58 55 69 63
70 48 61 55 60 25 47 78 61 54
57 76 73 62 3 67 40 51 59 68
27 46 62 43 54 83 59 13 72 57
82 45 54 52 71 53 82 69 60 35
41 65 62 75 60 42 55 34 49 45
49 64 40 61 73 44 59 46 71 86
43 69 54 31 36 51 75 44 66 53
80 71 53 56 91 60 41 29 56 57
35 54 43 39 56 27 62 44 85 61
59 86 60 51 71 53 58 26 77 68
62 57 48 69 76 52 49 45 54 41
33 61 80 57 42 45 59 44 68 73
55 70 39 59 69 51 85 46 55 67

52
1) Menghitung jumlah kelas interval
K = 1 + 3,3 log n = 1 + 3,3 long 150 = 1 + 3,3 . 2,18 = 8,19
Jadi jumlah kelas interval 8 atau 9. Pada kesempatan ini digunakan 9
kelas.
2) Menghitung rentang data
Yaitu data terbesar dikurangi data terkecil kemudian ditambah 1. Data
terbesar = 93 dan terkecil = 13.
3) Menghitung panjang kelas = rentang dibagi jumlah kelas
Yakni: 81: 9 = 9. Walaupun dari hitungan panjang kelas diperoleh 9,
tetapi pada penyusunan tabel ini digunakan panjang kelas 10. Supaya
nilai batas bawah semua berakhir 0 dan batas atas 9. Hal ini akan lebih
komunikatif bila dibandingkan dengan menggunakan panjang kelas 9.
4) Menyusun interval kelas
Secara teoritis penyusunan kelas interval dimulai dari data yang
terkecil, yaitu 13. Tetapi supaya lebih komunkatif, maka dimulai
dengan angka 10, sehingga tabel berikut
No. Kelas Tally Frekuensi (f)
kelas Interval
1 10 – 19 I 1
2 20 – 29 IIII I 6
3 30 – 39 IIII IIII 9
4 40 – 49 IIIIIIIIIIIIIIIIIIIIIIII I 31
5 50 – 59 IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII II 42
6 60 – 69 IIIIIIIIIIIIIIIIIIIIIIII II 32
7 70 – 79 IIIIIIIIIIII II 17
8 80 – 89 IIIIIIII 10
9 90 – 100 II 2
Jumlah : 150

53
 5) Setelah kelas interal tersusun, maka untuk memasukkan data guna
mengetahui frekuensi pada setiap kelas interal dilakukan dengan
menggunakan tally.
6) Cara memasukkan tally dengan cepat dan tepat
Adalah dengan cara memberi tanda centang () pada setiap angka
yang sudah dimasukkan pada setiap kelas, dan mulai dari data awal.
Misalnya data yang paling awal adalah angka 27, maka data 27 itu
termasuk data kelas n0.2 yaitu (20-29). Kemudian angka 27 ini diberin
tanda centang, yang berarti data tersebut telah dimasukkan kedalam
kelas interal. Selanjutnya, angka 53, ternyaa angka tersebut masuk
pada kelas no. 5. Kalau semua angka telah diberi tanda centang, berarti
semua data telah masuk pada setiap kelas interal. Jumlah tally harus
sama dengan jumlah data.
7) Sesudah frekuensi ditemukan maka tally di hilangkan, dan data yang
disajikan adalah sepert yang tertera dalam tabel 2.4. setiap data ayang
dsajikan dengan teknik apapun harus diberi judul. Judul harus singkat,
jelas, tetapi semua isi tercermin dalam judul.

d. Tebel distribusi frekuensi kumulatif

Tabel ini merupakan pengembangan dari tabel distribusi frekuensi.
Distribusi frekuensi kumulatif adalah tabel yang menunjukkan jumlah
obsevasi yang menyatakan kurang dari nilai tertentu. Untuk memulai
pernyataan “kurang dari” digunakan batas bawah dari kelas interval ke-2.
Untuk contoh pada tabel 2.5 digunakan angka 20.
Selanjutnya, frekuensi kumulatif merupakan penjumlahan
frekuensi dari setiap kelas merupakan penjumlahan frekuensi dari setiap
kelas interval,sehingga jumlah frekuensi terakhir jumlah sama dengan
jumlah data observasi (untuk contoh tersebut adalah 150).

54
 Kurang dari Frekuensi kumulatif
Kurang dari 20 1
Kurang dari 30 7
Kurang dari 40 16
Kurang dari 50 47
Kurang dari 60 89
Kurang dari 70 121
Kurang dari 80 138
Kurang dari 90 148
Kurang dari100 150

Perhatikan :

1. Kumulatif setiap nilai adalah jumlah nilai kelas dengan

dibawahnya. Misalnya kurang dari 40 adalah 1 + 6 + 9 = 16
2. Pernyataan “kurang dari” untuk yang terakhir, adalah nilai
batas atas untuk kelas interval terakhir adalah 100. Setelah
ditambah 1 menjadi 101. Oleh karena itu kalimat terakhir
adalah kurang dari 101.

e. Tabel distribusi frekuensi relative

Penyajian data lebih mudah dipahami bila dinyatakan dalam (%).
Penyajian data yang merubah frekuensi menjadi %, dinamakan tabel
distribusi frekuensi relatif. Cara pembuatannya, dengan merubah
frekuensi menjadi %.

55
 DISTRIBUSI FREKUENSI RELATIF NILAI STATISTIK 150
MAHASISWA
No. Kelas Kelas Interval Frekuensi Relative (%)
1 10 – 19 1 0,67
2 20 – 29 6 4,00
3 30 – 39 9 6,00
4 40 – 49 31 20,67
5 50 – 59 42 28,00
6 60 – 69 32 21,33
7 70 – 79 17 11,33
8 80 – 89 10 6,67
9 90 – 100 2 1,33
Jumlah 100

f. Tabel Distribusi Frekuensi Relatif Kumulatif

Bentuk tabelnya seperti tabel 2.6, tetapi frekuensi Kumulatif yang
tertera dalam tabel 2.6 diubah menjadi presentase. Contoh diberikan
pada tabel 2.8 berikut.

Kurang Dari Frekuensi Kumulatif

Kurang dari 20 0,67%
Kurang dari 30 4,67%
Kurang dari 40 10,67%
Kurang dari 50 31,33%
Kurang dari 60 59,33%
Kurang dari 70 80,67%
Kurang dari 80 92,00%
Kurang dari 90 98,67%
Kurang dari 101 100,00%

56
3. Penyajian bentuk grafik atau gambar
Penyajian bentuk grafik memberikan informasi mengenai
gambaran situasi yang telah terjadi melalui gambaran agregat dari
data seperti perkembangan, perbandingan, peramalan atau proyeksi,
dan juga memberi petunjuk sebagai dasar analisis lebih lanjut.
Grafik atau gambar ada beberapa macam, yaitu histogram,
frekuensi poligon, ogive, diagram garis, diagram batang, diagram
pinca, diagram tebar, pictogram, diagram peta, box whisker plot,
steam and leaf plot, dan pareto.(Supardi, 2016)

➢ Tips Membuat Diagram/Grafik pada Exel (Hidayatullah, 2015)

1. Pilih menu insert ataumengklikshortcut Alt-N
2. Pilih menu chart

Pada menu chart terdapat beberapa pilihan, yaitu

1. Column (Diagram batang)

2. Line (Diagram garis)
3. Pie (Diagram lingkaran)
4. Bar (Diagram batang)
5. Scatter (Diagram pencar)
6. Other Chart (Diagram lainnya)

57
a. Grafik Garis
Grafik garis dibuat biasanya untuk menunjukkan
perkembangan suatu keadaan. Perkembangan tersebut bisa naik
bisa turun. Hal ini akan nampak secara visual melalui garis dalam
grafik. Yang perlu diperhatikan dalam sebuah grafik adalah
ketepatan membuat skala pada garis vertikal yang akan
mencerminkan keadaan jumlah hasil obserasi. (Sugiyono, 2017)

b. Grafik Batang
visualisasi dengan grafik garis nampaknya kurang menarik
untuk menyajikan data, untuk itu maka dikembangkan grafik
batang dan grafik balok ( grafik batang bentuk gambar 2D, grafik
balok 3D).
Kalau dalam grafik garis, visualisasi data difokuskan pada
garis grafik, sedangkan pada grafik batang visualisasi difokuskan
pada luas batang (panjang x lebar). Namun kebanyakan
penyajian data dengan grafik batang, lebar batang dibuat sama,
sedangkan yang bervariasi adalah tinnginya.
Contoh grafik batang diberikan pasa gambar 2.3. pada
gambar 2.3 ditunjukkan data tentang perkembangan jumlah
anggota koperasi baik KUD maupun non KUD, dari tahun 1968,

58
1989 s/d 1994, yang dikutip dari pidato mantan presiden RI ke
dua, pada tanggal 16 agustus 1995.
Pada gambar 2.3 selain menunjukkan perkembangan juga
menunjukkan perbandingan antara jumlah anggota KUD dan
Non KUD. Karena terdapat dua kelompok data, maka
penggambaran perlu dibedakan, dalam hal ini untuk kelompok
data, maka penggambaran perlu dibedakan, dalam hal ini untuk
anggota KUD dengan “garis tegak” sedangkan untuk non KUD
dengan “garis melintang”. Perbedaan yang lain dapat dilakukan
dengan memberi warna yang berbeda.

Gambar 2.3 Perkembangan Jumlah Anggota KUD dan

Non KUD Tahun 1968, 1989 – 1994.

Sedangkan pada gambat 2.4 diberikan contoh grafik

batang yang disusun dari tabel distribusi frekuensi yang ada
pada table 2.5 (nilai statistik 150 mahasiswa).
Dari gambar tersebut kelas interval ditempatkan di bawah
batang. Namun beberapa penulis, kelas interval tersebut,
diganti dengan nilai tengah batas-batas bawah dan batas-batas
atas kelas interval sebelumnya. Misalnya batas atas kelas
pertama 19, dan batas bawah kelas ke 20, maka nilai tengah
adalah 19,5. Grafik yang disusun berdasarkan sekelompok data

59
interval atau rasio, pembuatan grafik batang dibuat berhimpit
satu sama lain.

Gambar 2.4Distribusi Nilai Statistik 150 Mahasiswa

Gambar 2.5 Tingkat Kualitas Pelayanan Pada

Masyarakat

60
 Pada gambar 2.5 ditunjukkan contoh grafik balok tentang
kualitas pelayanan pada masyarakat yang diberikan oleh suatu
provinsi di pulau jawa

4. Diagram Lingkaran
Diagram lingkaran digunakan untuk membandingkan data dari
berbagai kelompok (Sugiyono, 2017)
➢ Langkah – langkahmembuat diagram lingkaran(Hidayatullah,
2015)
1. Ketik data yang akanditampilkandalambentuk diagram
lingkaranpadalembarkerja excel.
2. Pilih menu insert ataumengklikshortcut Alt – N
3. Pilih menu charts, klikpie. Missal, pilih2-Dpie padakolom yang
pertama.
4. Klikpadabagianatasdantulisnama diagram lengkap,
kemudianklikpadabagian diagram lingkaranlaluklikkanan.
5. Pilih format data labels
6. Klik close

5. Pictogram adalah diagram yg digambar sesuai dengan objeknya.

Misalnya, memperlihatkan jumlah penduduk dengan menggambar
“orang”, menggambarkan jumlah penderita penyakit jantung
menggunakan gambar “jantung”.(Rachmat, 2011)

61
6. Histogram dan Poligon Frekuensi
Histogram dan Poligon Frekuensi adalah dua grafik yang
menggambarkan distribusi frekuensi. Histogram adalah grafik yang
terdiri atas persegi panjang yang alasnya merupakan panjang interval
kelas, sedangkan tingginya sama dengan frekuensi masing – masing
interval kelas.
Poligon frekuensi adalah grafik yang dapat dihubungkan suatu
garis yang ditarik dari titik tengah ujung histogram (Supardi, 2016)

Contoh

Berdasarkan data tersebutbuatlahgrafik polygon frekuensidan

histogram!

62
3. Pengukuran Gejala Pusat
3.1 Nilai Pusat dan Letak Untuk Data Tunggal
4.1 Mean
Mean adalah nilai yang mewakili himpunan atau
sekelompok data. Nilai rata-rata cenderung terletak ditengah
kelompok data yang telah diurutkan dari data terkecil ke data
terbesar. (Rachmat, 2011)

∑ 𝑋1
Rumus : 𝑥̅ = 𝑛

Dimana : 𝑋̅ = mean (rata-rata)

∑ 𝑋1 = jumlah tiap
n = banyak data

4.2 Median
Median adalah nilai tengah dari suatu data yang telah terurut.
1
Rumus : Me = (n+1) , dimana n = jumlah data(Hidayatullah,
2

2018)

63
 Contoh soal :

X F
4 1
5 1
6 1
7 1
8 1
9 1
Distribusi frekuensi nilai
10 1
statistic 7 mahasiswa
∑ 𝑋1 = 49 n=7
Meannya adalah :
∑ 𝑋1 49
𝑥̅ = = =7
𝑛 7

4.3 Modus
Modus adalah data yang sering muncul.(Hidayatullah, 2018)
Contoh soal :
Diketahui nilai Ujian Akhir Semester (UAS) pelajaran statistika
dibagi 10 mahasiswa, sebagai berikut : 40, 60, 60, 65, 72, 60,
70, 60, 80 dan 90.
Jawaban : modus nilai UAS pelajaran statistika, yaitu pada nilai
60, karena muncul 4 kali.
3.2 Nilai Pusat dan Letak Untuk Data Berkelompok
a. Mean
Jika data sudah dikelompokkan dalam distribusi frekuensi,
maka data tersebut akan berbaur sehingga keaslian data itu
akan hilang bercampur dengan data lain menurut kelasnya,
hanya dalam perhitungan mean kelompok diambil titik
tengahnya yaitu setengah dari jumlah ujung bawah kelas dan
ujung atas kelas untuk mewakili setiap kelas interval. Hal ini
menunjukkan untuk menghindari kemungkinan data pertama

64
yang ada disetiap interval mempunyai nilai yang lebih besar
atau lebih kecil dari titik tengah(Sugiyarto, 2015). Perhitungan
data mean kelompok datap dicari dengan rumus :

∑𝑓 𝑋
𝑋̅ = ∑ 𝑓𝑖 𝑖
𝑖

Contoh soal :
Misalkan upah karyawan perbulan dalam ribuan rupiah dan f
adalah banyaknya karyawan yang menerima upah X 2 yang
disusun pada tabel distribusi frekuensi sebagai berikut :

Nilai f
50-60 8
61-71 10
72-82 16
83-93 15
94-104 10
105-115 8
116-126 3

Jawaban :
Nilai f 𝑥1 𝑓. 𝑋𝑖
50 – 60 8 55 440
61 – 71 10 66 660
72 – 82 16 77 1232
83 – 93 15 88 1320
94 – 104 10 99 990
105 – 115 8 110 880
116 – 126 3 121 363
70 5885

65
 3.2.1 Median
Untuk data yang berkelompok, nilai median dapat dicari
dengan interpolasi yang rumusnya adalah sebagai berikut :

1
𝑛−𝐹
2
Me = b + p( )
𝑓

dimana :
b = tepi batas bawah kelas median
p = panjang interval/kelas median
F = jumlah frekuensi sebelumkelas median
f = frakuensi kelas median
n = jumlah seluruh frekuensi

Diketahui tabel distribusi frekuensi dibawah ini :

Kelas Interval F F
31 – 40 1 1
41 – 50 2 3
51 – 60 5 8
61 – 70 15 23
71 – 80 20 43
81 – 90 25 68
91 – 100 5 73

Berdasarkan tabel diatas, kelas mediannya adalah : 73/2 = 36,5

(angka 36,5 terletak dikelas interval ke-5) sehingga didapat :
b = 70,5
p = 10
f = 23
f = 20

66
 n = 73

1
𝑛−𝐹
2
jadi : Me = b + P ( )
𝑓

1
73−23
2
= 70,5 + 10 ( )= 77,25
20

b. Modus
Apabila data sudah dikelompokkan dan disajikan dalam
tabel distribusi frekuensi, maka dalam mencari modus
digunakan rumus :
𝑏1
Mo = b + P 𝑏
1 + 𝑏2

Dimana :
b = tepi batas bawah
P = panjang kelas / interval
b1 = frekuensi kelas modus dikurangi frekuensi satu kelas
sebelumnya
b2 = frekuensi kelas modus dikurangi frekuensi satu kelas
selanjutnya

diketahui tabel distribusi frekuensi dibawah ini :

Kelas interval f
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 20
81 – 90 25
91 – 100 5

67
 Jawab :

Berdasarkan tabel diatas, didapat :

b1 = 25 – 20 = 5

b2 = 25 – 5 = 20

b = 80,5

P = 10

5
Sehingga modusnya adalah : Mo = 80,5 + 10 5+20 = 82,5

4. Pengukuran Variasi Kelompok

Untuk menjelaskan keadaan kelompok, dapat juga didasarkan
pada tingkat variasi data yang terjadi pada kelompok tersebut. Untuk
mengetahui tingkat variasi kelompok data dapat dilakukan dengan
melihat rentang data dan standar deviasi atau simpangan baku dari
kelompok data yang telah diketahui. (Sugiyono, 2017)
4.1 Rentang Data
Rentang data (range) dapat dketahui dengan jalan mengurangi
data yang terbesar dengan data terkecil yang ada pada kelompok
itu. Rumusnya adalah:

R = x t - xr

Dimana :
R = Rentang
xt = Data terbesar dalam kelompok
xr = Data terkecil dalam kelompok

68
 Contoh
Sepuluh pegawai di lembaga X, gaji masing-masing tiap bulan
dalam satuan ribu rupiah adalah:
50, 75, 150, 170, 175, 190, 200, 400, 600, 700
Data terkecil dari kelompok itu = 50
Data terbesar = 700
Jadi rentang R = 700-50 = 650
Jadi rentang gaji 10 orang pegawai tersebut adalah Rp, 650 ribu
rupiah.
4.2 Varian
Adalah kuadrat dari standar deviasi. Symbol varians untuk
2
populasi = 𝜎 2 atau 𝜎𝑛−1
a. Rumus varian (𝜎 2 𝑎𝑡𝑎𝑢 𝑠 2) untuk data tunggal:
1) Untuk data sampel :
𝟐
(∑ 𝒙) 𝟐 2
∑ 𝒙𝟐 − 𝑛.∑ 𝑥 2 − (𝑥)2
𝑠 = (√
2 𝒏
) 2
atau 𝑠 = (√ )
𝒏−𝟏 𝑛.(𝑛−1)

∑ 𝑥2 ∑(𝑥1 − 𝑥̅ )2
atau 𝑠 2 = 𝑛−1 ↔ 𝑠 2 = 𝑛−1

2) Untuk data populasi :

𝟐
(∑ 𝒙)𝟐 2
∑ 𝒙𝟐 − 𝑛.∑ 𝑥 2 − (𝑥)2
𝜎 = (√
2 𝒏
) atau 𝜎 = (√ 2
)
𝒏 𝑛

∑ 𝑥2 ∑(𝑋𝑖 − µ)2
Atau 𝜎2 = ↔ 𝜎2 =
𝑛 𝑛

b. Rumus varian (𝜎 2 𝑎𝑡𝑎𝑢 𝑠 2) untuk data berkelompok

(frekuensi):
1) Untuk data sampel

69
 2
2
(∑ 𝑓𝑖 .𝑋𝑖 )
∑(𝑓𝑖 .𝑥𝑖2 )−
𝑠 2 = (√ 𝑛
) atau
𝑛−1

∑ 𝑓 .𝑥 2 ∑ 𝑓𝑖 (𝑋𝑖 − 𝑥̅ )2
𝑠 2 = ((∑ 𝑓 𝑖)− 1) ←→ 𝑠 2 = (∑ 𝑓𝑖 )− 1
1

2) Untuk data Populasi :

2
(∑ 𝑓1 𝑋2 )2
∑ 𝑓1 .𝑥12 −
𝜎 2 = (√ 𝑛
) atau
𝑛

∑ 𝑓𝑖 .𝑥12 ∑ 𝑓𝑖 (𝑋𝑖 −𝑥̅ )2

𝑠2 = ∑ 𝑓𝑖
↔ (∑ 𝑓𝑖 )

4.3 Simpangan baku (standar deviasi)

a. Standar deviasi (simpang baku) untuk data tunggal
1) Rumus untuk data sampel
2
2 (∑ 𝑋𝑖 )
∑ 𝑋𝑖 −
s=√ 𝑛
atau
𝑛−1

∑ 𝑋2 ∑(𝑥𝑖 − 𝑥̅ )2
s = √( 𝑛−1 ) ↔ s = √ 𝑛−1

2) Rumus untuk data populasi

2
2 (∑ 𝑥𝑖)
∑ 𝑥𝑖 –
𝜎 = (√ 𝑛
) atau
𝑛

∑ 𝑋2 ∑(𝑋𝑖− 𝜇)2
𝜎 = √( ) ↔𝜎=√
𝑛 𝑛

b. Standar Deviasi (Simpangan Data) ntuk Data Berlompok

Rumus untuk data sampel:

2 (∑ 𝑓𝑖 𝑋𝑖 )2
√∑ 𝑓𝑖 𝑋 − 𝑛
s=
𝑛−1

∑ 𝑓𝑖 .𝑋 2 ∑ 𝑓𝑖 (𝑋𝑖 − 𝑋̅ )2
atau s = √( )↔ s=√
𝑛−1 𝑛−1

70
 Untuk Data Populasi:
2
2 (∑ 𝑓𝑖 𝑋𝑖 )2
√∑ 𝑓𝑖 𝑋𝑖 −
𝑛
𝜎2 = ( )
𝑛

∑ 𝑓𝑖 . 𝑥𝑖2 ∑ 𝑓𝑖 (𝑋𝑖 − 𝑋̅)2

Atau 𝑠 2 = ∑ 𝑓𝑖
↔ (∑ 𝑓𝑖 )

DAFTAR RUJUKAN

Hidayatullah, S., 2018. Statistika Farmasi. Innosain, Yogyakarta.

Hidayatullah, S., 2015. Cara Mudah Menguasai Statistik Deskriptif. Salemba
Teknika, Jakarta.
Rachmat, M., 2011. Buku Ajar Biostatistik. Buku Kedokteran EGC, Jakarta.
Rinaldi, S.F., Mujianto, B., 2017. Metodologi Penelitian Dan Statistik. Kementrian
Kesehatan Republik Indonesia, Teknologi Laboratorium Medis.
Sugiyarto, 2015. Dasar-Dasar Statistik Farmasi. Binafsi Publisher, Yogyakarta.
Sugiyono, 2017. Statistika Untuk Penelitian. Alfabeta, Bandung.
Supardi, 2016. Aplikasi Statistika Dalam Penelitian, Revisi. ed. Change Publication,
Jakarta.

71
 MAKALAH 4

A. TUJUAN
Mahasiswa mampu untuk memperoleh gambaran tentang pengertian statistika
deskriptif dan mampu menyajikan data secara deskriptif.
B. TOPIK PEMBAHASAN
1. Definisi Statistika Deskriptif.

Statistik deskriptif merupakan pemberian suatu gambaran atau deskripsi suatu

data yang dilihat dari nilai rata rata (mean), standar deviasi, varian, maksimum,
minimum, sum, range, kurtosis dan skewness (kemencengan distribusi)
(Budiarto, 2002).
2. Penyajian Data.
Prinsip dasar penyajian data adalah komunikatif dan lengkap, dalam arti. data
yang disajikan dapat menarik perhatian pihak lain untuk membacanya dan
mudah memahami isinya. Penyajian data yang komunikatif dapat dilakukan
dengan penyajian data dibuat berwarna dan bila data yang disajikan cukup
banyak maka perlu bervariasi penyajiannya tidak hanya dengan tabel saja.
Beberapa penyajian data yaitu: penyajian dengan tabel, grafik, dan pictogram
Penyajian data dengan pictogram (menggambarkan realitas yang sebenarnya)
merupakan penyajian data yang paling komunikatif tetapi sulit membuatnya dan
mahal. Tetapi setelah ada peralatan komputer pembuatan pictogram dan
berbagai model penyajian data menjadi sangat mudah.
2.1 Tabel
Tabel merupakan penyajian yang banyak digunakan karena lebih efisien dan
cukup komunikatif. Ada 2 macam tabel yaitu tabel biasa, dan tabel distribusi
frekuensi.
Setiap tabel berisi judul tabel, judul setiap kolom, nilai data dalam setiap kolom,
dan sumber data dari mana. Contoh penyajian data dengan tabel biasa
ditunjukan kepada Tabel 2.1 merupakan tabel dengan data nominal, Tabel 2.2
merupakan tabel dengan data nominal, Tabel 2.3 merupakan tabel dengan data
interval, dan Tabel 2.4 merupakan tabel dengan data rasio. Perbedaan antar
tabel terdapat pada data yang tersedia. Digunakan tabel data nominal jika data
yang didapat merupakan data lepas atau satu objek hanya dapat dimasukkan
dalam satu kategori saja, tabel data ordinal digunakan jika data yang didapat
adalah data berjenjang, tabel data interval jika data yang didapat berjarak namun

72
tidak memiliki nilai nol absolut, sedangkan tabel data rasio jika data yang didapat
berjarak dan memiliki nilai nol absolut.
Contoh tabel data nominal:
Pengumpulan data untuk mengetahui komposisi pendidikan pegawai di PT.
LODAYA yang memproduksi antibiotik. Berdasarkan studi dokumentasi diperoleh
keadaan sebagai berikut:
1. Dibagian produksi: jumlah pegawai yang lulus S1 :25 orang, SMU:
25 orang, D3: 90 orang, dan SMK: 156 orang
2. Dibagian QC: jumlah pegawai yang lulus S1: 5 orang, D3: 6 orang,
SMU: 6 orang, dan SMK: 8 orang
3. Dibagian penjualan: jumlah pegawai yang lulus S1 :7 orang, dan
SMK: 65 orang
4. Dibagian manajemen: jumlah pegawai yang lulus S3 :1 orang, S2: 8
orang, S1 :35 orang.
Berdasarkan data mentah tersebut disusun kedalam tabel ditunjukan ke dalam
tabel seperti ditunjukkan pada Tabel 2.1
TABEL 2.1
KOMPOSISI PENDIDIKAN PEGAWAI DI PT. LODAYA

No Bagian Tingkat Pendidikan Jumlah

S3 S2 S1 D3 SMU SMK

1 Produksi 25 90 45 156 316

2 QC 5 6 6 8 25
3 Penjualan 7 65 72
4 Manajemen 1 8 35 44

Jumlah 1 8 72 96 51 229 457

Contoh tabel data ordinal:

Disusun berdasarkan hasil penelitian terhadap kualitas penjualan obat di apotek
disalah satu provinsi Pulau Jawa. Ditunjukkan pada data yang berbentuk
peringkat/ranking. Misalnya ranking yang paling baik yaitu no.1 berupa kinerja
kondisi fisik tempat kerja.
TABEL 2.2

73
RANKING KUALITAS PENJUALAN OBAT DI APOTEK

No ASPEK KERJA KUALITAS KINERJA (%) RANKING KINERJA

1 Kondisi fisik tempat 61,90 1

2 Manajemen 61,02 2
Kepegawaian
3 58,72 3
Produktivitas kerja
4 58,70 4
Motivasi kerja
5 58,42 5
Kebutuhan individu
6 58,05 6

Rata – rata kualitas kinerja 59,468

Contoh tabel data interval:

Telah dilakukan studi literatur tentang tingkat keasaman saluran pencernaan
manusia. Hasil studi literatur didapatkan pH mulut sebesar 6,5-7,5, lambung atas
4-6, lambung bawah 1,5-3, dan usus 5-7. Data tersebut kemudian disusun dalam
tabel data interval.
TABEL 2.3
TINGKAT KEASAMAN SALURAN PENCERNAAN MANUSIA

No Bagian Saluran Cerna Tingkat Keasaman (pH)

1 Mulut 6,5-7,5
2 Lambung atas 4-6
3 Lambung bawah 1,5-3
4 Usus 5-7

Contoh tabel data rasio:

Telah dilakukan uji penetapan kadar flavonoid pada ekstrak air batang, daun, dan
bunga dari tanaman seledri. Setelah dilakukan replikasi sebanyak tiga kali pada
masing-masing bagian, didapatkan data yang telah diolah menjadi tabel data
rasio sebagai berikut:
TABEL 2.4
UJI KADAR FLAVONOID EKSTRAK AIR DAUN, BATANG, DAN BUNGA SELEDRI

74
 No Bagian Kadar Flavonoid (%) Rata- SD
Tanaman rata (%)
Ulangan Ulangan Ulangan
1 2 3

1 Daun Seledri 0,5271 0,4368 0,559 0,51 0,063

2 Batang 0,0556 0,0849 0,0617 0,07 0,015

Seledri

3 Bunga 0,1354 0,1475 0,1332 0,14 0,037

Seledri

4.2 Grafik
Pada umumnya terdapat 2 macam grafik yaitu: grafik garis (polygon) dan grafik
batang (histogram). Grafik batang dapat dikembangkan menjadi grafik balok (tiga
dimensi). Suatu grafik selalu menunjukkan hubungan antara jumlah dengan
variabel lain misalnya waktu.
4.2.1 Grafik Garis (Polygon)
Biasanya dibuat untuk menunjukan perkembangan suatu keadaan.
Perkembangan tersebut bisa naik turun hal ini akan nampak secara visual melalui
garis dalam grafik. Terdapat garis vertikal dalam grafik menunjukan jumlah
frekuensi dan yang mendatar menunjukan variabel tahun. Perlu diperhatikan
dalam membuat grafik yaitu ketepatan membuat skala pada garis vertikal yang
akan mencerminkan keadaan jumlah hasil observasi.

Tingkat Pembelian TV, Radio, dan Video

30
25
20
15
10
5
0
1985 1986 1987 1988 1989 1990

series 1 Series 2 Series 3

Gambar 2.4 Tingkat pembelian TV, Radio, Video dari 1985-1990

4.2.2 Grafik Batang (Histogram)

75
Pada grafik batang visualisasi difokuskan pada luas batang (panjang x lebar)
namun kebanyakan penyajian data dengan grafik batang, lebar batang dibuat
sama dan yang bervariasi adalah tingginya.
Pada gambar 2.5 ditunjukan data tentang persentase KB aktif yang menggunakan
kontrasepsi dari tahun 1984-1985. dari data diberikan:
1. Jumlah yang memakai pil 53,9%
2. Jumlah yang memakai kondom 4,4%

3. Jumlah yang memakai suntik 11,1%

4. Jumlah yang memakai IUD 27%
5. Jumlah yang memakai lain lain 3,6%

76
 Persentase KB Aktif yang Menggunakan
Kontrasepsi Dari Tahun 1984-1985
60%
50%
Persentase

40%
30%
20%
10%
0%
Pil Kondom Suntik IUD Lain-lain
Jenis Kontrasepsi

Gambar 2.5 Persentase KB Aktif Menurut Metode Kontrasepsi dengan diagram

lingkaran
4.2.3 Diagram lingkaran (piechart)
Digunakan untuk membandingkan data dari berbagai kelompok. Contoh gambar
2.6 data persentase KB aktif sebelumnya diolah kembali menjadi diagram
lingkaran.
Cara pembuatan:
a. Membuat lingkaran dengan jari jari sesuai
b. Data telah dinyatakan dalam persen maka setiap 1 persen
akan memerlukan 360:100=3,6 (ingat luas lingkaran 360˚)
misal 60 orang setiap orang akan memerlukan luas 360:60=6
c. Menghitung luas
1. Luas kelompok pil 53,9x3,6˚=194,04˚
2. Luas kelompok kondom 4,4x3,6˚=15,84˚
3. Luas kelompok suntik 11,1x3,6˚=39,96˚
4. Luas kelompok IUD 27x3,6˚=97,20˚
5. Luas kelompok lain 3,6x3,6˚=12,96˚
Diperoleh seluruhnya dengan jumlah 360˚.
d. Selanjutnya luas kelompok data digambarkan dalam
lingkaraan .menggunakan busur derajat dimulai dari
sembarang titik jangan sampai terdapat sisa lingkaran misal,
jumlah luas setiap kelompok (a+b+c+d) tidak sampai 360˚

77
 jumlah ini kemungkinan tidak sampai 360 ˚ atau memenggal
beberapa angka di belakang koma.

PII IUD suntikan kondom lain - lain

Gambar 2.6 Persentase KB Aktif Menurut Metode Kontrasepsi dengan diagram

lingkaran
3. Pengukuran Gejala Pusat.
3.1 Pendahuluan
Pengukuran gejala pusat disebut juga pengukuran tendensi sentral (central
tendency), karena nilai atau harga ukuran gejala pusat mampu memberi
gambaran tentang posisi atau nilai-nilai pengamatan, baik dalam bentuk data
terserak, maupun yang sudah dikelompokkan dalam bentuk tabel distribusi
frekuensi. Data yang disajikan dengan ukuran-ukuran gejala pusat lebih mudah
dibaca dibandingkan dengan data yang masih dalam keadaan terserak
(Sulisetijono, 2016).
Tujuan adanya pengukuran gejala pusat atau pengukuran tendensi sentral adalah
untuk mendapatkan gambaran yang lebih jelas terhadap sekumpulan data
mengenai sesuatu hal, baik mengenai sampel atau populasi. Adanya pengukuran
gejala pusat juga sebagai perwakilan dari kumpulan data yang telah disajikan
menggunakan tabel atau diagram (Sudjana, 2005).
Tergantung dari asal pengukurannya, pengukuran gejala pusat dapat digunakan
sebagai statistik atau parameter. Jika dihitung dari kumpulan data dalam sampel
maka dinamakan statistik, jika dihitung dari kumpulan data populasi dalam
populasi maka disebut parameter (Sudjana, 2005).
3.2 Macam-macam pengukuran gejala pusat
Ada beberapa macam pengukuran gejala pusat yang umumnya dipakai dalam
statistika, antara lain rata-rata hitung, rata-rata ukur, rata-rata harmonik, modus,
median, kuartil, desil, dan persentil. Namun yang paling sering digunakan adalah
rata-rata hitung (mean), modus, dan median.

78
 3.2.1 Rata-rata hitung (mean)
Mean merupakan teknik penjelasan kelompok yang didasarkan atas nilai rata-
rata dari kelompok tersebut. Rata-rata (mean) ini didapat dengan menjumlahkan
data seluruh individu dalam kelompok itu, kemudian dibagi dengan jumlah
individu yang ada pada kelompok tersebut (Sugiyono, 2007).
∑ 𝑥𝑖
𝑀𝑒 =
𝑛
3.2.2 Modus
Modus merupakan teknik penjelasan kelompok yang didasarkan atas nilai yang
sedang populer (yang sedang menjadi mode) atai nilai yang sering muncul dalam
kelompok tersebut (Sugiyono, 2007).
3.2.3 Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai
tengah dari kelompok data yang telah disusun urutannya dari yang terkecil
sampai yang terbesar (Sugiyono, 2007). Jika banyak data ganjil, maka median
merupakan data paling tengah. Jika genap, maka median merupakan rata-rata
dua angka tengah (Sudjana, 2005).
4. Pengukuran Variasi Kelompok
Untuk menjelaskan keadaan kelompok, dapat juga didasarkan pada tingkat
variasi data yang terjadi pada kelompok tersebut. Untuk mengetahui tingkat
variasi kelompok data dapat dilakukan dengan melihat rentang data dan standar
deviasi atau simpangan baku dari kelompok data yang telah diketahui (Sugiyono,
2007).

4.1 Rentang Data

Rentang data (range) dapat diketahui dengan jalan mengurangi data yang
tersebar dengan data terkecil yang ada pada kelompok itu. Rumusnya adalah:

R = xt - xr
Dimana:
R = Rentang
Xt = Data terbesar dalam kelompok
Xr = Data terkecil dalam kelompok

79
 Contoh:
Sepuluh kelompok pekerja di Industri X, masing-masing tiap bulan mampu
membuat tablet dalam satuan batch adalah:
50, 75, 150, 170, 175, 190, 200, 400, 600, 700.
Data terkecil dari kelompok itu = 50
Data terbesar = 700
Jadi rentang R = 700 - 50 = 650

Jadi rentang tablet yang dibuat 10 kelompok pekerja tersebut adalah 650 batch.
Rentang data inilah yang menunjukkan tingkat variasi kelompok. Misalnya
rentang tablet yang dibuat PT. X = 300 batch. Sedangkan di PT. Y rentang tablet
yang dibuat = 500 batch. hal ini berarti kelompok pekerja di PT. Y lebih bervariasi.
4.2 Varians
Varians merupakan salah satu teknik yang digunakan untuk menjelaskan
homogenitas kelompok. Yang dimaksud varians adalah jumlah kuadrat semua
deviasi nilai-nilai individual terhadap rata-rata kelompok. Akar varians disebut
standar deviasi atau simpangan baku. Varians populasi diberi simbol σ 2 dan
standar deviasi adalah σ2. Sedangkan varians untuk sampel diberi simbol s 2 dan
standar deviasi sampel diberi simbol s. contoh menghitung dan tabel penolong
untuk menghitung varians dan standar deviasi dalam tabel berikut ini.
CARA MENGHITUNG VARIANS DAN SIMPANGAN BAKU TINGKAT KEPUASAN
PASIEN TERHADAP PELAYANAN DI BEBERAPA RUMAH SAKIT

Tingkat kepuasan
No. RS Simpangan (xi - 𝑥̅ ) Simpangan kuadrat (xi - 𝑥̅ )2
pasien (%)

1 60 -11 121
2 70 -1 1
3 65 -6 36
4 80 9 81
5 70 -1 1
6 65 -6 36
7 75 4 16
8 80 9 81

80
9 70 -1 1
10 75 4 16

Jumlah 710 0 390

Dari nilai 10 rumah sakit tersebut rata-rata x (mean) adalah:

60+70+65+80+70+65+75+80+70+75 710
X= = = 71
10 10

Jadi rata-rata nilai = 71

4.3 Simpangan Baku
Jarak antara nilai individu dengan rata-rata disebut simpangan. Simpangan
(deviasi) untuk rumah sakit no. 1 adalah 71 – 60 = 11. Sedangkan untuk rumah
sakit nomor 8 adalah 80-71 = 9. Jumlah simpangan (xt – xr) jumlahnya harus 0.
Seperti telah dikemukakan bahwa rata-rata (mean) dari jumlah kuadrat
simpangan disebut varians, sedangkan akar dari varians disebut standard deviasi.
Dengan demikian varians kelompok data tersebut adalah:
390 = 39
s2 = 10

Sedangkan standar deviasinya s = √39 = 6,2450

Berdasarkan perhitungan tersebut, maka varians dari sekelompok data dari suatu
variabel tertentu dapat dirumuskan menjadi:

2
∑(𝑥𝑖 − 𝑥̅ )2
𝜎 =
𝑛
Sedangkan standar deviasinya:

∑(𝑥𝑖 − 𝑥̅ )2
𝜎=√
(𝑛 − 1)

Rumus tersebut digunakan untuk data populasi, sedangkan untuk data sampel
rumusnya tidak hanya dibagi dengan n saja, tetapi dibagi dengan n-1. (n-1 =
derajat kebebasan).

∑(𝑥𝑖 − 𝑥̅ )2
𝑠2 = √
(𝑛 − 1)

∑(𝑥𝑖 − 𝑥̅ )2
𝑠=√
(𝑛 − 1)

81
Dimana:
σ 2 = variabel populasi
σ = simpangan baku populasi
S2 = varians sampel
s= simpangan baku sampe
n= jumlah sampel
Setelah diketahui teknik penjelasan kelompok baik dengan pengukuran tendensi
sentral (Modus, Median, Mean) dan variasi kelompok (rentang dalam varians,
standar deviasi), maka penjelasan kelompok yang sering digunakan rata-rata ini
saja belum dapat diketahui tingkat variasi kelompok. Untuk itu sebaiknya setelah
dihitung rata-rata kelompok perlu diikuti dengan simpangan bakunya. Dalam
kasus tertentu, rata-rata dari dua kelompok data bisa sama tetapi standar deviasi
(simpangan baku) bisa berbeda.
Contoh:
Data kelompok 1 = 4, 6, 8,10,12, 14, 16
Data kelompok 2 = 104, 106, 108, 110, 112, 114, 116
Rata – rata kelompok 1 = 10, simpangan bakunya = 4,32
Rata – rata kelompok 2 = 110, simpangan bakunya = 4,32
Untuk hal ini, maka perlu dihitung koefisien variasinya dengan rumus:
𝑆
I.V = 𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 x 100% IV = Indek Variasi

Jadi, I.V kelompok 1 = 4,32: 10 x 100% = 43,2%

I.V kelompok 2 = 4,32: 10 x 100% = 3,93%
4.4 Menghitung Standar Deviasi untuk Data Bergolong
Standar deviasi/simpangan baku dari data yang telah disusun dalam tabel
distribusi frekuensi/data bergolong, dapat dihitung dengan rumus sebagai
berikut:

∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
𝑆=√
(𝑛 − 1)

Untuk data interval nilai kemampuan manajerial perbekalan kefarmasian dari

100 pegawai PT. Tunjung Sari, standar deviasinya dapat dihitung dengan
menggunakan rumus diatas, setalah disusun melalui tabel penolong. Telah

82
dihitung dimuka bahwa rata-rata nilai untuk pegawai itu = 60,70. Dari tabel
penolong untuk menghitung standar deviasi data bergolong di bawah terlihat
bahwa:
n = 100, jadi n-1 = 99
∑ fi (xi - 𝑥̅ )2 = 26.096,00
TABEL PENOLONG UNTUK MENGHITUNG STANDAR DEVIASI DARI DATA
BERGOLONG

Interval nilai fi xi Xi - 𝑥̅ (xi - 𝑥̅ )2 fi (xi - 𝑥̅ )2

21 – 30 2 25,5 -35,2 1.239,04 2.478,08

31 – 40 6 35,5 -25,2 635,04 3.810,24
41 – 50 18 45,5 -15,2 231,05 4.158,72
51 – 60 30 55,5 -5,2 27,04 811,20
61 – 70 20 65,5 4,8 23,04 460,80
71 – 80 10 75,5 14,8 219,04 2.190,40
81 – 90 8 85,5 24,8 615,04 4.920,32
91 – 100 6 95,5 34,8 1.211,04 7.266,24

Jumlah 100 - - - 26.096,00

Berdasarkan rumus untuk mengitung standar deviasi data bergolong

menggunakan rumus

∑ 𝑓𝑖 (𝑥𝑖 − 𝑥̅ )2
𝑆=√
(𝑛 − 1)

maka standar deviasi/simpangan bakunya adalah:

26.096
s=√ = √264,09 = 16,24
99

Jadi standar deviasi nilai kemampuan manajerial perbekalan kefarmasian dari

100 pegawai PT. Tunjung Sari = 16,24.

83
 DAFTAR RUJUKAN

Budiarto, E. (2002). Biostatistika untuk Kedokteran dan Kesehatan Masyarakat.

Jakarta: Penerbit Buku Kedokteran EGC.
Sudjana. (2005). Metoda Statistika (6 ed.). Bandung: Penerbit Tarsito.
Sugiyono. (2007). Statistik Untuk Penelitian (12 ed.). Bandung: CV. Alfabeta.
Sulisetijono. (2016). Ukuran Gejala Pusat atau Tendensi Sentral. Biologi FMIPA
Universitas Negeri Malang.

84
 MAKALAH 5

A. Tujuan
1. Mahasiwa dapat memahami statistika deskriptif
2. Mahasiswa dapat menguasai konsep statistika deskriptif
3. Mahasiswa dapat mengaplikasikan pengetahuan tentang statistika
deskriptif pada dunia perkuliahan maupun dunia kerja secara tepat.

B. Pengertian
Statistika deskriptif disebut juga sebagai statistika deduktif (Sugiyono, 2011).
Statistika deskriptif adalah statistik yang berfungsi untuk mendeskripsikan atau
memberi gambaran terhadap objek yang diteliti melalui data sampel atau
populasi sebagaimana adanya tanpa melakukan analisis dan membuat
kesimpulan yang berlaku untuk umum (Sugiyono, 2007). Dua parameter yang
sering digunakan dalam penyajian statistika deskriptif adalah ukuran pemusatan
dan ukuran penyebaran data. Parameter lainnya adalah ukuran distribusi data
yaitu skewness dan kurtosis. Nilai skewness merupakan ukuran kesimetrisan
suatu kurva distribusi frekuensi data. Kurtosis merupakan ukuran keruncingan
dari suatu kurva distribusi frekuensi data (Sugiyono, 2011).
Data merupakan fakta atau angka atau segala sesuatu yang dapat dipercaya
kebenarannya sehingga dapat digunakan sebagai dasar untuk menarik suatu
kesimpulan. Data yang baik data yang akurat, relevan dan up to date
(Hidayatullah,Syarif, 2018).
C. Penyajian Data
Setiap peneliti harus dapat menyajikan data yang telah diperoleh baik yang
diperoleh melaui observasi, wawancara, kuesioner (angket) maupun
dokumentasi. Prinsip dasar penyajian data adalah komunikatif dan lengkap
(Sugiyono, 2007). Bentuk-bentuk penyajian data diantaranya.
1. Tabel
Adalah penyajian data dalam bentuk kumpulan angka yang disusun menurut
kategori-kategori tertentu, dalam suatu daftar. Dalam tabel, disusun dengan cara
alfabetis, geografis, menurut besarnya angka, historis, atau menurut kelas-kelas
yang lazim. Berdasarkan pengaturan datanya, tabel dibedakan atas beberapa
jenis, yaitu :
a. Tabel frekuensi, adalah tabel yang menunjukkan atau memuat banyaknya
kejadian atau frekuensi dari suatu kejadian. Prosedur membuat tabel
frekuensi :

85
 1. Menentukan rentang, yaitu data terbesar dikurangi data terkecil.

2. Menentukan banyak kelas interval yang diperlukan berdasarkan

aturan sturges, banyak kelas dapat diambil berdasarkan
Rumus : K = 1+(3,3) log n
Keterangan : K = banyak kelas
n = jumlah pengamatan
3. Menentukan panjang kelas interval, menggunakan
rentang data (data terbesar−data tekecil)
Rumus : P = banyak kelas

Harga p diambil sesuai dengan ketelitian satuan data yang digunakan. Jika data
yang digunakan berbentuk satuan, ambil harga p teliti sampai satuan. Untuk data
hingga sampai desimal, dan begitu seterusnya. Dalam penelitian ini banyak kelas
yang digunakan adalah 3 dengan rentang kelas yang berbeda-beda untuk setiap
kriteria.
4. Menentukan batas/limit bawah kelas

5. Susunlah semua limit bawah interval kelas secara vertikal, kemudian

tentukan limit atas yang bersesuaian.
Contoh :
Berikut nilai 80 siswa pada ujian akhir matakuliah biostatistik :

68 84 75 82 68 90 62 88 76 93

71 79 88 73 60 93 71 59 85 75

61 65 75 87 74 62 95 78 63 72

66 52 43 77 77 90 67 56 76 99

96 51 35 65 35 65 87 90 45 66

79 65 56 93 40 50 45 68 76 45

65 75 40 100 63 45 35 55 88 33

86 80 35 86 71 56 77 87 90 57

Range : 100-35 = 65
Banyak kelas : K = 1+(3,3) log n
= 1+(3,3) log 80
= 7,28 = 7

86
 65
Panjang kelas : 𝑃 = = 9,28 = 10
7

Batas bawah kelas : 31

Interval Frekuensi

31-40 8

41-50 6

51-60 9

61-70 15

71-80 20

81-90 15

91-100 7

b. Tabel klasifikasi, adalah tabel yang menunjukkan atau memuat

pengelompokan data. Tabel klasifikasi dapat berupa tabel klasifikas
tunggal dan ganda.
1. Tabel klasifkasi tunggal
2. Tabel klasifkasi ganda
c. Tabel kontingensi, adalah tabel yang menunjukkan atau memuat data
sesuai dengan rinciannya. Apabila bagian baris tabel berisikan m baris dan
bagian kolom tabel berisikan n kolom maka didapatkan tabel kontingensi
berukuran m x n.
contoh :
Banyak pegawai RS yang hobi olahraga menurut tingkat pendidikan dan jenis
kelamin.

Jenis Tingkat Pendidikan Jumlah

Kelamin
SI D4 D3

Laki-laki 30 25 45 100

Perempuan 20 30 50 100

Jumlah 50 55 95 200

87
 d. Tabel korelasi, adalah tabel yang menunjukkan atau memuat data
menurut adanya korelasi (hubungan) antara data yang disajikan.
Contoh :
Hasil ujian statitik dan akuntansi 100 mahasiswa di suatu Akademi

Nilai Nilai statistik

akuntansi
40-49 50-59 60-69 70-79 80-89 90-99

90-99 2 4 4

80-89 1 4 1 4 6 5

70-79 3 6 5 10 8 1

60-69 5 5 9 5 2

50-59 6 2

40-49 4

2. Histogram
Histogram merupakan diagram frekuensi bertangga yang bentuknya seperti
diagram batang. Batang yang berdekatan harus berimpit. Untuk pembuatan
histogram, pada setiap interval kelas diperlukan tepi-tepi kelas (Djumanta, W.,
2008). Tepi-tepi kelas ini digunakan unntuk menentukan titik tengah kelas yang
dapat ditulis sebagai berikut.

Titik tengah kelas = ½ (tepi atas kelas + tepi bawah kelas)

Poligon frekuensi dapat dibuat dengan menghubungkan titik-titik tengah setiap

puncak persegipanjang dari histogram secara berurutan. Agar poligon "tertutup"
maka sebelum kelas paling bawah dan setelah kelas paling atas, masing-masing
ditambah satu kelas.

Contoh :
Tabel distribusi frekuensi hasil ujian biostatistik

Kelas Interval Frekuensi

88
 21–30 2

31–40 3

41–50 11

51–60 20

61–70 33

71–80 24

100

Jawab :

Dari histogram tersebut tampak bahwa kebanyakan siswa memperoleh nilai

antara 60,5 dan 70,5.

3. Diagram
Diagram atau skema adalah salah satu cara dalam penyajian data menggunakan
gambar sederhana yang menggunakan garis dan simbol untuk menggambarkan
struktur dari obyek tertentu secara garis besar. Jenis-jenis diagram antara lain :
a. Diagram garis (line chart/kurva/polygon)
Grafik garis, yaitu grafik data berupa garis, diperoleh dari beberapa ruas garis
yang menghubungkan titik-titik pada bilangan. Digunakan dua garis yang saling
berpotongan dan saling tegak lurus (sistem salib sumbu). Pada garis horizontal

89
(sumbu X) ditempatkan bilangan yang sifatnya tetap (seperti tahun dan ukuran-
ukuran). Pada garis tegak (sumbu Y) ditempatkan bilangan yang sifatnya
berubah-ubah (seperti harga, biaya dan jumlah) (Nasution,Leni Masnidar, 2017).
Diagram garis biasanya digunakan untuk menggambarkan data yang
berkesinambungan (sekumpulan data kontinu) (Hidayatullah,Syarif, 2018). Grafik
garis dibuat biasanya untuk menunjukkan perkembangan suatu keadaan. Yang
perlu diperhatikan dalam membuat grafik adalah ketepatan membuat skala pada
garis vertikal yang akan mencerminkan jumlah keadaan jumlah hasil observasi
(Sugiyono, 2007).
Contoh :
Data hasil pengamatan jumlah orang yang terjangkit Demam berdarah pada
tahun 2018 di desa gondang wetan.

Bulan Jumlah

Januari 4

February 6

Maret 8

April 9

Mei 10

Juni 11

Juli 12

Agustus 14

September 16

Oktober 18

November 20

Desember 21

90
 Data hasil pengamatan jumlah orang yang terjangkit Demam
berdarah pada tahun 2018 di desa gondang wetan.
25

20 20 21
18
15 16
14
12
10
9 10 11
8 Jumlah orang
5 6
4
0

b. Diagram batang
Pada grafik batang visualisasi difokuskan pada luas batang (panjang x lebar)
(Sugiyono, 2007). Diagram batang adalah grafik data berbentuk persegi panjang
yang lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai dengan data
yang bersangkutan (Nasution,Leni Masnidar, 2017). Ada dua jenis diagram
batang yaitu diagram batang vertikal atau tegak menunjukkan frekuensi (banyak)
dan diagram batang horizontal atau mendatar menunjukkan (misalnya
waktu/berat/panjang dll) (Hidayatullah,Syarif, 2018). Contoh :
Jumlah pengadaan infus Natrium klorida berdasarakan hasil pengamatan di
Rumah Sakit Melati tahun 2014 sampai 2018.

Tahun Jumlah (Box)

2014 70

2015 100

2016 150

2017 180

2018 250

91
 Jumlah pengadaan infus Natrium klorida
berdasarakan hasil pengamatan di Rumah Sakit
Melati
tahun 2014 sampai 2018.

300

200
Jumlah (Box)
100

0
2014 2015 2016 2017 2018

Diagram Batang Vertical

Jumlah pengadaan infus Natrium klorida berdasarakan

hasil pengamatan di Rumah Sakit Melati
tahun 2014 sampai 2018.

2018
2017
2016
Jumlah (Box)
2015
2014

0 50 100 150 200 250 300

Diagram Batang Horizontal

c. Diagram lingkaran (piechart)
Diagram lingkaran yaitu grafik data berupa lingkaran yang telah dibagi menjadi
juring-juring sesuai dengan data tersebut. Bagian dari keseluruhan data
dinyatakan dalam persen. Ada dua cara untuk membuat grafik lingkaran, yaitu :
1) Membagi keliling lingkaran menurut data-data yang ada
2) Membagi lingkaran menurut data yang ada dengan menggunakan busur
derajat (Nasution,Leni Masnidar, 2017).
Diagram lingkaran digunakan untuk membandingkan data dari berbagai
kelompok (Sugiyono, 2007).

92
Contoh :
Presentase tingkat kepuasan pelayanan instalasi rawat jalan di Rumah Sakit
Pitaloka

Kategori Presentase

Sangat tidak puas 1%

Tidak puas 5%

Cukup puas 30 %

Puas 40 %

Sangat puas 25 %

Presentase tingkat kepuasan pelayanan instalasi rawat jalan

di Rumah Sakit Pitaloka

1%

5%
25% Sangat tidak puas

30% Tidak puas

Cukup puas
Puas
Sangat puas
39%

d. Diagram pictogram (gambar/lambang)

Diagram pictogram yaitu grafik data yang menggunakan gambar atau lambang
dari data itu sendiri dengan skala tertentu (Nasution,Leni Masnidar, 2017). Pada
diagram ini banyak sesuatu dinyatakn dengan gambar atau lambangnya. Tiap
gambar mewakili suatu jumlah tertentu (Hidayatullah,Syarif, 2018).
Kelemahannya ialah jika data yang dilaporkan tidak penuh (bulat)
lambangnyapun menjadi tidak utuh.
Contoh :
Jumlah pasien melahirkan di Rumah Sakit Setyawati pada tahun 2016-2018

93
 Tahun Jumlah

2016 50 orang

2017 60 orang

2018 150 orang

e. Diagram scatter (pencar)

Diagram scatter adalah suatu cara penyajian data statistik dalam bentuk titik-titik
yang tersebar dalam koordinat cartesius. Dari titik-titik tersebut yang tersebar
kecenderungan membentuk trend (Hidayatullah,Syarif, 2018). Diagram pencar ini
memiliki 2 manfaat, yaitu :
1. Membantu menunjukkan apakah terdapat hubungan yang
bermanfaat antara dua variable.
2. Membantu menetapkan tipe persamaan yang menunjukkan
hubungan antara kedua variabel tersebut.
Contoh :
menguji teori kemungkinan hubungan antara usia pasien dan waktu pemulihan
setelah operasi.

pasien umur Waktu pemulihan (hari)

A 40 5

B 30 3

C 20 2

D 55 6

E 63 7

94
 usia pasien dan waktu pemulihan
setelah operasi
8

6
HARI

0
0 10 20 30 40 50 60 70
UMUR

3. Info grafik
Infografis (Infographics) merupakan singkatan dari Information dan Graphics.
Infografis merupakan visualisasi data, gagasan, informasi atau pengetahuan
melalui bagan, grafis, jadwal dan lainnya agar data, gagasan, informasi atau
pengetahuan dapat disajikan lebih dari sekedar teks serta memiliki dampak
visual yang cukup kuat dan lebih menarik (Kurniasih,Nuning, 2016). Elemen
infografis setidaknya ada tiga elemen infografis, yaitu :
1. Material, berupa data, informasi atau pengetahuan yang akan
menjadi materi atau isi dalam infografis. Tanpa materi berupa data,
informasi atau pengetahuan, infografis tidak akan bisa dibuat.
2. Kreator berupa perangkat lunak (software) yang akan mendukung
pembuatan sebuah infografis.
3. Elemen visual berupa koding warna, grafis dan ikon yang akan
dipergunakan dalam infografis. Elemen visual ini harus sesuai
dengan isi, tujuan dan target audien dari dibuatnya infografis ini.
Langkah-langkah membuat infografis melalui aplikasi (Visme) :
1. Siapkan data atau informasi yang akan dibuat infografisnya.
2. Buka alamat : http://www.visme.co/
Akan Tampil :

95
3. Bagi yang telah memiliki akun di Visme, bisa langsung Log In. Bagi yang
belum memiliki akun Visme, lakukan registrasi dengan mengklik GET
STARTED NOW.
4. Setelah membuat akun dan Log In, klik Create New Visme.
5. Tuliskan nama proyek, misalnya: Latihan_Infografis
6. Klik Continue

7. Pilih menu Infographic untuk membuat infografis dengan

menggunakan template, atau klik Blank, apabila akan membuat
infografis dengan desain sediri.

8. Apabila anda memilih Infographic, maka akan tampil templates yang

bisa anda pilih. Pilihlah salah satu desain infografis yang disediakan :

96
9. Apabila anda memilih Blank, langkah selanjutnya adalah menentukan
ukuran kanvas (panjang dan lebar) infografis, kemudian klik Create.

10. Sekarang anda sudah berada di lembar kerja. Bagi yang memilih
template, anda dapat mendesain ulang template tersebut, anda dapat
merubah tulisan dalam desain sesuai dengan kebutuhan anda, Anda
juga dapat menambahkan audio, video atau tautan konten dari luar.
Gunakan toolbar yang tersedia.

97
Apabila yang anda pilih adalah Blank, maka lembar kerja akan terlihat kosong
dan anda dapat mendesain infografis dari awal. Gunakan toolbar yang tersedia
untuk membuat infografis rancangan anda.

Berikut adalah fungsi - fungsi toolbar tersebut:

98
Untuk versi gratis, tidak semua fitur yang ada di dalam Visme bisa dipergunakan.
Untuk dapat mempergunakan semua fitur yang ada di dalam Visme, maka anda
harus menggunakan akun berbayar.
11. Setelah infografis selesai dibuat, langkah selanjutnya adalah
menimpannya dengan mengklik tombol Save.
12. Klik Preview untuk melihat hasilnya.
13. Klik Publish untuk mempublikasikan infografis Anda
Contoh :

99
D. Pengkuran Gejala Pusat
Adalah suatu ukuran yang digunakan untuk mengetahui kumpulan data
mengenai sampel atau populasi yang disajikan dalam tabel atau diagram. Gejala
pemusatan sebagai nilai rata-rata yang mempunyai kecenderungan memusat,
sehingga sering disebut ukuran kecenderungan memusat. Gejala pemusatan
pada hakikatnya menganggap rata-rata (average) dapat merupakan nilai yang
cukup representatif bagi penggambaran nilai-nilai yang terdapat dalam data yang
bersangkutan. Rata-rata sedemikian itu dapat dianggap sebagai nilai pemusatan
dan dapat digunakan sebagai pengukuran lokasi sebuah distribusi frekuensi.
Pada dasarnya terdapat tiga cara yang dapat digunakan sebagai ukuran
pemusatan yaitu mean, median dan modus (Hidayatullah,Syarif, 2018).
1. Mean (Rata-rata/Rerata/Rataan)

Mean adalah hasil bagi jumlah data dengan banyak data. Rata-rata atau Mean
merupakan ukuran statistik kecenderungan terpusat yang paling sering
digunakan (Rory, 2013).
a. Rata-rata data tunggal
Rumus : ∑𝑛𝑖=1 𝑥𝑖
𝑋=
𝑛

Keterangan :
Ukuran = x1,x2,x3,…,xn

100
 𝑛

Jumlah data = ∑ 𝑋𝑖
𝑖=1

Banyak data = n

Contoh :
Hitung rata-rata dari data hasil titrasi vitamin C dengan NaOH

Elenmeyer Hasil

1 11,5 ml

2 11,7 ml

3 10,9 ml

Jawab :
∑𝑛
𝑖=1 𝑋𝑖 11,5+11,7+10,9 34,1
𝑋= = = = 11,36 ml
𝑛 3 3

b. Rata-rata data majemuk

Rumus : ∑𝑛𝑖=1 𝑓𝑖𝑋𝑖
𝑋=
𝑛

Keterangan :
Ukuran = x1,x2,x3,…,xn
𝑛

Jumlah data = ∑ 𝑋𝑖
𝑖=1

Frekuensi = 𝑓𝑖
Banyak data = n

2. Median
Median adalah salah satu teknik penjelasan kelompok yang didasarkan atas nilai
tengah dari kelompok data yang telah disusun urutannya dari yang terkecil
sampai yang terbesar, atau sebaliknyadari yang terbesar sampai yang terkecil
(Sugiyono, 2007). Median dari sekumpulan data adalah nilai tengah dari

101
ukuran/data yang telah terurut (Hidayatullah,Syarif, 2018). Median adalah data
yang tepat berada di tengah pada data yang berurutan (Lansaroni,Noti, 2013).

Jika n ganjil 𝑛+1

𝑀𝑒 = 𝑥 2

Jika n genap 1 1 𝑛
𝑀𝑒 = 2 (𝑥 2 + 𝑥 2 + 1)
Contoh :
Data = 8,3,5,5,9,7,2,6,4,9
Data diurut = 2 3 4 5 5 6 7 8 9 9

n = genap
10 10
𝑥 +( +1) 𝑥5+6 11
2 2
Me = = = = 5,5
2 2 2

3. Modus
Modus merupakan teknik penjelasan kelompok yang didasarkan atas nilai yang
sedang popular (yang sedang menjadi mode) atau nilai yang sering muncul dalam
kelompok tersebut (Sugiyono, 2007). Modus merupakan data yang sering muncul
(Lansaroni,Noti, 2013). Untuk menghitung modus data yang telah disusun ke
dalam distribusi frekuensi/data yang bergolong dapat digunakan rumus sebagai
berikut (Sugiyono, 2007) :

𝑏1
Mo = b + p ( )
𝑏1+𝑏2

Keterangan :
Mo = Modus
b = batas kelas interval dengan frekuensi terbanyak
p = panjang kelas interval
b1 = frekuensi pada kelas modus (frekuensi pada kelas interval terbanyak)
dikurangi frekuensi kelas interval terdekat sebelumnya.
b2 = frekuensi kelas modus dikurangi frekuensi kelas berikutnya

Contoh :
1. Data : 8,3,5,5,9,7,2,6,1,4

Mo= 5
2. Data : 8,3,5,5,9,7,2,6,7,4

102
Mo= 5 dan 7
3. Data : 8,3,5,5,8,7,3,4,7,4
Mo = tidak ada (Hidayatullah,Syarif, 2018).
A. Pengukuran Variasi Kelompok
Ukuran penyebaran data atau ukuran variabilitas data yaitu berbagai macam
ukuran statistic yang dapat digunakan untuk mengetahui luas penyebaran data,
atau variasi data atau homogenitas data, atau stabilitas data (Hidayatullah,Syarif,
2018). Untuk mengetahui tingkat variasi kelompok data dapat dilakukan dengan
melihat rentang data dan standar deviasi atau simpangan baku dari kelompok
data yang telah diketahui (Sugiyono, 2007).
1. Rentang data
Rentang (jangkauan) adalah selisih antara titik tengah dari interval kelas tertinggi
dengan titik tengah interval kelas rendah. Merupakan salah satu titik ukuran
statistic yang menunjukkan jarak penyebaran antara nilai terendah (lowest
score) sampai nilai yang tertinggi (highest score) (Hidayatullah,Syarif, 2018).
Rumus : R = Xt - Xr
Keterangan :
R = Rentang
Xt = Data terbesar dalam kelompok
Xr = Data terkecil dalam kelompok
Contoh :
Dalam survey tinggi badan beberapa pegawai RS yang dijadikan sampel pada
sebuah penelitian didapatkan data sebagai berikut : 172, 167, 180, 170, 169, 160,
175, 165, 173, 170
Jawab : R = Xt – Xr = 180 – 160 = 20
2. Varians (Ragam)
Salah satu teknik statistik yang digunakan untuk menjelaskan homogenitas
kelompok adalah varians. Varians merupakan jumlah kuadrat semua deviasi nilai-
nilai individual terhadap rata-rata kelompok.
a. Data sampel kecil n≤30 𝑛
∑𝑖=1 𝑓𝑖(𝑥𝑖−𝑥̅ )2
2
S =
𝑛−1

b. Data sampel besar n≥30 ∑𝑛 𝑓𝑖(𝑥𝑖−𝑥̅ )2

S2 = 𝑖=1
𝑛

103
(Lansaroni,Noti, 2013)
c. Data populasi tunggal
∑(𝑥𝑖−𝑥̅ )2
=
𝑛

d. Data populasi kelompok ∑ 𝑓𝑖(𝑥𝑖−𝑥̅ )2

=
𝑛

Contoh :
Dalam survey tinggi badan beberapa pegawai RS yang dijadikan sampel pada
sebuah penelitian dan didapatkan data sebagai berikut : 172, 167, 180, 170, 169,
160, 175, 165, 173, 170
Diketahui bahwa jumlah data (n) = 10, dan (n - 1) = 9

Xi Xi2

1 172 29584

2 167 27889

3 180 32400

4 170 28900

5 169 28561

6 160 25600

7 175 30625

8 165 27225

9 173 29929

10 170 28900

∑ 1701 289613

∑ni=1 X I = 1701 ; ∑ni=1 X i2 =289613 ; ( ∑ni=1 Xi2) =17012 = 2893401

𝑛 ∑𝑛
𝑖=1(𝑥𝑖−𝑥𝑖) 2 (10).(289613−2893401) 2729
S2 = = = = 30,32
𝑛 (𝑛−1) (10).(9) 90

104
 3. Standar Deviasi atau Simpangan Baku (Sx)
Apabila penyebarannya data sangat besar terhadap nilai rata-rata maka
nilai Sx akan besar, tetapi apabila penyebaran data sangat kecil terhadap
nilai rata-rata maka nilai Sx akan kecil(Soewarno,1995).
Rumus :

Simpangan Baku = √Ragam

S = √S 2

Contoh :
Dalam survey tinggi badan beberapa pegawai RS yang dijadikan sampel pada
sebuah penelitian dan didapatkan data sebagai berikut : 172, 167, 180, 170, 169,
160, 175, 165, 173, 170

Jawab : S = √S2 = √30,32 = 5,51

105
 DAFTAR RUJUKAN

Djumanta, W. (2008). Mahir Mengembangkan Kemampuan Matematika 2:

Untuk Kelas XI Sekolah Menengah Atas / Madrasah Aliyah. Jakarta: Pusat
Perbukuan, Departemen Pendidikan Nasional.
Hidayatullah,Syarif. (2018). Statistika Farmasi. Yogyakarta: Innosain.
Kurniasih,Nuning. (2016). Infografis. 456–465.

Lansaroni,Noti. (2013). Buku Mini Matematika. Bandung: PT. Bentang Pustaka.

Nasution,Leni Masnidar. (2017). Statistik deskriptif. 14, 49–55.
Rory. (2013). Statistik deskriptif. Retrieved from http:www.rumusstatitik.com
Sugiyono. (2007). Statistika untuk Penelitian. Bandung: CV. ALFABETA.
Sugiyono. (2011). Metode Penelitian Kuantitatif,Kualitatif dan R&D. Bandung: CV.
ALFABETA.

106
 MAKALAH 6

A. TUJUAN
1. Untuk memahami definisi statistika deskriptif.
2. Untuk memahami peranan statistika deskriptif dalam dunia farmasi
dan mengaplikasikan penyajian data dalam bentuk (Tabel, Grafik,
Diagram dan Pictogram).
3. Untuk memahami pengukuran gejala pusat.
4. Untuk memahami pengukuran variasi kelompok.

B. TOPIK PEMBAHASAN
1. Definisi Statistika Deskriptif
Statistika Deskriptik adalah metode yang berkaitan dengan
pengumpulan dan penyajian suatu data sehingga memberikan informasi
yang berguna (Supardi U.S., 2013). Dalam statistika deskriptif ini suatu
informasi dari sebuah data disajikan dalam berbagai bentuk agar menjadi
lebih komunikatif dan mudah dipahami. Statistika deskriptif hanya
menggambarkan atau mendeskripsikan suatu data tanpa melakukan
analisis dan membuat suatu kesimpulan. Penyajian data dalam statistika
deskriptif dikemumakan dengan berbagai cara seperti: tabel biasa, tabel
kontingensi, grafik garis dan batang, diagram lingkaran, pictogram. Selain
beberapa bentuk penyajian data diatas untuk mengetahui deskripsi yang
lebih jelas terhadap data dibutuhkan suatu ringkasan yang jelas. Dua
ukuran penting yang sering dipakai dalam pengambilan keputusan adalah
central tendency (kecenderungan memusat) seperti rata – rata, median,
dan modus serta mencari ukuran sebaran seperti simpangan baku dan
varians (Rohman, 2014).
2. Penyajian Data
Suatu data yang sudah terkumpul agar lebih menarik public dan
mudah dipahami maka harus disajikan dalam bentuk yang jelas. Secara

107
umum ada dua cara penyajian data yang sering dipakai, yaitu tabel atau
daftar dan grafik atau diagram.

Penyajian data dapat digambarkan :

Penyajian data

Tabel / Daftar Grafik / Diagram

1. Tabel Biasa 1. Batang

2. Tabel kontingensi 2. Garis
3. Tabel distribusi 3. Pencar
Frekuensi 4. Lingkaran
5. Lambang
(piktogram)
6. Peta (kartogram)
7. Histogram
8. Poligon
9. Ogive

Gambar 1. Penyajian Data (Supardi U.S., 2013)

Penyajian data yang akan dibahas lebih lanjut adalah Tabel, Grafik,
Diagram, Piktogram dan Infografik.
I. Tabel
Tabel (tables) merupakan bentuk penyajian data yang
mempermudah pembahasan dan analisis data dengan menampilkan
angka tersusun berdasarkan kategori tertentu Tabel biasa, tabel
kontigensi, dan tabel distribusi frekuensi merupakan bentuk penyajian
data dengan tabel.

108
a. Tabel Biasa
Tabel I. Judul Daftar
A B C D

Catatan :
Sumber :
Tabel biasa merupakan jenis penyajian data paling
sederhana yang sering digunakan untuk menampilkan hasil
penelitian, bagian – bagian dalam tabel biasa antara lain Judul
Daftar, Judul Kolom dan Baris, Catatan dan Sumber. Judul Daftar
berfungsi memberi penjelasan tentang apa, macam dan klasifikasi
penelitian. Catatan digunakan untuk mencatat hal – hal penting
yang perlu diberikan dan Sumber untuk menjelaskan darimana
data tersebut diperoleh.
b. Tabel Kontingensi
Tabel Kontingensi untuk menyajikan dua atau lebih
informasi/variabel sekaligus dalam sebuah tabel (Supardi U.S.,
2013) (CONTOH DARI MBAK KIKI)
c. Tabel Distribusi Frekuensi
Distribusi frekuensi merupakan penyususan data
berdasarkan kelas-kelas interval dan kategori tertentu ke dalam
bentuk kelompok baris agar penyajian data lebih sederhana.
Menurut aturan Struges dalam buku Dr. Supardi U.S ada beberapa
langkah yang perlu dilakukan dalam menentukan kategori kelas,
antara lain:
1. Data diurutkan dari terkecil sampai terbesar
2. Hitung jarak atau rentangan (R)
Rumus: R = data tertinggi – data terendah
3. Hitung jumlah kelas (K)

109
 Rumus : K = 1+3,3 log n (jumlah data)
4. Hitung panjang interval (P)
𝑅
Rumus: 𝑃 = 𝐾

5. Tentukan batas data terendah, lalu hitung kelas interval

dengan cara menjumlahkan ujung bawah kelas sampai pada
data akhir ujung data kelas pertama nilainya harus sama
dengan atau lebih rendah dari data terkecil.
6. Buat tabel sementara (tabulasi data) dengan cara dihitung
satu demi satu sesuai interval kelas.
7. Buat tabel distribusi frekuensi dengan cara memindahkan
semua angka frekuensi (f)
II. Grafik atau Diagram
Grafik digunakan untuk memudahkan pemberian informasi
secara visual. Beberapa jenis grafik/diagram adalah:
a. Diagram Batang
Digunakan untuk menyajikan data yang berfisat kategori
atau data distribusi. (DIBUAT OLEH MBAK INTAN)
Contoh :

hasil uji kandungan 10 kapsul tetrasiklin

300

250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10

Kapsul Kandungan mg/ kapsul tetrasiklin

110
b. Diagram Garis
Digunakan untuk menggambarkan keadaan yang
berkesinambungan, yaitu dengan memplotkan frekuensi kelas
terhadap titik tengah kelas dan kemudian menghubungkan
titik-titiknya yang berurutan. . (DIBUAT OLEH MBAK INTAN)

Kandungan mg/ kapsul tetrasiklin

250
249 249 249 249
248 248 248 248
247 247 247
246 246
245 245
244
243
1 2 3 4 5 6 7 8 9 10

c. Diagram Lingkaran
Digunakan untuk menyatakan perbandingan jika data
tersebut terdiri atas beberapa kelompok atau kategori.

Kandungan mg/ kapsul tetrasiklin

10% 10%
10% 10%

10% 10%

10% 10%
10% 10%

1 2 3 4 5 6 7 8 9 10

d. Diagram Lambang (Piktogram) (DIBUAT OLEH MBAK INTAN)

Merupakan suatu diagram yang menggambarkan simbol-
simbol dari data sebagai alat visual untuk orang awam.

111
 Contoh 1.
Hasil Produksi Enkasari oleh PT Kimia Farma
tahun 2014 - 2018

e. Diagram Pencar
Diagram pencar atau diagram titik (diagram sebaran)
merupakan diagram yang menunjukkan gugusan titik – titik
setelah garis koordinat sebagi penghubung diputus (Supardi
U.S., 2013). Diagram ini dibuat dalam system sumbu koordinat
untuk menunjukkan kumpulan data dari dua variabel
kuantitatif.
Contoh diagram pencar :

Kandungan mg/ kapsul tetrasiklin

249,5
249
248,5
248
247,5
247
246,5
246
245,5
245
244,5
0 2 4 6 8 10 12

112
 f. Diagram Peta (Kartogram)
Diagram Peta menggunakan peta geografis untuk
menggambarkan keadaan yang dihubungkan dengan tempat
kejadian itu berada.

g. Histogram
Histogram adalam grafik untuk distribusi frekuensi yang
digambarkan dalam bentuk segi empat. (DIBUAT MBAK INTAN)
III. Infografis`
Infografis merupakan singkatan dari Information dan Graphics
yang berarti visualisasi data, gagasan, informasi atau pengetahuan
melalui bagan, grafis, jadwal dan lainnya agar data, gagasan,
informasi atau pengetahuan dapat disajikan lebih dari sekedar teks
dan memiliki dampak visual yang cukup kuat dan lebih menarik
(Kurniasih, 2016). Tujuan dari infografis dapat dibagi menjadi tiga
kategori yaitu untuk menginformasikan, menghibur dan
mempersuasi audiens sehingga audiens memberikan perhatian,
menyempatkan untuk membaca, menyimpulkan dan melakukan
aksi sesuai apa yang ada di dalam infografis.

3. Pengukuran Gejala Pusat

Ukuran gejala pusat dapat disebut juga dengan nilai sentral atau
nilai tendensi pusat. Tendensi sentral merupakan ukuran statistika yang
mengidentifikasi nilai tunggal sebagai perwakilan dari nilai keseluruhan
(Rohman, 2014). Tendensi sentral bertujuan untuk menemukan nilai yang
paling umum atau mewakili nilai keseluruhan kelompok. Macam – macam
ukuran gejala pusat adalah rata – rata hitung (mean), median, modus,
quartil, desil dan persentil.

113
I. Mean
Mean adalah nilai rata – rata dari suatu data.
a. Untuk Data Tunggal
Nilai rata-rata hitung (mean) adalah total dari semua data
yang diperoleh dari jumlah seluruh nilai data dibagi dengan
jumlah frekuensi yang ada.
∑𝑥1
Rumus: X = 𝑛

Keterangan :
X = rata-rata
∑X1 = jumlah tiap data
n = banyak data
b. Untuk data kelompok
Sebuah data dalam tabel frekuensi dahulu ditentukan titik
tengahnya terlebih dahulu.
Rumus:
∑𝑓𝑖 𝑚𝑖 𝑓1𝑚1 + 𝑓2 𝑚2 +. . . 𝑓𝑘 𝑚𝑘
= =( )
∑𝑓𝑖 𝑓1 + 𝑓2 +. . . 𝑓𝑘
Keterangan:
f = Frekuensi
m= titik tengah

114
II. Median
Median merupakan sebuah nilai data yang berada di tengah-tengah
dari rangkaian data yang telah tersusun secara teratur. Hasil median sama
dengan hasil dari kuartil kedua.
Rumus :
a. Untuk Data Tunggal
Me = ½ (n +1), dimana n = jumlah data
b. Untuk Data Berkelompok
1
𝑛−𝐹
Me = 𝑏 + 𝑃 [2 ]
𝑓

Keterangan:
Me = Median data kelompok
b = Tepi bawah kelas median
F = Jumlah frekuensi sebelum kelas median
f = Frekuensi kelas median
n = Jumlah seluruh frekuensi
III. Modus
Modus merupakan nilai data yang memiliki frekuensi terbesar atau nilai
data yang paling sering muncul.
Rumus:
a. Untuk Data Tunggal
Modus pada data tunggal dihitung dengan cara mencari nilai yang
paling sering muncul pada suatu data.
Contoh II.
Diketahui pada sebuah percobaan penimbangan pada 10 kapsul
cefadroxil sebagai berikut: 500 mg, 489 mg, 500 mg, 490 mg, 480 mg, 490
mg. 490 mg, 490 mg, 495 mg, 480 mg. Cari modus pada data tersebut.

115
 Jawab:
Nilai Frekuensi
480 mg 2
489 mg 1
490 mg 4
495 mg 1
500 mg 2
Maka nila modus data penimbangan kasul cefadroxil adalah 490 mg,
karena mncul 4 kali.
b. Untuk Data Kelompok
𝑑1
𝑀𝑜𝑑 = 𝐿𝑚𝑜 + ( ) .𝑐
𝑑1 + 𝑑2
Keterangan:
Mod = Modus data kelompok
𝐿𝑚𝑜 = Tepi bawah kelas modus
𝑑1 = Selisih antara frekuensi kelas modus dengan frekuensi
kelas sebelum modus
𝑑2 = Selisih antara frekuensi kelas modus dengan frekuensi
kelas sesudah modus
C = Panjang interval/kelas.

IV. Quartil
Pada prinsipnya, pengertian kuartil sama dengan median. Perbedaanya
hanya terletak pada banyaknya pembagian kelompok data. Median membagi
kelompok data atas 2 bagian, sedangkan kuartil membagi kelompok data atas
4 bagian yang sama besar, sehingga akan terdapat 3 kuartil yaitu kuartil ke-1,
kuartil ke-2 dan kuartil ke-3, dimana kuartil ke-2 sama dengan median.

116
 a. Untuk Data Tunggal
𝑖 (𝑛+1)
Q = nilai ke 4

dimana :
i = 1.2,3
n = jumlah data
b. Untuk Data Kelompok
1
𝑛−𝐹
Qi = 𝑏 + 𝑃 [4 ]
𝑓

Qi = kuartil ke i
i = 1,2,3
B = batas bawah kelas kuartil ke-i
P = panjang interval/kelas kuartil ke-i
F = jumlah frekuensi sebelum kelas kuartil i
f = frekuensi kelas kuartil ke-i
n = banyaknya data
V. Desil
Desil adalah suatu rangkaian data yang membagi suatu distribusi menjadi 10
bagian yang sama besar.
a. Untuk Data Tunggal
Data diurutkan dari data terkecil ke terbesar atau sebaliknya, kemudian
ditentukan posisi desil dengan rumus:
𝑖 ( 𝑛+1)
Di = nilai yang ke , 𝑖 = 1,2, … . ,9
10

b. Untuk Data Kelompok

𝑖𝑛
−𝐹
Di = b + p [10 𝑓 ]

Keterangan:
Di = Desil ke-i
i = 1,2,3,…,9
b = batas bawah kelas Di
p = panjang kelas Di
F = jumlah frekuensi dengan tanda kelas lebih kecil dari tanda D i
f = frekuensi kelas Di

117
 VI. Persentil
Persentil adalah ukuran letak yang membagi suatu distribusi menjadi
100 bagian yang sama besar.
a. Untuk Data Tunggal
𝑖 ( 𝑛+1)
Pi = nilai yang ke , 𝑖 = 1,2, … . ,100
100

b. Untuk Data Kelompok

𝑖𝑛
−𝐹
Pi = b + p [100𝑓 ]

Keterangan:
Pi = Persentil ke-i
i = 1,2,3,…,99
b = batas bawah kelas Di
p = panjang kelas Pi
F = jumlah frekuensi dengan tanda kelas lebih kecil
dari tandaPi
f = frekuensi kelas Pi
4. Pengukuran Variasi Kelompok
Ukuran variasi kelompok atau ukuran simpangan adalah suatu ukuran yang
menunjukkan tinggi rendahnya perbedaan data yang diperoleh. Macam-macam
ukuran simpangan adalah range (jangkauan), rentang antar uartil (RAK), simpangan
kuartil (SK), rerata simpangan (RS), varian dan simpangan baku.
I. Jangkauan (Range)
Rentangan adalah data tertinggi dikurangi data terbesar dengan rumus:
R = data tertinggi – data terkecil
II. Rentangan antar Kuartil
RAK atau rentang antar kuartil adalah selisih antar kuartil ketiga dengan kuartil
pertama, dengan rumus:
RAK = K3 – K1
Keterengan:
K3 = kuartil ketiga
K1 = kuartil pertama

118
III. Simpangan kuartil
Simpangan Kuartil adalah setengan RAK dengan rumus:
SK = ½ RAK atau SK = ½ (K3 – K1 )
IV. Varian
Varian adalah kuadrat dari standar deviasi. Simbol varians untuk populasi
adalah σ2 atau σ2 n-1 sedangkan untuk sampel σ2 n-1 atau s2
a. Rumus varian untuk data tunggal
1) Untuk data sampel:

2
(∑ 𝑋)2 2
∑𝑋 2−
𝑛.∑ 𝑋 2 − ∑ 𝑋 2
𝑠 = (√
2 𝑛
) atau 𝑠 = (√ 2
)
n−1 n.(n−1)

∑ 𝑋2 ∑(𝑋𝑖− 𝑋̅)2
Atau 𝑠 2 = 𝑠2 =
n−1 n−1

2) Untuk data populasi

2
(∑ 𝑋)2 2
∑𝑋 2−
𝑛.∑ 𝑋 2 − ∑ 𝑋 2
σ = (√
2 𝑛
) atau σ = (√ 2
)
n n

∑ 𝑋2 ∑(𝑋𝑖− µ̅)2
Atau σ2 = σ2 =
n n

b. Rumus varian untuk data kelompok

1) Untuk data sampel:

2
2
(∑ 𝑓𝑖 𝑋𝑖 )
∑(𝑓𝑖 .𝑋 2 𝑖 )−
𝑠 2 = (√ 𝑛
)
n−1

∑ 𝑓 𝑋2 ∑ 𝑓𝑖 (𝑋𝑖− 𝑋̅)2
Atau 𝑠 2 = (∑ 𝑓𝑖 𝑠2 =
𝑖) −1 (∑ 𝑓𝑖) −1

119
 2) Untuk data populasi
2
(∑ 𝑓𝑖 𝑋𝑖 )2
2
√ ∑ (𝑓𝑖 . 𝑋𝑖 ) −
𝜎2 = ( 𝑛 )
n

∑ 𝑓𝑖 𝑋 2 ∑ 𝑓𝑖 (𝑋𝑖− 𝑋̅)2
Atau 𝑠 2 = ∑ 𝑓𝑖
𝑠2 = ∑ 𝑓𝑖

V. Simpangan Baku (Standar Deviasi)

a. Standar Deviasi untuk Data Tunggal
1) Untuk data sampel

2 (∑ 𝑋𝑖 )2
√∑ 𝑋𝑖 − 𝑛
𝑠=
n−1

∑ 𝑋2 ∑(𝑋𝑖− 𝑋̅)2
Atau s = √ n−1 s=√ n−1

2) Untuk data populasi

2
2
(∑ 𝑋𝑖 )
∑ 𝑋𝑖 −
𝜎 = (√ 𝑛
)
n

∑ 𝑋2 ∑(𝑋𝑖− µ̅)2
Atau 𝜎 = √ σ2 = √
n n

b. Standar Deviasi untuk Data Kelompok

1) Untuk data sampel

2 (∑ 𝑓𝑖 𝑋𝑖 )2
√∑ 𝑓𝑖 . 𝑋𝑖 − 𝑛
𝑠=
n−1
∑ 𝑓𝑖 𝑋 2 ∑ 𝑓𝑖 (𝑋𝑖− 𝑋̅)2
Atau s = √ 𝑠=√
n−1 𝑛−1

2) Untuk data populasi

2 (∑ 𝑓𝑖 𝑋𝑖 )2
√∑ 𝑓𝑖 . 𝑋𝑖 − 𝑛
𝜎= [ ]
n

∑ 𝑓𝑖 𝑋 2 ∑ 𝑓𝑖 (𝑋𝑖− 𝑋̅)2
Atau 𝑠 2 = ∑ 𝑓𝑖
𝑠2 =
(∑ 𝑓𝑖)

C. CONTOH STUDI KASUS

120
 Seorang analis dibagian penjaminan mutu melakukan analisis 30 kapsul
tetrasiklin selama proses produksi dan melaporkan kandungan tetrasiklin ke
atasannya. Hasilnya sebagaimana ditunjukkan oleh Tabel I

Tabel I. Hasil Uji Kandungan 30 Kapsul Tetrasiklin

Kapsul Kandungan Kapsul Kandungan Kapsul Kandungan

tetrasiklin tetrasiklin tetrasiklin
(mg/kapsul) (mg/kapsul) (mg/kapsul)

1 251 11 250 21 250

2 250 12 253 22 254

3 253 13 251 23 248

4 249 14 250 24 252

5 250 15 249 25 251

6 252 16 252 26 248

7 247 17 254 27 250

8 248 18 249 28 247

9 254 19 246 29 251

10 245 20 250 30 249

Dari tabel di atas, data dapat dikelompokkan dari yang terkecil hingga terbesar.
Saat ada sudah diurutkan maka dapat dilihat karateristik dari data seperti ukuran
pemusatan dan variasi kelompok data.

121
 Tabel 2. Hasil pemeringkatan data dari yang terkecil sampai yang terbesar dari Tabel
I

Kandungan
Kandungan mg/ Kandungan mg/
mg/
Kapsul Kapsul Kapsul
kapsul kapsul kapsul
tetrasiklin tetrasiklin tetrasiklin
1 245 11 249 21 251
2 246 12 250 22 251
3 247 13 250 23 252
4 247 14 250 24 252
5 248 15 250 25 252
6 248 16 250 26 253
7 248 17 250 27 253
8 249 18 250 28 254
9 249 19 251 29 254
10 249 20 251 30 254

Dari tabel tersebut dapat dicari nilai pusat dan ukuran simpangannya, nilai
pusat terdiri dari mean, median, modus, quartil, desil dan persentil.
1. Mean (rata – rata)
Data diatas merupakan jenis data tunggal, maka untuk mencari nilai
rata – ratanya digunakan rumus:
∑𝑥1
X= 𝑛

245 + 246 + (2.247) + (3.248) + (4.249) + (7.250)

+(4.251) + (3.252) + (2.253) + (3.254)
𝑋=
30
X = 250,1
Jadi rata – rata data diatas adalah 250,1 mg
2. Median (Nilai Tengah)
Data diatas merupakan jenis data tunggal, maka untuk mencari nilai
tengahnya digunakan rumus:
Me = ½ (n +1)
Me = ½ (30 +1)
Me = 15,5 (posisi pada data ke 15,5)
Jadi Me = ½ (250 + 250) = 250
3. Modus (Mo)

122
 Modus dari data tunggal diatas dapat ditemukan dengan mencari nilai
yang paling sering muncul pada data tersebut.
Nilai Frekuensi
245 mg 1
246 mg 1
247 mg 2
248 mg 3
249 mg 4
250 mg 7
251 mg 4
252 mg 3
253 mg 2
254 mg 3
Maka nilai Mo dari data diatas adalah 250 mg, karena muncul 7 kali.
4. Quartil (Q)
Mencari quartil pada data tunggal dapat digunakan rumus:
𝑖 (𝑛+1)
Q = nilai ke 4

dimana :
i = 1.2,3
n = jumlah data
1 (30+1)
Q1 = nilai ke 4

= nilai ke 8 (249 mg)

2 (30+1)
Q2 = nilai ke 4
1 1
= nilai ke 8 berarti Q2 = 𝑋∗ + 4 (𝑋9 − 𝑋∗ )
4
1
= 249 + (249 − 249)
4
1
= 249
4

3 (30+1)
Q3 = nilai ke 4
1
= 8,5, berarti Q3 = (𝑋8 + 𝑋9 )
2

123
 1
= 2 (249 + 249)

= 249
5. Standar Deviasi (Simpangan Baku)
Data dari Tabel 2.

No X X2 No X X2
1 245 60025 16 250 62500
2 246 60516 17 250 62500
3 247 61009 18 250 62500
4 247 61009 19 251 63001
5 248 61504 20 251 63001
6 248 61504 21 251 63001
7 248 61504 22 251 63001
8 249 62001 23 252 63504
9 249 62001 24 252 63504
10 249 62001 25 252 63504
11 249 62001 26 253 64009
12 250 62500 27 253 64009
13 250 62500 28 254 64516
14 250 62500 29 254 64516
15 250 62500 30 254 64516
2
n = 30, ∑ 𝑋 = 7503, ∑ 𝑋 = 1876657

2 (∑ 𝑋𝑖 )2
√∑ 𝑋𝑖 − 𝑛
𝑠=
n−1

(7503)2 )
√1876657 − 30
𝑠=
30 − 1
156,7
𝑠=√ = √5,40345 = 2,3245
29

124
 DAFTAR RUJUKAN
Nuning Kurniasih, n.d.
Rohman, A., 2014a. Statistika dan Kemometrika Dasar dalam Analisis Farmasi, Pertama. ed.
Pustaka Pelajar, Jogjakarta.
Rohman, A., 2014b. Statistika dan Kemometrika Dasar dalam Analisis Farmasi, Pertama. ed.
Pustaka Pelajar, Jogjakarta.
Supardi U.S., Dr., 2013. Aplikasi Statistika Dalam Penelitian Konsep Statistika yang Lebih
Komprehensif, Cetakan II. ed. PT. Prima Ufuk Semesta, Jakarta.

125