REVIEW MATERI

NILAI PENYEBARAN MEAN, STANDAR DEVIASI, VARIAN

(BIOSTATISTIKA)

Oleh:
Filipus Waruwu
NIM. 03207041

PROGRAM STUDI NERS TAHAP AKADEMIK

STIKes SANTA ELISABETH MEDAN
2020/2021
 1. PENDAHULUAN.
1.1 Statistika
Statistika adalah pengetahuan yang berkaitan dengan cara-cara pengumpulan,
penyajian, analisis, dan penggunaan data numerik untuk membuat kesimpulan dan
keputusan berdasarkan kumpulan data dan analisis yang dilakukan dalam keadaan
ketidakpastian di bidang ekonomi, bisnis, ilmu pengetahuan sosial serta ilmu
pengetahuan alam[ CITATION Put18 \l 1057 ].
Sebagai suatu bidang studi, statistika mempunyai empat bagian utama, yaitu :
1. Statistik Deskriptif
Statistik Deskriptif berhubungan dengan peringkasan seperangkat data dan
penyajiannya ke dalam bentuk yang dapat dipahami (lebih menekankan pada teknik
pengumpulan, pengolahan, penyajian dan penganalisisan data kuantitatif secara
deskriptif guna memberikan gambaran yang teratur mengenai suatu persoalan).
Perhitungan rata-rata dan distribusi frekuensi, angka indeks, dan analisis time series
merupakan pokok-pokok bahasan dalam statistik deskriptif.
2. Probabilitas
Probabilitas adalah suatu angka yang mengukur frekuensi relatif dari suatu kejadian
dalam jangka panjang atau menunjukkan suatu tingkat kepercayaan. Pemakaian
konsep-konsep probabilitas menjadi dasar/landasan dalam mempelajari teori
keputusan secara statistik dan statistik inferensi.
3. Teori keputusan secara statistik
Analisis keputusan secara statistik berhubungan dengan pengambilan keputusan
bila alternatif-alternatif tindakan diketahui, akan tetapi hasil dari masing-masing
tindakan berbeda-beda. Analisis keputusan secara statistik akan memberikan
jawaban yang paling baik dalam situasi yang tidak pasti atau penuh resiko.
4. Statistik Inferensi
Statistik Inferensi adalah suatu pernyataan mengenai suatu populasi yang
didasarkan pada informasi dari sampel random yang diambil dari populasi itu (tidak
hanya menekankan pada teknik pengumpulan, pengolahan, penyajian dan
penganalisisan data saja, tetapi juga teknik penarikan kesimpulan dan pembuatan
keputusan yang dapat dipertanggungjawabkan).
1.1.1 Tahap-tahap Menyelesaikan Statistik
Tahap-tahap penyelesaian masalah secara statistik adalah :
a. Mengidentifikasi persoalan
Pertama kali persoalan yang dihadapi harus difahami dan didefinisikan dengan
benar. Pada tahap ini informasi kuantitatif sangat bermanfaat. Tahap ini termasuk
kedalam perencanaan penelitian, hal ini diperlukan sebagai pedoman dalam
mengumpulkan data kasar secara terarah dan ekonomis sehingga peneliti mengerti
betul pokok persoalan yang menjadi objek penelitian.
b. Mengumpulkan data atau fakta-fakta yang ada
Data harus dikumpulkan dengan tepat dan selengkap mungkin serta berhubungan
dengan persoalan yang dihadapi.
c. Mengumpulkan data asli yang baru
Seringkali data yang diperlukan tidak tersedia pada sumber-sumber yang ada,
karena itu harus dikumpulkan sendiri (misalnya survey, kuestioner, dll).
d. Klasifikasi data
Setelah data dikumpulkan, data dan fakta dikelompokkan sesuai dengan tujuan
studi. Mengidentifikasi data berdasarkan kemiripan sifat-sifatnya dan
menyusunnya ke dalam kelompok- kelompok dinamakan klasifikasi. Tahap ini
termasuk dalam tahap pengolahan data.
e. Penyajian Data
Ringkasan informasi disajikan dalam bentuk tabel, diagram, dan ukuran- ukuran
deskriptif seperti rata-rata dan dispersi, dll.
f. Analisis Data dan Penarikan Kesimpulan
Penganalisisan data merupakan proses pemilihan metode yang tepat yang sesuai
dengan tujuan penelitian. Hasil dari analisis diinterpretasikan sehingga data yang
terkumpul tersebut dapat memberikan gambaran mengenai penelitian yang
dilakukan. Jika data dikumpulkan dari sampel (bukan populasi), maka berdasarkan
ukuran-ukuran deskriptif yang telah dihitung, dilakukan pendugaan parameter
populasi dan pengujian asumsi parameter atau ciri-ciri populasi.
Pendugaan dan pengujian nilai parameter populasi berdasakan informasi dari
sampel merupakan unsur utama dalam statistik inferensi. Kemudian analisis
menafsirkan hasil pendugaan dan membuat kesimpulan atas hasil
pengujian[ CITATION Put18 \l 1057 ].
 2. TUJUAN.
2.1 Tujuan Pembelajaran.
Adapun kompetensi yang diharapkan setelah mempelajari modul ini
mahasiswa mampu menguraikan tentang cara perhitungan dari nilai
penyebaran meliputi Mean,Standar Deviasi, dan Varian.
1. Mampu memahami defenisi Statistik Deskriptif.
2. Mampu mengatahui apa itu data tunggal.
3. Mampu mengetahui apa itu data kelompok.
4. Mampu memahami metode nilai rata-rata mean.
5. Mampu memahami metode nilai standar deviasi
6. Mampu memahami metode Nilai Varian

3. BAHAN BACAAN.
3.1 Defenisi Statistik Deskriptif.
Pada umumnya orang tidak membedakan antara statistik dan statistika. Kata
statistik berasal dari kata Latin yaitu status yang berarti "negara" (dalam bahasa
Inggris adalah state). Pada awalnya kata statistik diartikan sebagai keterangan-
keterangan yang dibutuhkan oleh negara dan berguna bagi negara. Misal keterangan
mengenai jumlah keluarga penduduk suatu negara, keterangan mengenai usia
penduduk suatu negara, keterangan, mengenai pekerjaan penduduk suatu negara dan
sebagainya. Perkembangan lebih lanjut menunjukkan bahwa pengertian statistik
merupakan suatu kumpulan angka-angka. Misalnya statistik kelahiran, statitik hasil
pertanian, statistik penduduk dan sebagainya (Candra, 2016)
Pada bidang penelitian istilah statistik dibedakan dengan istilah data
kuantitatif. Data kuantitatif diartikan sebagai data berbentuk angka-angka sedangkan
istilah statistik diartikan sebagai metode mengolah dan menganalisis data kuantitatif.
Dalam hal ini, Dajan (1983) mengemukakan bahwa statistik merupakan metode yang
digunakan untuk mengumpulkan, mengolah, menyajikan, menganalisa, dan
menginterprestasi data kuantitatif. Metodenya bukan saja harus dapat memberikan
teknik pengumpulan, pengolahan, penyajian, dan analisa data, melainkan juga
memberikan teknik penarikan kesimpulan tentang ciri-ciri populasi tertentu dari hasil
 perhitungan sampel yang dipilih secara random dari populasi yang bersangkutan
(Ananda, 2018).
Statistika deskriptif adalah metode-metode yang berkaitan dengan
pengumpulan dan penyajian suatu gugus data sehingga memberikan informasi yang
berguna. Dalam statistika, untuk membuat sebuah data yang akurat dan dapat
dipercaya dapat dilakukan sebuah observasi (pengamatan) secara langsung dan
bertahap. Statistika dalam praktek, berhubungan dengan banyak angka hingga bisa
diartikan numerical description. Kegiatan yang berkaitan dengan statistika dijumpai
dalam kehidupan sehari-hari, misalnya suatu perusahaan ingin mengetahui seberapa
disiplin pegawainya dengan mengumpulkan data kedatangan dan kepulangan
pegawai, seorang guru membuat kesimpulan apakah siswanya telah menguasai mata
pelajaran yang telah diberikan dari rata-rata nilai ulangan harian, nilai mid semester
(Candra, 2016)
Statistik deskriptif (descriptive statistics) yaitu statistik yang mempelajari tata
cara mengumpulkan, menyusun, menyajikan dan menganalisa data penelitian yang
berwujud angka-angka, agar dapat memberikan gambaran yang teratur, ringkas dan
jelas mengenai suatu gejala, keadaan peristiwa, sehingga dapat ditarik pengertian atau
makna tertentu. Analisis data yang tergolong statistik deskriptif, terdiri dari tabel,
grafik, mean, median, modus, pengukuran variasi data, dan teknik statistik lain yang
bertujuan hanya mengetahui gambaran atau kecenderungan data tanpa bermaksud
melakukan generalisasi (Ananda, 2018).

3.2 Data Tunggal.

Data acak atau tunggal adalah data yang belum tersusun atau dikelompokkkan
kedalam kelas-kelas interval (Candra, 2016)
Contoh : data pengukuran hasil tinggi badan siswa kelas II SMA X (dalam cm) adalah
sebagai berikut:
155 152 157 155 159 160 155 154 153 150 162 165 160 157 150 170 165 160 165
162 159 154 152 151 155 171 169 162 167 160 158 163 149 154 153 167 158 166
168 153

3.3 Data Berkelompok

 Data berkelompok adalah data yang sudah tersusun atau dikelompokkan kedalam
kelas-kelas interval. Data kelompok disusun dalam bentuk distribusi frekuensi atau tabel
frekuensi dengan rumus :
K = 1+3,33 log n
R = Data terbesar - Data terkecil
C = R / K Keterangan :
K = Kelas (kategori dimana data dikelompokkan dengan dibatasi tepi nilai batas
bawah dan batas atas)
n = Jumlah Data
R = Range atau jangkauan (selisih nilai data terbesar dan data terkecil)
C = Interval kelas (lebar dari sebuah kelas dan dihitung dari perbedaan antara kedua
tepi kelasnya).
Contoh : Data nilai ujian statistik dan jumlah mahasiswa yang mendapatkannya.
Nilai Frekuensi
10 -20 3
30 – 40 5
50 - 60 8
70 -80 5
90 – 100 7

3.4 Nilai Rata-Rata Hitung (Mean)

Rata-rata hitung atau nilai rata-rata (rerata) dalam bahasa Inggris digunakan istilah
Arithmetic Mean dan adakalanya disingkat dengan Mean. Simbol umum yang digunakan
untuk rata-rata untuk sampel adalah X di baca “x bar”, sedangkan untuk populasi adalah
 dibaca “myu”. Mean merupakan hasil bagi dari sejumlah skor dengan banyaknya
responden. Menurut Irianto (2004) perhitungan mean merupakan perhitungan yang
sederhana karena hanya membutuhkan jumlah skor dan jumlah responden.
Mangkuatmodjo (1997) menjelaskan rata-rata hitung merupakan suatu bilangan tunggal
yang dipergunakan untuk mewakili nilai sentral dari sebuah distribusi (Ananda, 2018)
Cara menghitung rata-rata (mean) untuk untuk data tungggal adalah jika X1, X2, ...,
Xn merupakan n buah nilai dari variabel X, maka rata-rata hitungnya sebagai berikut

Keterangan :

= Rata-rata hitung (mean)

X = Data
 n = Jumlah data

Sering kali sejumlah data telah dikelompokkan dan ditampilkan dalam bentuk
tabel/distribusi frekuensi. Bila datanya telah dikelompokkan dalam bentuk tabel
frekuensi, rata rata hitung dari sebuah sampel dengan ukuran tertentu (n), maupun rata-
rata hitung sebuah populasi dengan ukuran tertentu (N), dapat dihitung dengan dua cara
yaitu: (1) cara panjang, dan (2) cara pendek, yang akan dibahas berikut ini
Rata – rata sederhana
Rata-rata hitung dari data yang telah dikerlompokkan dengan cara panjang, dapat
dihitung dengan rumus sebagai berikut:
1. Rata-rata sampel 2. Rata rata Populasi

x = rata-rata sampel
n = ukuran sampel (banyak anggota sampel)
P = rata-rata populasi
N = ukuran populasi (banyak anggota populasi)
Xi = data yang ke-i /pengamatan yang ke-i
Ukuran sampel adalah banyaknya pengamatan atau anggota sampel, dan ukuran
populasi adalah banyaknya pengamatan atau anggota populasi.
n
1
× rata − rata = ∑ xi
n i=1
Keterangan :
X1 = Nilai data kesatu
X2 = Nilai data kedua
X3 = Nilai data ketiga
X4 = Nilai data Keempat
Xn = Nilai data ke-n
n = Banyak sampel (data )
Xi = Nilai data kesatu
i = Mewakili bilangan 1,2,3,4,….n

Keterangan:
Xt = nilai pengukuran dari suatu variat
X = rata-rata hitung
 1. Untuk data yang tidak dikelompokkan (data tunggal)
x
x=∑
n

x
μ=∑
n

Dimana :
x = rerata
 = huruf besar Yunani sigma, yang berarti jumlahkan
x = nilai suatu hasil pengamatan atau observasi
x = jumlahkan semua observasi
n = jumlah semua observasi
2. Untuk data yang dikelompokkan

x =∑∫ . xi
∑∫ .

Dimana :
x = titik tengah (mid point) kelas interval ke I
x 1 = titik tengah interval kelas
f = frekuensi observasi pada kelas interval ke i
fx = jumlahkan frekuensi tiap kelas interval

3.5 Nilai Varians (Variansi)

Simpangan baku atau standard deviation merupakan bentuk akar pangkat 2

dari variansi. Biasanya ukuran variansi ini diberi simpul sebagai S2 (s pangkat 2).
Sebenarnya yang merupakan ukuran simpangan adalah simpangan baku, namun
demikian ukuran variansi ini merupakan ukuran pangkat dua dari simpangan baku,
sehingga bisa juga dianggap sebagai ukuran penyebaran. Variansi adalah rata-rata
kuadrat selisih atau kuadrat simpangan dari semua nilai data terhadap rata-rata hitung.
Variansi untuk sampel dilambangkan dengan S2 , untuk populasi dilambangkan
2(Wayan,2015).

1. Data tidak berkelompok

  (X - X)2
S 2 = -------------------
n -1
2. Data berkelompok :

f (X - X)2
S 2 = -------------------
n -1
Menurut Riduwan dan Akdon (2013: 43), variance (varians) adalah kuadrat dari
simpangan baku. Fungsinya untuk mengetahui tingkat penyebaran atau variasi
data.sedangkan menurut Hasan (2011: 107), varians adalah nilai tengah kuadrat
simpangan dari nilai tengah atau simpangan rata-rata kuadrat. Untuk sampel, variansnya
(varians sampel) disimbolkan dengan s². Untuk populasi, variansnya (varians populasi)
disimbolkan dengan 𝜎² (baca: sigma)
Varians data Tunggal
Untuk seperangkat data 𝑥1, 𝑥2, 𝑥3, … , 𝑥𝑛 (data tunggal), variansnya
dapat ditentukan dengan dua metode, yaitu metode biasa dan metode angka
kasar.
1. Metode Biasa
a. Untuk Sampel Besar (n> 30)
2
s = Σ f (x−x)
√ n
b. Untuk Sampel Kecil ( n≤30 )n
2
s = Σ f (x−x)
√ n−1
2. Metode Angka Kasar
a. Untuk Sampel Besar (n> 30)
Σ s2 Σ X2
2
s =
n ( )
-
n
b. Untuk Sampel Kecil ( n≤30 )n
Σ x2 Σ X2
2
s = -
n−1 n−1 ( )
Contoh Soal:
Tentukan Varians dari data 2,3,6,8,11 !
Penyelesaian :
n=5
 2+ 3+6+8+ 11
X= =6
5

Variansi adalah nilai tengah kuadrat simpangan dari nilai tengah atau simpangan rata-
rata kuadrat. Untuk sampel, variansinya (varians sampel) disimbolkan dengan . Untuk
seperangkat data X1, X2, X3, . . . , Xn (data tunggal) variansinya ditentukan dengan
rumus

Keterangan :
s 2 = Varians

= Rata-rata hitung (mean)

X = Data n = Jumlah data
Untuk data berkelompok (distribusi frekuensi), variansinya dapat ditentukan dengan
rumus

Keterangan :
s2 = Varians
f = Frekuensi

= Rata-rata hitung (mean)

X = Nilai tengah
n = Jumlah data (Candra, 2016)
3.6 Nilai Standar Deviasi (Simpangan Baku)
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai
data terhadap rata-rata hitung (Yuantari & Handayani, 2017). Selain itu, varian adalah
rata-rata perbedaan antara mean dengan nilai masing-masing observasi (Rinaldi &
Mujianto, 2017). Varians yang diberi simbol (s2) dapat menjelaskan homogenitas suatu
kelompok. Variansi untuk populasi dilambangkan (σ 2). Semakin kecil varians maka
semakin homogeni data dalam kelompok tersbut. Sebaliknya, semakin besar varians
maka makin heterogen data dalam kelompok tersebut (Masturoh & T, 2018).
Teknik range dan interquartile range merupakan perhitungan variabilitas yang masih
kasar, sehingga jarang dipergunakan untuk melakukan perhitungan variabilitas.
Perhitungan variabilitas yang tingkat keakuratannya lebih baik digunakan teknik standar
deviasi. Standar deviasi atau simpangan baku merupakan salah satu cara mengukur
variasi sekelompok data kuantitatif. Besar harga standar deviasi menunjukkan tingkat
varians dari sekumpulan data. Semakin besar harga standar deviasi, berarti semakin
bervariasi atau heterogen angka-angka pada data kuantitatif tersebut. Standar deviasi
(standard deviation) digunakan lambang SD (Ananda, 2018)
Simpangan baku adalah akar dari tengah kuadrat simpangan dari nilai tengah atau
akar simpangan rata-rata kuadrat. Untuk sampel , simpangan bakunya (simpangan
sampel) disimbolkan dengan dengan s. Untuk menentukan nilai simpangan baku atau
standar deviasi, caranya ialah dengan menarik akar dari varians. Untuk seperangkat data
X1, X2, X3, ..., Xn (data tunggal) simpangan bakunyanya dapat ditentukan yaitu
rumusnya

Keterangan :
s = Standar deviasi

= Rata-rata hitung (mean)

X = Data
n = Jumlah data
Untuk data berkelompok (distribusi frekuensi), simpangan bakunya dapat ditentukan
dengan rumus
 Keterangan :
s = Standar deviasi
f = Frekuensi
x= Rata-rata hitung (mean)
X = Nilai tengah
n = Jumlah data (Candra, 2016)
Menurut Riduwan dan Akdon (2013 : 40), standard deviation (simpangan baku)
ialah suatu nilai yang menunjukkan tingkat (derajat) variasi kelompok atau ukuran
standar penyimpangan dari reratanya. Sedangkan menurut Hasan (2011 : 112) Simpangan
baku adalah akar dari tengah kuadrat simpangan dari nilai tengah atau akar simpangan
rata-rata kuadrat. Untuk sampel, simpangan bakunya (simpangan baku sampel)
disimbolkan dengan s. Untuk populasi, simpangan bakunya (simpangan baku populasi)
disimbolkan σ. Untuk menentukan nilai simpangan baku, caranya ialah dengan menarik
akar dari varians.
Jadi, s= √Varians
Cara mencari simpangan baku, dibedakan data tunggal dan berkelompok
a. Simpangan baku data tunggal
Untuk seperangkat data x1, x2, x3, …, xn (data tunggal) simpangan bakunya
dapat ditentukan dengan dua metode, yaitu metode biasa dan metode angka kasar.
1. Metode Biasa
a. Untuk Sampel Besar ( n > 30 ) :
s= √ Σ¿ ¿ ¿
4.950,5
=
√ 10−1
= √ 550,056
= 23,45
2. Dengan Metode angka kasar
2
s = Σ X −¿ √ ¿ ¿ ¿
√
n−1
44,013
s=
√ 10−1
−¿ √ ¿ ¿¿ ¿

s = √ 4.890,33 - √ 4.340,28
s = 23,45
 b. Simpangan baku data berkelompok
Untuk data berkelompok (distribusi frekuensi), simpangan bakunya dapat
ditentukan dengan tiga metode, yaitu metode biasa, metode angka kasar, dan metode
coding.
3. Metode Biasa
a. Untuk Sampel Besar (n> 30)
2
s = Σ f (x−x)
√ n

b. Untuk Sampel Kecil ( n≤30 )

2
s = Σ f (x−x)
√ n−1
4. Metode Angka Kasar
a. Untuk Sampel Besar (n> 30)

Σ fx 2 Σ fx 2
s=
√ n
−¿¿
√( n )
b. Untuk Sampel Kecil ( n≤30 )

Σ fx 2 Σ fx 2
s=
√ n−1
−¿¿
√( n−1 )
5. Metode Coding
a. Untuk Sampel Besar (n> 30)
2
Σu 2
s = C Σ fu −¿ ¿
n√ √( n )
b. Untuk Sampel Kecil ( n≤30 )
2
Σ u2
s = C Σ fu −¿ ¿
n−1√ √( n−1 )
Keterangan :
C = Panjang Interval Kelas
d X−M
u = =
c c
M = Rata-rata Hitung Sementara.
4. KESIMPULAN.
Ukuran penyebaran data ini bertujuan mengetahui luas penyebaran data atau
varian data atau homogenitas data atau stabilitas data dalam statistika penelitian, dan
ini semua dapat diperoleh setelah adanya sebuah observasi yang telah dilakukan oleh
sesorang atau kelompok.
Dalam materini tentang ukuran penyebaran data ini ada beberapa macam yang
dapat digunakan seperti mean, varian, serta simpngan baku yang biasanya sering
disebut standard deviasi.
Kemudian di ketahui bahwa ukuran penyebaran data ini bertujuan untuk
menetukan apakah suatu nilai rata-rata dapat mewakili suatu rangkaian data atau
tidak,dan untuk perbandingan terhadap variabilitas data, serta dapat membantu
penggunakan ukuran statistic penelitian.

5. LATIHAN.

Ada seorang mahasiswa yang melakukan penelitian di sebuah sekolah di Medan.

Mahasiswa tersebut sedang meneliti bagaimana tingkat kemampuan siswa dalam belajar.
Kemudian dia memberikan ujian matematika kepada sepuluh siswa yang berada di kelas
tersebut yang telah dijadikannya sebagai sampel nya untuk meneliti. Berikut adalah nilai
ujian matematika dari sepuluh siswa tersebut.
No Nama Nilai
.
1 chaoji 80
2 filipus 85
3 sakura 75
4 Naruto 70
5 Sikhamaru 78
6 Neji 67
7 Sasuke 77
8 Hinata 78
9 Lee 80
Rata – Rata Hitung ?
1. Dari table hasil nilai ujian siswa siswa tersebut berapakah nilai mean , varian dan
standar deviasi dari nilai siswa tersebut ?
 Penyelesaian :
1. Berikut adalah nilai ujian matematika dari sepuluh siswa tersebut.
Array : 67 70 75 77 78
78 80 80 85

Mean :

= 67 + 70 + 75 + 77 + 78 + 78 + 80 + 80 + 85
9
= 690
9
= 76,66

Varian :

S2 =(690 – 76,66)2
9–1
= (613,34)2
8
= 376,185.9556
8
= 47,023.2
Sd = 6,857
=7
 6. LATIHAN FORMATIF.
1. Data tidak berkelompok

Tentukanlah mean, sd, dan varian secara data tidak berkelompok tersebut..??

2. Data berkelompok

Tentukanlah mean, sd, dan varian secara data berkelompok tersebut..??

Penyelesaian :

1. Data Tidak Berkelompok

Mean
x i = 274
n=6

x́=
∑ xi
n
 274
x́=
6
x́=45,6

x (kg) ( x́−x i ¿ ¿
39 45,6 – 39 = 6,6 43,56
50 45,6 – 50 = -4,4 19,36
42 45,6 – 42 = 3,6 12,96
39 45,6 – 39 = 6,6 43,56
60 45,6 – 60 = -14,4 207,36
44 45,6 – 44 = 1,6 2,56
∑ ¿274 ∑ ¿−0,4 ∑ ¿329,36
Varians
S2=∑ ¿ ¿¿
329,36
S2 =
5
S2=65,87 ≈ 65,9
Standar Deviasi
S= √ s2
S= √ 65,9
S=8,1

2. Data Berkelompok

Nilai fi xi f i . xi ( x i−x́ ¿ ¿ f i. ¿ x 2i f i . x 2i
20-24 9 22 198 -11,03 121.66 1094,94 484 4356
25-29 13 27 351 -6,03 36,36 472,68 729 9477
30-34 11 32 352 -1,03 1,06 11,66 1024 11264
35-39 7 37 259 3,97 15,76 110,32 1369 9583
40-44 18 42 756 8,97 80,46 1448,28 1764 31752
Jumlah 58 1916 1916 -5,15 255,3 3137,88 5370 66432
Mean
x́=
∑ f i . xi
n
1916
x́=
58
x́=33,03
Varians
 S2=∑ f i .¿ ¿ ¿
3137,88
S2 =
57
2
S =55,05
Standar Deviasi
S= √ s2
S= √ 55,05
S=7,4

DAFTAR PUSTAKA
Putri, P., & Latiffani, C. (2018). Pengolahan Data Berbantu Software Spss Bagi Perangkat
Desa Di Kecamatan Buntu Pane Kabupaten Asahan. Jurnal Pengabdian Kepada
Masyarakat) Royal ISSN, 1(2), 51–56. (Putri & Latiffani, 2018)
Ananda, R. (2018). Statistika Pendidikan : Teori Dan Praktik Dalam Pendidikan. In Journal
Of Visual Languages & Computing, Cv. Widya Puspita (Vol. 11, Issue 3).
Candra, R. (2016). Implementasi Statistik Dengan Database Mysql. Jurnal Teknologi
Informasi Dinamik, 20(2), 132–139.
Https://Www.Unisbank.Ac.Id/Ojs/Index.Php/Fti1/Article/View/4645
Pratikno, A. S. (2020). Pemetaan Ukuran Pemusatan Data. 03, 1–7.

(Nugroho, 2013) In Journal of Chemical Information and Modeling (Vol. 53, Issue 9).
https://doi.org/10.1017/CBO9781107415324.004

Satriawan, H. (2018). PROBLEMATIKA PEMBELAJARAN MATEMATIKA PADA. 5(3),

278–285.

Saad, A., & Guru, K. (2017). = 2,09 >= 1,679. Sedangkan koefisien korelasi sebesar r. 1(1),
91–98.

Yusniyanti, E. (2017). Jurnal einstein.

(Ajar, n.d.)Ajar, B. (n.d.). BUKU AJAR.

Yuantari, C., & Handayani, S. (2017). Buku Ajar Biostistik Deskriptif & Inferensial (2nd ed.).
Badan Penerbit Universitas Dian Nuswantoro.