RANGKUMAN BAB 1 - 5

STATISTIKA

Disusun Oleh
Nama : Kevin Ardena
Npm : 17010045
Grup : 4T2

POLITEKNIK STTT BANDUNG

2020
 BAB I
PENDAHULUAN

1. PERANAN STATISTIKA
Peranan statistik dalam kehidupan sehari-hari sebagai alat pembacaan data dari bahan-
bahan atau keterangan-keterangan untuk kemudian dijadikan bahan dasar pengambilan
keputusan atau kebijakan. Contoh: angka kenakalan remaja, tingkat biaya hidup, tingkat
kecelakaan lalu lintas, dan tingkat pendapatan. Semakin pentingnya peranan statistik pada
berbagai bidang dalam kehidupan modern, menimbulkan berbagai macam cabang ilmu baru
yang merupakan gabungan antara ilmu tersebut dengan statistik atau penerapan statistik
dalam ilmu tersebut.

2. STATISTIK DAN STATISTIKA

Ada dua jalan yang dapat ditempuh untuk mempelajari statistika, diantaranya :
1. Jika ingin membahas statistika secara mendasar, mendalam, dan teoritis, maka yang
dipelajari digolongkan ke dalam statistika matematis atau statistika teoritis. Yang
dibahas antara lain turunan sifat-difat, dalil-dalil, rumus-rumus, menciptakan model-
model dan segi-segi lainnya yang teoritis dan matematis.
2. Mempelajari statistika semata-mata dari segi penggunaannya. Aturan-aturan, rumus-
rumus, sifat-sifat dan sebagainya yang telah diciptakan oleh statistika teoritis,
diambil dan digunakan mana yang perlu dalam berbagai bidang pengetahuan.

3. DATA STATISTIK
Statistik adalah seperangkat metode dan aturan mengenai pengumpulan, analisis,
pemrosesan, dan interpretasi data dari angka-angka yang menjelaskan data atau
pengamatan. Data yang berbentuk bilangan disebut data kuantitatif, harganya berubah-ubah
atau bersifat variable. Dari nilainya dikenakan dua golongan data kuantitatif ialah :
 Data dengan variable diskrit merupakan data hasil menghitung atau membilang.
Contoh nya “Keluarga A mempunyai lima anak laki-laki dan tiga perempuan”.
 Data dengan variable kontinu merupakan data hasil pengukuran. Contohnya “Luas
daerah sebesar 425,7 KM2”.
Menurut sumbernya kita mengenal data intern dan data ekstern yaitu,

 Data Intern merupakan data yang mencatat segala aktivitas perusahaan maupun
perkantoran, misalnya: keadaan pegawai, pengeluaran, keadaan barang
digudang, hasil jualan, keadaan produksi pabrik dan lain-lain.
 Data Ekstern dibagi menjadi data ekstern primer dan data ekstern sekunder.

4. POPULASI DAN SAMPEL

populasi (population/universe) dalam statistika merujuk pada sekumpulan
individu dengan karakteristik khas yang menjadi perhatian dalam suatu penelitian
(pengamatan). Sementara sampel adalah bagian kecil dari anggota populasi yang diambil
menurut prosedur tertentu sehingga dapat mewakili populasinya.
 Dalam hal pertama, sensus telah dilakukan sedangkan dalam hal kedua,
penelitian tekah dilakukan secara sampling

5. PENGUMPULAN DATA
Untuk kedua hal, sensus maupun sampling banyak langkah yang harus ditempuh dalam
usaha mengumpulkan data, antara lain :
 Sensus, yaitu cara pengumpulan data secara lengkap, dimana seluruh elemen
dalam populasi yang menjadi objek penelitian diselidiki/dicacah satu per satu.
 Survei, yaitu pengumpulan data dimana data yang diselidiki adalah elemen dari
populasi. Makin banyaknya jenis data yang dibutuhkan dalam suatu penelitian,
timbul permasalahan bagaimana menghasilkan data yang akurat dengan
menyeimbangkan tenaga, biaya dan waktu. Untuk itu survey lebih sering
digunakan untuk penelitian.

BAB II
PENYAJIAN DATA

1. PENDAHULUAN
Penyajian data merupakan salah satu kegiatan dalam pembuatan laporan hasil
penelitan yang telah dilakukan agar dapat dipahami dan dianalisis sesuai dengan tujuan
yang diinginkan
Data yang telah dikumpulkan, baik berasal dari populasi maupun sampel untuk
keperluan laporan atau analisis selanjutnya, perlu diatur, disusun, disajikan dalam bentuk
yang jelas dan baik. Garis besarnya ada du acara penyajian data yang sering dipakai ialah
: tabel atau daftar dan grafik atau diagram.
Macam-macam daftar yang dikenal :

 Daftar baris kolom,

 Daftar kontigensi,
 Daftar distribusi frekuensi.

Sedangkan diagram yang akan diuraikan disini ialah :

2. DIAGRAM BATANG
Data yang variabelnya berbentuk kategori atau atribut sangat tepat disajikan
dalam diagram batang. Untuk menggambar diagram batang diperlukan sumbu datar dan
sumbu tegak yang berpotongan tegak lurus. Sumbu datar dibagi menjadi beberapa skala
bagian yang sama; demikian pula sumbu tegaknya.
3. DIAGRAM GARIS
Untuk menggambarkan keadaan yang serba terus atau berkesinambungan,
misalnya produksi minyak tiap tahun, jumlah penduduk tiap tahun, keadaan tempetarur
badan tiap jam dan lain-lain, dibuat diagram garis. Seperti diagaram batang, pada
diagram garis pun diperlukan sistem sumbu datar dan sumbu tegak yang saling tegak
lurus.

4. DIAGRAM LAMBANG ATAU DIAGRAM SIMBUL

Sering dipakai untuk mendapatkan gambaran kasar sesuatu hal dan sebagai alat
visual bagi orang awam. Misalnya untuk data mengenai jiwa, penduduk dan pegawai
dibuat gambar orang, satu gambar untuk 5000 jiwa;.

5. DIAGRAM PASTEL DAN DIAGRAM LINGKARAN

Untuk membuat diagram lingkaran, gambarkan sebuah liingkaran lalu dibagi-
bagi menjadi beberapa sector. Tiap sector melukiskan kategori data yang terlbih dahulu
diubah ke dalam derajat.

6. DIAGRAM PETA ATAU DIAGRAM KARTOGRAM

Dalam pembuatannya digunakan peta geografis tempat data terjadi. Salah satu
contoh yang sudah terkena ialah jika kita membuka peta bumi. Disitu antara lain terdapat
peta daerah atau pulau dengan mencantumkan pula gambar-gambar pohon kelapa,
jagung, kuda, sapi dan lain-lain.

7. DIAGRAM PENCAR ATAU DIAGRAM TITIK

Untuk kumpulan data yang terdiri atas dua variable, dengan nilai kuantitatif,
diagramnya dapat dibuat dalam sistem sumbu koordinat dan gambarnya akan merupakan
kumpulan titik-tiitik yang terpencar.

BAB III
DAFTAR DISTRIBUSI FREKUENSI DAN GRAFIKNYA

1. PENDAHULUAN
Dalam daftar distribusi frekuensi, banyak obyek dikumpulkan dalam kelompok-
kelompok berbentuk a-b dimasukkan semua data yang bernilai mulai dari a sampai
dengan b. Distribusi Frekuensi adalah pengelompokkan data ke dalam beberapa kategori
yang menunjukkan banyaknya data dalam setiap kategori, dan setiap data tidak dapat
dimasukkan ke dalam dua atau lebih kategori. Distribusi frekuensi adalah susunan data
dalam bentuk tunggal atau kelompok menurut kelas-kelas tertentu dalam sebuah daftar.
Berturut-turut, mulai dari atas, diberi nama keas interval pertama, kelas interval kedua,
…., kelas interval terakhir. Ini semua ada dalam kolom kiri.
 DAFTAR III (1) NILAI UJIAN STATISTIKA UNTUK 80 MAHASISWA

Nilai Ujian Banyak Mahasiswa (f)

31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
91 – 100 12
Jumlah 80

2. MEMBUAT DAFTAR DISTRIBUSI FREKUENSI

Perhatikan nilai ujian statistika untuk 80 orang mahasiswa berikut ini:

79 49 48 74 81 98 87 80
80 84 90 70 91 93 82 78
70 71 92 38 56 81 74 73
68 72 85 51 65 93 83 86
90 35 83 73 74 43 86 88
92 93 76 71 90 72 67 75
80 91 61 72 97 91 88 81
70 74 99 95 80 59 71 77
63 90 83 82 60 67 89 63
76 63 88 70 66 88 79 75
Untuk membuat daftar distribusi frekuensi dengan Panjang kelas yang sama, kita
lakukan sebagai berikut.
a. Tentukan rentang, ialah data terbesar dikurangi data terkecil. Dalam hal ini, karena
data terbesar = 99 dan data terkecil = 35, maka rentang = 99 – 35 = 64.
b. Tentukan banyak kelas interval yang diperlukan. Banyak kelas sering biasa diambil
paling sedikit 5 kelas dan paling banyak 15 kelas, dipilih menurut keperluan. Cara
lain cukup bagus untuk n berukuran n > 200 misalnya, dapat gunakan aturan Sturges
, yaitu:
Banyak kelas = 1 + (3,3) log n

Dengan n mentakan banyak data dan hasil akhir dijadikan bilangan bulat. Untuk
contoh kita dengan n = 80, sekedar memperlihatkan penggunaan aturan ini, maka:
(logaritma beberapa bilangan dapat dilihat dalam lampiran, daftar A).

Banyak kelas = 1 + (3,3) log 80

= 1 + (3,3) (1,9031) = 7,2802.

Kita bisa membuat daftar distribusi frequensi dengan banyak kelas 7 atau 8 buah.
c. Tentukan Panjang kelas interval p. ini, secara ancer-ancer ditentukan oleh aturan :
 rentang
P=
banyak kelas
Harga p diambil sesuai dengan ketelitian satuan data yang digunakan. Jika data
berbentuk satuan, ambil harga p teliti sampai satuan. Untuk data hingga satu
decimal, p ini juga diambil hingga satu desimal, dan begitu seterusnya.
Untuk contoh kita, maka jika banyak kelas diambil 7, didapat :
64
P= =9,14 dan dari sini bisakita ambil p=9 atau p=10.
7
d. Pilih ujung bawah kelas interval utama. Untuk ini bisa diambil sama dengan data
terkecil atau nilai data yang lebih kecil dari data terkecil tetapi selisihnya harus
kurang dari Panjang kelas yang telah ditentukan. Selanjutnya daftar diselesaikan
dengan harga-harga yang telah dihitung.
e. Dengan p = 10 dan memulai dengan kata yang lebih kecil dari data terkecil, diambil
31, maka kelas pertama berbentuk 31 – 40, kelas kedua 41 – 50, kelas ketiga 51 – 60
dan seterusnya.

Dengan mengambil banyak kelas 7, Panjang kelas 10, dan dimulai dengan ujung
bawah kelas pertama sama dengan 31, seperti dijelaskan dalam e, kita peroleh daftar
penolong seperti dibawah ini.

Nilai Ujian Tabulasi Frekuensi

31 – 40 // 2
41 – 50 /// 3
51 – 60 //// 5
61 – 70 //// //// //// 14
71 – 80 //// //// //// //// //// 24
81 – 90 //// //// //// //// 20
91 – 100 /// //// // 12

Setelah dituliskan dalam bentuk yang lazim dipakai, hasilnya seperti tertera dala
Daftar III (1) di bawah ini

Banyak Mahasiswa
Nilai Ujian
(f)
31 – 40 2
41 – 50 3
51 – 60 5
61 – 70 14
71 – 80 24
81 – 90 20
91 - 100 12
Jumlah 80
3. DISTIRBUSI FREKUENSI RELLATIF DAN KUMULATIF
 Distribusi frekuensi dibuat dengan alasan berikut:
kumpulan data yang besar dapat diringkas
kita dapat memperoleh beberapa gambaran mengenai karakteristik data, dan
merupakan dasar dalam pembuatan grafik penting (seperti histogram).

Dalam daftar di atas, frekuensi dinyatakan dengan banyak data yang terdapat
dalam tiap kelas, jadi dalam bentuk absolut. Jika frekuensi dinyatakan dalam persen,
maka diperoleh daftar distribusi frekuensi relative. Frekuensi relative disingkat frel atau
f(%), untuk kelas pertama di dapat dari
2
P= x 100 %=2,50 %
80
Untuk lain lain dihitung dengan jalan yang sama.
DAFTAR III (4) DISTRIBUSI FREKUENSI REALTIF UNTUK NILAI UJIAN
STATISTIKA

Nilai Ujian f (%)

31 – 40 2,50
41 – 50 3,75
51 – 60 6,25
61 – 70 17,50
71 – 80 30,00
81 – 90 25,00
91 - 100 15,00
Jumlah 100,00

4. HISTOGRAM DAN POLIGON FREKUENSI

Untuk menyajikan data yang telah disusun dalam daftar distribusi frekuensi
menjadi diagram, seperti biasa dipakai sumbu mendatar untuk menyatakan kelas
interval, dan sumbu tegak untuk menyatakan frekuensi baik absolut maupun relative.
Yang dituliskan pada sumbu datar adalah batas-batas kelas interval.

Contoh Histogram dan Poligon Frekuensi :

DAFTAR III (10) GAJI BULANAN 135 PEGAWAI DI DAERAH A DALAM RUPIAH

GAJI F
5.000 – 5.999 30
6.000 – 6.999 32
7.000 – 7.999 25
8.000 – 8.999 18
9.000 – 9.999 28
13.000 – 13.499 2
Jumlah 135
5. MODEL POPULASI
Poligon frekuensi yang merupakan garis patah-patah dapat didekati oleh sebuah
lengkungan halus yang bentuknya secocok mungkin dengan bentuk polygon tersebut.
Lengkungan yang didapat dinamakan kurva frekuensi.

BAB IV
UKURAN GEJALA PUSAT DAN UKURAN LETAK

1. PENDAHULUAN
Dalam bab ini akan diuraikan tentang ukuran gejala pusat dan ukuran letak.
Beberapa macam ukuran dari golongan pertama adalah : rata-rata atau rata-rata hitung,
rata-rata ukur, rata-rata harmonic, dan modus. Golongan kedua meliputi : median,
kuartil, desil, dan persentil.

2. RATA – RATA ATAU RATA – RATA HITUNG

Simbol n juga akan dipakai untuk menyatakan ukuran Sampel , yakni banyak
data atau obyek yang diteliti dalam sampel. Simbol n dipakai untuk menyatakan ukuran
populasi , yakni banyak anggota terdapat dalam populasi.
Jika ada lima nilai ujian dari lima orang mahasiswa untuk mata kuliah statistika
berbentuk : 70, 69, 45, 80 dan 56, maka dalam simbul ditulis : x 1 = 70, x2 = 69, x3 = 45, x4
= 80 dan x5 = 56. Dalam hal ini n = 5, yang menyatakan sebuah sampel berukuran 5.
 3. RATA – RATA UKUR
Jika perbandingan tiap dua data berurutan tetap atau hampir tetap, rata-rata ukur
lebih baik dipakai daripada rata-rata hitung, apabila dikehendaki rata-ratanya. Untuk data
bernilai x1 , x2 , x3 …. Xn maka rata-rata ukur U di definisikan sebagai

IV (6)…………..U =√n x 1. x 2. x 3 … … x n

Untuk bilangan-bilangan bernilai besar, lebih baik digunakan logaritma. Rumus IV (6)
menjadi

IV (7)……….. log U =
∑ log Xi
n
Untuk data yang telah disusun dalam daftar distribusi frekuensi rata-rata ukurannya
dihitung dengan rumus :

IV (9)…….. log U = ∑ ¿¿ ¿

4. RATA – RATA HARMONIK

Untuk data x1 , x2 , x3 …….., xn dalam sebuah sampel berukuran n, maka rata-rata
harmonic ditentukan oleh:

n
IV (10) ……… H =
∑ ( Xi1 )

n
Atau lebih lengkapnya H = 1 1 1
+ +…+
X 1 X2 Xn

Contoh : Rata-rata harmonic untuk kumpulan data : 3, 5, 6, 6, 7, 10, 12, dengan

n = 7 ialah

7
H = 1 1 1 1 1 1 1 = 5,87
+ + + + + +
3 5 6 6 7 10 12

Untuk data distribusi frekuensi, maka rata-rata harmonic dihitung dengan rumus :

∑ fi
IV (11)………. H = fi
∑ ( Xi )

5. MODUS
Ukuran ini juga dalam keadaan tidak disadari sering dipakai untuk menentukan
“rata-rata” data kualitatif.
 Contoh : Terdapat sampel dengan nilai-nilai data :
12, 34, 14, 34, 28, 34, 34, 28, 14. Dalam tabel dapat disusun seperti dibawah
ini.
Frekuensi terbanyak, ialah f = 4, terjadi untuk data bernilai 34. Maka modus Mo = 34

Xi fi
12 1
14 2
20 2
34 4

Jika data kuantitatif telah disusun dalam daftar distribusi frekuensi, modusnya dapat
ditentukan dengan rumus :
b1
IV (13)…………. Mo = b + p ( )
b 1+ b 2

6. MEDIAN
Median menentukan letak data setelah data itu disusun menurut urutan nilainya.
Kalua 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 disusun menurut nilainya, merupakan
data paling tengah.
Contoh : Sampel dengan data = 4, 12, 5, 7, 8, 10, 10 setelah disusun menurut
nilainya
Menjadi = 4, 5, 7, 8, 10, 12. Data paling tengah bernilai 8. Jadi Me = 8.
Untuk sampel berukuran genap, setelah data disusun menurut urutan nilainya,
mediannya sama dengan rata-rata hitung dua data tengah.
Contoh : Diberikan ampel dengan data = 12, 7, 8, 14, 16, 19, 10, 8. Setelah disusun
Menurut nilainya menjadi = 7, 8, 8, 10, 12, 14, 16, 19. Data tengahnya ialah
10
Dan 12. Sehingga median Me = ½ (10+12) = 11.

1
−F
IV (14)……. Me = b + p ( 2
¿
f

7. KUARTIL, DESIL DAN PERSENTIL

Ada tiga buah kuartil, ialah kuartil pertama, kuartil kedua dan kuartil ketiga yang
masing-masing disingkat dengan K1, K2, dan K3. Pemberian nama ini dimulai dari yang
paling kecil. Untuk menentukan nilai kuartil caranya adalah :
1) Susun data menuru urutan nilainya,
 2) Tentukan letak kuartil,
3) Tentukan nilai kuartul.
Letak kuartil ke I, diberi lambang Ki, ditentukan oleh rumus :
i(n+1)
IV (16)……. Letak Ki = data ke
4
Dengan I = 1, 2, 3

BAB V
UKURAN SIMPANGAN, DISPERSI DAN VARIASI

1. PENDAHULUAN
Ukuran dispersi atau ukuran variasi, yang menggambarkan derajat bagaimana
berpencarnya data kuantitatif, dintaranya: rentang, rentang antar kuartil, simpangan
kuartil atau deviasi kuartil, rata-rata simpangan atau rata-rata deviasi, simpangan baku
atau deviasi standar, varians dan koefisien variasi.
Ukuran simpangan atau ukuran dispersi sering dinamakan pula ukuran variasi,
yang menggambarkan bagaimana berpencarnya data kuantitatif. Beberapa ukuran
dispersi yang terkenal dan akan di uraikan disini adalah : rentang, rentang antar kuartil,
simpangan kuartil, atau deviasi kuartil, rata-rata simpangan atau rata-rata deviasi,
simpangan buku atau deviasi standar, varians dan koefisien variasi.

2. RENTANG, RENTANG ANTAR KUARTIL DAN SIMPANGAN KUARTIL

Ukuran variasi yang paling mudah ditentukan ialah rentang, ketika membuat daftar
distribusi frekuensi. Rumusnya adalah :

V(1)………. Rentang = data terbesar – data terkecil

Contoh : untuk ke 80 data yang ada pada halaman 46 dengan data terbesar = 99
dan
data Terkecil = 35, maka rentangnya = 99 – 35 = 64.

Karena mudahnya dihitung, rentang ini banyak sekali digunakan dalam cabang lain dari
statistika, yaitu statistika industry.
Rentang antar kuartil juga mudah ditentukan, dan ini merupakan selisih antara K3 dan
K1. Jadi didapatlah hubungan :

V(2)….. RAK = K3 – K1

3. RATA – RATA SIMPANGAN

Misalkan data hasil pengamatan berbentuk X1 , X2, ….. Xn dengan rata-rata X́ .
Selanjunya kita tentukan jarak antara tiap data dengan rata – rata X́ . Jarak ini, dalam
simbul ditulis |Xi - X́ |
(Baca : harga mutlak dari selisih Xi dengan X́ ). Dengan |a| berarti sama dengan jika a
positif, sama dengan -a jika a negatif dan nol jika a sama dengan 0. Jadi harga mutlak,
 selalu memberikan tanda positif, karena inilah |Xi - X́ |. Maka diperoleh satuan yang
disebut rata-rata simpangan atau rata-rata deviasi.
Rumusnya adalah :

V (4)…….. RS =
∑ ¿ Xi− X́ ∨¿ ¿
n

Dengan RS berarti = rata-rata simpangan.

Meskipun ukuran ini tidak akan digunakan di dalam buku ini, untuk menjelaskan rumus
V(4) diberikan sebuah contoh berikut:

Xi Xi - X́ | Xi -
X́ ∨¿
8 -1 1
7 -2 2
10 1 1
11 2 2

Dari data di atas ini, jika dihitung, rata-ratanya = 9. Jumlah harga-harga mutlaknya, yaitu
6
jumlah bilangan-bilangan dalam kolom akhir, adalah 6. Maka RS = = 1 ½ .
4

4. SIMPANGAN BAKU
Simpangan baku atau yang disebut dengan standar deviasi merupakan salah satu
teknik statistik yang digunakan untuk menjelaskan homogenitas dari sebuah kelompok.
Pangkat dua dari simpangan baku dinamakan varians. Untuk sampel, simpangan
baku akan diberi simbul S, sedangkan untuk populasi diberi simbul ó (baca : sigma).
Variansnya tentulah S2 untuk varians sampel dan o2 Untuk varians populasi. Jelasnya, S
dan S2 merupakan statistik, ó dan O2 parameter.
Jika kita mempunyai sampel berukuran n dengan data X1 , X2, ….. Xn dan rata-rata
X́ , maka statistik S2 dihitung denga :

V(5)……. S2 =
∑ ( Xi−X ) 2
n−1
Untuk mencari simpangan baku s, dari s2 diambil harga akarnya yang positif. Dari rumus
V(5), varians s2 dihitung sebagai berikut :

1) Hitung rata-rata X́
2) Tentukan selisih, X1 , X2, ….. Xn X́
3) Tentukan kuadrat selisih tersebut, yakni (X1 - X́ )2 , (X2 - X́ )2 ….., (Xn - X́ ¿2
4) Kuadrat-kuadrat tersebut dijumlahkan
5) Jumlah tersebut dibagi oleh ( n – 1 )
 Bentuk lain untuk rumus varians sampel ialah :

V(6)……….. S2 = n ∑ Xi 2−¿ ¿ ¿

Dalam rumus di atas Nampak bahwa tidak perlu dihitung dulu rata-rata X́ , tetapi cukup
menggunakan nilai data aslinya berupa jumlah nilai data dan jumlah kuadratnya. Jika
digunakan untuk data di atas, maka dari tabel berikut ini, dihasilkan :

Xi Xi2
8 64
7 49
10 100
11 121
4 16
40 =∑ Xi 350 =
∑ Xi 2

Sangat dianjurkan bahwa menghitung simpangan baku lebih baik menggunakan rumus
V(6) karena kekeliruannya lebih kecil.

5. BILANGAN BAKU DAN KOEFISIEN VARIASI

Misalkan kita mempunyai sebuah sampel berukuran n dengan data X1 , X2, ….. Xn
sedangkan rata -ratanya = X́ dan simpangan baku = s. dari sini kita dapat membentuk
data baru Z1, Z2 , …. Zn dengan rumus :

Xi− X́
V(11)……. Zi = untuk I = 1, 2, ……, n.
s

Bilangan baku sering dipakai untuk membandingkan keadaan distribusi fenomena

Contoh : Seorang mahasiswa mendapat nilai 86 pada ujian akhir matematika

dimana
rata-rata dan simpangan baku kelompok, masing-masing 78 dan 10. Pada
ujian akhir Statistika dimana rata-rata kelompok 84 dan simpangan baku
18, ia mendapat nilai 92. dalam mata ujian mana ia mencapai kedudukan
yang lebih baik ?
Jawab : Dengan rumus V(11) di dapat bilangan baku :
86−78
Untuk matematika z= =0,8
10
 92−84
Untuk statistika z = =0,44
18