2 Statisk

DIKTAT MATA KULIAH STATISTIKA DAN PROBABILITAS
Bab 1. PENDAHULUAN
1.1. Pengertian Statistik dan Statika
Kemajuan ilmu pengetahuan dan teknologi tidak dapat dipisahkan dari garis
statistika. Jaeger (1990) menyimpulkan bahwa statistika tidak dapat dipisahkan dari
kehidupan para peneliti, pendidik, manajer, analis olahraga, analisis politik, pengusaha &
hampir semua oang yng terdidik. Keperluan akan statistika berbeda-beda, baik tingkat
kedalamannya maupun tekniknya.
Sebelum kita ke materi sedikit kita bahas pengertian dari Statistik dan Statistika, apa itu
Statistik dan Statistika?.
A. STATISTIK
Statistik adalah kumpulan data dalam bentuk angka maupun bukan angka yang disusun
dalam bentuk tabel (daftar) dan atau diagram yang menggambarkan atau berkaitan dengan
suatu masalah tertentu.
Contoh:
1) Statistik penduduk adalah kumpulan angka-angka yang berkaitan dengan masalah
penduduk.
2) Statistik ekonomi adalah kumpulan angka-angka yang berkaitan dengan masalah
ekonomi.
3) Statistik teknik adalah kumpulan angka-angka yang berkaitan dengan masalah
keteknikan.
Beberapa pandangan lain tentang pengertian statistik dari para ahli:

1) Statistik adalah cara untuk mengolah data dan menarik kesimpulan-kesimpulan yang
diteliti dan keputusan-keputusan yang logik dari pengolahan data. (Prof.Drs.Sutrisno
Hadi, MA).
2) Statistik adalah sekumpulan cara maupun aturan-aturan yang berkaitan dengan
pengumpulan, pengolahan (analisis), penarikan kesimpulan, atas data-data yang
berbentuk angka dengan menggunakan suatu asumsi-asumsi tertentu. (Prof.Dr.H.Agus
Irianto).
3) Statistik adalah ilmu yang mempelajari tentang seluk-beluk data, yaitu tentang
pengumpulan, pengolahan, penganalisisa, penafsiran, dan penarikan kesimpulan dari data
yang berbentuk angka. (Ir.M.Iqbal Hasan, MM).
4) Statistik adalah metode yang memberikan cara-cara guna menilai ketidaktentuan dari
penarikan kesimpulan yang bersifat induktif. (Stoel dan Torrie).
5) Statistik adalah metode/asas-asas mengerjakan/memanipulasi data kuantitatif agar angka-
angka tersebut berbicara.(Anto Dajan).
6) Statistik diartikan sebagai data kuantitatif baik yang masih belum tersusun maupun yang
telah tersusun dalam bentuk table. (Anto Dajan).
7) Statistik adalah studi informasi dengan mempergunakan metodologi dan teknik-teknik
perhitungan untuk menyelesaikan permasalahan-permasalahan praktis yang muncul di
berbagai bidang. (Suntoyo Yitnosumarto)
1 Program Studi Teknik Sipil Universitas Katolik Santo Thomas Sumatera Utara
Jadi secara singkat statistik dapat diartikan, sebagai cara maupun aturan-aturan yang
berkaitan dengan pengumpulan, pengolahan (analisis), penarikan kesimpulan, atas data-data
yang berbentuk angka-angka, dengan menggunakan suatu asumsi-asumsi tertentu.
Menurut Kamus Besar Bahasa Indonesia, Pengertian Statistik dijelaskan sebagai berikut: 1.
catatan angka-angka (bilangan); perangkaan; 2. data yang berupa angka yang dikumpulkan,
ditabulasi, digolong-golongkan sehingga dapat memberi informasi yang berarti mengenai
suatu masalah atau gejala.
B. STATISTIKA
Statistika adalah pengetahuan yang berkaitan dengan metode, teknik atau cara
mengumpulkan, mengolah, menganalisis dan menginterprestasikan data untuk disajikan
secara lengkap dalam bentuk yang mudah dipahami penggunaannya.
Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

menganalisis, menginterpretasi, dan mempresentasikan data. Singkatnya, statistika adalah
ilmu yang berkenaan dengan data. Istilah 'statistika' (bahasa Inggris: statistics) berbeda
dengan 'statistik' (statistic). Statistika merupakan ilmu yang berkenaan dengan data, sedang
statistik adalah data, informasi, atau hasil penerapan algoritma statistika pada suatu data. Dari
kumpulan data, statistika dapat digunakan untuk menyimpulkan atau mendeskripsikan data;
ini dinamakan statistika deskriptif. Sebagian besar konsep dasar statistika mengasumsikan
teori probabilitas. Beberapa istilah statistika antara lain: populasi, sampel, unit sampel, dan
probabilitas. (Wikipedia).
Statistika banyak diterapkan dalam berbagai disiplin ilmu, baik ilmu-ilmu alam (misalnya
astronomi dan biologi maupun ilmu-ilmu sosial (termasuk sosiologi dan psikologi), maupun
di bidang bisnis, ekonomi, dan industri. Statistika juga digunakan dalam pemerintahan untuk
berbagai macam tujuan; sensus penduduk merupakan salah satu prosedur yang paling
dikenal. Aplikasi statistika lainnya yang sekarang popular adalah prosedur jajak pendapat
atau polling (misalnya dilakukan sebelum pemilihan umum), serta hitung cepat (perhitungan
cepat hasil pemilu) atau quick count. Di bidang komputasi, statistika dapat pula diterapkan
dalam pengenalan pola maupun kecerdasan buatan.
1.2. Sejarah
Penggunaan istilah statistika berakar dari istilah dalam bahasa latin modern statisticum
collegium ("dewan negara") dan bahasa Italia statista ("negarawan" atau "politikus").
Gottfried Achenwall (1749) menggunakan Statistik dalam bahasa Jerman untuk pertama
kalinya sebagai nama bagi kegiatan analisis data kenegaraan, dengan mengartikannya sebagai
"ilmu tentang negara (state)". Pada awal abad ke-19 telah terjadi pergeseran arti menjadi
"ilmu mengenai pengumpulan dan klasifikasi data". Sir John Sinclair memperkenalkan nama
(Statistics) dan pengertian ini ke dalam bahasa Inggris. Jadi, statistika secara prinsip mula-
mula hanya mengurus data yang dipakai lembaga-lembaga administratif dan pemerintahan.
Pengumpulan data terus berlanjut, khususnya melalui sensus yang dilakukan secara teratur
untuk memberi informasi kependudukan yang berubah setiap saat.
Pada abad ke-19 dan awal abad ke-20 statistika mulai banyak menggunakan bidang-bidang
dalam matematika, terutama peluang. Cabang statistika yang pada saat ini sangat luas
digunakan untuk mendukung metode ilmiah, statistika inferensi, dikembangkan pada paruh
kedua abad ke-19 dan awal abad ke-20 oleh [Ronald Fisher] (peletak dasar statistika
inferensi), Karl Pearson (metode regresi linear), dan William Sealey Gosset (meneliti
problem sampel berukuran kecil). Penggunaan statistika pada masa sekarang dapat dikatakan
telah menyentuh semua bidang ilmu pengetahuan, mulai dari astronomi hingga linguistika.
Bidang-bidang ekonomi, biologi dan cabang-cabang terapannya, serta psikologi banyak
dipengaruhi oleh statistika dalam metodologinya. Akibatnya lahirlah ilmu-ilmu gabungan
seperti ekonometrika, biometrika (atau biostatistika), dan psikometrika.
Meskipun ada pihak yang menganggap statistika sebagai cabang dari matematika, tetapi
sebagian pihak lainnya menganggap statistika sebagai bidang yang banyak terkait dengan
matematika melihat dari sejarah dan aplikasinya. Di Indonesia, kajian statistika sebagian
besar masuk dalam fakultas matematika dan ilmu pengetahuan alam, baik di dalam
departemen tersendiri maupun tergabung dengan matematika.
1.3. Konsep dasar

Terdapat bermacam-macam teknik statistik yang digunakan dalam penelitian khususnya
dalam pengujian hipotesis. Dalam mengaplikasikan statistika terhadap permasalahan sains,
industri, atau sosial, pertama-tama dimulai dari mempelajari populasi. Makna populasi dalam
statistika dapat berarti populasi benda hidup, benda mati, ataupun benda abstrak. Populasi
juga dapat berupa pengukuran sebuah proses dalam waktu yang berbeda-beda, yakni dikenal
dengan istilah deret waktu.
Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus. Sebuah

sensus tentu memerlukan waktu dan biaya yang tinggi. Untuk itu, dalam statistika seringkali
dilakukan pengambilan sampel (sampling), yakni sebagian kecil dari populasi, yang dapat
mewakili seluruh populasi. Analisis data dari sampel nantinya digunakan untuk
menggeneralisasi seluruh populasi.
Jika sampel yang diambil cukup representatif, inferensial (pengambilan keputusan) dan
simpulan yang dibuat dari sampel dapat digunakan untuk menggambarkan populasi secara
keseluruhan. Metode statistika tentang bagaimana cara mengambil sampel yang tepat
dinamakan teknik sampling.
Analisis statistik banyak menggunakan probabilitas sebagai konsep dasarnya hal terlihat
banyak digunakannya uji statistika yang mengambil dasar pada sebaran peluang. Sedangkan
matematika statistika merupakan cabang dari matematika terapan yang menggunakan teori
probabilitas dan analisis matematika untuk mendapatkan dasar-dasar teori statistika.
Ada dua macam statistika, yaitu statistika deskriptif dan statistika inferensial. Statistika
deskriptif berkenaan dengan deskripsi data, misalnya dari menghitung rata-rata dan varians
dari data mentah; mendeksripsikan menggunakan tabel-tabel atau grafik sehingga data
mentah lebih mudah “dibaca” dan lebih bermakna. Sedangkan statistika inferensial lebih dari
itu, misalnya melakukan pengujian hipotesis, melakukan prediksi observasi masa depan, atau
membuat model regresi.
Berdasarkan tujuan atau tahap analisis, statistika dibedakan menjadi:

 Statistika Deskriptif adalah statistika yang dalam analisisnya bertujuan untuk
memperoleh gambaran (deskripsi) tentang data yang dianalisis. Jika data yang dianalisis
merupakan sampel dari suatu populasi, maka statistika deskriptif akan menghasilkan
ukuran-ukuran sample (statistik), ‘sedangkan jika data yang dianalisis berasal dari
populasi, maka statistika deskriptif akan menghasilkan ukuran populasi (parameter).
Pokok-pokok bahasan yang diuraikan di dalam statistika deskriptif sebagai berikut :

1. Distribusi frekuensi
2. Pengukuran nilai-nilai statistika
3. Angka indeks
4. Analisis time series (analisis runtut waktu)
Grafik 1.1. Pengunjung suatu website.
 Statistika Inferensia adalah statistika yang berkenaan dengan cara penarikan

kesimpulan berdasarkan data yang diperoleh dari sampel untuk menggambarkan
karakteristik atau ciri populasi. Dari gambaran di atas, dalam statistika inferensia
dilakukan suatu generalisasi atau memperumum dari hal-hal yang bersifat khusus,
sehingga terkadang statistika inferensia sering juga disebut dengan statistika induktif atau
statistika penarikan kesimpulan. Pada statistika inferensia, biasanya dilakukan pengujian
hipotesis dan pendugaan karakteristik populasi, seperti misalnya nilai rata-rata dan
standar deviasi.
Pokok-pokok bahasan yang dikemukakan di dalam statistika induktif sebagai berikut :
1. Probabilitas
2. Kurva normal
3. Sampling dan distribusi sampling
4. Estimasi (pendugaan) harga parameter
5. Uji hipotesis, baik sederhana, perbandingan antara dua nilai; bagi mean maupun
proporsi
6. Regresi, termasuk pengujian signifikasi dan penggunaannya untuk prediksi
7. Korelasi.
Berikut ini contoh persoalan statistika induktif (inferens).

Manajer personalia PT. St. Maria memilih secara acak 100 karyawan dari 700
karyawan yang ada di perusahaan tersebut untuk mengisi angket mengenai opini mereka
terhadap rencana pemindahan perusahaan asuransi kesehatan. Perusahaan asuransi
kesehatan yang akan ditunjuk menyatakan bahwa “paling sedikit 80% karyawan PT. St.
Maria merasa lebih senang pindah pada perusahaan asuransi yang baru”. Berdasarkan
100 angket tersebut ternyata hanya 70 karyawan yang menyatakan lebih senang pindah
pada perusahaan asuransi yang baru. Berdasarkan hasil temuan dari angket tersebut,
apakah pernyataan perusahaan asuransi tersebut benar?
Pembuktian pernyataan tersebut dilakukan dengan menggunakan sebagian dari karyawan

PT. St. Maria sebagai sampel. Peneliti melakukan analisis terhadap data yang diperoleh
dari sampel untuk menafsirkan (memperoleh informasi) tentang karakteristik obyek

(opini karyawan) yang sebenarnya.
Kedua bagian statistik tersebut dalam prakteknya sering dipakai bersama-sama, namun ada
juga yang hanya menggunakan salah satu saja, tergantung dari kebutuhan. Seringnya dalam
penelitian dilakukan statistik deskriptif dahulu, baru statistik inferensial. Misal suatu kegiatan
penelitian dalam bidang komputer: Saya ingin mengetahui penyebab kecepatan internet di
Laboratorium Komputer, apakah benar semakin banyak user yang menggunakan internet
akan memperlambat kecepatan internet?. Nah berangkat dari masalah tersebut maka saya
membutuhkan data untuk mengetahui data-data kecepatan internet pada saat usernya hanya 1
orang, kemudian pada saat usernya 2 orang, 3 orang dan seterusnya, sampai semua komputer
terpakai semua, nah data-data tersebut disajikan menggunakan Statistik Deskriptif, setelah itu
untuk mengetahui seberapa besar pengaruh banyaknya user terhadap kecepatan internet? Nah
disinilah data-data tersebut perlu dilakukan analisis secara Inferensial atau Induktif, sehingga
nantinya diharapkan dapat dibuat suatu kesimpulan yang dapat dijadikan pedoman dalam
pengambilan keputusan di suatu tempat yang diteliti.
1.4. Metode Statistika

 Dua jenis penelitian: eksperimen dan survei
Terdapat dua jenis utama penelitian: eksperimen dan survei. Keduanya sama-sama
mendalami pengaruh perubahan pada peubah penjelas dan perilaku peubah respon akibat
perubahan itu. Beda keduanya terletak pada bagaimana kajiannya dilakukan.
Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi

perlakuan terhadap sistem, dan kemudian melakukan pengukuran (lagi) dengan cara
yang sama terhadap sistem yang telah diperlakukan untuk mengetahui apakah perlakuan
mengubah nilai pengukuran. Dapat juga perlakuan diberikan secara simultan dan
pengaruhnya diukur dalam waktu yang bersamaan pula. Metode statistika yang berkaitan
dengan pelaksanaan suatu eksperimen dipelajari dalam rancangan percobaan (desain
eksperimen).
Dalam survei, di sisi lain, tidak dilakukan manipulasi terhadap sistem yang dikaji. Data
dikumpulkan dan hubungan (korelasi) antara berbagai peubah diselidiki untuk memberi
gambaran terhadap objek penelitian. Teknik-teknik survei dipelajari dalam metode
survei.
Penelitian tipe eksperimen banyak dilakukan pada ilmu-ilmu rekayasa, misalnya teknik,
ilmu pangan, agronomi, farmasi, pemasaran (marketing), dan psikologi eksperimen.
Penelitian tipe observasi paling sering dilakukan di bidang ilmu-ilmu sosial atau
berkaitan dengan perilaku sehari-hari, misalnya ekonomi, psikologi dan pedagogi,
kedokteran masyarakat, dan industri.
 Tipe pengukuran
Ada empat tipe skala pengukuran yang digunakan di dalam statistika, yaitu nominal,
ordinal, interval, dan rasio. Keempat skala pengukuran tersebut memiliki tingkat
penggunaan yang berbeda dalam pengolahan statistiknya.
Skala nominal hanya dapat membedakan sesuatu yang bersifat kualitatif atau
kategoris, misalnya jenis kelamin, agama, dan warna kulit.
Skala ordinal selain membedakan sesuatu juga menunjukkan tingkatan,
misalnya pendidikan dan tingkat kepuasan pengguna.
Skala interval berupa angka kuantitatif namun tidak memiliki nilai nol mutlak
sehingga titik nol dapat digeser sesuka orang yang mengukur, misalnya tahun dan
suhu dalam Celcius.
Skala rasio berupa angka kuantitatif yang memiliki nilai nol mutlak dan tidak
dapat digeser sesukanya, misalnya adalah suhu dalam Kelvin, panjang, dan massa.
 Teknik-teknik statistika
Beberapa pengujian dan prosedur yang banyak digunakan dalam penelitian antara lain:
Analisis regresi dan korelasi

Analisis varians (ANOVA)
khi-kuadrat
Uji t-Student
 Statistika Terapan
Bebebarapa ilmu pengetahuan menggunakan statistika terapan sehingga mereka memiliki
terminologi yang khusus. Disiplin ilmu tersebut antara lain:
Aktuaria (penerapan statistika dalam bidang asuransi)
Biostatistika atau biometrika (penerapan statistika dalam ilmu biologi)
Statistika bisnis
Ekonometrika
Psikometrika
Statistika sosial
Statistika teknik atau teknometrika
Fisika statistik
Demografi
Eksplorasi data (pengenalan pola)
Literasi statistik
Analisis proses dan kemometrika (untuk analisis data kimia analis dan teknik
kimia)
Statistika memberikan alat analisis data bagi berbagai bidang ilmu. Kegunaannya
bermacam-macam: mempelajari keragaman akibat pengukuran, mengendalikan proses,
merumuskan informasi dari data, dan membantu pengambilan keputusan berdasarkan
data. Statistika, karena sifatnya yang objektif, sering kali merupakan satu-satunya alat
yang dapat diandalkan untuk keperluan-keperluan di atas.
1.5. Pengertian Populasi Sampel dan Sampling Dalam Penelitian Menurut Para Ahli
Gambar 1.1. Sudut Pandang Peneliti Tentang Populasi, Sampel dan Sampling
1.5.1. Pengertian Populasi
Populasi adalah keseluruhan subyek penelitian. Apabila seseorang ingin meneliti semua
elemen yang ada dalam wilayah penelitian, maka penelitiannya merupakan penelitian
populasi atau studi populasi atau study sensus (Sabar, 2007).
Sedangkan menurut Sugiyono pengertian populasi adalah wilayah generalisasi yang terdiri
atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang ditetapkan oleh
peneliti untuk dipelajari dan kemudian ditarik kesimpulannya (Sugiyono,2011:80).
Jadi populasi bukan hanya orang tapi juga obyek dan benda-benda alam yang lain. Populasi
juga bukan sekedar jumlah yang ada pada obyek/subyek yang dipelajari, tetapi meliputi
karakteristik/sifat yang dimiliki oleh subyek atau obyek itu.
Beberapa Ahli Statistik memberikan pengertian populasi sebagai berikut:

 Menurut Arikunto, 2002:108; Populasi adalah keseluruhan subjek penelitian.
 Menurut Nursalam, 2003; Populasi adalah keseluruhan dari variabel yang menyangkut
masalah yang diteliti.
 Menurut Husaini Usman, 2006 :181; Populasi ialah semua nilai baik hasil perhitungan
maupun pengukuran, baik kuantitatif maupun kualitatif, dari karakteristik tertentu
mengenai sekelompok objek yang lengkap dan jelas.
 Menurut I.B. Netra, 1974 hal 10; Populasi adalah seluruh individu yang menjadi wilayah
penelitian akan dikenai generalisasi”
 Menurut, Sabar, 2007; Populasi adalah keseluruhan subyek penelitian. Apabila seseorang
ingin meneliti semua elemen yang ada dalam wilayah penelitian, maka penelitiannya
merupakan penelitian populasi atau studi populasi atau studi sensus.
 Sedangkan menurut Sugiyono, 2011:80; Populasi adalah wilayah generalisasi yang
terdiri atas: obyek/subyek yang mempunyai kualitas dan karakteristik tertentu yang
ditetapkan oleh peneliti untuk dipelajari dan kemudian ditarik kesimpulannya.
1.5.2. Pengertian Sampel
Gambar 1.2. Sampel bagian dari Populasi
Penelitian sampel baru boleh dilaksanakan apabila keadaan subyek di dalam populasi benar-
benar homogen.
Kita melakukan penelitian sampel dari pada melakukan penelitian populasi karena penelitian
sampel memiliki beberapa keuntungan, yaitu:
1. Menghemat dari segi waktu, tenaga dan biaya karna subyek penelitian sample relative
lebih sedikit dibanding dengan studi populasi
2. Dibanding dengan penelitian populasi penelitian sample lebih baik karena apabila
penelitian populasi terlalu besar maka dikhawatirkan ada yang terlewati dan lebih
merepotkan
3. Pada penelitian populasi akan terjadi kelelahan dalam pencatatan dan analisisnya
4. Dalam penelitian populasi sering bersifat destruktif
5. Adakalanya penelitian populasi tidak lebih baik dilaksanakan karena terlalu luas
populasinya.
Pengertian dari sampel adalah sebagian dari subyek dalam populasi yang diteliti, yang sudah
tentu mampu secara representative dapat mewakili populasinya (Sabar, 2007).
Menurut Sugiyono sampel adalah bagian atau jumlah dan karakteritik yang dimiliki oleh
populasi tersebut. Bila populasi besar, dan peneliti tidak mungkin mempelajari semua yang
ada pada populasi, misal karena keterbatasan dana, tenaga dan waktu, maka peneliti akan
mengambil sampel dari populasi itu. Apa yang dipelajari dari sampel itu, kesimpulannya akan
diberlakukan untuk populasi. Untuk itu sampel yang diambil dari populasi harus betul-betul
representative (Sugiyono, 2011).
Makin lengkap ciri-ciri populasinya yang dimasukkan ke dalam sampel, akan makin tinggi
tingkat representativeness sampel.
Pendapat para ahli lain tentang definisi sampel:
 Menurut Soekidjo. 2005 : 79; Sampel adalah sebagian untuk diambil dari keseluruhan
obyek yang diteliti dan dianggap mewakili seluruh populasi.
 Menurut Issac dan Michael didapatkan dari tabel penentuan jumlah sampel dengan taraf
signifikan 5%, bila populasinya sebanyak 25 maka sampel sebanyak 23 orang.
 Menurut Notoatmojo, 2003; Sampel adalah sebagian objek yang diambil dari
keseluruhan objek yang diteliti dan dianggap mewakili seluruh populasi.
 Menurut Suharsimi Arikunto, 2002 : 109; Sampel adalah sebagian atau wakil
populasi yang diteliti .
 Menurut, Ismiyanto – populasi adalah keseluruhan subjek atau totalitas subjek penelitian
yang dapat berupa; orang, benda/suatu hal yang di dalamnya dapat diperoleh dan atau
dapat memberikan informasi (data) penelitian.
 Sedangkan Arikunto – Populasi adalah keseluruhan objek penelitian. Apabila seseorang
ingin meneliti semua elemen yang ada dalam wilayah penelitian, maka penelitiannya
merupakan penelitian populasi.
Ada empat parameter yang dapat dianggap menentukan representativeness sampel (sampel
yang benar-benar mencerminkan populasinya), yaitu:
1. Variabilitas populasi
Variabilitas populasi merupakan hal yang sudah “given”, artinya peneliti harus menerima
sebagaimana adanya, dan tidak dapat mengatur atau memanipulasinya.
2. Besar sampel
Makin besar sampel yang diambil akan semakin besar atau tinggi taraf
representativeness sampel tersebut. Jika populasinya homogen secara sempurna,
besarnya sampel tidak mempengaruhi taraf representativeness sampel.
3. Teknik penentuan sampel
Makin tinggi tingkat ambang dalam penentuan sampel, akan makin tinggi pula tingkat
representativeness sampel.
4. Kecermatan memasukkan ciri-ciri populasi dalam sampel.
Makin lengkap ciri-ciri populasinya yang dimasukkan ke dalam sampel, akan makin
tinggi tingkat representativeness sampel.
1.5.3. Pengertian Sampling
Teknik Sampling yaitu merupakan teknik pengambilan sampel. Terdapat berbagai macam
teknik sampling untuk menentukan sampel yang akan dipakai dalam penelitian. Teknik
sampling pada dasarnya bisa dikelompokkan menjadi 2 (dua) macam yaitu probability
sampling dan non-probability sampling, berikut di bawah ini penjelasannya.
Probability sampling adalah suatu teknik sampling yang memberikan peluang atau
kesempatan yang sama bagi setiap unsur (anggota) populasi untuk dipilih menjadi anggota
sampel, teknik ini terdiri atas:
 Simple random sampling: dikatakan simple atau sederhana sebab pengambilan sampel
anggota populasi dilakukan secara acak, tanpa memperhatikan strata yang terdapat
dalam populasi tersebut. Cara ini dapat lakukan jika anggota populasi dianggap
homogen.
 Dispropotionate Stratified Random Sampling: Suatu teknik yang digunakan untuk
menentukan jumlah sampel, jika populasi berstrata tetapi kurang proporsional.
 Proportionate stratified random sampling: salah satu teknik yang digunakan jika
populasi mempunyai anggota atau unsur yang tidak homogen serta berstrata secara
proporsional.
 Area sampling (Cluster sampling): Teknik sampling daerah dipakai untuk
menentukan sampel jika objek yang akan diteliti atau sumber data sangat luas, seperti
misalnya penduduk dari suatu negara, provinsi atau dari suatu kabupaten.
Non probability sampling adalah teknik yang tidak memberikan peluang/kesempatan sama
bagi setiap unsur atau anggota populasi untuk dipilih menjadi sampel, teknik ini terdiri atas:
 Sampling Sistematis: suatu teknik pengambilan sampel berdasarkan urutan dari
anggota populasi yang telah diberi nomor urut.
 Sampling Kuota: Teknik untuk menentukan sampel yang berasal dari populasi yang
memiliki ciri-ciri tertentu sampai jumlah kuota yang diinginkan. Seperti misalnya,
jumlah sampel laki-laki sebanyak 70 orang maka sampel perempuan juga sebanyak 70
orang.
 Sampling aksidental: Suatu teknik penentuan sampel berdasarkan kebetulan, yaitu
siapa saja yang secara kebetulan bertemu dengan peneliti dapat dipakai sebagai
sampel, jika dipandang orang yang kebetulan ditemui itu cocok untuk dijadikan
sebagai sumber data.
 Purposive Sampling: Suatu teknik penentuan sampel dengan pertimbangan tertentu
atau sleksi khusus. Seperti misalnya, kamu meneliti kriminalitas di kota atau daerah
tertentu, maka kamu mengambil informan yaitu Kapolresta kota atau daerah tersebut,
seorang pelaku kriminal dan seorang korban kriminal yang ada di kota tersebut.
 Sampling Jenuh: Suatu teknik penentuan sampel jika semua anggota populasi
digunakan sebagai sampel. Hal ini sering sekali dilakukan jika jumlah populasi relatif
kecil atau sedikit, yaitu kurang dari 30 orang, atau penelitian yang ingin membuat
generalisasi dengan kesalahan yang relatif kecil.
 Sampling Snowball: Teknik penentuan sampel yang mula-mula jumlahnya kecil atau
sedikit, lalu kemudian membesar. Atau sampel berdasarkan penelusuran dari sampel
yang sebelumnya. Seperti misalnya, penelitian mengenai kasus korupsi bahwa sumber
informan pertama mengarah kepada informan kedua lalu informn seterusnya.
Pengertian Teknik Sampling menurut para ahli statistik:

 Menurut Nursalam, 2003 : 97; Sampling adalah suatu proses menyeleksi porsi dari
populasi untuk dapat mewakili populasi. Teknik Sampling adalah merupakan teknik
pengambilan sampel (Sugiyono.2006 : 56)
 Menurut Notoatmodjo, 2002; Teknik sampling adalah cara atau teknik yang digunakan
dalam mengambil sampel penelitian
 Menurut Notoatmodjo, 2005; Teknik sampling yang digunakan dalam penelitian ini
adalah quota sampling yaitu teknik pengambilan sampel dengan cara menetapkan
sejumlah anggota sampel. Anggota populasi manapun yang akan diambil tidak menjadi
soal, yang penting jumlah quotum yang sudah ditetapkan dapat dipenuhi.
Cara menghitung jumlah sampel

N
n ...........................................................................................................(1.1)
1  N (d 2 )
Dimana: n = jumlah sampel minimum
N = Jumlah populasi
d2 = tingkat kepercayaan/ketepatan yang diinginkan
1.6. Jenis-jenis Data

Menurut Partino dan Idrus (2010), dapat dikelompokkan, antara lain, menurut sumber, sifat,
cara memperoleh dan waktu pengumpulannya.
1.6.1. Jenis Data Berdasarkan Sumbernya

Berdasarkan sumbernya, data dibagi menjadi 2 bagian yaitu data internal dan eksternal. Data
Internal adalah data yang bersumber dari keadaan atau kegiatan suatu organisasi atau
kelompok, misalnya data jumlah karyawan dalam perusahaan, jumlah modal dan lainnya.
Data Eksternal adalah data yang bersumber dari luar organisasi atau kelompok yang
menggambarkan faktor-faktor yang mempengaruhi hasil kerja suatu organisasi. Contoh data
eksternal seperti daya beli masyarakat yang mempengaruhi hasil penjualan suatu perusahaan.
1.6.2. Jenis Data Berdasarkan Sifatnya

Berdasarkan sifatnya, data dibagi menjadi 2 bagian, yaitu:
1. Data Kualitatif : merupakan data yang bukan berupa bentuk angka, contoh data
kualitatif yaitu seperti kuisioner pertanyaan dalam suasana kerja dalam perusahaan.
2. Data Kuantitatif: merupakan data berbentuk angka, seperti data besarnya pendapatan,
atau saham pada perusahaan yang berbentuk angka.
1.6.3. Jenis Data Berdasarkan Cara Mendapatkannya

Data berdasarkan cara mendapatkannya dibagi menjadi 2 bagian, yaitu:
1. Data Primer: merupakan data yang didapatkan atau dikumpulkan melalui studi-studi
sebelumnya yang diterbitkan oleh ebrbagai instansi lain. Dalam jenis ini biasanya
sumbernya tidak langsung yang berupa arsip-arsip resmi.
2. Data Sekunder: merupakan data yang didapatkan dengan cara sendiri-sendiri atau
perorangan yang secara langsung dari objek yang akan diteliti untuk kepentingan studi,
biasanya berupan observasi atau interview.
1.6.4. Jenis Data Berdasrkan Waktu Pengumpulannya

Data berdasarkan waktu pengumpulannya dibagi menjadi 2 bagian, yaitu:
1. Data Berkala (Time Series) merupakan data yang dikumpulkan dari waktu ke waktu.
Data ini biasa digunakan untuk melihat perkembangan dari hari ke hari berikutnya.
2. Data Cross Section: merupakan data yang dikumpulkan pada waktu tertentu yang
digunakan untuk menggambarkan keadaan dan kegiatan pada waktu itu juga. Seperti
penelitian yang menggunakan kusioner.
1.7. Metode Pengumpulan Data

Dalam sebuah penelitian, metode atau teknik pengumpulan data merupakan faktor penting
yang harus diketahui terlebih dahulu untuk mengetahui keberhasilan dalam penelitian.
Metode tersebut berkaitan dengan cara yang dilakukan untuk mengumpulkan data,
mengetahui sumbernya dan alat yang digunakan dalam sebuah penelitian. Cara untuk
mengumpulkan data yaitu melalui metode pengumpulan data. Metode tersebut menunjuk
pada suatu cara sehingga dapat diperlihatkan penggunaannya melalui angket, wawancara,
pengamatan, tes, dokumentasi atau sebagainya.
Sumber data merupakan sumebr dari mana data diperoleh, apakah data dieproleh dari sumber
langsung (data primer) atau diperoleh dari sumber tidak langsung (data sekunder). Sedangkan
alat yang digunakan yaitu sebuah instrumen pengumpulan data yang berupa alat yang
digunakn untuk mengumpulkan data. Alat tersebut berupa lembar ceklist kuisioner, pedoman
waawancara, camera photo dan lainnya.
Terdapat 3 teknik yang digunakan dalam metode pengumpulan data, yaitu Observasi,
Wawancara dan Angket. Berikut penjelasanya.
1. Observasi
Observasi adalah salah satu teknik pengumpulan data yang tidak hanya mengukur sikap
dari responden seperti wawancara dan angket, namun dalam observasi dapat digunakan
untuk merekam berbagai fenomena yang terjadi seperti situasi dan kondisi yang ada.
Teknik observasi digunakan bila penelitian ditujukan untuk mempelajari perilaku manusia,
proses kerja, gejala-gejala alam dan dilakukan pada responden yang tidak terlalu besar.
Teknik observasi dibedakan menjadi 2, yaitu:
 Participant Observation
Dalam teknik Participant Observation, si peneliti secara langsung terlibat dalam
kegiatan sehari-hari orang atau situasi yang diamati sebagai sumber data.
 Non participant Observation
Teknik ini kebalikan dari teknik participant Observation, yaitu si peneliti tidak ikut
secara langsung dalam kegiatan atau proses yang sedang diamati.
Dalam penelitian ini, alat yang digunakan yaitu lembar ceklist, buku catatan, kamera
photo.
2. Wawancara
Wawancara merupakan teknik pengumpulan data yang dilakukan dengan bertatap muka
dan tanya jawab langsung antara peneliti dan narasumber atau sumber data.
Pada penelitian besar, biasanya wawancara dilakukan sebagai studi pendahuluan karena
tidak mungkin untuk menggunakan wawancara pada 1000 responden. Sedangkan pada
penelitian kecil, wawancaara dapat diterapkan sebagai teknik pengumpulan data (seperti
penelitian kualitatif).
Wawancara terbagi menjadi 2, yaitu wawancara terstruktur dan tidak terstruktur.
 Wawancara terstruktur yaitu peneliti telah mengetahui dengan pasti tentang informasi
yang ingin digali dari responden sehingga daftar pertanyaan sudah dibuat secara
sistematis. Seperti menyiapkan alat yang akan digunakan, yaitu tape recorder, camera
photo dan material lain yang dapat membantu kelancaran wawancara.
 Wawancara tidak terstruktur yaitu sebuah penelitian bebas dalam arti peneliti tidak
menggunakan pedoman wawancara yang berisi pertanyaan yang akan diajukan secara
spesifik, dalam wawancara ini hanya memuat poin-poin penting masalah yang ingin
digali dari responden.
3. Angket
Angket atau kuisioner adalah teknik pengumpulan data yang dilakukan dengan cara
memberikan seperangkat pertanyaan kepada responden untuk dijawabnya. Dalam prinsip
penulisan angket terdapat beberapa faktor yang harus diperhatikan, seperti :
 Isi dan tujuan pertanyaan
 Bahasa yang digunakan harus sesuai dengan kemampuan yang dimiliki oleh
responden.
 Tipe dan bentuk pertanyaan yang diberikan merupakan pertanyaan terbuka atau
tertutup. Jika terbuka maka jawaban yang diberikan bebas, jika tertutup maka
responden hanya diminta untuk memilih jawaban yang telah disediakan.
Bab 2. Distribusi Frekuensi
2.1. Mengenal Distribusi Frekuensi

Hasil pengukuran yang diperoleh disebut dengan data mentah. Besarnya hasil pengukuran
yang diperoleh biasanya bervariasi. Apabila diperhatikan data mentah tersebut, sangatlah sulit
bagi kita untuk menarik kesimpulan yang berarti. Untuk memperoleh gambaran yang baik
mengenai data tersebut, data mentah tersebut perlu diolah terlebih dahulu.
Pada saat kita dihadapkan pada sekumpulan data yang banyak, seringkali membantu untuk
mengatur dan merangkum data tersebut dengan membuat tabel yang berisi daftar nilai data
yang mungkin berbeda (baik secara individu atau berdasarkan pengelompokkan) bersama
dengan frekuensi yang sesuai, yang mewakili berapa kali nilai-nilai tersebut terjadi. Daftar
sebaran nilai data tersebut dinamakan dengan Daftar Frekuensi atau Sebaran Frekuensi
(Distribusi Frekuensi).
Salah satu cara untuk meringkas data adalah distribusi frekuensi, yaitu pembagian data ke
dalam beberapa kelompok (kelas), yang dilanjutkan dengan perhitungan banyaknya data yang
masuk ke dalam tiap kelas. Dengan kata lain, distribusi frekuensi adalah cara untuk
meringkas serta menyusun sekelompok data mentah (raw data) yang diperoleh dari penelitian
dengan didasarkan pada distribusi (penyebaran) nilai variabel dan frekuensi (banyaknya)
individu pada nilai variabel tersebut. (Nurgiyanto et al, 2002). Atau, distribusi frekuensi
adalah penyusunan data menurut kelas-kelas interval atau kategori tertentu dalam sebuah
daftar. Distribusi frekuensi digambarkan dalam tabel distribusi frekuensi.
Dengan demikian, distribusi frekuensi adalah daftar nilai data (dapat nilai individual atau
nilai data yang sudah dikelompokkan ke dalam selang interval tertentu) yang disertai dengan
nilai frekuensi yang sesuai. Pengelompokkan data ke dalam beberapa kelas dimaksudkan agar
ciri-ciri penting data tersebut dapat segera terlihat. Daftar frekuensi ini akan memberikan
gambaran yang khas tentang bagaimana keragaman data. Sifat keragaman data sangat penting
untuk diketahui, karena dalam pengujian-pengujian statistik selanjutnya kita harus selalu
memperhatikan sifat dari keragaman data. Tanpa memperhatikan sifat keragaman data,
penarikan suatu kesimpulan pada umumnya tidaklah sah.
Sebagai contoh, perhatikan data pada Tabel 1. Tabel tersebut adalah daftar nilai ujian
Matakuliah Statistik dari 80 Mahasiswa (Sudjana, 1996).
Tabel 1. Daftar Nilai Ujian Matakuliah Statistik

92 93 76 71 90 72 67 79 49 48 74 81 98 87 80
80 91 61 72 97 91 88 80 84 90 70 91 93 82 78
70 74 99 95 80 59 71 70 71 92 38 56 81 74 73
63 60 83 82 60 67 89 68 72 85 51 65 93 83 86
76 63 88 70 66 88 79 90 35 83 73 74 43 86 88
Sangatlah sulit untuk menarik suatu kesimpulan dari daftar data tersebut. Secara sepintas, kita
belum dapat menentukan berapa nilai ujian terkecil atau terbesar. Demikian pula, kita belum
dapat mengetahui dengan tepat, berapa nilai ujian yang paling banyak atau berapa banyak
mahasiswa yang mendapatkan nilai tertentu. Dengan demikian, kita harus mengolah data
tersebut terlebih dahulu agar dapat memberikan gambaran atau keterangan yang lebih baik.
Bandingkan dengan tabel yang sudah disusun dalam bentuk daftar frekuensi (Tabel 2a dan
Tabel 2b). Tabel 2a merupakan daftar frekuensi dari data tunggal dan Tabel 2b merupakan
daftar frekuensi yang disusun dari data yang sudah dikelompokkan pada kelas yang sesuai
dengan selangnya. Kita dapat memperoleh beberapa informasi atau karakteristik dari data
nilai ujian mahasiswa.
Tabel 2a. Daftar Frekuensi Data Tunggal

Nilai Frekuen
No Ujian si
xi fi
1 35 1
2 36 0
3 37 0
Nilai Frekuen
No Ujian si
xi fi
4 38 1
: : :
16 70 4
17 71 3
: : :
42 98 1
43 99 1
Total 80
Pada Tabel 2a, kita dapat mengetahui bahwa ada 80 mahasiswa yang mengikuti ujian, nilai
ujian terkecil adalah 35 dan tertinggi adalah 99. Nilai 70 merupakan nilai yang paling banyak
diperoleh oleh mahasiswa, yaitu ada 4 orang, atau kita juga dapat mengatakan ada 4
mahasiswa yang memperoleh nilai 70, tidak ada satu pun mahasiswa yang mendapatkan nilai
36, atau hanya satu orang mahasiswa yang mendapatkan nilai 35.
Tabel 2b. Daftar Frekuensi Data Majemuk

Kelas ke- Nilai Ujian Frekuensi fi
1 31 – 40 2
2 41 – 50 3
3 51 – 60 5
4 61 – 70 13
5 71 – 80 24
6 81 – 90 21
7 91 – 100 12
Jumlah 80
Tabel 2b merupakan daftar frekuensi dari data yang sudah dikelompokkan. Daftar ini
merupakan daftar frekuensi yang sering digunakan. Kita sering kali mengelompokkan data
contoh ke dalam selang-selang tertentu agar memperoleh gambaran yang lebih baik mengenai
karakteristik dari data. Dari daftar tersebut, kita dapat mengetahui bahwa mahasiswa yang
mengikuti ujian ada 80, selang kelas nilai yang paling banyak diperoleh oleh mahasiswa
adalah sekitar 71 sampai 80, yaitu ada 24 orang, dan seterusnya. Hanya saja perlu diingat
bahwa dengan cara ini kita dapat kehilangan identitas dari data aslinya. Sebagai contoh, kita
dapat mengetahui bahwa ada 2 orang yang mendapatkan nilai antara 31 sampai 40. Meskipun
demikian, kita tidak akan tahu dengan persis, berapa nilai sebenarnya dari 2 orang mahasiswa
tersebut, apakah 31 apakah 32 atau 36 dst.
Ada beberapa istilah yang harus dipahami terlebih dahulu dalam menyusun daftar frekuensi.
Tabel 3. Distribusi Frekuensi Data Majemuk
Kelas Nilai Kelas
Selang Nilai Ujian Batas Kelas Frekuensi (fi)
ke- (xi)
[1] [2] [3] [4] [5]

1 31 – 40 30.5 – 40.5 35.5 2
2 41 – 50 40.5 – 50.5 45.5 3
Kelas Nilai Kelas

Selang Nilai Ujian Batas Kelas Frekuensi (fi)
ke- (xi)
[1] [2] [3] [4] [5]

3 51 – 60 50.5 – 60.5 55.5 5
4 61 – 70 60.5 – 70.5 65.5 13
5 71 – 80 70.5 – 80.5 75.5 24
6 81 – 90 80.5 – 90.5 85.5 21
7 91 – 100 90.5 – 100.5 95.5 12
Jumlah 80
1. Range (R) : Selisih antara nilai tertinggi dan terendah. Pada contoh ujian di atas, Range =
99 – 35 = 64
2. Batas bawah kelas: Nilai terkecil yang berada pada setiap kelas. (Contoh: Pada Tabel 3
di atas, batas bawah kelasnya adalah 31, 41, 51, 61, …, 91)
3. Batas atas kelas: Nilai terbesar yang berada pada setiap kelas. (Contoh: Pada Tabel 3
di atas, batas bawah kelasnya adalah 40, 50, 60, …, 100)
4. Batas kelas (Class boundary): Nilai yang digunakan untuk memisahkan antar kelas, tapi
tanpa adanya jarak antara batas atas kelas dengan batas bawah kelas berikutnya. Contoh:
Pada kelas ke-1, batas kelas terkecilnya yaitu 30.5 dan terbesar 40.5. Pada kelas ke-2,
batas kelasnya yaitu 40.5 dan 50.5. Nilai pada batas atas kelas ke-1 (40.5) sama dengan
dan merupakan nilai batas bawah bagi kelas ke-2 (40.5). Batas kelas selalu dinyatakan
dengan jumlah digit satu desimal lebih banyak daripada data pengamatan asalnya.
Hal ini dilakukan untuk menjamin tidak ada nilai pengamatan yang jatuh tepat pada batas
kelasnya, sehingga menghindarkan keraguan pada kelas mana data tersebut harus
ditempatkan. Contoh: bila batas kelas di buat seperti ini:
Kelas ke-1 : 30 – 40
Kelas ke-2 : 40 – 50
dst.
Apabila ada nilai ujian dengan angka 40, apakah harus ditempatkan pada kelas-1 ataukah
kelas ke-2?
5. Panjang/lebar kelas (selang kelas): Selisih antara dua nilai batas bawah kelas yang
berurutan atau selisih antara dua nilai batas atas kelas yang berurutan atau selisih antara
nilai terbesar dan terkecil batas kelas bagi kelas yang bersangkutan. Biasanya lebar kelas
tersebut memiliki lebar yang sama. Contoh:
lebar kelas = 41 – 31 = 10 (selisih antara 2 batas bawah kelas yang berurutan) atau
lebar kelas = 50 – 40 = 10 (selisih antara 2 batas atas kelas yang berurutan) atau
lebar kelas = 40.5 – 30.5 = 10. (selisih antara nilai terbesar dan terkecil batas kelas pada
kelas ke-1).
6. Nilai tengah kelas: Nilai kelas merupakan nilai tengah dari kelas yang bersangkutan yang
diperoleh dengan formula berikut: ½ (batas atas kelas+batas bawah kelas). Nilai ini
yang dijadikan pewakil dari selang kelas tertentu untuk perhitungan analisis statistik
selanjutnya. Contoh: Nilai kelas ke-1 adalah ½(31+40) = 35.5
7. Banyak kelas: Sudah jelas! Pada tabel ada 7 kelas.
8. Frekuensi kelas: Banyaknya kejadian (nilai) yang muncul pada selang kelas tertentu.
Contoh, pada kelas ke-1, frekuensinya = 2. Nilai frekuensi = 2 karena pada selang antara
30.5 – 40.5, hanya ada 2 angka yang muncul, yaitu nilai ujian 31 dan 38.
2.2. Teknik pembuatan Tabel Distribusi Frekuensi (TDF)

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).
Banyak software (teknologi komputasi) yang dapat digunakan untuk membuat tabel distribusi
frekuensi secara otomatis. Meskipun demikian, di sini tetap akan diuraikan mengenai
prosedur dasar dalam membuat tabel distribusi frekuensi.
Langkah-langkah dalam menyusun tabel distribusi frekuensi:
1. Urutkan data, biasanya diurutkan dari nilai yang paling kecil
Tujuannya agar range data diketahui dan mempermudah penghitungan frekuensi tiap
kelas
2. Tentukan range (rentang atau jangkauan)
Range = nilai maksimum – nilai minimum
3. Tentukan banyak kelas (i) yang diinginkan. Jangan terlalu banyak/sedikit, berkisar
antara 5 dan 20, tergantung dari banyak dan sebaran datanya.
Aturan “Sturges”: Banyak kelas (i), yakni
i = 1 + 3.3 log n, ..........................................................................................
(2.1)
dimana n = banyaknya data
4. Tentukan panjang/lebar kelas interval (p): Panjang kelas (p) = [rentang]/[banyak kelas]
5. Tentukan nilai ujung bawah kelas interval pertama
Pada saat menyusun TDF, pastikan bahwa kelas tidak tumpang tindih sehingga setiap nilai-
nilai pengamatan harus masuk tepat ke dalam satu kelas. Pastikan juga bahwa tidak akan ada
data pengamatan yang tertinggal (tidak dapat dimasukkan ke dalam kelas tertentu). Cobalah
untuk menggunakan lebar yang sama untuk semua kelas, meskipun kadang-kadang tidak
mungkin untuk menghindari interval terbuka, seperti ” ≥ 91 ” (91 atau lebih). Mungkin juga
ada kelas tertentu dengan frekuensi nol.
Contoh:
Kita gunakan prosedur di atas untuk menyusun tabel distribusi frekuensi nilai ujian
mahasiswa (Tabel 1). Berikut adalah nilai ujian yang sudah diurutkan:
35 38 43 48 49 51 56 59 60 60
61 63 63 63 65 66 67 67 68 70
70 70 70 71 71 71 72 72 72 73
73 74 74 74 74 75 75 76 76 77
78 79 79 80 80 80 80 81 81 81
82 82 83 83 83 84 85 86 86 87
88 88 88 88 89 90 90 90 91 91
91 92 92 93 93 93 95 97 98 99
1. Range (R) = Nilai tertinggi-nilai terendah = 99 – 35

2. Banyak Kelas: Tentukan banyak kelas yang diinginkan. Apabila kita lihat nilai Range =
64, mungkin banyak kelas sekitar 6 atau 7.
Sebagai latihan, kita gunakan aturan Sturges.
banyak kelas = 1 + 3.3 x log(n)
= 1 + 3.3 x log(80 = 7.28 ≈ 7
3. Panjang Kelas:
Panjang Kelas = [range]/[banyak kelas]
= 64/7
= 9.14 ≈ 10 (untuk memudahkan dalam penyusunan TDF)
4. Tentukan nilai batas bawah kelas pada kelas pertama.
Nilai ujian terkecil = 35. Penentuan nilai batas bawah kelas bebas saja, asalkan nilai
terkecil masih masuk ke dalam kelas tersebut. Misalkan: apabila nilai batas bawah yang kita
pilih adalah 26, maka interval kelas pertama: 26 – 35, nilai 35 tepat jatuh di batas atas kelas
ke-1. Namun apabila kita pilih nilai batas bawah kelas 20 atau 25, jelas nilai terkecil, 35,
tidak akan masuk ke dalam kelas tersebut. Namun untuk kemudahan dalam penyusunan dan
pembacaan TDF, tentunya juga untuk keindahan, lebih baik kita memilih batas bawah 30 atau
31. Dengan demikian diputuskan batas bawahnya adalah 31.
Dari prosedur di atas, kita dapat info sebagai berikut:
Banyak kelas
Panjang kelas : 10
Batas bawah kelas : 31
Selanjutnya kita susun TDF:
Form TDF:
------------------------------------------------------------
Kelas ke- | Nilai Ujian | Batas Kelas | Turus | Frekuensi
------------------------------------------------------------
1 31 -
2 41 -
3 51 -
: : -
6 81 -
7 91 -
------------------------------------------------------------
Jumlah
------------------------------------------------------------
Tabel berikut merupakan tabel yang sudah dilengkapi,
Nilai
Kelas ke- Batas Kelas Frekuensi (fi)
Ujian
1 31 – 40 30.5 – 40.5 2
2 41 – 50 40.5 – 50.5 3
3 51 – 60 50.5 – 60.5 5
4 61 – 70 60.5 – 70.5 13
5 71 – 80 70.5 – 80.5 24
6 81 – 90 80.5 – 90.5 21
7 91 – 100 90.5 – 100.5 12
Jumlah 80
atau dalam bentuk yang lebih ringkas:

Nilai Frekuensi
Kelas ke-
Ujian (fi)
1 31 – 40 2
2 41 – 50 3
3 51 – 60 5
4 61 – 70 13
5 71 – 80 24
6 81 – 90 21
7 91 – 100 12
Jumlah 80
2.3. Distribusi Frekuensi Relatif dan Kumulatif

Variasi penting dari distribusi frekuensi dasar adalah dengan menggunakan nilai frekuensi
relatifnya, yang disusun dengan membagi frekuensi setiap kelas dengan total dari semua
frekuensi (banyaknya data). Sebuah distribusi frekuensi relatif mencakup batas-batas kelas
yang sama seperti TDF, tetapi frekuensi yang digunakan bukan frekuensi aktual melainkan
frekuensi relatif. Frekuensi relatif kadang-kadang dinyatakan sebagai persen.
fi
Frekuensi relatif  x100% ............................................................................................
 fi
(2.2)
Contoh: frekuensi relatif kelas ke-1:
fi = 2; n = 80
Frekuensi relatif = 2/80 x 100% = 2.5%
Kelas Frekuensi relatif

Nilai Ujian
ke- (%)
[1] [2] [3]
1 31 – 40 2.50
2 41 – 50 3.75
3 51 – 60 6.25
4 61 – 70 16.25
5 71 – 80 30.00
6 81 – 90 26.25
7 91 – 100 15.00
Jumlah 100.00
2.3.1. Distribusi Frekuensi kumulatif

Variasi lain dari distribusi frekuensi standar adalah frekuensi kumulatif. Frekuensi kumulatif
untuk suatu kelas adalah nilai frekuensi untuk kelas tersebut ditambah dengan jumlah
frekuensi semua kelas sebelumnya.
Perhatikan bahwa kolom frekuensi selain label headernya diganti dengan frekuensi kumulatif
kurang dari, batas-batas kelas diganti dengan “kurang dari” ekspresi yang menggambarkan
kisaran nilai-nilai baru.
Frekuensi kumulatif kurang

Nilai Ujian
dari
[1] [2]
kurang dari 30.5 0
kurang dari 40.5 2
kurang dari 50.5 5
kurang dari 60.5 10
kurang dari 70.5 23
kurang dari 80.5 47
kurang dari 90.5 68
kurang dari 100.5 80
atau kadang disusun dalam bentuk seperti ini:
Frekuensi kumulatif kurang

Nilai Ujian
dari
kurang dari 41 2
kurang dari 51 5
kurang dari 61 10
kurang dari 71 23
kurang dari 81 47
kurang dari 91 68
kurang dari 101 80
Variasi lain adalah Frekuensi kumulatif lebih dari. Prinsipnya hampir sama dengan prosedur
di atas.
2.4. Diagram
Histogram adalah merupakan bagian dari grafik batang di mana skala horisontal mewakili
nilai-nilai data kelas dan skala vertikal mewakili nilai frekuensinya. Tinggi batang sesuai
dengan nilai frekuensinya, dan batang satu dengan lainnya saling berdempetan, tidak ada
jarak/gap diantara batang. Kita dapat membuat histogram setelah tabel distribusi frekuensi
data pengamatan dibuat.
Poligon Frekuensi menggunakan segmen garis yang terhubung ke titik yang terletak tepat di
atas nilai-nilai titik tengah kelas. Ketinggian dari titik-titik sesuai dengan frekuensi kelas, dan
segmen garis diperluas ke kanan dan kiri sehingga grafik dimulai dan berakhir pada sumbu
horisontal.
Ogive adalah grafik garis yang menggambarkan frekuensi kumulatif, seperti daftar distribusi
frekuensi kumulatif. Perhatikan bahwa batas-batas kelas dihubungkan oleh segmen garis
yang dimulai dari batas bawah kelas pertama dan berakhir pada batas atas dari kelas terakhir.
Ogive berguna untuk menentukan jumlah nilai di bawah nilai tertentu. Sebagai contoh, pada
gambar berikut menunjukkan bahwa 68 mahasiswa mendapatkan nilai kurang dari 90.5.
Bab 3. Ukuran Titik Pusat
Salah satu aspek yang paling penting untuk menggambarkan distribusi data adalah nilai pusat
data pengamatan (Central Tendency). Setiap pengukuran aritmatika yang ditujukan untuk
menggambarkan suatu nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data
(himpunan pengamatan) dikenal sebagai ukuran pemusatan data (tendensi sentral).
Terdapat tiga ukuran pemusatan data yang sering digunakan, yaitu:
 Mean (Rata-rata hitung/rata-rata aritmetika)
 Median
 Mode
Pada artikel ini akan di bahas mengenai pengertian beberapa ukuran pemusatan data yang
dilengkapi dengan contoh perhitungan, baik untuk data tunggal ataupun data yang sudah
dikelompokkan dalam tabel distribusi frekuensi. Selain ukuran statistik di atas, akan dibahas
juga mengenai beberapa ukuran statistik lainnya, seperti Rata-rata Ukur (Geometric Mean),
Rata-rata Harmonik (H) serta beberapa karakteristik penting yang perlu dipahami untuk
ukuran tendensi sentral yang baik serta bagaimana memilih atau menggunakan nilai tendensi
sentral yang tepat.
Pengertian Ukuran Pemusatan Data

Apakah yang dimaksud dengan ukuran pemusatan data?
Ukuran Pemusatan Data merupakan salah satu pengukuran data dalam statistika. Ukuran
Pemusatan data terdiri dari penghitungan rata-rata (Mean), nilai tengah (Median), dan nilai
yang sering muncul (Modus).
Ukuran pemusatan Data adalah sembarang ukuran yang menunjukkan pusat segugus data,
yang telah diurutkan dari yang terkecil sampai yang terbesar atau sebaliknya dari yang
terbesar sampai yang terkecil.
Salah satu kegunaan dari ukuran pemusatan data adalah untuk membandingkan dua
(populasi) atau contoh, karena sangat sulit untuk membandingkan masing-masing anggota
dari masing-masing anggota populasi atau masing-masing anggota data contoh.
Nilai ukuran pemusatan ini dibuat sedemikian sehingga cukup mewakili seluruh nilai pada
data yang bersangkutan. Ukuran pemusatan yang paling banyak digunakan adalah median,
mean, dan modus
3.1. Pengertian Mean, Median dan Modus

Dari suatu kumpulan data nilai, kita dapat menghitung untuk mendapatkan berapa nilai Mean
dari kumpulan data tersebut, Seperti halnya hasil nilai ujian dari berbagai mata pelajaran yang
kita peroleh, kita dapat menghitung berapa hasil Nilai rata-rata akhir yang kita dapatkan dari
seluruh nilai mata pelajaran.
Nilai rata-rata ini disebut dengan Mean, nilai rata-rata akhir di sini didapat dari penjumlahan
nilai yang didapat dari masing-masing mata pelajaran kemudian hasil penjumlahan tersebut
dibagi dengan jumlah mata pelajaran yang ada.
Mean adalah Nilai Rata-rata yang didapat dari hasil penjumlahan seluruh nilai dari masing-
masing data, kemudian dibagi dengan banyaknya data yang ada. Untuk meghitung Nilai
Mean dari Kumpulan data, masih terbagi lagi menjadi dua jenis data, yaitu Data tunggal dan
Data Kelompok.
Data tunggal adalah data yang belum disusun atau dikelompokkan kedalam kelas-kelas
interval, sedangkan Data kelompok adalah data yang telah disusun atau dikelompokkan
menurut kelas intervalnya.
3.1.1. Mencari Nilai Mean dari data tunggal

Contoh Soal:
Hasil ujian akhir mata kuliah Statistik yang didapat dari 12 orang mahasiswa, adalah:
75 , 80 , 70, 65 , 70 , 70 , 65 , 80 , 75 , 80 , 70 , 70
Berapa nilai rata-rata (Mean) data tunggal di atas?
Jawab:
............................................................................................
(3.1)
Mean = (7.5 + 8 + 7 + 6.5 + 7 + 7 + 6.5 + 8 + 7.5 + 8 + 7 + 7) : 12

Mean = 870 : 12
Mean = 72,5
Nilai rata-rata (Mean) yang didapat mahasiswa tersebut adalah: 72,5
3.1.2. Mencari Nilai Mean dari data kelompok
1. Cara Biasa
Rumus menghitung Mean dari Data Kelompok dengan cara biasa, adalah:
X   fi.xi ..............................................................................................................................
 fi
(3.2)
Keterangan:
X = Rata-Rata Hitung yang akan dicari
xi = nilai tengah data ke-i
fi = frekuensi data ke -i
Contoh soal 1 :
Diketahui data sebagai berikut, hitunglah Meannya.
Nilai Frekuensi
0-9 0
10-19 2
20-29 2
30-39 5
40-49 8
50-59 14
60-69 9
70-79 6
80-89 3
90-99 1
Total 50
Untuk mencari Mean, kita diperlukan mencari nilai tengah dan jumlah hasil dari nilai tengah
dikali dengan frekuensi. Berikut tabel setelah dicari.
Jawab :
Nilai Nilai Tengah Frekuen Frekuensi F1X1 Tepi Kelas
si Kumulatif
0 -9 0+9 / 2 = 4.5 0 0 0 x 4.5 = 0 -0.5 – 9.5
10-19 (10+19)/2= 14.5 2 0+2 = 2 2 x 14.5 = 29 9.5 – 19.5
20-29 (20+29)/2 = 24.5 2 2+2 = 4 2 x 24.5 = 49 19.5 – 29.5
30-39 (30+39)/2= 34.5 5 5+4 = 9 5x34.5= 172.5 29.5 – 39.5
40-49 (40+49)/2 = 44.5 8 9+8 = 17 8 x 44.5 = 356 39.5 – 49.5
50-59 (50+59)/2=54.5 14 17+14 = 31 14x54.5 = 763 49.5 – 59.5
60-69 (60+69)/2= 64.5 9 31+9 = 40 9x64.5= 580.5 59.5 – 69.5
70-79 (70+79)/2 = 74.5 6 40+6 = 46 6 x 74.5 = 447 69.5 – 79.5
80-89 (80+89)/2 = 84.5 3 46+3 = 49 3x84.5= 253.5 79.5 – 89.5

90-99 (90+99)/2 = 94.5 1 49+1 = 50 1 x 94.5 = 94.5 89.5 – 99.5
Total 50 2745 P = 10
Contoh Soal 2:
Data di bawah ini merupakan data nilai mata kuliah rekayasa lalu lintas prodi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
54 55
Berapa Mean dari data Kelompok di atas?
K =7 P= 4
Kelas Interval (K) F xi fi.xi
51 - 54 16 52.5 840
55 - 58 27 56.5 1526
59 - 62 13 60.5 787
63 - 66 26 64.5 1677
67 - 70 10 68.5 685
71 - 74 4 72.5 290
75 - 78 4 76.5 306
Jumlah 100 6110
X 
 fi.xi  6110  61.1
 fi 100
Jadi, Nilai Rata-rata (Mean) dari hasil ujian mata kuliah rekayasa lalu lintas adalah: 61,1
Contoh Soal 3:
Data Hasil Nilai ujian mata kuliah perkerasan jalan raya yang didapat mahasiswa yang
berjumlah sebanyak 30 orang, adalah sebagai berikut:
 Yang mendapat nilai 41 - 50, sebanyak 5 orang
Nilai Tengah adalah penjumlahan nilai tepi bawah (Nilai terendah) dengan Nilai tepi atas
(Nilai tertinggi) dari masing-masing kelompok nilai, kemudian dibagi dua.
 Nilai tengah 41-50, adalah: (41+50) : 2, sama dengan 45,5
 dst
Kemudian, untuk lebih mempermudah perhitungan, data-data tersebut di atas kita susun ke
dalam sebuah Tabel, seperti berikut ini:
Maka, dari data Tabel di atas, diperoleh:

Mean = (∑fi . xi ) : ∑fi
Mean = 1925 : 30
Mean = 64,167
Jadi, Nilai Rata-rata (Mean) dari hasil ujian mata kuliah perkerasan jalan raya adalah: 64,167
2. Cara Coding (pengkodean)

Rumus menghitung Mean dari Data Kelompok dengan cara Coding, adalah:
  fi.ci 
X  Xs   .P
  fi  ..............................................................................................................
 
(3.3)
Keterangan:
Xs = rata-rata sementara (dipilih pada interval dengan frekuensi terbesar)
ci = Kode Kelas ke-i
fi = frekuensi data ke –i
P = panjang interval
Contoh Soal 1:
Data di bawah ini merupakan data nilai mata kuliah rekayasa lalu lintas mahasiswa prodi
teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
54 55
K =7 P = 4
Kelas Interval
f xi ci fi.ci
(K)
[1] [2] [3] [4] [5]
51 - 54 16 52.5 -1 -16
55 - 58 27 56.5 0 0
59 - 62 13 60.5 1 13
63 - 66 26 64.5 2 52
67 - 70 10 68.5 3 30
71 - 74 4 72.5 4 16
75 - 78 4 76.5 5 20
Jumlah 100 14 115
  fi.ci 
X  Xs   .P  56.5   115 .4  61.1
  fi   100 
 
Jadi, Nilai Rata-rata (Mean) dari hasil ujian mata kuliah rekayasa lalu lintas program studi
teknik sipil adalah: 61,1
3. Cara Simpangan rata-rata sementara

Rumus menghitung Mean dari Data Kelompok dengan cara Simpangan rata-rata sementara,
adalah:
  fi .di 
X  Xs   
  fi  .................................................................................................................
 
(3.4)
Keterangan:
Xs = rata-rata sementara (dipilih pada interval dengan frekuensi terbesar)
di = simpangan ke-i (selisih nilai xs dengan nilai xi) = Xs - xi
fi = frekuensi data ke –i
Contoh Soal:
Data di bawah ini merupakan data nilai mata kuliah rekayasa lalu lintas mahasiswa program
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
54 55
Berapa Mean dari data Kelompok diatas?

K=7 P=4
d ( Xs -
Kelas Interval (K) f xi xi ) f.d
51 - 54 16 52.5 -4 -64   fi .di 

X  Xs   
55 - 58 27 56.5 0 0   fi 
 
59 - 62 13 60.5 4 52
 460 
63 - 66 26 64.5 8 208 X  56.5   
 100 
67 - 70 10 68.5 12 120
X  61.1
71 - 74 4 72.5 16 64
75 - 78 4 76.5 20 80
Jumlah 100 56 460
Jadi, Nilai Rata-rata (Mean) dari hasil ujian mata kuliah rekayasa lalu lintas mahasiswa
program studi teknik sipil adalah: 61,1.
3.1.3. Rata-rata Gabungan
Jika kita mempunyai beberapa buah nilai rata-rata, maka untuk mendapatkan nilai rata-rata
gabungannya kita tidak boleh langsung merata-ratakan beberapa buah nilai rata-rata tersebut.
Hal ini disebabkan karena masing-masing rata-rata tersebut mungkin saja berasal dari jumlah
sampel yang berbeda-beda. Oleh karena itu, untuk menghitung rata-rata gabungannya, kita
harus mempertimbangkan jumlah sampel masing-masing rata-rata.
Rumus yang digunakan untuk menghitung rata-rata gabungan dari sejumlah p rata-rata

dengan mempertimbangkan ukuran sampel (n) adalah sebagai berikut.
 
  
  

 n1 x X 1    n 2 x X 2   .......... .. n k x X k 
X gab       ...................................................................
n1  n 2  .........n k
(3.5)
Dimana:
x¯gab adalah rata-rata gabungan,
x¯1 adalah rata-rata pertama dan
n1 adalah jumlah sampelnya,
x¯2 adalah rata-rata kedua dan
n2 adalah jumlah sampelnya,
begitu seterusnya hingga rata-rata ke-k.
Persamaan tersebut dapat disederhanakan dengan menuliskannya dalam bentuk notasi

sigmasebagai berikut.

X gab 
n x X i i
......................................................................................................................
n
(3.6)
Berikut ini diberikan contoh menghitung rata-rata gabungan menggunakan rumus di
atas.
Rata-rata tinggi badan 10 siswa di kelas A adalah 170,1 cm, rata-rata tinggi badan 15
siswa di kelas B adalah 173,4 cm. Selanjutnya, rata-rata tinggi badan 5 siswa di kelas C
adalah 168,9. Berapakah rata-rata gabungan tinggi badan 30 siswa di ketiga kelas tersebut?
Jawab:
Diketahui bahwa
1. x¯1=170,1 dan n1=10
2. x¯2=173,4 dan n2 =15
3. x¯3=168,9 dan n3 =5
X gab 
170,18 *10  173,4 *15  168,9 * 5  171,55
10  15  5
Dengan demikian rata-rata gabungan 30 siswa di ketiga kelas tersebut adalah 171,55 cm.
Perhatian!!!
Jika kita langsung merata-ratakan ketiga rata-rata tersebut tanpa mempertimbangkan jumlah
sampelnya, maka rata-ratanya menjadi:
x¯=(170,1+173,4+168,9)/3=170,8
Ternyata hasilnya berbeda dengan penghitungan rata-rata dengan menggunakan rumus rata-
rata gabungan di atas. Oleh karena itu, perlu kehati-hatian jika kita ingin menghitung rata-rata
gabungan.
Penghitungan rata-rata gabungan harus memperhatikan ukuran sampel rata-rata

pembentuknya.
Contoh Soal No. 1:
Nilai rata-rata ujian statistika 8 mahasiswa adalah 60, nilai rata-rata 6 orang mahasiswa yang
lain adalah 70, dan nilai rata-rata 4 mahasiswa berikutnya adalah 90. Jika Nilai 18 mahasiswa
tersebut digabungkan, berapakah rata-ratanya?
Jawab:
Diketahui
1. x¯1=60 dan n1=8
2. x¯2=70 dan n2=6
3. x¯3=90 dan n3=4
  60 x8   70 x6    90 x 4 
X gab     70
 864 
Soal dan Latihan
Soal No. 1
Rata-rata nilai ujian matematika 40 siswa adalah 50. Jika 5 siswa yang nilainya sama
dikeluarkan dari rata-rata tersebut maka rata-ratanya berubah menjadi 55. Berapakah nilai
masing-masing 5 siswa tersebut?
Soal No. 2
Sebuah perusahaan industri memiliki dua jenis produk yaitu produk A dan produk B. Untuk
mengetahui kualitas dari kedua produk tersebut, dilakukan pengambilan sampel masing-
masing dari produk A dan produk B untuk selanjutnya dilakukan pengujian. Hasil pengujian
menunjukkan bahwa nilai rata-rata kualitas produk A adalah 95, sedangkan nilai rata-rata
kualitas produk B adalah 75. Jika kedua sampel produk digabung, nilai rata-rata kualitas
produk menjadi 87. Berapakah perbandingan jumlah sampel produk A dan produk B?
3.2. Median
3.2.1. Pengertian
Median adalah nilai yang memisahkan separuh sampel data, populasi, atau distribusi
probabilitas yang lebih tinggi, dari setengah bagian bawah. Untuk kumpulan data, ini bisa
dianggap sebagai nilai "tengah". Misalnya, di kumpulan data {1, 3, 3, 6, 7, 8, 9}, mediannya
adalah angka 6, angka terbesar keempat, dan keempat terbesar dalam sampel. Untuk
distribusi probabilitas kontinyu, median adalah nilai sedemikian rupa sehingga angka sama-
sama cenderung turun di atas atau di bawahnya.
Median adalah ukuran umum dari sifat kumpulan data dalam statistik dan teori probabilitas.
Keuntungan dasar median dalam menggambarkan data dibandingkan dengan rata-rata (sering
digambarkan sebagai "rata-rata") adalah bahwa hal itu tidak terlalu miring oleh nilai yang
sangat besar atau kecil, dan karenanya dapat memberikan gambaran yang lebih baik tentang
"tipikal "nilai. Misalnya, dalam memahami statistik seperti pendapatan atau aset rumah
tangga yang sangat bervariasi, rata-rata mungkin miring oleh sejumlah kecil nilai yang sangat
tinggi atau rendah. Pendapatan median, misalnya, mungkin merupakan cara yang lebih baik
untuk menyarankan penghasilan "khas" apa adanya.
Kumpulan angka yang terbatas

Median dari daftar angka yang terbatas dapat ditemukan dengan mengatur semua angka dari
yang terkecil sampai yang paling besar.
Jika ada angka ganjil angka, yang tengah dipetik. Misalnya, perhatikan himpunan angka: 1,
3, 3, 6, 7, 8, 9
Set ini berisi tujuh nomor. Mediannya adalah yang keempat, yaitu 6.
Jika ada bahkan sejumlah pengamatan, maka tidak ada nilai tengah tunggal; median biasanya
didefinisikan sebagai rata-rata dari dua nilai tengah. Misalnya, dalam kumpulan data:
1, 2, 3, 4, 5, 6, 8, 9
Median adalah mean dari dua angka tengah: ini adalah (4 + 5) ÷ 2, yaitu 4,5 atau 4 1/2.
(Dalam istilah yang lebih teknis, ini menafsirkan median sebagai mid-range yang dipangkas
sepenuhnya). Median dapat ditunjukkan dengan rumus.
Rumus yang digunakan untuk menemukan nomor tengah kumpulan data dari angka numerik
yang dipesan adalah (n + 1) ÷ 2. Ini memberi nomor tengah (untuk sejumlah nilai ganjil) atau
titik tengah antara dua nilai tengah. Sebagai contoh, dengan 14 nilai, rumus akan memberikan
7, 5, dan median akan diambil dengan rata-rata nilai ketujuh dan kedelapan.
Karena itu, median sangat penting dalam statistik yang kuat, karena ini adalah statistik yang
paling tahan, memiliki titik impas 50%: selama tidak lebih dari separuh data terkontaminasi,
median tidak akan memberikan keuntungan yang sewenang-wenang. atau hasil kecil.
Median adalah Nilai tengah dari kumpulan data yang telah diurutkan, jika jumlah data Ganjil
maka Nilai Median adalah satu nilai yang berada di tengah urutan, namun jika jumlah data
Genap maka Mediannya adalah hasil penjumlahan dua nilai yang berada di tengah
urutan data, kemudian hasilnya dibagi dua.
Untuk meghitung Nilai Median dari Kumpulan data, masih terbagi lagi menjadi dua jenis
data, yaitu Data tunggal dan Data Kelompok.
3.2.2. Mencari Nilai Median dari data tunggal

Median adalah suatu nilai tengah yang telah diurutkan. Median dilambangkan Me.
Untuk menentukan nilai Median data tunggal dapat dilakukan dengan cara:
a) mengurutkan data kemudian dicari nilai tengah,
b) jika banyaknya
data besar, setelah data diurutkan, digunakan rumus:
Untuk n ganjil : Me  X (n + 1) ..........................................................................................
2
(3.7)
X n X n
( ) ( 1)
Untuk n genap: Me  2 2 ...............................................................................
2
(3.8)
Keterangan:
xn/2 = data pada urutan ke-n/2 setelah diurutkan.
Contoh Soal 1: menghitung median untuk n ganjil:

Tentukan median dari data: 2, 5, 4, 5, 6, 7, 5, 9, 8, 4, 6, 7, 8
Jawab:
Data diurutkan menjadi: 2, 4, 4, 5, 5, 5, 6, 6, 7, 7, 8, 8, 9
Me  X (n + 1)  X (13 + 1)  X 7  6
2 2
Letak data ke-7. Jadi mediannya = 6
Contoh Soal 2: menghitung median untuk n genap:

Tentukan median dari data: 2, 5, 4, 5, 6, 7, 5, 9, 4, 8, 4, 6, 7, 8
Jawab:
Data diurutkan menjadi: 2, 4, 4, 4, 5, 5, 5, 6, 6, 7, 7, 8, 8, 9
X n X n X 14  X 14
( ) ( 1) ( ) ( 1) X  X8 5  6
Me  2 2
 2 2
 7   5 .5
2 2 2 2
Letak data ke-7 dan ke-8. Jadi mediannya = 5.5
3.2.3. Mencari Nilai Median dari data kelompok

Jika data yang tersedia merupakan data kelompok, artinya data itu dikelompokkan
ke dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai mediannya dapat
ditentukan dengan rumus berikut ini.
n 
2F
Me  Tb    p ...................................................................................................
 f 
 
(3.9)
Keterangan:
Me = median
Tb = tepi bawah kelas median
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas median
f = frekuensi kelas median
Catatan: Rumus menghitung median untuk data berkelompok sama dengan rumus untuk
mencari kuartil kedua pada data berkelompok. Median sama saja dengan kuartil kedua atau
Q2.
Contoh Soal:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Median dari data Kelompok diatas?

K=7 P=4 Mencari Letak Median = n/2 = 100/2 = 50
Kelas Interval (K) f K1 = f(1-16). K2 = f(17-43). K3 = f(44,45,.....
51 - 54 16 49,50,51,......-56)
55 - 58 27
Letak Nilai Median terletak pada Kelas ke-3 (Interval 59-
59 - 62 13
62)
63 - 66 26
67 - 70 10 n 
71 - 74 4 2 F
Me  Tb   p
75 - 78 4  f 
 
Jumlah 100
 50 
 2  (16  27) 
Me  58.5   4
 13 
 
Me  60.7
Jadi, Nilai Tengah (Median) dari hasil ujian mata kuliah rekayasa lalu lintas mahasiswa
program studi teknik sipil adalah: 60,7
3.3. Modus
3.3.1. Pengertian
Modus adalah: Data atau nilai yang paling sering muncul atau yang memiliki jumlah
frekuensi terbanyak
Untuk meghitung Nilai Modus dari Kumpulan data, masih terbagi lagi menjadi dua jenis
3.3.2. Mencari Nilai Modus dari data tunggal

Modus adalah data yang paling sering muncul atau memiliki frekuensi tertinggi. Jika suatu
data hanya mempunyai satu modus disebut unimodal dan bila memiliki dua modus disebut
bimodal, sedangkan jika memiliki modus lebih dari dua disebut multimodal. Modus
dilambangkan dengan Mo.
Cara menentukan modus: urutkan data untuk memudahkan dan mengetahui data mana yang
paling sering muncul. Maka, itulah modusnya.
Contoh Soal 1:
Hasil ujian akhir mata kuliah Statistik yang didapat dari 12 orang mahasiswa, adalah:
75 , 80 , 70, 65 , 70 , 70 , 65 , 80 , 75 , 80 , 70 , 70
Berapa nilai Modus dari data tunggal di atas?
Jawab:
65 , 65 , 70 , 70 , 70 , 70 , 70 , 75 , 75 , 80 , 80 , 80
Modus adalah nilai yang paling sering muncul, dan dari data di atas, didapat bahwa data nilai
yang sering muncul adalah nilai 7, sebanyak 5 kali.
Modus = 7
Contoh soal 2:
Tentukan modus dari data di bawah ini.
2, 1, 4, 1, 1, 5, 7, 8, 9, 5, 5, 10
Jawab:
Data yang sering muncul adalah 1 dan 5. Jadi modusnya adalah 1 dan 5.
3.3.3. Mencari Nilai Modus dari data kelompok

Jika data yang tersedia merupakan data kelompok, artinya data itu dikelompokkan ke
dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai modusnya dapat
 d 
Mo  Tb   1  p ............................................................................................................
 d1  d1 
(3.10)
Keterangan:
Mo = modus
p = panjang kelas
Tb = Tepi bawah kelas yang memiliki frekuensi tertinggi (kelas modus)
d1 = Frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sebelumnya
d2 = frekuensi kelas modus dikurangi frekuensi kelas interval terdekat sesudahnya
Contoh Soal:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Modus dari data Kelompok di atas?
K=7 P=4 Mencari Letak Kelas Modus dari frekuensi

Kelas Interval (K) F terbanyak yaitu = 27
51 - 54 16 Letak Nilai Modus terletak pada Kelas ke-2
(Interval 55-58)
55 - 58 27
59 - 62 13
 d1 
63 - 66 26 Me  Tb   . p
67 - 70 10  d1  d1 
71 - 74 4  ( 27  16) 
Me  54,5   .4
75 - 78 4  ( 27  16)  ( 27  13) 
Jumlah 100  11 
Me  54,5   .4
11  14 
Me  56.3
Jadi, Nilai Terbanyak (Modus) dari hasil ujian mata kuliah rekayasa lalu lintas mahasiswa
program studi teknik sipil adalah: 56,3
3.4. Quartil
3.4.1. Pengertian
Quartil adalah data yang membagi posisi sekumpulan data yang telah diurutkan menjadi
empat bagian. Dalam satu urutan data terdapat 3 Quartil yaitu Quartil bawah, Quartil tengah,
dan Quartil atas. Cara menentukan Quartil adalah sebagai berikut.
 Quartil bawah adalah data pada posisi 1/4 dari kumpulan data yang telah diurutkan.
Quartil bawah disimbolkan dengan Q1.
 Quartil tengah adalah data pada posisi 2/4 dari kumpulan data yang telah diurutkan.
Quartil tengah sama dengan median. Quartil tengah disimbolkan dengan Q2.
 Quartil atas adalah data pada posisi 3/4 dari kumpulan data yang telah diurutkan.
Quartil atas disimbolkan dengan Q3.
Dengan garis bilangan, dapat ditunjukkan sebagai berikut :
Keterangan :
x1 = data terkecil K3 = Quartil atas (Quartil ketiga)
K1 = Quartil bawah (Quartil pertama) xn = data terbesar
K2 = Quartil tengah (Quartil kedua = median
Berdasarkan ilustrasi di atas, dapat dikatakan bahwa:
 Quartil pertama (Q1/Quartil Bawah) ialah nilai dalam distribusi yang membatasi 25%
frekuensi di bagian bawah distribusi.
 Quartil kedua (Q2/Quartil Tengah) ialah nilai dalam distribusi yang membatasi 50%
frekuensi di bagian atas dan 50% di bawahnya/tengah-tengah
 Quartil ketiga (Q3/Quartil Atas) ialah nilai dalam distribusi yang membatasi 75%
frekuensi di bagian bawah.
Berdasarkan hal tersebut maka dapat disimpulkan Quartil merupakan nilai-nilai yang
membagi sekumpulan data menjadi 4 bagian yang sama. Jenisnya ada kuarti bawah (Q1),
Kuarti tengah (Q2) dan Quartil Atas (Q3). Quartil untuk data tunggal dan data kelompok
interval berbeda cara menentukannya. Namun intinya sama yaitu menentukan nilai yang
membagi sekumpulan data menjadi 4 bagian yang sama.
3.4.2. Mencari Nilai Quartil dari data tunggal
Quartil membagi data menjadi empat bagian yang sama banyak dari data yang telah terurut
yang masing-masing 25% . Quartil (Q) ada tiga yaitu Q1 (Quartil bawah), Q2 (Quartil tengah
atau median) dan Q3 (Quartil atas). Beberapa langkah yang ditempuh untuk mencari Quartil
adalah sebagai berikut:
a) Susunlah data menurut urutannya
b) Tentukan letak Quartil dan
c) Tentukan nilai Quartilnya
Letak Quartil ke i dapat dicari dengan menggunakan rumus berikut:
i ( n  1)
Letak Qi  ..................................................................................................................
4
(3.11)
Keterangan :
Q1 = kuartike ke-i
n = banyaknya data
i = indeks Quartil yaitu 1, 2, 3
Contoh Soal 1:
Tentukan Q1 , Q2 dan Q3 dari data : 7, 3, 8, 5, 9, 4, 8, 3, 10, 2, 7, 6, 8, 7, 2, 6, 9
Jawab :
Data terurut : 2, 2, 3, 3, 4, 5, 6, 6, 7, 7, 7, 8, 8, 8, 9, 9, 10
n = 17
Letak Letak Letak

1(17  1) 18 2(17  1) 36 3(17  1) 54
Q1    4,5 Q2   9 Q3    13,5
4 4 4 4 4 4
Q1  X 4  0.5( X 5  X 4 ) Q2  X 9  7 Q3  X 13  0.5( X 14  X 13 )
Q1  3  0.5(4  3) Q3  8  0.5(8  8)
Q1  3.5 Q3  8
Contoh Soal 2:
Tentukan Q1 , Q2 dan Q3 dari data : 7, 3, 8, 5, 1, 9, 4, 8, 3, 10, 2, 7, 6, 8, 7, 2, 6, 9,
Jawab :
Data terurut : 1, 2, 2, 3, 3, 4, 5, 6, 6, 7, 7, 7, 8, 8, 8, 9, 9, 10
n = 18
Letak Letak Letak

1(18  1) 19 2(18  1) 38 3(18  1) 56
Q1    4,75 Q2    9. 5 Q3    14
4 4 4 4 4 4
Q3  X 14  8
Q1  X 4  0.75( X 5  X 4 ) Q2  X 9  0.5( X 10  X 9 )
Q1  3  0.75(3  3) Q2  6  0.5(7  6)
Q1  3 Q2  6.5
3.4.3. Mencari Nilai Quartil dari data kelompok
Jika data yang tersedia merupakan data kelompok, artinya data itu dikelompokkan
ke dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai Quartilnya dapat
 i.n 
 4 F
Qi  Tb    p ..........................................................................................................
 f 
 
(3.12)
Keterangan :
Qi = Quartil ke-i
Tb = tepi bawah kelas Quartil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas Quartil
f = frekuensi kelas Quartil
Contoh Soal 1:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai Q1 dan Q2 dari data Kelompok di atas?
K=7 P=4 Letak Letak
Kelas Interval (K) F 1(100) 100 2(100) 200
Q1    25 Q2    50
51 - 54 16 4 4 4 4
55 - 58 27 Letak Kelas Quartil terletak Letak Kelas Quartil terletak
59 - 62 13 pada Kelas ke-2 pada Kelas ke-3
63 - 66 26
67 - 70 10
71 - 74 4
75 - 78 4
Jumlah 100
 1.n   2.n 
 4 F  4 F
Q1  Tb   p Q2  Tb   p
 f   f 
   
 1 .100   2 .100 
 4  16   4  (16  27) 
Q1  54,5    4 Q2  58,5   4
 27   13 
   
Q1  55,8 Q2  60,7
Jadi, dari hasil ujian mata kuliah rekayasa lalu lintas mahasiswa program studi teknik sipil
didapat Nilai Q1 = 55,8 dan Q2 = 60,7
3.5. Jangkauan Inter Quartil dan Jangkauan Semiinter Quartil
Jangkauan Inter Quartil adalah selisih antara Quartil atas (Q 3) dan Quartil bawah (Q1). Jika
jangkauan interQuartil dinotasikan dengan QR maka:
QR = Q3 – Q1 .............................................................................................................
(3.13)
Walaupun rumusnya sederhana tetapi untuk mencari nilai jangkauan interQuartil harus
berangkat dari konsep Quartil atas dan Quartil bawah. Bagaimana dengan simpangan Quartil?
Jangkauan semiinter Quartil atau Simpangan Quartil adalah setengah dari jangkauan
inter Quartil. Jika jangkauan semiinter Quartil dinotasikan dengan Qd, maka:
Qd = ½QR atau Qd = ½(Q3 – Q1).......................................................................................(3.14)
Contoh Soal:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Jangkauan Inter Quartil dan Jangkauan Semiinter Quartil dari data Kelompok
di atas?
K=7 P=4 1(100) 100 3(100) 300
Letak Q1    25 Letak Q3    75
Kelas Interval 4 4 4 4
(K) F Letak Kelas Quartil terletak Letak Kelas Quartil terletak
pada Kelas ke-2 pada Kelas ke-3
51 - 54 16
55 - 58 27
 1.n   3.n 
59 - 62 13  4 F  4 F
Q1  Tb   p Q3  Tb   p
 f   f 
63 - 66 26    
67 - 70 10  1. 100   3 . 100 
 4  16   4  (16  27  13) 
Q1  54,5   4 Q3  62,5   4
71 - 74 4  27   26 
   
75 - 78 4 Q1  55,8 Q3  65,5
Jumlah 100
QR = Q3 – Q1 = 65,5 – 55,8 = 9,7

Qd = ½(Q3 – Q1) = ½(65,5 – 55,8 = 4,85
didapat Nilai QR = 9,7 dan Qs = 4,85
3.6. Desil
3.6.1. Pengertian
Desil adalah data yang membagi posisi sekumpulan data yang telah diurutkan menjadi
sepuluh bagian yang sama. Dalam satu urutan data terdapat 9 desil, masing-masing disebut
D1 sampai D9.
Pada dasarnya cara menentukan desil sama dengan penentuaan kuartil, yang membedakan
hanya pembaginya saja. Desil membagi distribusi data menjadi 10 bagian yang sama. Untuk
meghitung Nilai Desil dari Kumpulan data, masih terbagi lagi menjadi dua jenis data, yaitu
Data tunggal dan Data Kelompok.
3.6.2. Mencari Nilai Desil dari data tunggal

Kumpulan data yang dibagi menjadi sepuluh bagian yang sama, maka diperoleh sembilan
pembagi dan tiap pembagi dinamakan desil. Desil1, desil 2, . . . desil 9 dan untuk
menyederhanakan disingkat dengan D1, D2, . . . D9. Untuk mendapatkan desil-desil digunakan
langkah sebagai berikut:
a. Susunlah data menurut urutan nilainya
b. Tentukan letak desilnya
c. Hitung nilai desilnya
Letak desil ke i dapat ditentukan dengan rumus berikut:
i (n  1)
Letak Di 
10
............................................................................................................................(3.15)
Keterangan :
Di = Desil ke-i
n = banyaknya data
i = indeks Desil yaitu 1, 2, 3, 4, …… ,9
Contoh Soal 1:
Tentukan desil ke-8 dari data : 6, 3, 8, 9, 5, 9, 9, 7, 5, 7, 4, 5, 8, 3, 7, 6,.

Jawab:
data terurut = 3, 3, 4, 5, 5, 5, 6, 6, 7, 7, 7, 8, 8, 9, 9, 9.
n = 16
8(16  1)
Letak D8   13,6
10
D8  X 13  0.6( X 14  X 13 )
D8  8  0.6(9  8)
D8  8,6
3.6.3. Mencari Nilai Desil dari data kelompok
dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai Desilnya dapat
 i.n 
 10  F 
Di  Tb    p .............................................................................................................
 f 
 
(3.16)
Keterangan :
Di = Desil ke-i
Tb = tepi bawah kelas Desil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas Desil
f = frekuensi kelas Desil
Contoh Soal 1:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai D2 dan D8 dari data Kelompok di atas?

K = P = 2(100) 20 8(100) 800
Letak D2    20 Letak D8    80
7 4 10 10 10 10
Kelas Interval Letak Kelas Desil terletak pada Letak Kelas Desil terletak pada
(K) F Kelas ke-2 Kelas ke-4
51 - 54 16
55 - 58 27  1.n   8.n 
 10  F   10  F 
59 - 62 13 D2  T b   p D8  Tb   p
 f   f 
63 - 66 26    
67 - 70 10  2.100   8.100 
 10  16   10  (16  27  13) 
71 - 74 4 D2  54,5   4 D8  62,5   4
 27   26 
75 - 78 4
   
Jumlah 100 D2  55,09 D8  66,19
didapat Nilai D2 = 55,09 dan D8 = 66,19
3.7. Persentil
3.7.1. Pengertian
Persentil merupakan sekumpulan data yang terlebih dahulu diurutkan dari yang terendah
sampai tertinggi kemudian dibagi 100 bagian sama besar, dengan kata lain membagi
distribusi data menjadi 100 bagian yang sama besar.
Penetuan Persentil caranya sama dengan perhitungan nilai quartil dan Persentil, yang
membedakan hanya pembaginya. Persentil maka pembaginya adalah per-100.
Persentil dilambangkan dengan

P1 = persentil pertama
P2 = persentil kedua
P3 = persentil ketiga
.
.
P99 = persentil ke sembilan puluh sembilan
Untuk meghitung Nilai Persentil dari Kumpulan data, masih terbagi lagi menjadi dua jenis
3.7.2. Mencari Nilai Persentil dari data tunggal

Persentil merupakan kumpulan data yang dibagi menjadi seratus bagian yang sama, maka
diperoleh sembilan puluh sembilan pembagi dan tiap pembagi dinamakan persentil, yaitu
persentil 1 hingga persentil 99 dan untuk menyederhanakannya disingkat menjadi P1 hingga
P99.
Berikut adalah beberapa langkah yang dapat dilakukan untuk mendapatkan persentil data
tunggal:
1. Susunlah data menurut urutan nilainya.
2. Tentukan letak persentilnya.
3. Hitung nilai persentilnya.
Letak persentil ke i dapat ditentukan dengan rumus berikut:
i ( n  1)
Letak Pi  ..................................................................................................................
100
(3.17)
Keterangan :
Di = Persentil ke-i
n = banyaknya data
i = indeks Persentil yaitu 1, 2, 3, 4, …… ,99
Contoh Soal 1:
Tentukan persentil ke-65 dari data : 6, 5, 8, 7, 9, 4, 5, 8, 4, 7, 8, 5, 8, 4, 5.
Jawab:
data terurut : 4, 4, 4, 5, 5, 5, 5, 6, 7, 7, 8, 8, 8, 8, 9.
n = 15
65(15  1)
Letak P65   10,4
100
P65  X 10  0.4( X 11  X 10 )
P65  7  0.4(8  7)
P65  7,4
Jadi, nilai persentil ke-65 adalah 7,4.
3.7.3. Mencari Nilai Persentil dari data kelompok

dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai Persentilnya dapat
 i.n 
 100  F 
Pi  Tb   p ...........................................................................................................
 f 
 
(3.18)
Keterangan :
Pi = Persentil ke-i
Tb = tepi bawah kelas Persentil
p = panjang kelas
n = banyak data
F = frekuensi kumulatif sebelum kelas Persentil
f = frekuensi kelas Persentil
Contoh Soal 1:
studi teknik sipil.
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai P10 dan P90 dari data Kelompok di atas?
K=7 P=4 Letak Letak
Kelas Interval (K) F 10 (100) 1000 90(100) 9000
P10    10 P90    90
51 - 54 16 100 100 100 100
55 - 58 27 Letak Kelas Persentil terletak Letak Kelas Persentil terletak

63 - 66 26
 90.n 
67 - 70 10  100  F 
 1.n  P90  Tb   p
71 - 74 4  100  F   f 
P10  Tb   p
75 - 78 4  f   
Jumlah 100    90.100
  (16  27  13  26)
 10.100  P90  66,5   100
 100  0   10
P10  50,5   4
 16  
  P90  69,7
P10  53
didapat Nilai P10 = 53 dan P90 = 69,7
3.7.4. Mencari Jangkauan Persentil

Jangkauan persentil dirumuskan sebagai berikut.
Jangkauan persentil = P90 – P10
Contoh Soal 1:
studi teknik sipil
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai Jangkauan Persentil dari data Kelompok di atas?
K=7 P=4 Letak Letak
Kelas Interval (K) F 10(100) 1000 90(100) 9000
P10    10 P90    90
51 - 54 16 100 100 100 100
55 - 58 27 Letak Kelas Persentil terletak Letak Kelas Persentil terletak
63 - 66 26  90.n 
67 - 70 10  1.n   100  F 
P90  Tb   p
71 - 74 4  100  F   f 
P10  Tb   p
75 - 78 4  f   
   90.100 
Jumlah 100  100  (16  27  13  26) 
 10.100  P90  66,5   
 100  0   10 
P10  50,5   4
 16   
  P90  69,7
P10  53
Jangkauan persentil = P90 – P10 = 69,7 – 53 = 16,7
didapat Nilai Jangkauan persentil = 16,7
Bab 4. Ukuran Sebaran Data
4.1. Pengertian Sebaran
Setiap kali mendengar rata-rata, maka secara otomatis kita membayangkan sekelompok nilai
di sekitar rata-rata tersebut: ada yang sama, lebih kecil, atau lebih besar. Ukuran sebaran atau
ukuran variasi, atau ukuran penyimpangan adalah ukuran yang menyatakan jauhnya
penyimpangan nilai-nilai data dari nilai-nilai pusatnya atau ukuran yang menyatakan
banyaknya nilai data yang berbeda dengan nilai-nilai pusatnya. Ukuran variabilitas adalah
ukuran derajat penyebaran nilai-nilai variabel dari ukuran pemusatan yang sama, akan tetapi
derajat penyebarannya bisa jadi sangat berbeda. Misalnya, kita memiliki data yang berasal
dari dua kelompok individu yang berbeda. Data kelompok individu A: 24, 24, 25, 25, 26, 26,
diperoleh mean sebesar 25. Sementara data dari kelompok individu B: 16,19, 22, 25, 28, 30,
35, diperoleh mean sebesar 25.
Nilai detensi sentral dalam dua distribusi A dan B di atas sama, yaitu keduanya memiliki
harga rata-rata 25. Namun demikian, apabila dilihat dari keragaman dan penyebaran nilainya,
kedua distribusi tersebut tampak sangat berbeda, di mana penyebaran nilai-nilai dalam
distribusi A terlihat lebih homogen dibandingkan dengan distribusi B. Sebaliknya,
penyebaran nilai dalam distribusi B lebih beragam atau hetrogen dibandingkan penyebaran
nilai dalam distribusi A. Oleh karena itu, tidak hanya diperlukan suatu indeks yang dapat
memberikan gambaran ringkas mengenai suatu distribusi (melalui ukuran pemusatan data
atau ukuran tendensi sentral), tetapi juga suatu ukuran yang dapat memberikan gambaran
berdasarkan keragaman nilai-nilai dalam distribusi.
Jenis-jenis ukuran dispersi yaitu: Jangkauan, Deviasi rata-rata, Simpangan baku (standar
deviasi), Simpangan Baku Gabungan, Varians dan Dispersi Relatif.
4.2. Jangkauan (Range)
Jangkauan merupakan selisih data terbesar dan data terkecil. Jangkauan sering dilambangkan
dengan R.
R = xmaks – xmin .....................................................................................................(4.1)
Keterangan:
R = jangkauan
Xmaks = data terbesar
Xmin = data terkecil
Contoh Soal Jangkauan Data
Tentukan jangkauan dari data : 3, 6, 10, 5, 8, 9, 6, 4, 7, 5, 6, 9, 5, 2, 4, 7, 8.

Jawab :
R = xmaks – xmin
= 10-2 = 8
Jadi, jangkaun data tersebut adalah 8.
2. Jangkauan interkuartil (H)
Jangkauan interkuartil adalah selisih antara kuartil ketiga dan kuartil pertama.
H = Q3 – Q1 ...........................................................................................................................
(4.2)
Keterangan :
H = jangkauan interkuartil
Q3 = kuartil ketiga
Q1 = kuartil pertama.
3. Simpangan kuartil (jangkauan semi interkuartil)

Simpangan kuartil adalah setengah dari selisih kuartil ketiga dan kuartil pertama.
Sk = ½ Q3 – Q1 ........................................................................................................................
(4.3)
Keterangan :
Sk = simpangan kuartil
Q3 = kuartil ketiga
Q1 = kuartil pertama
4.3. Simpangan rata-rata

4.3.1. Pengertian
Simpangan Rata-rata suatu data yaitu nilai rata-rata dari selisih setiap data dengan nilai
rata-rata hitung. Untuk meghitung Nilai Simpangan Rata-rata dari Kumpulan data, masih
terbagi lagi menjadi dua jenis data, yaitu Data tunggal dan Data Kelompok.
4.3.2. Mencari Nilai Simpangan Rata-rata dari data tunggal

Berikut adalah beberapa langkah yang dapat dilakukan untuk mendapatkan Simpangan Rata-
rata data tunggal:
1. Hitung Nilai Rata-rata.
2. Hitung Simpangan Rata-ratanya.
SR 
x i x
.........................................................................................................................
n
(4.4)
Keterangan :
SR = Simpangan Rata-rata
xi = data ke-i
x = Rata-rata
n = jumlah data
Contoh Soal:
Hitung simpangan rata-rata dari data kuantitatif berikut :
12, 3, 11, 3, 4, 7, 5, 11
Pembahasan :
1 1
x ( xi  .....  xn )  (12  3  11  3  4  7  5  11)  7
n 8
12  7  3  7  11  7  3  7  4  7  7  7  5  7  11  7
SR 
8
5 4 4 430 2 4
SR   3,25
8
Jadi, simpangan rata-ratanya adalah 3,25.
4.3.3. Mencari Nilai Simpangan Rata-rata dari data kelompok
dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai Simpangan Rata-
ratanya dapat ditentukan dengan rumus berikut ini.
SR 
 f x x
i i
.............................................................................................................(4.5)
f i
Keterangan :
SR = Simpangan Rata-rata
fi = frekuensi pada data ke-i
xi = data ke-i
x = Rata-rata
n = jumlah data
Contoh Soal 1:
studi teknik sipil
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai Simpangan Rata-rata dari data Kelompok diatas?

K= 7 dan p = 4
Kelas

Interval f X X f.x xi  x f i xi  x
(K)
51 – 54 16 61.1 52.5 840 8.6 137.6
55 – 58 27 61.1 56.5 1525.5 4.6 124.2
59 – 62 13 61.1 60.5 786.5 0.6 7.8
63 – 66 26 61.1 64.5 1677 3.4 88.4
67 – 70 10 61.1 68.5 685 7.4 74
71 – 74 4 61.1 72.5 290 11.4 45.6
75 - 78 4 61.1 76.5 306 15.4 61.6
didapat Nilai Simpangan Rata-rata = 69,7
X 
 fx  f x x
i i
SR 
f f i
6110 539,2
X  SR 
100 100
X  61,1 SR  5,392
4.4. Simpangan Baku (Standar Deviasi)
4.4.1. Pengertian
Simpangan baku/Standar Deviasi/Simpangan Standar adalah ukuran sebaran statistik
yang paling lazim
Untuk meghitung Nilai Simpangan Baku dari Kumpulan data, masih terbagi lagi menjadi dua
jenis data, yaitu Data tunggal dan Data Kelompok.
4.4.2. Mencari Nilai Simpangan Baku dari data tunggal

Berikut adalah beberapa langkah yang dapat dilakukan untuk mendapatkan Simpangan Baku
data tunggal:
1. Hitung Nilai Rata-rata.
2. Hitung Simpangan Bakunya.
n
 (x i  x) 2
.....................................................................................................................
S i 1
n 1
(4.6)
Keterangan :
S = Simpangan Baku
xi = data ke-i
x = Rata-rata
n = jumlah data
Contoh Soal 1:
Dari 40 orang mahasiswa diambil sampel 9 orang untuk diukur tinggi badannya, diperoleh
data berikut:
165, 170, 169, 168, 156, 160, 175, 162, 169.
Hitunglah simpangan baku sampel dari data tersebut.
1 1
x ( xi  .....  x n )  (165  170  168  156  156  160  175  162  169)  166
n 8
n
 (x i  x) 2
S i 1
n 1
1  16  9  100  36  81  16  9
S
n 1
272
S  5,83
8
Jadi, simpangan bakunya adalah 5,83.
4.4.2. Mencari Nilai Simpangan Baku dari data kelompok
dalam interval-interval kelas yang sama panjang. Untuk mengetahui nilai Simpangan
Bakunya dapat ditentukan dengan rumus berikut ini.
 fx   fx 
2
2
S   ..........................................................................................................
f   f 
(4.7)
Keterangan :
S = Simpangan Baku
f = frekuensi pada data
x = data ke-i = titik tengah kelas interval ke-i
n = jumlah data
Contoh Soal 1:
studi teknik sipil
56 59 61 65 64 57 58 52 53 54 55 64 66 62 54 55
64 58 64 67 68 71 75 57 58 61 64 62 66 55
57 52 51 54 56 61 68 62 65 58 64 67 68 71
75 57 58 61 64 56 65 64 57 58 52 53 54 55
64 66 62 64 58 64 67 68 73 76 54 59 61 67
65 64 57 58 52 53 54 55 64 66 62 64 58 64
67 68 71 75 57 58 61 64 65 64 57 58 52 53
Berapa Nilai Simpangan Baku dari data Kelompok diatas?
K = 7 dan p = 4
Kelas f x f.x X2 Fx2
interval (K)
51 – 54 16 52.5 840 2756.25 44100
55 – 58 27 56.5 1525.5 3192.25 86190.75
59 – 62 13 60.5 786.5 3660.25 47583.25
63 – 66 26 64.5 1677 4160.25 108166.5
67 – 70 10 68.5 685 4692.25 46922.5
71 – 74 4 72.5 290 5256.25 21025
75 - 78 4 76.5 306 5852.25 23409
Jumlah 100 6110 377397
 fx   fx 
2
2
S  
f   f 
2
377397  6110 
S 
100  100 
S  6,38
Jadi, dari hasil ujian mata pelajaran Biologi seluruh murid kelas VI didapat Nilai Simpangan
Baku = 6,38
4.5. Varian (Ragam)
4.5.1. Pengertian
Varian (Ragam) adalah rata-rata selisih kuadrat antara nilai-nilai individual dengan nilai
tengahnya.
Untuk data yang tidak dikelompokkan ataupun data yang dikelompokkan, diperoleh nilai
variansi (v) dengan
menggunakan rumus:
n
vS 2
atau  (x i  x) 2
.......................................................................(4.8)
S2  i 1
n 1
Keterangan :
V = variann
S = Simpangan Baku
x = Rata-rata
n = jumlah data
Contoh Soal:
Dari 40 orang siswa diambil sampel 9 orang untuk diukur tinggi badannya, diperoleh data
berikut: 165, 170, 169, 168, 156, 160, 175, 162, 169.
Hitunglah varian sampel dari data tersebut.
1 1
x ( xi  .....  xn )  (165  170  168  156  156  160  175  162  169)  166
n 8
n
 (x i  x) 2
S2  i 1
n 1
1  16  9  100  36  81  16  9
S2 
n 1
272
S2   34
8
Jadi, variannya adalah 34.
4.6. Koefisien Variasi (Koefisien Keragaman)
4.6.1. Pengertian
Koefisien variasi adalah perbandingan antara simpangan standar dengan nilai rata-rata yang
dinyatakan dengan persentase. Koefisien variasi berguna untuk melihat sebaran data dari rata-
rata hitungnya.
Besarnya Koefisien Variasi dinyatakan dengan rumus,

S
KV   100% .............................................................................................(4.9)
x
Keterangan :
KV = koefisien variasi
S = Simpangan Baku
x = Rata-rata
Besarnya koefisien korelasi akan berpengaruh terhadap kualitas sebaran data. Jadi jika
koefisien korelasi semakin kecil maka datanya semakin homogen dan jika koefisien korelasi
semakin besar maka datanya semakin heterogen.
Contoh Soal:
Nilai rata-rata Ujian Matematika 1 adalah 80. Tentukan koefisien variasi Ujian Matematika
tersebut, jika simpangan standar adalah 4,2.
Jawab:
S
KV   100%
x
4,2
KV   100%
80
KV  5,25%
Jadi koefisien variasinya adalah 5,25%
Contoh Soal:
Pak Murtono seorang pengusaha. Bidang usaha yang ia jalani adalah penerbitan, tekstil, dan
angkutan. Dalam 5 bulan terakhir, ia mencatat keuntungan bersih ketiga bidang usahanya.
Hasilnya tampak pada Tabel di bawah ini.
Tabel Keuntungan Bersih Usaha Pak Murtono Selama 5 Bulan Terakhir.

Bidang Usaha Keuntungan Bersih (dalam puluhan juta rupiah)
Bulan ke-1 Bulan ke-2 Bulan ke-3 Bulan ke-4 Bulan ke-5
Penerbitan 60 116 100 132 72
Tekstil 144 132 108 192 204
Angkutan 80 260 280 72 116
Jika Pak Murtono berpendapat bahwa bidang usaha yang akan dipertahankan hanya dua
bidang usaha dengan kriteria bidang usaha dengan keuntungan bersih yang stabil, tentukanlah
bidang usaha yang sebaiknya tidak dilanjutkan.
Jawaban
Langkah ke-1 :
Menuliskan apa yang diketahui dan apa yang ditanyakan soal tersebut.
Diketahui :
• keuntungan bersih selama 5 bulan terakhir yang disajikan pada Tabel
• bidang usaha yang dipertahankan adalah yang memiliki keuntungan bersih yang stabil.
Ditanyakan: bidang usaha yang sebaiknya tidak dilanjutkan.
Langkah ke-2 :
Menentukan konsep yang akan digunakan dalam menyelesaikan soal. Pada soal ini, konsep
yang digunakan adalah rataan, Koefisien Variasi, dan koefisien keragaman.
Langkah ke-3 :
Menghitung rataan, Standar Deviasi, dan koefisien keragaman dari setiap bidang usaha.
→ Bidang usaha penerbitan → Bidang usaha tekstil → Bidang usaha angkutan

x =156 x = 161,6
S = 40,69 S = 100.58
KV = S/x = 29,93/ 96 KV = S/x = 40,69/156 = KV = S/x = 100,58/161,6 =
= 0,31 0,26 0,62
Jadi, sebaiknya Pak Murtono tidak melanjutkan usaha angkutan karena keuntungannya tidak
stabil (nilai KK paling besar).
4.7. Keruncingan (Kurtosis)

4.7.1. Pengertian
Kurtosis (Keruncingan) adalah derajat kelancipan suatu distribusi jika dibandingkan dengan
Distribusi normal.
Untuk menghitung tingkat keruncingan suatu kurva (koefisien kurtosis) dapat digunakan
rumus :
Q3  Q1 1 xX
KK = atau a4  ........................................................
2( P90  P10 ) n S4
(4.10)
Keterangan :
Jika nilai KK > 3 kurva leptokurtis (puncaknya runcing sekali)
KK < 3 kurva platikurtis (puncaknya agak mendatar)
KK = 0 kurva mesokurtis (puncaknya tidak begitu runcing atau distribusi normal)
Keterangan :
a4 = Kurtosis; S = Simpangan Baku; x = Rata-rata dan n = jumlah data
Contoh Soal:
Dari sekelompok data yang disusun dalam tabel distribusi frekuensi diketahui nilai Q1 =
55,24 ; Q3 = 73,64 ; P10 = 44,5 ;P90 = 82,5. Besarnya koefisien kurtosis kurva data tersebut
adalah….
Jawab : 73,64  55,24 18,4
KK = 2(82,5  44,5) =
2(38)
= 0,242
Karena KK < 3 maka kurva distribusi tersebut platikurtik.
Contoh Soal:
Keruncingan adalah derajat kepuncakan suatu distribusi, biasanya diambil relatif terhadap
distribusi normal.
Interval Nilai Frekuensi (mutlak)

65 – 67 2
68 – 70 5
71 – 73 13
74 – 76 14
77 – 79 4
80 – 82 2
Jumlah 40
Maka untuk mencari nilai kurtosisnya adalah :
Karena nilainya 15,98 ( lebih besar dari 3 ) maka distribusinya adalah leptokurtis.
Bab 5. Pencacahan Titik Contoh
5.1. Pendahuluan
Aturan probabilitas yang telah diuraikan sebelumnya meliputi perhitungan probabilitas

peristiwa (hasil percobaan) yang sukses dari peristiwa yang mungkin terjadi secara
keseluruhan. Pada percobaan yang dilakukan secara berulang dan dengan frekuensi yang
tinggi, formula probabilitas yang telah dibahas pada bagian sebelumnya sulit untuk
digunakan. Misalnya, kita melakukan percobaan dengan melempar koin sebanyak 10 kali,
bagaimana kita dapat menentukan banyaknya kemungkinan hasil percobaan tersebut (muncul
sisi gambar atau sisi angka)? Tentunya sulit bagi kita untuk menentukannya dengan formulasi
yang telah kita bahas di bagian sebelumnya. Oleh karena itu, kita dapat menggunakan kaidah
penggandaan, konsep faktorial, permutasi, dan kombinasi untuk menentukan probabilitas
suatu peristiwa.
5.2. KAIDAH PENCACAHAN (COUNTING RULES)
Dalam kehidupan kita sering kita jumpai masalah-masalah yang timbul, seperti :
a) 2 celana ; biru dan hitam, 3 baju ; merah, kuning, dan hijau. Berapa banyak pasangan
warna baju dan celana yang dapat dibentuk ?
b) Huruf A, B, C akan dibentuk susunan yang terdiri 3 huruf. Berapa banyak susunan yang
dapat terjadi ?
Masalah-masalah itu dapat diselesaikan dengan metode pencacahan. Dalam kaidah Counting
Rules, ada yang diselesaikan dengan metode :
a. Aturan Pengisian Tempat (Filling Slot)
b. Permutasi
c. Kombinasi
5.2.1. ATURAN PENGISIAN TEMPAT (FILLING SLOT)

Dengan menggunakan contoh pertama, 2 celana; biru dan hitam, 3 baju; merah, kuning, hijau,
dapat diselesaikan dengan 2 metode :
1. Model Diagram Pohon
Jadi ada 6 pasangan kemungkinan.

2. Model Tabel Silang
Merah Kuning Hijau

Biru (B,M) (B,K) (B,Hi)
Hitam (H,M) (H,K) (H,Hi)
3. Model Pasangan Terurut

{(B,M), (B,K), (B,Hi), (H,M), (H,K), (H,Hi)}
KESIMPULAN : Jika ada n buah tempat yang disediakan, dengan :

T1 = banyaknya cara mengisi tempat I
T2 = Banyaknya cara mengisi tempat II
Tn = banyaknya cara mengisi tempat ke – n
Sebagai latihan, jika angka 0,1,2,3, hendak disusun menjadi 3 angka (ratusan, puluhan,
satuan), ada berapa banyaknya bilangan dapat disusun jika :
a). angka - angka tersebut boleh berulang ?
b). angka - angka tersebut tidak boleh berulang ?
Jawab : a. 48 bilangan b. 18 bilangan
Maka “banyaknya cara untuk mengisi n buah tempat yang tesedia = T1 x T2 x ......Tn“
Contoh soal :
1). Dari kota Semarang menuju Bandung, ada 2 jalan alternatif, Bandung menuju Jakarta ada
3 jalan alternatif. Berapa banyaknya jalan yang dapat ditempuh kedaraan dari Semarang
menuju Jakarta melalui Bandung ?
Jwb : Smg - Bandung = 2 jalan, Bandung - Jkt = 3 jalan.
Jadi Smg - Jkt ada 2 x 3 = 6 jalan alternatif yang dapat ditempuh.
2). Menyusun huruf H, U, M, O, R ada berapa cara jika
a). huruf I harus huruf vokal ?
b). huruf I harus huruf konsonan ?
Jawab :
a. Ada 2 cara untuk huruf I (U atau O)
ada 4 cara untuk huruf II, (mis. huruf I = U, huruf II = H,M,O,R)
ada 3 cara untuk huruf III (yaitu H,M,O)
ada 2 cara untuk huruf IV (yaitu H,O)
ada 1 cara untuk huruf V (yaitu H)
Jadi ada 2 x 4 x 3 x 2 x 1 = 48 cara.
b. Ada 3 cara huruf I( H,M,R)

ada 4 cara huruf II (mis huruf I = M, huruf II = H,U,R,O)
ada 3 cara untuk huruf III (yaitu U,R,O)
ada 2 cara untuk huruf IV (yaitu U,R)
ada 1 cara untuk huruf V (R)
Jadi ada 3 x 4 x 3 x 2 x 1 = 72 cara.
5.3. PERMUTASI
Notasi Faktorial :
...................................................................
(5.1)
Contoh : 3 ! = 3 x 2 x 1 = 6
5 ! = 5 x 4 x 3 x 2 x 1 = 120
5.3.1. PERMUTASI DARI UNSUR – UNSUR YANG BERBEDA
Bila dari 3 unsur yang berbeda mis. A, B, C akan disusun 2 unsur, mis. AB, BA, AC, CA,
dan CB kita katakan Permutasi 2 unsur 3 unsur tersedia yang berbeda.
Jadi “ Permutasi r unsur yang diambil dari n unsur yang tersedia adalah susunan dari r unsur
dalam suatu urutan (r ≤ n) “
Notasi Permutasi : nPr atau nPr atau P(n,r)
............................................................................
(5.2)
Contoh soal :
a) Berapakah nilai dari : a). 4P2 dan b). 6P4 ?
b) Berapa banyak susunan yang terdiri dari 4 huruf yang diambil dari huruf-huruf
S,E,M,P,R,U,L ?
c) Berapa banyak bilangan yang terdiri dari 3 angka yang disusun dari angka 1 s.d. 5 ?
Jwb : 60 bilangan
5.3.2. Permutasi dari Unsur-Unsur Yang Sama
Banyaknya Permutasi n unsur yang memuat k unsur yang sama dengan 0 < k ≤ n
n!
adalah P 
k!
Contoh :
Hitung banyaknya permutasi dari A,A,B !
3!
jawab : P  3
2!
Banyaknya permutasi dari n unsur yang memuat k unsur yang sama, l unsur yang sama, m
unsur yang sama adalah
n!
P
k!l! m!
Contoh :
Hitung banyaknya permutasi dari 8 unsur yang memuat huruf T, E, G, A, L, E, G, A !
8! 8 x7 x6 x5 x 4 x3 x 2!
Jwb : P    252
2!2!2! 2!2!2!
5.3.3. Permutasi Siklis/Melingkar
Jika ada n unsur yang berbeda, banyaknya permutasi siklis ( Psiklis ) = n-1!
Contoh :
Ada 4 orang yaitu A, B, C dan D menempati 4 kursi pada meja bundar. Berapa macam
susunan yang dapat terjadi ?
Jwb : Psiklis = (4 - 1) ! = 3 ! = 6 susunan

“ Pada Permutasi, susunan yang terjadi sangat mengutamakan urutan !! “
Jadi misalnya dari 4 orang akan dipilih dengan urutan: Ketua, sekretaris, dan bendahara. Jika
disebutkan yang terpilih adalah A, C, D artinya A menjadi Ketua, C menjadi sekretaris, dan
D menjadi bendahara.
5.4. KOMBINASI
Definisi: Suatu kombinasi r unsur yang diambil dari n unsur yang tersedia adalah suatu
pilihan untuk r unsur tanpa memperhatikan urutannya dengan 0 ≤ r ≤ n .
Notasi Kombinasi : nCr atau C(n,r)

P n!
Rumus : n C r  n r atau n C r  ...........................................................................
r! r!( n  r )!
(5.3)
Contoh :
1). Hitung nilai dari 4C2 !
4! 4!
Jawab : 4 C 2   6
2!( 4  2)! 2!2!
2). Berapa banyak cara memilih 3 huruf yang diambil dari huruf S, O, F, I, A, T, U, N ?
8! 8x7x6x 5!
Jawab : 8 C 3    56 cara
3!(8  3)! 3!5!
Bandingkan dengan soal di atas dengan Permutasi Unsur yang Berbeda ! Adakah
perbedaannya ?
3). Ada 12 orang, terdiri dari 7 wanita dan 5 pria. Dari 12 orang akan ditentukan delegasi
yang terdiri dari 4 orang. Berapa banyak cara untuk memilih delegasi sebanyak 4 orang
jika :
a). semua orang mempunyai hak yang sama untuk dipilih ?
b). Delegasi terdiri 2 wanita dan 2 pria ?
Jawab :
a) Dari 12 orang,dipilih 4 orang berarti:
12! 12! 12x11x10x9x8!
12 C4     495
4!(12  4)! 4!8! 4!8!
b) Untuk memilih 2 pria dari 5 orang pria yang ada :

5! 5! 5x4x3!
5 C2     10 cara
2!(5  2)! 2!3! 2!3!
c) Untuk memilih 2 wanita dari 7 wanita yang ada

7! 7! 7x6x5!
7 C2     21 cara
2!(7  2)! 2!5! 2!5!
Jadi banyaknya cara memilih delegasi yang terdiri dari 4 orang (2 pria dan 2 wanita) yaitu 5C2
x 7C2 = 10 x 21 = 210 cara !!
5.5. BINOM NEWTON
5.5.1. PENJABARAN BINOM DENGAN SEGITIGA PASCAL
Koefisien-koefisien di atas dapat kita telusuri dengan menggunakan Segitiga Pascal yang
telah kita pelajari di SLTP. Adapun bentuk Segitiga Pascal tersebut yaitu :
Sebagai latihan, jabarkanlah (2a – 3b)5 !
5.5.2. Penjabaran Binom Dengan Notasi Kombinasi
Dari Segitiga pascal yang diterangkan di atas, penjabaran Binom dengan Notasi Kombinasi
melalui pola atau aturan sebagai berikut :
Dari penjabaran melalui notasi kombinasi di atas, dapat kita simpulkan :
..................................................................................................
(5.4)
Inilah yang kita sebut Bentuk Umum Penjabaran Binom Newton/Ekspansi Binomial.
Contoh :
Jabarkanlah (x - 2y)3 dengan menggunakan Notasi Kombinasi!
Jawab : a = x, b = - 2y, n = 3
5.5.3. Menghitung Besarnya Suku Ke-r
Menghitung besarnya suku ke –r dari (a + b)n = (a + b)n = C(n,r - 1) . an - r + 1 . br - 1
Contoh :
Hitunglah suku ke - 3 dari (x - 2y)4 !
Jawab : a = x, b = - 2y, n = 4, r = 3
= C(4, 3-1) . x4-3+1 . (-2y)3-1
= C(4,2). x2 . (-2y)2
= 6.x2.4y2
= 24x2y2
Jadi suku ketiga adalah 24x2y2
5.6. Kejadian dan Peluang Suatu Kejadian

5.6.1. Percobaan dan Hasilnya
Hasil suatu percobaan pelemparan mata uang/dadu dituliskan dengan notasi himpunan.
Misalkan muncul angka ditulis {A} dan muncul gambar ditulis {G}. Contoh : Kejadian
munculnya mata dadu genap
pelemparan mata dadu bermata 6 satu kali adalah {2,4,6}
5.6.2. Ruang Contoh Atau Ruang Sampel

1. Ruang contoh/ruang sampel adalah himpunan dari semua hasil yang mungkin pada suatu
percobaan. Ruang contoh dilambangkan dengan S
2. Titik contoh adalah anggota dari ruang contoh.
Contoh :
Percobaan melempar dadu bermata 6 sebanyak satu kali, hasil yang mungkin ditulis dengan
{1}, {2}, {3}, {4}, {5}, {6}.
Ruang contoh/Sampelnya adalah S = {1,2,3,4,5,6} dan titik sampelnya adalah 1,2,3,4,5,6.
5.6.3. Frekuensi Relatif
.......................................................(5.5)
Contoh : Pelemparan mata uang logam sebanyak 20 kali, didapatkan munculnya gambar
sebanyak 5 kali. Frek. Relatifnya = 5/20 = ¼
5.6.4. Definisi Peluang Secara Empirik
Peluang suatu kejadian dari suatu percobaan adalah bilangan yang didekati frekuensi
relatifnya apabila banyak percobaan terus diperbanyak.
5.6.5. DEFINISI PELUANG SECARA KLASIK
Jika A adalah suatu kejadian, S = ruang sampel satu percobaan, maka
....................................................................(5.6)
Contoh :
1). Berapa peluang munculnya mata dadu genap dari pelemparan sebuah mata dadu bermata
6?
n( genap) 3 1
Jawab : P( genap)   
n( s ) 6 2
2). Bilangan asli prima antara 1 s.d 9 diambil secara acak. Berapa peluang munculnya
bilangan prima ?
Jawab : P (Prima) = 4/9
3). Sebuah kotak berisi 5 bola putih dan 3 bola merah. Dari kotak tersebut diambil sebuah
bola secara acak. Berapa peluang terambilnya 1 bola putih dan 1 bola merah?
Jawab : P(putih) = 5/8, P(merah) = 3/8
4). Suatu kotak berisi 7 manik yang terdiri dari 4 manik berwarna merah, 3 manik berwarna
putih. Jika dari kotak diambil 3 manik secara acak, berapa peluang terambilnya :
a. semua merah c. 2 merah & 1 putih
b. semua putih d. 1 merah dan 2 putih
Jawab :
Dari 7 manik diambil 3, maka jumlah ruang sampelnya
7! 7!
Ada 7 C 3    35 buah
3!(7  3)! 3!4!
4! 4
a. 4 C3   4 cara P(M) =
3!1! 35
b. 3C3 = 1 cara P(P) = 1/35
4!
c. 2 manik merah 4 C 2   6 cara
2!2!
3!
1 manik putih 3 C1   3 cara, maka dapat dilaksanakan 6 x 3 = 18 cara.
1!2!
Peluang (2M,1P) = 18/35
4!
d. 1 manik merah 4 C1   4 cara
1!3!
3!
2 manik putih 3 C 2   3 cara, maka dapat dilaksanakan 3 x 4 = 12 cara.
2!1!
Peluang (1M,2P) = 12/35
5.6.6. PELUANG DUA KEJADIAN SALING LEPAS
Dua kejadian saling lepas/asing jika kejadian A dan kejadian B tidak dapat berlangsung seara
bersamaan, jadi tidak ada anggota persekutuan dari kedua kejadian tersebut. Biasanya dalam
pertanyaan terdapat kata “atau”.
P(A Ù B) = P(A) + P(B) .................................................(5.7)
Contoh :
Sebuah dadu dilempar sekali. Berapa peluang munculnya bilangan ≤ 2 atau ≥ 5 ?
Jawab :
A = kejadian munculnya bil.  2  P(A) = 2/6
B = kejadian munculnya bil.  5  P(B) = 2/6
Maka P(A Ù B) = 2/6 + 2/6 = 4/6 = 2/3
5.6.7. KEJADIAN SALING BEBAS
Dua kejadian disebut kejadian saling bebas jika kejadian yang

satu tidak dapat mempengaruhi muncul atau tidaknya kejadian
yang lainnya. Jadi dapat saja terjadi kejadian A dan kejadian B
muncul bersamaan., Biasanya terdapat kata “dan”. Jadi di sini,
ada anggota persekutuan.
P(A B) = P(A) x P(B)..................................................(5.8)
Jika P(A  B) = P(A) x P(B), maka kita sebut Kejadian A dan Kejadian B tidak saling bebas.
Contoh :
Dua buah dadu dilempar bersamaan. Berapa peluang munculnya mata 4 pada dadu merah dan
mata 4 pada dadu hijau ?
Jawab :
P(A) = P(4M) = 6/36 = 1/6

P(B) = P(4Hi) = 6/36 = 1/6
P (A  B) = P (4M,4Hi) = 1/36
Bila kita cek, P(A  B) = P(A) x P(B)
= 1/6 x 1/6
= 1/36 (kej. saling bebas)
Secara ringkas, pola pikir yang kita pakai adalah :
5.6.8. Menghitung Kejadian Bersyarat

Peluang munculnya kejadian A dengan syarat kejadian B telah muncul adalah :
...................................................................(5.9)
Contoh :
Sebuah dadu bersisi 6 dilempar sekali. Berapa peluang munculnya bilangan genap kalau
diketahui telah muncul bilangan prima?
Jawab :
A = kejadian muncul bil.genap, maka A = {2,4,6}  P(A) = 3/6
B = kejadian muncul bil.prima, maka B = {2,3,5}  P(B) = 3/6
P(A  B) = 1/6
Sedangkan peluang munculnya kejadian B dengan syarat

kejadian A telah muncul adalah :
..........................................................(5.10)
Contoh :
Tiga keping mata uang dilempar sekaligus sekali. Misalkan : A = kejadian muncul sekurang-
kurangnya dua sisi gambar .B adalah kejadian munculnya mata uang pertama sisi gambar.
Berapakah P(BA) ?
Jawab :
A = {(G,G,A),(A,G,G),(G,A,G),(G,G,G)}  P(A) = 4/8
B = {(G,G,A),(G,A,G),(G,A,A), (G,G,G)}  P(B) = 4/8
Jadi P(A  B) = 3/8
Bab 6. Pengertian Tentang Distribusi

Normal dan Distribusi-t
6.1. Pengertian Distribusi Normal (Distribusi Gaus)
 Distribusi Normal (Distribusi Gauss) ® merupakan distribusi probabilitas yang paling

penting baik dalam teori maupun aplikasi statistik.
 Terminology “normal” ® karena memang distribusi ini adalah yang paling banyak
digunakan sebagai model bagi data riil diberbagai bidang:
 antara lain karakteristik fisik mahluk hidup (berat, tinggi badan manusia, hewan dll),
 kesalahan-kesalahan pengukuran dalam eksperimen ilmiah pengukuran-pengukuran
intelejensia dan perilaku,
 nilai skor berbagai pengujian dan berbagai ukuran dan indikator ekonomi.
Alasan mengapa distribusi normal menjadi penting:
 Distribusi normal terjadi secara alamiah. Seperti diuraikan sebelumnya banyak

peristiwa di dunia nyata yang terdistribusi secara normal.
 Beberapa variabel acak yang tidak terdistribusi secara normal dapat dengan mudah
ditranformasikan menjadi suatu distribusi variabel acak yang normal.
 Banyak hasil dan teknik analisis yang berguna dalam pekerjaan statistik hanya bisa
berfungsi dengan benar jika model distribusinya berupa distribusi normal
 Ada beberapa variabel acak yang tidak menunjukkan distribusi normal pada
populasinya. Namun distribusi rata-rata sampel yang diambil secara random dari
populasi tersebut ternyata menunjukkan distribusi normal.
Fungsi Kepadatan Probabilitas Fungsi Distribusi Kumulatif Normal

Sebuah variabel acak kontinu X dikatakan memiliki distribusi normal dengan parameter mx
dan sx dengan -¥ < x < ¥ dan sx >0 jika fungsi kepadatan probabilitas (pdf) dari X adalah :

 xx  2
e  2 x 
1
f  x;  x ,  x  
2
................................................
  x  
(6.1)  x 2
Distribusi Normal merupakan distribusi yang paling terkenal dan paling umum dipakai.
Distribusi normal memiliki fungsi kerapatan probabilitas (probability density function=pdf),
seperti terlihat pada gambar di bawah ini.
Parameter-parameter distribusi normal antara lain terdiri dari:

1. mean (nilai purata) atau μ dan varians (variance) σ 2 dimana (σ deviasi standard)
2. kurva pdf adalah mean simetris
3. area di bawah pdf besarnya adalah 1
4. maka dapat dituliskan sebagai berikut;
6.1.1. Cara perhitungan distribusi normal
Ditentukan bahwa variabel X ada diantara a dan b, sehingga

Pr(a 〈X〈b) = Pr(X〉a) − Pr(X〉b)................................................................................................
(6.2)
Jika X ≈ Nor (μ,σ 2 ), dan membuat suatu variabel baru yaitu

X 
Z ...................................................................................................................

(6.3)
Dengan mean = 0 dan deviasi standar = 1 maka Z ≈ Nor(0,1).
Distribusi ini disebut distribusi normal standar (standard normal distribution) Maka dapat
dituliskan kembali bahwa,
X 
Pr  X  a   Pr >

a  X  
= Pr. Z > dimana Z 
 
X ≈ Nor (μ, σ 2 )
Z diikuti dengan a fungsi distribusi Nor (0,1), ditabulasikan secara luas sebagai Tabel dari
probabilitas normal.
Untuk setiap distribusi populasi dari suatu variabel acak yang mengikut sebuah distribusi
normal, maka
 68,26% dari nilai-nilai variabel berada dalam ± 1 sx dari mx ,
 95,46% dari nilai-nilai variabel berada dalam ± 2 sx dari mx ,
 99,73% dari nilai-nilai variabel berada dalam ± 3 sx dari mx .
Gambar hubungan antara luasan dan N (m,s2)
Statistik Deskriptif Normal

 Untuk suatu distribusi normal dengan nilai-nilai parameter mean mx dan deviasi
standard sx akan diperoleh suatu distribusi yang simetris terhadap nilai mean mx,
 sehingga kemencengan (skewness) = 0 dan dapat ditunjukkan bahwa keruncingan
(kurtosis) kurva distribusi adalah 3.
Sifat-Sifat Distribusi Normal:

Bentuk distribusi normal ditentukan oleh μ dan σ
Distribusi Normal Standard

 Untuk menghitung probabilitas P(a £ X £ b) dari suatu variable acak kontinu X yang
berdistribusi normal dengan parameter m dan s maka fungsi kepadatan probabilitasnya
harus diintegralkan mulai dari x=a sampai x =b.
 Namun, tidak ada satupun dari teknik-teknik pengintegralan biasa yang bisa
digunakan untuk menentukan integral tersebut.
 Untuk itu diperkenalkan sebuah fungsi kepadatan probabilitas normal khusus dengan
nilai mean m= 0 dan deviasi standart s= 1.
 Variabel acak dari distribusi normal standard ini biasanya dinotasikan dengan Z.
Fungsi kepadatan probabilitas dari distribusi normal standard variabel acak kontinu Z :
 Fungsi distribusi kumulatif :

2
1 2z
f N  z;0,1  e   z  
2
2
z t
1
f N  z;0,1  P Z  z    z    e 2 dt
 2
Menstandardkan distribusi Normal

 Distribusi normal variable acak kontinu X dengan nilai-nilai parameter m dan s
berapapun dapat diubah menjadi distribusi normal kumulatif standard jika variable acak
X diubah menjadi variable acak standard Z menurut hubungan :
x
Z 

 Jika X distribusi normal dengan mean m dan deviasi standard s maka
 x  x   a  x 
P X  a   P Z x     
 x   x 
 a  x b  x   b  x   a  x 
P a  x  b   P  Zx        
 x x   x   x 
 b  x   b  x   a  x 
P X  b   P Z x    1  P Z x    1   
 x   x   x 
Z > 0 jika x > m dan Z < 0 jika x < m

Simetri : P(0 ≤ Z ≤ b) = P(-b ≤ Z ≤ 0)
6.3.2. Tabel dari distribusi normal standar (standard normal distribution).
A. Pengertian Angka Baku (Z-Score)
Angka Baku (Z Score) adalah nilai yang menyatakan perbandingan antara selisih data
dengan rata-ratanya berbanding simpangan baku data tersebut. Angka baku disebut juga Z
score, oleh karena itu angka baku dilambangkan dengan huruf Z Kegunaan angka baku ini
adalah untuk mengetahui perbedaan suatu kejadian dibanding dengan kebiasaannya. Semakin
besar angka bakunya semakin baik nilai tersebut dibandingkan dengan nilai lain yang
memiliki angka baku lebih kecil. Angka baku dirumuskan sebagai berikut:
xi  x
Z
S
Keterangan :
Z= angka baku
xi = nilai suatu data
x = Rata-rata
S = Simpangan baku / Standar Deviasi
Jika Z positif maka nilainya di atas rata-rata

Jika Z nol maka nilainya sama dengan rata-rata
Jika Z negatif maka nilainya di bawah rata-rata
Pr(Z > 2.46) -----maka kita pilih kolom kiri 2.4 dan baris atas dengan 0.06. Maka hubungan
kedua angka tadi didapat Pr(Z >2.46) = 0.00695
Contoh: Suatu study mengenai reaksi pengemudi diantara pengemudi melewati suatu tanda
berbahaya dengan melakukan perpindahan jalur. Didapat reaksi tersebut menghasilkan suatu
normal distribusi dengan mean (nilai rata-rata) 11 detik dan standard deviation (deviasi
standar) 5 detik.
Ditanyakan:
a. Berapa proporsi bahwa pengemudi memiliki waktu reaksi lebih besar dari 15 detik.
b. Berapa proporsi bahwa pengemudi yang berpindah jalur sebelum mendekati tanda
berbahaya.
c. Persentase pengemudi dengan waktu reaksi antara 10 sampai 15 detik
d. Jarak tengah simetris dari mean 11 detik dengan 90% waktu reaksi yang akan terjadi.
Jawab:
1. Diketahiu bahwa X= waktu reaksi Dan X ≈ Nor(11,52 )
a. Maka besarnya proporsi waktu reaksi lebih besar dari 15 detik adalah:
 X  11   15  11 
Pr  X  15  Pr   Pr 
 15   5 
=Pr(Z > 0,8)
Dimana digunakan Z ≈ Nor(0,1)
Dari tabel didapat bahwa Pr( Z > 0.8) = 0.21186
Sehingga sekitar 21% dari pengemudi mempunyai waktu reaksi lebih besar dari 15
detik.
b. Jika pengemudi mengganti jalurnya sebelum melihat tanda berbahaya, kemudian
reaksi waktunya akan menjadi negatif. Sehingga proporsi tersebut menjadi:
 X  11   0  11 
Pr( X  0)  Pr    Pr   Pr  Z  2,12
 5   5 
dimana Z ≈ Nor (0,1)
Sehingga dapat dilihat dalam gambar distribusi normal bahwa:
Pr ( Z < - 2.2 ) = Pr ( Z > 2.2)
Dari tabel didapat bahwa: Pr ( Z > 2.2 ) = 0.01390
Jadi hanya 1.39% bahwa pengemudi akan mengganti jalur sebelum melihat tanda
berbahaya.
c. Pr(10〈X〈15) = Pr(X〉10) − Pr(X〉15)
Dari1dapat dilihat bahwa Pr(X > 15) = 0.21186

 X  11   10  11 
Maka: Pr( X  10)  Pr   Pr   Pr  Z  0,2 
 5   5 
Dan Pr (Z > - 0.2) = 1 - Pr ( Z > 0.2) = 1 - 0.42074 (dari tabel)
Sehingga probabilitasnya menjadi:
Pr ( 10 < X < 15 ) = 1 - 0.42074 - 0.21186 = 0.3674.
d. Kita akan mencoba mencari jarak waktu antara 11 - w ke 11 + w ; seperti misalnya:
Pr(11− w〈X〈11+ w) = 0.90

Dari gambar terlihat: Pr ( X > 11 + w ) = 0.05
Dari tabel normal distribusi didapat bahwa ( bila dihitung mundur):
Pr ( Z > 1.64 ) = 0.05050
Pr ( Z > 1.65 ) = 0.04947
Maka kita ambil diantaranya adalah: Pr ( Z > 1.645 ) = 0.05
Sehingga hubungannya dengan X dengan menghubungkan 1,645 dengan mean dan
dibagi dengan deviasi standar maka:
 11  w 
1,645     11 w = 8.225
 5 
6.4 DISTRIBUSI -T
a. Jika n ≥ 30, digunakan x sebagai Normal distribusi.

 Bila x adalah normal, maka x juga normal.
 Bila x tidak diketahui distribusinya, maka x mendekati normal.
 Bila σ tidak diketahui, gantilah σ dengan s.
b. Jika 15 ≤ n≤ 30, gunakan Normal atau distribusi t, tergantung dari  diketahui atau
tidak.
 Bila x adalah Normal, maka x juga Normal jika σ diketahui, digunakan distribusi-T
bila σ tidak diketahui.
Pr(t〉tα ) = α
 Bila x tidak diketahui distribusinya, maka x mendekati normal bila σ diketahui
(dengan Central Limit Theorem= CLT), digunakan distribusi-T bila σ tidak diketahui
(dengan CLT).
c. Jika n < 15 , jika x diketahui Normal, sifat-sifat sama pada b. yang berlaku.
6.4.1. Cara menggunakan Tabel distribusi-T.

Probabilitas ( α ) diperlihatkan pada baris atas, yang berisi:
Tiap baris dalam tabel - T berhubungan dengan perbedaan besarnya degrees of freedom (
υ ).
Contoh: Pr (t 〉 c ) = 0.025 dan υ = 9 degrees of freedom dari c = 2.2622
d. Bila x adalah Normal tetapi σ tidak diketahui dan n ≥ 30, maka distribusi x : Dapat
dituliskan sbb:
Jika x ≈ Nor(μ,σ 2 ) dimana σ tidak diketahui , maka digunakan:

X 
 t  n  1...................n  30
S
n
e. Bila x tidak diketahui, σ tidak diketahui , 15 ≤ n < 30 maka distribusi x : maka
digunakan:
X 
 t  n  1...................15  n  30
S
n
Contoh:
Suatu survey diadakan pada tahun 1991 waktu pagi hari pada jam sibuk selama 16 hari
dengan hasil sbb:
Hari 1 2 3 4 5 6 7 8
Flow (pcu/h) 949 812 1002 846 774 1121 823 855
Hari 9 10 11 12 13 14 15 16
Flow (pcu/h) 921 741 961 1021 811 1283 991 892
Tentukan jumlah lalu lintas rata-rata (mean) pada jam tersebut beserta perhitungan
confidence yang anda ambil.
Penyelesaian:
x = arus lalu lintas pada th 1991 pada waktu pagi hari pada jam sibuk. setelah dihitung
didapat:
x = 925.2; S = 139.77 ; n = sampel size = 16

Maka diambil = μ = x = 925
Jika dipakai 95% confidence interval diantara: (μ − w, μ + w)
Maka:
Pr(x〉μ + w)= 0.025
Kemudian
    
 X  w 
Pr      0,025 , sehingga
 s  S 
 n  n
Dari tabel distribusi-T didapat υ =16-1 = 15 degrees of fredom, kita dapatkan:
Pr(t (15)〉2.1314) = 0.025

w
 2,1314
S w = 74,5
n
Jadi 95% confidence interval dari μ adalah: 925 ± 74.5 851 ke 1000
Contoh Soal dan Penyelesaiannya
Contoh :
1. Diketahui data berdistribusi normal dengan
mean  = 55 dan deviasi standar = 15
a) P(55≤x≤75) =
=
= P(0≤Z≤1,33)
= 0,4082 (Tabel Z)
Atau
Tabel Z  A = 0,4082
b) P(60≤x≤80) =
= P(0,33≤Z≤1,67)
= P(0≤Z≤1,67) – P(0≤Z≤0,33)
= 0,4525 – 0,1293 = 0,3232
Z1 = = 0,33  B = 0,1293
Z2 = = 1,67  A = 0,4525
C = A – B = 0,3232
c) P(40≤x≤60)= A + B
=
= P(-1,00≤Z≤0,33)
= P(-1,00≤Z≤0) + P(0≤Z≤0,33)
= 0,3412 + 0,1293
= 0,4705
Atau : Z1 = = = -1,00
 A = 0,3412
Z2 = = 0,33
 B = 0,1293
d) P(x ≤ 40) = 0,5 – A

= 0,5 – 0,3412
= 0,1588
e. P(x ≥ 85)
f. P(x ≤ 85) = 0,5 + A

= 0,5 + 0,4772
= 0,9772
P( ≤ x ≤ 0) = 0,45
P( ≤ Z ≤ 0) = = -1,645  (x<)
= . + 
= (-1,645)7 + 74
= 62,485
2) Diketahui rata-rata hasil ujian adalah 74 dengan

simpangan baku 7. Jika nilai-nilai peserta ujian
berdistribusi normal dan 12% peserta nilai tertinggi
mendapat nilai A, berapa batas nilai A yang terendah ?
Jawab:
Jika 5% peserta terendah mendapat nilai E,

berapa batas atas nilai E ?
≤ x ≤ 0) = 0,45
≤ Z ≤ 0) = = -1,645  (x<)
= . + 
= (-1,645)7 + 74
= 62,485
Bab 7. Analisis Regresi
Korelasi dan regresi keduanya mempunyai hubungan yang sangat erat. Setiap regresi pasti
ada korelasinya, tetapi korelasi belum tentu dilanjutkan dengan regresi. Korelasi yang tidak
dilanjutkan dengan regresi, adalah korelasi antara dua variabel yang tidak mempunyai
hubungan kasual/sebab akibat, atau hubungan fungsional. Untuk menetapkan kedua variabel
mempunyai hubungan kusal atau tidak, maka harus didasarkan pada teori atau konsep-konsep
tentang dua variabel tersebut.
Hubungan antara panas dengan tingkat muai panjang, dapat dikatakan sebagai hubungan
yang kausal, hubungan antara kepemimpinan dengan kepuasan kerja pegawai dapat dikatakan
hubungan yang fungsional, hubungan antara kupu-kupu yang datang dengan banyaknya tamu
di rumah bukan merupakan hubungan kausal maupun fungsional.
Kita gunakan analisis regresi bila kita ingin mengetahui bagaimana variabal dependen/kriteria
dapat diprediksikan melalui variabel independen atu variabel prediktor, secara individual.
Dampak dari penggunaan analisis regresi dapat digunakan untuk memutuskan apakah naik
dan menurunnya variabel dependen dapat dilakukan melalui menaikan dan menurunkan
keadaan variabel independen, atau meningkatkan keadaan variabel dependen dapat dilakukan
dengan meningkatkan variabel independen/dan sebaliknya.
7.1. Linier Sederhana
Regresi sederhana didasarkan pada hubungan fungsional ataupun kausal antara satu variabel
independen dengan satu variabel dependen. Persamaan umum regresi linier sederhana
adalah :
Y = a + bX ............................................................
(7.1)
Dimana :
Y = subyek dalam variabel dependen yang diprediksikan

a = harga Y bila X = 0 (harga konstan)
b = angka arah atau koefisien regresi, yang menunjukkan angka peningkatan ataupun
penurunan variabel dependen yang didasarkan pada variabel independen. Bila b (+)
maka naik, dan bila (-) maka terjadi penurunan
X = subyek pada variabel independen yang mempunyai nilai tertentu
Secara teknis harga b merupakan tangen dari (perbandingan) antara panjang garis variabel
independen dengan variabel dependen setelah persamaan regresi ditemukan.
Mencari harga konstanta persamaan dapat dilakukan seperti di bawah ini:
Sy
br .......................................................................................................................
Sx
(7.2)
 
a Y b X ................................................................................................................
(7.3)
Dimana :
r = koefisien korelasi product moment antara variabel X dengan variabel Y
Sy = simpangan baku variabel Y
Sx = simpangan baku variabel Y
Jadi harga b merupakan fungsi dari koefisien korelasi. Bila koefisien korelasi tinggi, maka
harga b juga besar, sebaliknya bila koefisien korelasi rendah maka harga b juga renah (kecil).
Selain itu bila koefisien korelasi negatif maka harga b juga negatif, dan sebaliknya bila
koefisien korelasi positif maka harga b juga positif.
Selain itu harga a dan b dapat juga dicari dengan rumus berikut :
Yi Xi 2  Xi Xi Yi 

a ....................................................(7.4)
n X12  Xi 2
n Xi Yi  Xi Yi 

b .....................................................(7.5)
n X12  Xi 
2
Contoh Perhitungan Regresi Linier Sederhana
Data berikut adalah hasil pengamatan terhadap nilai kualitas layanan (X) dan nilai rata-rata
penjualan barang tertentu tiap bulan. Data kedua variabel diberikan pada diperoleh sbb:
 Y  5.485 ;  X i2  95.158 ;  X  1.792 ;   XY  290.080
1. Menghitung harga a dan b dengan rumus 8.4 dan 8.5
a
 5.485 95.158  1.792 290.080  2.118.270  87,07
34 95.158  1.792
2
24.108
34 290.080   1.792 5.485 33.600
b   1,39
34 95.158  1.792
2
24.108
Harga b dapat dihitung dengan rumus 7.5, tetapi terlebih dahulu dihitung korelasi antara nilai
kualitas layanan dan nilai rata-rata penjualan barang. Harga dapat juga dicari dengan rumus
7.4.
2. Menyusun Persamaan Regresi
Setelah harga a dan b ditemukan, maka persamaan regresi linier sederhana dapat disusun.
Persamaan regresi nilai kualitas layanan dan nilai rata-rata penjualan barang tertentu tiap
bulan adalah seperti berikut :
Y = 87,87 + 1,39 X
Persamaan regresi yang telah ditemukan itu dapat digunakan untuk melakukan prediksi
(ramalan) bagaimana individu dalam variabel dependen akan terjadi bila individu dalam
variabel independen ditetapkan. Misalnya nilai kualitas layanan = 64, maka nilai rata-rata
penjualan adalah :
Y = 87,87 + 1,39 . 64 = 176,83

Jadi diperkirakan nilai rata-rata penjualan barang tiap bulan sebesar 176,83. Dari persamaan
regresi diatas dapat diartikan bahwa, bila nilai kualitas layanan bertambah 1, maka nilai rata-
rata penjualan barang tiap bulan akan bertambah 1,39 atau setiap nilai kualitas layanan
bertambah 10, maka nilai rata-rata penjualan barang tiap bulan akan bertambah sebesar 13,9.
Pengambilan harga-harga X untuk meramalkan Y harus dipertimbangkan secara rasional dan

menurut pengalaman, yang masih berada pada batas ruang gerak X. Misalnya kalau nilai
kualitas layanan 100, nilai rata-rata penjualan tiap bulan berapa ? Apakah ada kualitas
layanan yang nilainya sebesar 100 ?
3. Membuat Garis Regresi
Garis regresi dapat digambarkan berdasarkan persamaan yang telah ditemukan adalah :
Y = 87,87 + 1,39X
176,83
176,83
Pertemuan antara
rata-rata Y dan X
Rata-rata Y = 176,83
Rata-rata X = 64
87,87 (harga a)
Gambar 7.1. Garis Regresi Nilai Kualitas Layanan dan Nilai Rata-rata
Penjualan Barang Tiap Bulan
Antara nilai kualitas layanan dengan nilai penjualan tiap bulan dapat dihitung korelasinya.
Korelasi dapat dihitung dengan rumus yang telah diberikan (rumus 6.5) atau dengan rumus
6.6. berikut.
n XY    X   Y 
r
 n X 2

   X  n Y 2    Y 
2 2
 ...........................................................................
(7.7)
Harga-harga yang telah ditemukan dalam tabel dapat dimasukkan dalam rumus 7.7 di atas
sehingga :
34 290.080  1.792 5.485 33.600

r   0,7526
34 95.158  1.792   34 887.291   5.485 
2 2 44.642,85
Harga r tabel untuk taraf kesalahan 5% dengan n = 34 diperoleh 0,339 dan untuk 1% = 0,436.
Karena harga r hitung lebih besar dari r tabel baik untuk kesalahan 5% maupun 1% (0.7526 >
0,436 > 0,339), maka dapat disimpulkan terdapat hubungan yang positif dan signifikan
sebesar 0,7526 antara nilai kualitas layanan dan nilai rata-rata penjualan barang tiap bulan.
Koefisien determinasinya r2 = 0,75262 = 0,5265. Hal ini berarti nilai rata-rata penjualan
barang tiap bulan 52,65% ditentukan oleh nilai kualitas layanan yang diberikan, melalui
persamaan regresi Y = 87,87 + 1,39 X. Sisanya 47,35% ditentukan oleh faktor yang lain.
7.1.1. Pengujian Hipotesis Pertama
1. Membuat Ha dan Ho dalam bentuk kalimat
Ha : terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan di Pusat

Perawatan Kecantikan VIVA di Jalan WR Supratman 37 Surabaya.
Ho : tidak terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan di Pusat

2. Membuat Ha dan Ho dalam bentuk statistik
Ha : Fhitung ≥ Ftabel
Ho : Fhitung < Ftabel
3. Mencari dan menghitung persamaan regresi dengan menggunakan bahan dari persiapan
kerja analisis regresi sebagai berikut :
Tabel 7.1 Data terdapat pengaruh kualitas layanan terhadap kepuasan pelanggan di Pusat
No. X1 X2 Y X1 2 X2 2 X1X2 X1Y X 2Y Y2
1 102 31 7 10404 961 3162 714 217 49
2 92 31 4 8464 961 2852 368 124 16
3 99 31 6 9801 961 3069 594 186 36
4 113 35 8 12769 1225 3955 904 280 64
5 113 36 8 12769 1296 4068 904 288 64
6 105 32 7 11025 1024 3360 735 224 49
7 93 30 8 8649 900 2790 744 240 64
8 76 28 8 5776 784 2128 608 224 64
9 102 31 8 10404 961 3162 816 248 64
10 122 38 10 14884 1444 4636 1220 380 100
11 98 34 8 9604 1156 3332 784 272 64
12 96 30 8 9216 900 2880 768 240 64
13 117 35 10 13689 1225 4095 1170 350 100
No. X1 X2 Y X1 2 X2 2 X1X2 X1Y X 2Y Y2

14 107 34 9 11449 1156 3638 963 306 81
15 119 36 8 14161 1296 4284 952 288 64
16 119 35 9 14161 1225 4165 1071 315 81
17 121 36 9 14641 1296 4356 1089 324 81
18 86 29 7 7396 841 2494 602 203 49
19 94 30 7 8836 900 2820 658 210 49
20 104 34 9 10816 1156 3536 936 306 81
21 97 28 9 9409 784 2716 873 252 81
22 117 37 8 13689 1369 4329 936 296 64
23 105 36 10 11025 1296 3780 1050 360 100
24 106 38 8 11236 1444 4028 848 304 64
25 114 34 8 12996 1156 3876 912 272 64
26 113 34 8 12769 1156 3842 904 272 64
27 112 35 10 12544 1225 3920 1120 350 100
28 116 38 8 13456 1444 4408 928 304 64
29 116 39 9 13456 1521 4524 1044 351 81
30 106 36 9 11236 1296 3816 954 324 81
3180 1011 245 340730 34359 108021 26169 8310 2047
X1 = 3180; X2 = 1011; Y = 245
2 2
 X1 = 340730; X2 = 34359; X1X2= 108021
2
X1Y= 26169; X2Y= 8310; Y = 2047
4. Memasukkan angka-angka statistik dan membuat persamaan regresi.

a. Menghitung rumus a :
Y. X12 X 1. X 1Y
a =
N X 12  (X 1)2
245 . 340730  3180 . 26169

=
30 . 340730  (3180)2
261430
=
109500
= 2,387
b. Menghitung rumus b :
NX 1Y X 1. Y
b =
N X 1 2  (X 1)2
30 . 26169  3180 . 245
=
30 . 340730
5970
=
109500
= 0,055
c. Menulis persamaan regresi dengan rumus : Y = a + bX1
Y = 2,387 + 0,055X1
5. Menguji signifikansinya dengan rumus dan langkah-langkah sebagai berikut :

a. Menghitung Jumlah Kuadrat XY dengan rumus :
JKX 1Y   X 1Y 
 X 1. Y  26.169  3180 x245  199
N 30
b. Menghitung Jumlah Kuadrat Total dengan rumus :
JKY   Y  2
  Y
2
 2.047 
 245 2  46,167
N 30
c. Menghitung Jumlah Kuadrat Regresi dengan rumus :
JKreg  b JK . X 1 .Y   0,055 x199  10,945
d. Menghitung Jumlah Kuadrat Residu dengan rumus :

JKres  JKY  JKreg  46,167  10,945  35,222
e. Mencari Fhitung dengan rumus :
JKreg / k 10,945 1
Fhit    8,700
JKres /  N  k  1 35,222  30  1  1
f. Menentukan aturan untuk pengambilan keputusan atau kriteria uji signifikansi.
Jika Fhitung ≥ Ftabel, maka tolah Ho.
Ha : signifikansi
Ho : tidak signifikan
g. Menentukan taraf signifikansi dan mencari nilai Ftabel menggunakan tabel F dengan
rumus :
Taraf signifikansi (α) = 0,05
Ftabel =(0,05 ; 1 ; 28) = 4,24
Cara mencari tabel F :
Angka (1 ; 28) artinya angka 1 sebagai pembilang dan angka 28 sebagai penyebut.
h. Membandingkan Fhitung dengan Ftabel

Ternyata Fhitung > Ftabel atau 8,700 > 4,24, maka Ho ditolak dan Ha diterima.
Dengan demikian dapat dikatakan terdapat pengaruh kualitas layanan terhadap
kepuasan pelanggan di Pusat Perawatan Kecantikan VIVA di Jalan WR Supratman
37 Surabaya.
7.1.2. Pengujian Hipotesis Kedua
1. Membuat Ha dan Ho dalam bentuk kalimat
Ha : terdapat pengaruh pemasaran terhadap kepuasan pelanggan di Pusat Perawatan

Kecantikan VIVA di Jalan WR Supratman 37 Surabaya.
Ho : tidak terdapat pengaruh pemasaran terhadap kepuasan pelanggan di Pusat

2. Membuat Ha dan Ho dalam bentuk statistik
Ha : Fhitung ≥ Ftabel
Ho : Fhitung < Ftabel
3. Mencari dan menghitung persamaan regresi dengan menggunakan bahan dari persiapan
kerja analisis regresi sebagai berikut :
X 2  1011; Y 2  245; (X 2 ) 2  34359; X 2 .Y  8310;
Y 2  2047;
4. Memasukkan angka-angka statistik dan membuat persamaan regresi.

 Menghitung rumus a :
 Y . X  X . X
2
2 2 2 .Y 30.8310  1011.245
a   1,913
N  X   X 
2
2
2
2

30.34359  10112 
 Menghitung rumus b :
N  X 2Y   X 2 . Y 30.8310  1011 .245

b   0,186
N  X 2   X 2  30.34359  1011
2 2
 Menulis persamaan regresi dengan rumus : Y = a + bX2
Y = 1,913 + 0,186X2
5. Menguji signifikansinya dengan rumus dan langkah-langkah sebagai berikut :
a. Menghitung Jumlah Kuadrat XY dengan rumus :

X2 . Y
JK X2Y = X2Y -
N
= 8310 - 1011 . 245

30
= 8310 - 8256,5 = 53,5
b. Menghitung Jumlah Kuadrat Total dengan rumus :
JKY   Y 
2
  Y
2
 2047 
 245
2
 46,167
N 30
c. Menghitung Jumlah Kuadrat Regresi dengan rumus :
JK reg = b (JK X2Y)
← = 0,186 (53,5)
← = 9,951
d. Menghitung Jumlah Kuadrat Residu dengan rumus :

= 46,167 - 9,951
= 36,216
e. Mencari Fhitung dengan rumus :

JKreg / k 9,951 1
Fhit    7,696
JKres /  N  k  1 36,216  30  1  1
f. Menentukan aturan untuk pengambilan keputusan atau kriteria uji signifikansi.
Jika Fhitung ≥ Ftabel, maka tolak Ho.
Ha : signifikansi
Ho :tidak signifikan
g. Menentukan taraf signifikansi dan mencari nilai Ftabel menggunakan tabel F dengan
rumus :
Taraf signifikansi (α) = 0,05
Ftabel = (0,05 ; 1 ; 28) = 4,24
Cara mencari tabel F :
Angka (1 ; 28) artinya angka 1 sebagai pembilang dan angka 28 sebagai penyebut.
h. Membandingkan Fhitung dengan Ftabel
Ternyata Fhitung > Ftabel atau 7,696 > 4,24, maka Ho ditolak dan Ha diterima. Dengan
demikian dapat dikatakan terdapat pengaruh pemasaran terhadap kepuasan pelanggan
di Pusat Perawatan Kecantikan VIVA di Jalan WR Supratman 37 Surabaya.
7.2. Regresi Ganda
Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan
bagaimana keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih
variabel independen sebagai prediktor dimanipulasi (dinaik-turunkan nilainya). Jadi analisis
regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.
Persamaan regresi untuk dua prediktor adalah :
Y = a + b1X1 + b2X2
Persamaan regresi untuk tiga prediktor adalah :
Y = a + b1X1 + b2X2 + b3X3
Persamaan regresi untuk n prediktor adalah :

Y = a + b1X1 + b2X2 + b3X3 + b4X4
Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel harus tersedia.
Selanjutnya berdasarkan data itu peneliti harus dapat menemukan persamaan regresi melalui
perhitungan.
Berikut ini diberikan tiga contoh analisis regresi ganda untuk dua, tiga dan empat prediktor.
7.2.1. Regresi Ganda Dua Prediktor
Penelitian dilakukan untuk mengetahui pengaruh kemampuan kerja pegawai dan

kepemimpinan direktif terhadap produktivitas kerja pegawai.
Berdasarkan 10 responden yang digunakan sebagai sumber data penelitian, hasilnya adalah sebagai
berikut :
No Responden X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 10 4 3
8 6 3 14
9 7 4 20
10 6 3 19
Untuk mendapat meramalkan bagaimana produktivitas kerja pegawai bila kemampuan

pegawai dan kepemimpinan direktif dinaikkan atau diturunkan, maka harus dicari persamaan
regresinya terlebih dahulu. Untuk keperluan ini, maka data mentah dari hasil penelitian perlu
disusun ke dalam Tabel 7.2 berikut.
Dari tiga instrumen yang dikembangkan untuk menjaring data tentang tingkat kemampuan
kerja pegawai, kepemimpinan direktif dan produktivitas kerjanya hasilnya dapat diberikan
pada Tabel 7.2 berikut :
TABEL 7.2
TABEL PENOLONG UNTUK MENGHITUNG
PERSAMAAN REGRESI GANDA DUA PREDIKTOR
No. Y X1 X2 X1Y X2Y X1X2 X1 2 X2 2
1 23 10 7 230 161 70 100 49
2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 154 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
JML 170 60 40 1122 737 267 406 182
Y = produktivitas kerja; X1 = kemampuan kerja pegawai; X2 = kepemimpinan dirwktif

Dari data tabel diperoleh:
Y = 170 X2Y = 737
X1 = 60 X1X2 = 267
X2 = 40 X1 2 = 406
X1Y = 1122 X2 2 = 182
Untuk menghitung harga-harga a, b1, b2 dapat menggunakan persamaan berikut : (untuk

regresi dua prediktor).
∑Y = an + b1 ∑X1 + b2 ∑X2
................................................................
(7.8)
∑X1Y =a a ∑X1 + b1 ∑X1 2 + b2∑X1X2
∑X2Y = a ∑X2 + b1 ∑X1X2 + b2∑X22
Bila harga-harga dari data diatas dimasukkan dalam persamaan tersebut maka:
170 = 10a + 60 b1 + 40 b2 ………… (1)
1.122 = 60a + 406 b1 + 267 b2 ………… (2)
737 = 40a + 267 b1 + 182 b2 ………… (3)
Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :
1.020 = 60 a + 360 b1 + 240 b2
1.122 = 60 a + 406 b1 + 267 b2(-)
-102 = 0 a + -46 b1 + -27 b2
-102 = -46 b1 - - 27 b2 ……. (4)
Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1 hasilnya
menjadi :
680 = 40 a + 240 b1 + 160 b2
737 = 40 a + 267 b1 + 182 b2 (-)
-57 = 0 a + -27 b1 + -22 b2

-57 = -27 b1 - - 22 b2 ……. (5)
Persamaan (4) dikalikan 27, persamaan 5 dikalikan 46, hasilnya menjadi :
-2.754 =-1.242 b1 + -729 b2
-2.622 =-1.242 b1 + -1.012 b2
-132 = 0 + 283 b2
b2 = -0,466
Harga b2 dimasukkan dalam salah satu persamaan (4) atau (5). Dalam hal ini dimasukkan
dalam persamaan (4), maka :
-102 =-46 b1 - 27 (0,466)
-102 =-46 b1 - - 12,582

46 b1 =114,582
114,582
b1 = 46 = 2,4909
Harga b1 dan b2 dimasukkan dalam persamaan 1, maka :
170 = 10a + 60 (2,4909) + 40 (-0,466)

170 = 10a + 149,454 - - 18,640
10a = 170 - 149,454 + 18,640
39,186
a = = 3,9186
10
Jadi persamaan regresi ganda linier untuk dua prediktor (kemampuan kerja pegawai, dan
kepemimpinan direktif) adalah :
Y = 3,9186 + 2,4909 X1 - 0,466 X2
Dari persamaan itu berarti produktivitas kerja pegawai akan naik, bila kemampuan pegawai
ditingkatkan, dan akan turun bila kepemimpinan direksi (otokrasi) ditingkatkan. Tetapi koefisien
regresi untuk kemampuan pegawai (2,4909) lebih besar daripada koefisien regresi untuk
kepemimpinan direktif (2,4909) lebih besar daripada koefisien regresi untuk kepemimpinan
direktif (diharga mutlak = 0,466) X. Jadi bila kemampuan pegawai ditingkatkan sehingga sampai
mendapat nilai 10, dan juga tingkat kepemimpinan direktif sampai mendapat nilai 10, maka
produktivitasnya adalah :
Y = 3,9186 + 2,4909 . 10 - 0,466 . 10 = 24,1676
Diperkirakan produktivitas kerja pegawai = 24,1676
Civil Engineering Of Saint Thomas Chatolic University Page - 85

2 Statisk

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

2 Statisk

Diunggah oleh

Hak Cipta:

Format Tersedia

DIKTAT MATA KULIAH STATISTIKA DAN PROBABILITAS

1.1. Pengertian Statistik dan Statika

Beberapa pandangan lain tentang pengertian statistik dari para ahli:

Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan,

1.3. Konsep dasar

Melakukan pendataan (pengumpulan data) seluruh populasi dinamakan sensus. Sebuah

Berdasarkan tujuan atau tahap analisis, statistika dibedakan menjadi:

Pokok-pokok bahasan yang diuraikan di dalam statistika deskriptif sebagai berikut :

Grafik 1.1. Pengunjung suatu website.

 Statistika Inferensia adalah statistika yang berkenaan dengan cara penarikan

Berikut ini contoh persoalan statistika induktif (inferens).

Pembuktian pernyataan tersebut dilakukan dengan menggunakan sebagian dari karyawan

dari sampel untuk menafsirkan (memperoleh informasi) tentang karakteristik obyek

1.4. Metode Statistika

Suatu eksperimen melibatkan pengukuran terhadap sistem yang dikaji, memberi

Analisis regresi dan korelasi

1.5.1. Pengertian Populasi

Beberapa Ahli Statistik memberikan pengertian populasi sebagai berikut:

1.5.2. Pengertian Sampel

Gambar 1.2. Sampel bagian dari Populasi

1.5.3. Pengertian Sampling

Pengertian Teknik Sampling menurut para ahli statistik:

Cara menghitung jumlah sampel

1.6. Jenis-jenis Data

1.6.1. Jenis Data Berdasarkan Sumbernya

1.6.2. Jenis Data Berdasarkan Sifatnya

1.6.3. Jenis Data Berdasarkan Cara Mendapatkannya

1.6.4. Jenis Data Berdasrkan Waktu Pengumpulannya

1.7. Metode Pengumpulan Data

Wawancara terbagi menjadi 2, yaitu wawancara terstruktur dan tidak terstruktur.

Bab 2. Distribusi Frekuensi

2.1. Mengenal Distribusi Frekuensi

Tabel 1. Daftar Nilai Ujian Matakuliah Statistik

Tabel 2a. Daftar Frekuensi Data Tunggal

Tabel 2b. Daftar Frekuensi Data Majemuk

[1] [2] [3] [4] [5]

Kelas Nilai Kelas

[1] [2] [3] [4] [5]

2.2. Teknik pembuatan Tabel Distribusi Frekuensi (TDF)

 kumpulan data yang besar dapat diringkas

1. Range (R) = Nilai tertinggi-nilai terendah = 99 – 35

atau dalam bentuk yang lebih ringkas:

2.3. Distribusi Frekuensi Relatif dan Kumulatif

Kelas Frekuensi relatif

2.3.1. Distribusi Frekuensi kumulatif

Frekuensi kumulatif kurang

atau kadang disusun dalam bentuk seperti ini:

Frekuensi kumulatif kurang

Bab 3. Ukuran Titik Pusat

Pengertian Ukuran Pemusatan Data

3.1. Pengertian Mean, Median dan Modus

3.1.1. Mencari Nilai Mean dari data tunggal

Mean = (7.5 + 8 + 7 + 6.5 + 7 + 7 + 6.5 + 8 + 7.5 + 8 + 7 + 7) : 12

Nilai rata-rata (Mean) yang didapat mahasiswa tersebut adalah: 72,5

3.1.2. Mencari Nilai Mean dari data kelompok

80-89 (80+89)/2 = 84.5 3 46+3 = 49 3x84.5= 253.5 79.5 – 89.5

Berapa Mean dari data Kelompok di atas?

Berapa Mean dari data Kelompok di atas?

Maka, dari data Tabel di atas, diperoleh:

2. Cara Coding (pengkodean)

3. Cara Simpangan rata-rata sementara

Berapa Mean dari data Kelompok diatas?

51 - 54 16 52.5 -4 -64   fi .di 