BAB 1

Konsep Dasar Statistik

A. DEFINISI STATISTIKA, STATISTIK DAN PARAMETER

Statistika menurut definisinya adalah ilmu pengetahuan yang membahas tentang cara-cara pengumpulan
data, penyajian data, pengolahan data dan penarikan kesimpulan berdasarkan data tersebut.

Statistik menurut definisi yang benar adalah semua harga, nilai, data atau besaran yang dipunyai sampel
dan biasanya dilambangkan dengan huruf abjad Latin misalnya rata-rata hitung 𝑋, ̅ simpangan baku (S), variansi
2
(S ) dan sebagainya. Statistik ini umumnya merupakan penduga bagi parameter.

Parameter berasal dari kata para (sama dengan di samping) dan meter (sama dengan suatu ukuran). Jadi
parameter dapat diartikan suatu ukuran, besaran, data atau nilai yang dipunyai populasi dan sulit untuk diukur.
Parameter biasanya dilambangkan dengan huruf abjad Yunani misalnya nilai rata-rata hitung (µ) simpangan
baku (𝜎) , variansi (𝜎 2 ) dan sebagainya.

B. PENGGOLONGAN STATISTIKA

Berdasarkan ruang lingkup penerapan statistika dalam penelitian, maka statistika dapat digolongkan
menjadi statistika deskriptif dan statistika inferensial (statistika induktif).
Statistika deskriptif adalah statistika yang membahas tentang cara-cara meringkas, menyajikan
mendeskripsikan suatu data dengan tujuan agar data tersebut mudah dimengerti dan lebih mempunyai makna.
Penyajian suatu data dapat berbentuk daftar (tabel) dan dalam bentuk diagram (gambar). Deskripsi suatu data
dinyatakan dalam bentuk ukuran pemusatan misalnya rata-rata hitung, modus dan sebagainya. Bentuk lain
adalah ukuran letak misalnya median, kuartil dan sebagainya. Deskripsi lain adalah ukuran penyebaran misalnya
rentang, simpangan baku, koefisien keragaman dan sebagainya.
Statistika inferensial adalah statistika yang dipergunakan untuk menyimpulkan tentang parameter
(populasi) berdasarkan statistik (sampel) atau lebih di kenal untuk proses generalisasi. Jadi dalam statistika
inferensial diperlukan adanya suatu hipotesis.
Penggolongan lain berdasarkan manfaatnya, statistika dibedakan menjadi statistika terapan yang
membahas tentang penerapan statistika untuk menunjang ilmu-ilmu lainnya. Berikutnya adalah statistika
matematik yang membahas tentang perkembangan teori statistika yang banyak bersifat matematik.
Penggolongan berikutnya berdasarkan asumsi atau syarat-syarat parameter dan skala data yang akan
dianalisis, terdiri atas statistika parametrik dan statistika nonparameterik. Statistika parametrik memperhatikan
tentang syarat-syarat atau asumsi parameter misalnya variansi sama, data berdistribusi normal dan sebagainya.
Data yang dianalisis pada statistika parametrik skala pengukurannya adalah rasio atau interval.
Statistika nonparametrik sesuai dengan namanya merupakan kebalikan dari statistika parameterik yang
telah diuraikan di atas. Jadi tantang asumsi atau syarat-syarat parameter tidak diperhatikan dan skala datanya
berbentuk ordinal atau nominal. Namun demikian data yang dianalisis, skala pengukurannya bisa berbentuk
rasio atau interval, tetapi data tersebut tidak berdistribusi normal. Oleh karena itu statistika nonparametrik
disebut juga sebagai statistika bebas sebaran (freedisribution). Pada statistika nonparametrik, karena data yang
diuji sering berbentuk ranking atau jenjang, maka statistika nonparametrik sering juga disebut teknik pengujian
rank. Yang perlu mendapat perhatian, bila suatu data memenuhi syarat untuk diuji dengan statistika parametrik
sebaiknya diuji dengan statistika parametrik pula. Bila data tersebut diuji dengan statistika nonparametrik
berarti menyia-nyiakan informasi, karena kemaknaannya menjadi berkurang, namun hal ini tidak merupakan
keharusan tergantung kepada keperluannya. Statistika nonparametrik di samping mempunyai kelemahan di atas
juga mempunyai keuntungan yaitu perhitungannya relatif mudah dan memungkinkan untuk membuktikan
hipotesis yang tidak terkait dengan parameternya.

1
C. POPULASI, SAMPEL DAN SAMPLING

Populasi adalah kumpulan atau totalitas suatu obyek yang akan diduga karakteristiknya (parameternya).
Berdasarkan jumlahnya, populasi dibedakan menjadi populasi finit dan populasi infinit. Populasi finit adalah
populasi yang jumlahnya terbatas berarti bisa dihitung jumlahnya misalnya staf pengajar Jurusan Kebidanan
Politeknik Kesehatan Makassar, Jumlah bayi yang lahir di RS Pertiwi Makassar periode Januari – Oktober 2005
dan sebagainya. Populasi infinit adalah populasi yang jumlahnya tidak terbatas berarti tidak bisa ditentukan
jumlahnya misalnya jumlah bakteri, virus, debu dan sebagainya. Pendapat lain menyatakan bila jumlah populasi
itu > 10.000 dimasukkan ke dalam populasi infinit dan kebalikannya dimasukkan ke dalam populasi finit.
Pemahaman tentang populasi infinit dan finit ini penting, karena jumlah sampel salah satunya tergantung
kepada jenis populasi apakah infinit atau finit.
Sampel adalah bagian dari populasi yang diambil untuk diketahui karakteristiknya dan proses
pengambilannya dinamakan sampling. Tentang macam-macam sampling biasanya dibicarakan dalam metode
penelitian. Bila seluruh populasi itu dijadikan sampel, maka jenis sampel ini disebut total populasi dan proses
pengambilan sampelnya disebut sensus.

D. DATA

Data adalah catatan atas kumpulan fakta. Data merupakan bentuk jamak dari datum, berasal dari bahasa
Latin yang berarti "sesuatu yang diberikan". Dalam penggunaan sehari-hari data berarti suatu pernyataan yang
diterima secara apa adanya. Pernyataan ini adalah hasil pengukuran atau pengamatan suatu variabel yang
bentuknya dapat berupa angka, kata-kata, atau citra.
Berdasarkan keilmuan atau sudut pandang ilmiah, maka fakta dikumpulkan untuk menjadi data. Data
kemudian diolah sehingga dapat diutarakan secara jelas dan tepat sehingga dapat dimengerti oleh orang lain
yang tidak langsung mengalaminya sendiri, hal ini dinamakan deskripsi. Pemilahan banyak data sesuai dengan
persamaan atau perbedaan yang dikandungnya dinamakan klasifikasi.
Dalam pokok bahasan Manajemen Pengetahuan, data dicirikan sebagai sesuatu yang bersifat mentah dan
tidak memiliki konteks. Dia sekedar ada dan tidak memiliki signifikansi makna di luar keberadaannya itu. Dia
bisa muncul dalam berbagai bentuk, terlepas dari apakah dia bisa dimanfaatkan atau tidak.

1. Jenis-Jenis Data

Data dapat dibagi menjadi berdasarkan:

a. Cara memperolehnya, maka data dapat dibagi menjadi: data primer adalah data yang diambil secara
langsung dari obyek penelitian oleh peneliti perorangan maupun organisasi. misalnya: mewawancarai
langsung pengunjung ApotikMalifah Farma untuk meneliti kepuasan konsumen dan data sekunder
data yang didapat tidak secara langsung dari objek penelitian. Dalam hal ini peneliti mendapatkan data
yang sudah jadi yang dikumpulkan oleh pihak lain dengan berbagai cara atau metode baik secara
komersial maupun non komersial. Contohnya adalah pada peneliti yang menggunakan data statistik
hasil penelitian dari mahasiswa diploma tiga, strata satu, strata dua dan strata tiga minat farmasi,
laporan hasil penelitian pakar dan lain-lain.
b. Sumber data. Data ini terdiri atas: data internal yaitu data yang menggambarkan situasi dan kondisi
pada suatu organisasi secara internal, misalnya seorang mahasiswa Diploma Tiga Jurusan Farmasi
Poltekkes Makassar ingin mengumpulkan data tentang berat badan mahasiswa Jurusan Farmasi
Poltekkes Makassar dan data eksternal adalah data yang menggambarkan situasi serta kondisi yang
ada di luar organisasi tersebut, misalnya mahasiswa Diploma Tiga Farmasi Poltekkes Makassar ingin
mengumpulkan data tentang kepuasan mahasiswa di Diploma Tiga Akademi Farmasi Sandi Karsa
Makassar.
c. Jenis data : data kuantitatif adalah data yang dipaparkan dalam bentuk angka-angka, misalnya tinggi
badan mahasiswa Diploma Tiga Jurusan Farmasi Poltekkes Makassar dan data kualitatif adalah data
yang disajikan dalam bentuk kata-kata yang mengandung makna atau dengan kata lain adalah bukan
dalam bentuk angka, misalnya warna, suku, bangsa, bahasa, agama, rasa dan lain sebagainya.

2
 d. Sifat data : data diskrit adalah data didapatkan dari hasil menghitung yang hasil akhirnya adalah
bilangan bulat, misalnya jumlah mahasiswa, jumlah balita, jumlah kuman dan data kontinu adalah data
yang didapatkan dari hasil mengukur dan akhir data menghasilkan bilangan bulat dan atau desimal,
misalnya berat badan si A adalah 38,0 Kg dan berat badan si B adalah 39,65 Kg. Berat badan si A
menghasilkan bilangan bulat dan berat badan si B menghasilkan bilangan desimal (pecahan).
e. Waktu pengumpulannya : data crosssection(at a point of time) adalah data yang menunjukkan titik
waktu tertentu, misalnya laporan keuangan Apotik Sana Farma Makassar per 31 Desember 2014dan
data berkala (timeseries) adalah data yang nilainya menggambarkan sesuatu dari waktu ke waktu atau
periode tertentu secara historis,misalnya data timeseries adalah data perkembangan harga obat
generik dengan obat paten dari tahun 2010 sampai 2014.

2. Skala Pengukuran Data

Berdasarkan skala pengukurannya, data dibedakan menjadi data skala rasio (skala nisbah), interval ( skala
selang), ordinal (skala jenjang), dan skala nominal (skala kategorial).
Data skala rasio ciri-cirinya adalah nilainya bersifat absolut (mutlak) dan ciri-ciri yang dipunyai skala
interval, ordinal dan nominal juga dipunyai pada skala rasio serta dapat dilakukan operasi matematika di
dalamnya (× , ⁄ +, −dan ^ ). Contoh data skala rasio adalah berat badan dalam kilogram, tinggi badan
dalam sentimeter dan sebagainya. Berdasarkan tingkatannya data skala rasio paling tinggi, kemudian berturut-
turut adalah skala interval, ordinal dan yang paling rendah tingkatannya adalah data skala nominal.
Data skala interval mempunyai ciri jarak antara interval satu dengan lainnya adalah sama dan nilainya
tidak bersifat absolut. Ciri-ciri ordinal dan nominal juga ada pada data skala interval serta dapat dilakukan
operasi matematika (× , ⁄ +, −dan ^ )Contoh hasil pengukuran terhadap 5 obyek menghasilkan angka 10, 8,
6, 4, dan 2. jadi selisih antara 10 dengan 8 adalah sama dengan selisih 8 dengan 6. Contoh lain adalah hasil
pengukuran suhu dengan skala celcius. Angka 00C berarti tidak menunjukkan suhunya tidak ada, misalnya kalau
diukur dengan skala Kelvin suhu tidak akan 0. Selisih antara 50C dengan 100C adalah sama dengan selisih antara
100C dengan 150C.
Data skala ordinal, ordinal berasal dari kata ordo yang artinya tataan atau deret. Data skala ordinal
mempunyai arti tingkatan, deret atau jenjang, sifat nominalnya ada dan nilainya tidak bersifat absolut. Contoh
nilai mutu ujian terdiri atas 4, 3, 2, 1 dan 0. selisih antara nilai mutu 4 dan 3 tidak sama dengan selisih nilai mutu
3 dan 2. Contoh lain hasil kejuaraan tinju juara 1, 2, 3 dan 4. Selisih kemampuan antara juara 1 dengan 2 tidak
sama dengan selisih juara 2 dan 3. Data ini mempunyai ciri posisi data tidak setara dan tidak bisa dilakukan
operasi matematik di dalamnya (× , ⁄ +, −dan ^ ).
Data skala nominal (kategorial), data tersebut dikategorikan misalnya jenis kelamin terdiri atas laki-laki
dan wanita. Tekanan darah dikategorikan menjadi normal dan tidak normal. Cara pelayanan dibedakan menjadi
luwes, sedang dan judes. Kategori suatu data sering diberikan nama atau lambang misalnya jenis kelamin laki-
laki (= 2) dan wanita ( = 1), maka skala kategorial disebut pula sebagai skala nominal (berasal dari kata name =
nama).Data nominal mempunyai ciri posisi data setara dan tidak dapat dilakukan operasi matematika
(× , ⁄ +, −dan ^ ).
Pembagian lain data dibedakan menjadi data diskrit dan data kontinu. Data diskrit adalah data yang
diperoleh dengan cara menghitung misalnya jumlah penduduk, jumlah bidan, jumlah dokter dan lain-lain. Data
diskrit tidak mungkin berbentuk pecahan. Kebalikannya adalah data kontinu yaitu data yang diperoleh dengan
cara mengukur misalnya tekanan darah, kadar hemoglobin, berat badan dan sebagainya. Jadi data kontinu
nilainya bisa berbentuk pecahan ataupun bilangan bulat.

3. Penyajian Data
Ada dua cara penyajian data yang sering dilakukan, yaitu :

a. daftar atau tabel,

b. grafik atau diagram.
a. Penyajian Data dalamBentukTabel

3
 Misalkan, hasil ujian akhir semester mata kuliah Bahasa Indonesia 37 mahasiswa Jurusan Farmasi
Poltekkes Makassar disajikan dalam tabel di bawah. Penyajian data pada Tabel 1.1 dinamakan penyajian data
sederhana. Dari Tabel 1.1, Anda dapat menentukan banyak mahasiswa yang mendapat nilai 9, yaitu sebanyak 7
orang. Berapa orang mahasiswa yang mendapat nilai 5? Nilai berapakah yang paling banyak diperoleh
mahasiswa?
Jika data hasil ujian akhir semester Mata Kuliah Bahasa Indonesia itu disajikan dengan cara
mengelompokkan data nilai mahasiswa, diperoleh tabel frekuensi berkelompok seperti pada Tabel 7.1.

Tabel 1.1
Penyajian Data Sederhana

Nilai Frekuensi
2 7
4 3
5 5
6 4
7 10
9 7
10 1

Tabel 1.2
Tabel Distribusi Frekuensi

Interval Kelas Turus Frekuensi

1–2 EB 7
3–4 C 3
5–6 EC 8
7–8 EE 10
9–10 EC 8
Jumlah 37

b. Penyajian Data dalam Bentuk Diagram

Kerap kali data yang disajikan dalam bentuk tabel sulit untuk dipahami. Lain halnya jika data
tersebut disajikan dalam bentuk diagram maka Anda akan dapat lebih cepat memahami data itu. Diagram
adalah gambar yang menyajikan data secara visual yang biasanya berasal dari tabel yang telah dibuat.
Meskipun demikian, diagram masih memiliki kelemahan, yaitu pada umumnya diagram tidak dapat
memberikan gambaran yang lebih detail.

1. Diagram Batang
Diagram batang biasanya digunakan untuk menggambarkan data diskrit (data cacahan). Diagram
batang adalah bentuk penyajian data statistik dalam bentuk batang yang dicatat dalam interval tertentu pada
bidang cartesius.
Ada dua jenis diagram batang, yaitu
a. diagram batang vertikal, dan
b. diagram batang horizontal.

4
 Contoh 1:
Selama 1 tahun, Apotik "Malifah Farma" mencatat keuntungan setiap bulan sebagai berikut.

Tabel 7.3
Keuntungan Apotik "Malifah Farma" per Bulan (dalam jutaan rupiah)

Bulan ke 2,5 1,8 2,6 4,2 3,5 3,3 4,0 5,0 2,0 4,2 6,2 6,2
Keuntungan 1 2 3 4 5 6 7 8 9 10 11 12

c. Buatlah diagram batang vertikal dari data tersebut.

d. Berapakah keuntungan terbesar yang diperoleh Apotik "Malifah Farma" selama 1 tahun?
e. Kapan Apotik "Malifah Farma" memperoleh keuntungan yang sama selama dua bulan berturut-turut?
Penyelesaian :
a. Diagram batang vertikal dari data tersebut, tampak pada gambar berikut.

Gambar 1.1.
Diagram batang vertikal Keuntungan Apotik "Malifah Farma" per Bulan (dalam juta rupiah)
Gambar 1.1. Diagram batang vertikal Keuntungan Apotik "Malifah Farma" per Bulan (dalam juta rupiah).
Dari diagram tersebut tampak bahwa keuntungan terbesar yang diperoleh Apotik "Malifah Farma" selama 1
tahun adalah sebesar Rp 6.200.000,00.
b. Apotik "Malifah Farma" memperoleh keuntungan yang sama selama dua bulan beturut-turut pada bulan ke-
11 dan ke-12.

2. Diagram Garis

Pernahkah Anda melihat grafik nilai tukar dolar terhadap rupiah atau pergerakan saham di TV?
Grafik yang seperti itu disebut diagram garis. Diagram garis biasanya digunakan untuk menggambarkan data
tentang keadaan yang berkesinambungan (sekumpulan data kontinu). Misalnya, jumlah penduduk setiap
tahun, perkembangan berat badan bayi setiap bulan, dan suhu badan pasien setiap jam.
Seperti halnya diagram batang, diagram garis pun memerlukan sistem sumbu datar (horizontal) dan sumbu
tegak (vertikal) yang saling berpotongan tegak lurus. Sumbu mendatar biasanya menyatakan jenis data,
misalnya waktu dan berat. Adapun sumbu tegaknya menyatakan frekuensi data. Langkah-langkah yang
dilakukan untuk membuat diagram garis adalah sebagai berikut.

a. Buatlah suatu koordinat (berbentuk bilangan) dengan sumbu mendatar menunjukkan waktu dan sumbu
tegak menunjukkan data pengamatan.
b. Gambarlah titik koordinat yang menunjukkan data pengamatan pada waktu t.
c. Secara berurutan sesuai dengan waktu, hubungkan titik-titik koordinat tersebut dengan garis lurus.

5
 Contoh 2 :
Berikut ini adalah tabel berat badan seorang bayi yang dipantau sejak lahir sampai berusia 9 bulan.
Usia (bulan) 3,5 4 5,2 6,4 6,8 7,5 7,5 8 8,8 8,6
Berat Badan (kg) 0 1 2 3 4 5 6 7 8 9
a. Buatlah diagram garisnya.
b. Pada usia berapa bulan berat badannya menurun?
c. Pada usia berapa bulan berat badannya tetap?

Jawab:
a. Langkah ke-1
Buatlah sumbu mendatar yang menunjukkan usia anak (dalam bulan) dan sumbu tegak yang
menunjukkan berat badan anak (dalam kg).
Langkah ke-2
Gambarlah titik koordinat yang menunjukkan data pengamatan pada waktu t bulan.
Langkah ke-3
Secara berurutan sesuai dengan waktu, hubungkan titik-titik koordinat tersebut dengan garis lurus.
Dari ketiga langkah tersebut, diperoleh diagram garis dari data tersebut tampak pada Gambar 1.2.

Gambar 1.2
Diagram garis berat badan bayi sejak usia 0 – 9 bulan
b. Dari diagram tersebut dapat dilihat bahwa berat badan bayi menurun pada usai 8 sampai 9 bulan.
c. Berat badan bayi tetap pada usia 5 sampai 6 bulan. Darimana Anda memperoleh hasil ini? Jelaskan.

Observasi: Interpolasi dan Ekstrapolasi Data

Anda dapat melakukan observasi terhadap kecenderungan data yang disajikan pada suatu diagram
garis. Dari observasi ini, Anda dapat membuat perkiraan-perkiraan dengan cara interpolasi dan
ekstrapolasi. Hal ini ditempuh dengan mengganti garis patah pada diagram garis menjadi garis lurus.
Interpolasi data adalah menaksir data atau memperkirakan data di antara dua keadaan (misalnya waktu)
yang berurutan. Misalkan, dari gambar grafik Contoh soal 2. dapat diperkirakan berat badan bayi pada
usia 5,5 bulan. Coba Anda amati grafik tersebut, kemudian tentukan berat badan bayi pada usia 5,5 bulan.

Ekstrapolasi data adalah menaksir atau memperkirakan data untuk keadaan (waktu) mendatang. Cara
yang dapat dilakukan untuk ekstrapolasi adalah dengan memperpanjang ruas garis terujung ke arah
kanan. Misalkan, dari gambar grafik soal 2. dapat diperkirakan berat badan bayi pada usia 10 bulan. Jika
garis lurus sudah ditentukan, Anda dapat menentukan interpolasi data. Untuk ekstrapolasi data, Anda
harus berhati-hati. Menurut diagram garis, berapa kira-kira berat badan bayi pada usia 10 bulan? Berikan
alasan Anda.

6
3.Diagram Lingkaram
Untuk mengetahui perbandingan suatu data terhadap keseluruhan, suatu data lebih tepat disajikan
dalam bentuk diagram lingkaran. Diagram lingkaran adalah bentuk penyajian data statistika dalam bentuk
lingkaran yang dibagi menjadi beberapa juring lingkaran.

Langkah-langkah untuk membuat diagram lingkaran adalah sebagai berikut.

a. Buatlah sebuah lingkaran pada kertas.
b. Bagilah lingkaran tersebut menjadi beberapa juring lingkaran untuk menggambarkan kategori datanya
yang telah diubah ke dalam derajat.

Contoh3 :
Tabel berikut menunjukkan banyaknya mahasiswa Jurusan Farmasi di Poltekkes Makassar menurut
tingkatan pada tahun 2014.
Tingkat Banyaknya
I 150
II 98
III 82
1. Buatlah diagram lingkaran untuk data tersebut.
2. Berapa persen mahasiswa yang berada pada tingkat II ?
3. Berapa persen siswa yang berada pada tingkat III?
Jawab :
1. Jumlah seluruh siswa adalah 330 orang. Seluruh siswa diklasifikasikan menjadi 3 katagori: tingkat I = 150
orang, tingkat II = 98 orang, dan tingkat III = 82 orang.
• Tingkat I = (150/330) x 100% = 45,46%
Besar sudut sektor lingkaran = 45,46% × 360° = 163,66°
• Tingkat II = (98/330) x 100% = 29,7%
Besar sudut sektor lingkaran = 29,7% × 360° = 106,9°
• Tingkat III= (82/330) x 100% = 24,85%
Besar sudut sektor lingkaran = 24,85% × 360° = 89,45°
Diagram lingkaran ditunjukkan pada Gambar 7.3.

Gambar 7.3
Diagram lingkaran junlah mahasiswa Jurusan Farmasi di Poltekkes Makassar
menurut tingkatan pada tahun 2014

2. Persentase mahasiswa yang berada pada tingkat II adalah 29,7 %.

3. Persentase mahasiswa yang berada pada tingkat III adalah 24,85%.

7
D. TABEL DISTRIBUSI FREKUENSI, FREKUENSI RELATIF DAN KUMULATIF, HISTOGRAM, POLIGON FREKUENSI,
DAN OGIVE
1. Tabel Distribusi Frekuensi
Data yang berukuran besar (n > 30) lebih tepat disajikan dalam tabel distribusi frekuensi, yaitu cara
penyajian data yang datanya disusun dalam kelas-kelas tertentu.
Langkah-langkah penyusunan tabel distribusi frekuensi adalah sebagai berikut.
a. Langkah pertama menentukan jangkauan J yaitu selisih antara nilai maksimal dan nilai minimal.
Langkah kedua menentukan banyak kelas K yang terbentuk yaitu dengan menggunakan rumus "Sturgess"
yaitu: K = 1 + 3,3logn dengan n adalah banyak data. Banyak kelas harus merupakan bilangan bulat positif
hasil pembulatan.
J
b. Langkah ketiga menentukan panjang interval kelas I dengan menggunakan rumus: I =
K
c. Langkah keempat menentukan batas-batas kelas. Data terkecil harus merupakan batas bawah interval
kelas pertama atau data terbesar adalah batas atas interval kelas terakhir.
d. Langkah kelima memasukkan data ke dalam kelas-kelas yang sesuai dan menentukan nilai frekuensi
setiap kelas dengan sistem turus.
e. Langkah keenam menuliskan turus-turus dalam bilangan yang bersesuaian dengan banyak turus.
Ingatlah:
Menentukan banyak kelas interval dengan aturan Sturges dimaksudkan agar interval tidak terlalu besar sebab
hasilnya akan menyimpang dari keadaan sesungguhnya. Sebaiknya, jika interval terlalu kecil, hasilnya tidak
menggambarkan keadaan yang diharapkan.
Contoh.4 :
Seorang peneliti mengadakan penelitian tentang berat badan dari 35 orang mahasiswa tingkat II Jurusan
Farmasi Poltekkes Makassar.
Data hasil penelitian itu (dalam kg) disajikan berikut ini:
48 32 46 27 43 46 25 41 40 58 16 36
21 42 47 55 60 58 46 44 63 66 28 56
50 21 56 55 25 74 43 37 51 53 39
Sajikan data tersebut ke dalam tabel distribusi frekuensi.
Jawab :
a. Jangkauan (J ) = X m - Xn = 74 - 16 = 58 .
b. Banyak kelas (K ) = 1 + 3,3log n = 1 + 3,3log35 = 6,095. Banyak kelas dibulatkan menjadi "6".
𝐽 58
c. Panjang interval kelas ( I ) adalah I =𝐾 = 6 = 9,67.Panjang interval kelas dibulatkan menjadi "10".
Dengan panjang interval kelas = 10 dan banyak kelas = 6, diperoleh tabel distribusi frekuensi seperti pada
Tabel 4. atau Tabel 5
Cara I:
Batas bawah kelas pertama diambil datum terkecil. Amati Tabel 4. Dari tabel tersebut tampak bahwa frekuensi
paling banyak dalam interval 46 - 55. Artinya, berat badan kebanyakan berkisar antara 46 kg dan 55 kg
Tabel 4
Tabel Distribusi Frekuensi
Interval Kelas Turus Frekuensi
16–25 E 5
26–35 C 3
36–45 ED 9
46–55 EE 10
56–65 EA 6
66–75 B 2
Jumlah 35

8
Cara II:
Batas atas kelas terakhir diambil datum terbesar. Amati Tabel 5.
Tabel.5
Tabel Distribusi Frekuensi
Interval Kelas Turus Frekuensi
15–24 C 3
25–34 E 5
35–44 ED 9
45–54 EC 8
55–64 EC 8
65–74 B 2
Jumlah 35
Dari tabel tampak frekuensi paling sedikit dalam interval 65–74. Artinya, berat badan antara 65 kg dan 74
kg ada 2 orang. Perhatikan interval kelas yang pertama, yaitu 15 – 24. 15 disebut batas bawah dan 24 disebut
batas atas. Ukuran 15 – 24 adalah hasil pembulatan, ukuran yang sebenarnya terletak pada 14,5 – 24,5. 14,5
disebut tepi bawah kelas (batas bawah nyata) dan 24,5 disebut tepi atas kelas (batas atas nyata) pada interval
kelas 15 – 24.
Dalam menentukan tepi bawah kelas dan tepi atas kelas pada setiap interval kelas, harus diketahui
satuan yang dipakai. Dengan demikian, untuk tepi bawah kelas adalah batas bawah kelas dikurangi 1/2 satuan
ukuran. Jadi, tepi kelas dari interval kelas 15 – 24 menjadi 14,5 – 24,5.
2. Frekuensi Relatif dan Kumulatif
Frekuensi yang dimiliki setiap kelas pada tabel distribusi frekuensi bersifat mutlak. Adapun frekuensi
relatif dari suatu data adalah dengan membandingkan frekuensi pada interval kelas itu dengan banyak data
dinyatakan dalam persen. Contoh: interval frekuensi kelas adalah 20. Total data seluruh interval kelas = 80
20 1 1
maka frekuensi relatif kelas ini adalah = , sedangkan frekuensi relatifnya adalah ×100% = 25% .
80 4 4
Dari uraian tersebut, dapatkah Anda menyatakan rumus frekuensi relatif? Cobalah nyatakan rumus
frekuensi relatif dengan kata-kata Anda sendiri. Frekuensi relatif dirumuskan sebagai berikut:
frekunsi kelas ke−k
Frekuensi relatif kelas ke-k = bayak data
Frekuensi kumulatif kelas ke-k adalah jumlah frekuensi pada kelas yang dimaksud dengan frekuensi
kelas-kelas sebelumnya.
Ada dua macam frekuensi kumulatif, yaitu
a. frekuensi kumulatif "kurang dari" ("kurang dari" diambil terhadap tepi atas kelas);
b. frekuensi kumulatif "lebih dari" ("lebih dari" diambil terhadap tepi bawah kelas).
1
Tepi atas = batas atas + satuan pengukuran
2
1
Tepi bawah = batas bawah - satuan pengukuran
2

Contoh 5 :
Dari Tabel 4. untuk interval kelas 46 – 55 (kelas 4), hitunglah
a. frekuensi relatif;
b. frekuensi kumulatif "kurang dari";
c. frekuensi kumulatif "lebih dari".
Jawab :
a. Frekuensi relatif kelas ke-4 = (frekuensi kelas ke-4 / banyak datum) × 100% = 10/35 × 100% = 28,57%
b. Frekuensi kumulatif "kurang dari" untuk interval kelas 46 – 55
5 + 3 + 9 + 10 = 27 (kurang dari tepi atas kelas 55,5)
c. Frekuensi kumulatif "lebih dari" untuk interval kelas 46 – 55
10+ 6 + 2 = 18 (lebih dari tepi bawah kelas 45,5).

9
3.Histogram dan Poligon Frekuensi
Histogram merupakan diagram frekuensi bertangga yang bentuknya seperti diagram batang. Batang
yang berdekatan harus berimpit. Untuk pembuatan histogram, pada setiap interval kelas diperlukan tepi-tepi
kelas. Tepi-tepi kelas ini digunakan untuk menentukan titik tengah kelas yang dapat ditulis sebagai berikut :
1
Titik tengah kelas = ( tepi atas kelas + tepi bawah kelas )
2
Poligon frekuensi dapat dibuat dengan menghubungkan titik-titik tengah setiap puncak persegi panjang dari
histogram secara berurutan. Agar poligon "tertutup" maka sebelum kelas paling bawah dan setelah kelas
paling atas, masing-masing ditambah satu kelas.
Contoh 6 :
Tabel distribusi frekuensi hasil ujian matematika Kelas XI SMK Farmasi Yamasi di Makassar diberikan pada
Tabel 6. Buatlah histogram dan poligon frekuensinya.

Tabel 76
Tabel distribusi frekuensi hasil ujian matematika
Kelas XI SMK Farmasi Yamasi di Makassar.
Interval Kelas Frekuensi
21–30 2
31–40 3
41–50 11
51–60 20
61–70 33
71–80 24
81–90 7
100

Gambar 7.4
Histogram hasil ujian matematika Kelas XI SMK Farmasi Yamasi di Makassar.
Dari histogram tersebut tampak bahwa kebanyakan siswa memperoleh nilai antara 60,5 dan 70,5. Coba
Anda ceritakan hal lain dari histogram tersebut.

3. Ogive
Grafik yang menunjukkan frekuensi kumulatif kurang dari atau frekuensi kumulatif lebih dari dinamakan
poligon kumulatif.
Untuk populasi yang besar, poligon mempunyai banyak ruas garis patah yang menyerupai kurva sehingga
poligon frekuensi kumulatif dibuat mulus, yang hasilnya disebut ogive.

Ada dua macam ogive, yaitu sebagai berikut :

a. Ogive dari frekuensi kumulatif kurang dari disebut ogive positif.
b. Ogive dari frekuensi kumulatif lebih dari disebut ogive negatif.

10
Contoh 7 :
Tabel 7. dan 8, berturut-turut adalah tabel distribusi frekuensi kumulatif "kurang dari" dan "lebih dari" tentang
nilai ulangan Biologi Kelas XI SMK Farmasi Yamasi di Makassar.
Tabel 7 Tabel Distribusi Frekuensi Kumulatif "Kurang Dari" tentang Nilai Ulangan BiologiKelas XI SMK Farmasi
Yamasi di Makassar.
Nilai Frekuensi
< 20,5 0
< 30,5 2
< 40,5 5
< 50,5 16
< 60,5 36
< 70,5 69
< 80,5 93
< 90,5 100
Tabel 8 Tabel distribusi frekuensi kumulatif "lebih dari" tentang nilai ulangan Biologi Kelas XI SMK Farmasi Yamasi
di Makassar.
Nilai Frekuensi
> 20,5 100
> 30,5 98
> 40,5 95
> 50,5 84
> 60,5 64
> 70,5 31
> 80,5 7
> 90,5 0
a. Buatlah ogive positif dan ogive negatif dari tabel tersebut.
b. Berapakah jumlah siswa yang mempunyai nilai Biologi kurang dari 85?
c. Berapakah jumlah siswa yang mempunyai nilai Biologi kurang lebih dari 40?
Jawab :
a. Ogive positif dan ogive negatif dari tabel tersebut tampak pada Gambar 7.5.

Gambar 7.5
Kurva Ogif Positif dan Negatif Nilai Ulangan Biologi Kelas XI SMK Farmasi Yamasi di Makassar
b. Dari kurva ogive positif, tampak siswa yang mempunyai nilai kurang dari 85 adalah sebanyak 93 orang.
c. Dari kurva ogive negatif, tampak siswa yang mempunyai nilai lebih dari 40 adalah sebanyak 96 orang.
11
E. DISTRIBUSI NORMAL
Distribusi normal, disebut pula distribusi Gauss, adalah distribusi probabilitas yang paling banyak
digunakan dalam berbagai analisis statistika. Distribusi normal baku adalah distribusi normal yang memiliki
rata-rata nol dan simpangan baku satu. Distribusi ini juga dijuluki kurva lonceng (bellcurve) karena grafik fungsi
kepekatan probabilitasnya mirip dengan bentuk lonceng. Distribusi normal memodelkan fenomena kuantitatif
pada ilmu alam maupun ilmu sosial. Beragam skor pengujian psikologi dan fenomena fisika seperti jumlah
foton dapat dihitung melalui pendekatan dengan mengikuti distribusi normal. Distribusi normal banyak
digunakan dalam berbagai bidang statistika, misalnya distribusi samplingrata-rata akan mendekati normal,
meski distribusi populasi yang diambil tidak berdistribusi normal. Distribusi normal juga banyak digunakan
dalam berbagai distribusi dalam statistika, dan kebanyakan pengujian hipotesis mengasumsikannormalitas
suatu data.
Distribusi normal pertama kali diperkenalkan oleh Abraham deMoivre dalam artikelnya pada tahun 1733
sebagai pendekatan distribusi binomial untuk n besar. Karya tersebut dikembangkan lebih lanjut oleh Pierre
Simon deLaplace, dan dikenal sebagai teorema Moivre-Laplace. Laplace menggunakan distribusi normal untuk
analisis galat suatu eksperimen. Metode kuadrat terkecil diperkenalkan oleh Legendre pada tahun 1805.
Sementara itu Gauss mengklaim telah menggunakan metode tersebut sejak tahun 1794 dengan
mengasumsikan galatnya memiliki distribusi normal.
Istilah kurva lonceng diperkenalkan oleh Jouffret pada tahun 1872 untuk distribusi normal bivariat.
Sementara itu istilah distribusi normal secara terpisah diperkenalkan oleh Charles S. Peirce, Francis Galton, dan
Wilhelm Lexis sekitar tahun 1875. Terminologi ini secara tidak sengaja memiliki nama sama.
Distribusi normal baku (standar) adalah distribusi peubah acak dengan rata-rata 0 dan varian 1. Peubah
acak normal baku dilambangkan dengan Z yang merupakan hasil transformasi dari peubah acak X yang
berdistribusi normal. Bentuk transformasi peubah acak tersebut adalah sebagai berikut :
𝑋− 𝜇
𝑍=
𝜎
Oleh karena itu fungsi :
1 1
𝑓 (𝑍) = 𝑛 (𝑧; 0,1) = exp (− 𝑧 2 )
√2𝜋 2
Perbandingan distribusi normal peubah acak x dan dengan distribusi normal standar z:
x2 1 𝑋− 𝜇 2
1 −( )( )
𝑃 (𝑥1 < 𝑋 < 𝑥2 ) = ∫ e 2 𝜎 dx
√2𝜋𝜎 x1
𝑧 2
1 z −( ) x
𝑃 (𝑥1 < 𝑋 < 𝑥2 ) = 2𝜋 ∫z 2 e 2 dz = ∫x 2 n (z; 0,1)dz
√ 1 1
𝑃 (𝑥1 < 𝑋 < 𝑥2 ) = 𝑃 (𝑧1 < 𝑋 < 𝑧2 )

F. PERANAN STATISTIKA DALAM PENELITIAN

Statistika dalam penelitian mempunyai peranan yang sangat penting yaitu :

1. Memudahkan dalam membuat judul penelitian, rumusan masalah, tujuan dan hipotesis. Seseorang
yang kurang menguasai statistika, judul penelitian, rumusan masalah, tujuan dan hipotesis yang
disusun biasanya kurang tajam atau mengambang.
2. Validitas dan reliabilitas alat pengumpul data ditentukan, biasanya dipergunakan korelasi Pearson dan
Spearman.
3. Penentuan besar sampel, banyak faktor yang mempengaruhi besarnya sampel penelitian di
antaranya jenis penelitian (deskriptif atau inferensial), jenis populasi (finit atau infinit), simpangan
baku, prevalensi, harga , harga , biaya, waktu, tenaga, jenis percobaan (merusak atau tidak merusak
unit percobaan) dan sebagainya
4. Sangat penting untuk menyimpulkan hasil (generalisasi) khususnya jenis penelitian inferensial.

12