Statistika Itu Mudah

STATISTIKA DESKRIPTIF ITU MUDAH
(Contoh Soal dan Pembahasan)
Oleh: Dwiza Riana

Editor Bahasa: Anis Komalasari
Edisi Pertama
Cetakan Pertama, 2012
Hak Cipta © 2012 pada penulis,

Hak cipta dilindungi undang-undang. Dilarang memperbanyak atau
memindahkan sebagian atau seluruh isi buku ini dalam bentuk apa pun, secara
elektronis maupun mekanis, termasuk memfotokopi, merekam, atau dengan
teknik perekaman lainnya, tanpa izin tertulis dari penerbit.
JELAJAH NUSA
Jl. DR. Setiabudi No. 71C Pamulang
Timur Tangerang Selatan
Tekp./Fax : 021-7412412
E-mail : jelajahnusa@rocketmail.com
Riana, Dwiza
STATISTIKA DESKRIPTIF ITU MUDAH

(Contoh Soal dan Pembahasan)/Dwiza Riana
—Edisi Pertama — Tangerang; Jelajah Nusa, 2012 xxiv + 386 hlm, 1 jil. 23 cm
ISBN:
1. xxxxxxx 2. xxxxxxx 2. xxxxxxx

KATA PEnGAnTAR
Rektor U-BSI Bandung
Assalamu’alaikum Wr. Wb.

eraya memanjatkan puji dan syukur ke Hadirat Allah SWT, saya atas
S nama pemimpin Universitas BSI Bandung menyambut baik atas
penerbitan buku “Statistika Deskriptif itu Mudah”, yang disusun oleh Ibu
Hj. Dwiza Riana, MM.,M.Kom.
Saya yakin, buku ini akan sangat bermanfaat bagi para mahasiswa
dan pembaca pada umumnya dalam memahami proses berfikir induktif,
khususnya yang berkenaan dengan analisis kuantitatif untuk berbagai
kepentingan atau kegiatan keilmuan secara teoritis maupun praktis.
Bagi para dosen di lingkungan perguruan tinggi BSI diharapkan
menjadi motivasi tersendiri dalam menulis karya ilmiah sesuai dengan
program “One Lecturer One Book” yang sudah dicanangkan setahun
yang lalu. Tujuannya, di samping memenuhi kebutuhan bahan
pembelajaran bagi para mahasiswa, juga sebagai wujud produktivitas
kinerja dosen dalam memenuhi tugas profesinya terutama yang berkaitan
dengan penulisan karya ilmiah.
Seperti dimaklumi bersama, seorang dosen memiliki tugas
keahliannya untuk melaksanakan Tri Dharma Perguruan Tinggi yang
terdiri dari (1) pendidikan dan pengajaran, (2) penelitian dan penulisan
karya ilmiah, dan (3) pengabdian pada masyarakat. Di samping itu,
setiap dosen dituntut pula untuk melaksanakan tugas penunjang Tri
Dharma berupa aktivitas
v
vi Statistika Deskriptif Itu Mudah
di lingkungan kelembagaan, baik yang terkait dengan akademik maupun

tidak.
Penulisan buku, adalah bentuk partisipasi penulisan karya ilmiah di
samping bentuk-bentuk lainnya seperti menulis makalah untuk seminar
dan menulis artikel ilmiah untuk dipublikasikan di media massa. Dengan
cara ini, kebutuhan internal pembelajaran tidak lagi tergantung pada
bahan yang disiapkan orang lain. Sebaliknya orang lain bisa ikut
memanfaatkan hasil karya kita sendiri. Artinya, kemampuan kita dapat
dikenal pihak lain dan sekaligus menunjukkan kualitas berpikir yang
dimiliki.
Akhirnya, Saya berharap semoga langkah penulis buku ini diikuti
oleh dosen-dosen lainnya sesuai bidang ilmu dan keahlian masing-
masing. Dengan demikian, khasanah keilmuan akan terus berkembang
dan Insya Allah akan berkontribusi penting terhadap peningkatan
kesejahteraan hidup manusia.
Wassalam.
Bandung, Maret 2012
Rektor,
Prof. Dr. H.M. Ahman

Sya NIP.
195806121983031004
KATA PEnGAnTAR
eraya memanjatkan puji dan syukur ke hadirat Allah SWT, semoga

S buku Statistika Deskriptif Itu Mudah, Contoh Soal dan Pembahasan
ini bermanfaat bagi para pembaca, khususnya bagi para guru, dosen dan
mahasiswa yang mempelajari ilmu statistika.
Dalam kehidupan sehari-hari data bukanlah hal yang asing bagi
kita. Dengan data kita mengungkapkan fakta. Ilmu statistika membantu
kita mengungkapkan fakta. Sebagai disiplin ilmu, Statistika dipelajari
oleh pembaca dari berbagai disiplin ilmu.
Bagi sebagian pembaca ilmu statistika bukanlah ilmu yang mudah
dipelajari, terlihat rumit dan sulit dimengerti. Padahal pada kenyataannya
tidak sedikit pembaca yang menyukai dan mencintai Statistika.
Berdasarkan kenyataan ini perlu ditanamkan bahwa ilmu Statistika
itu mudah dan bukan sesuatu yang harus ditakuti. Statistika dapat
dipelajari dengan cara mudah jika tersedia buku-buku pendukung yang
berisi penyampaian materi yang akrab di telinga pembaca. Materi
pembahasan yang lugas dan memberikan kesempatan yang banyak pada
pembaca untuk berlatih soal dan sekaligus dapat memeriksa sendiri
kebenaran dari jawabannya.
Pemahaman terhadap perhitungan-perhitungan dasar dalam materi
statistika deskriptif akan memberikan kemudahan bagi pembaca untuk
mempelajari ilmu statistika yang lebih lanjut. Inilah alasan sederhana
vii
viii Statistika Deskriptif Itu Mudah
mengapa buku Statistika Deskriptif Itu Mudah, Contoh Soal dan

Pembahasan ini disusun, sehingga para pembaca dapat yakin bahwa
sesungguhnya statistika itu sangat mudah dipelajari dan bukan menjadi
sesuatu yang menyulitkan.
Mudah-mudahan melalui buku ini, para pembaca memahami dasar-
dasar ilmu statistika deskriptif, dan selanjutnya dapat menerapkan dan
mengembangkan perhitungan-perhitungan statistika dalam praktek nyata
di kehidupan. Kritik dan saran yang membangun sangat diharapkan
untuk memperbaiki tulisan ini sehingga memberikan manfaat yang lebih
besar bagi banyak kalangan.
Ucapan terima kasih disampaikan kepada semua pihak yang
memungkinkan buku ini terbit, mudah-mudahan menjadi amal sholeh
dan mendapat imbalan yang berlipat ganda dari Allah SWT, Tuhan Yang
Maha Kuasa.
Amien
Bandung, Maret 2012
Penulis
DAFTAR ISI
Kata Pengantar ..................................................................................... v

Rektor U-BSI Bandung ....................................................................... v
Kata Pengantar......................................................................................... vii
Daftar Isi...................................................................................................... ix
Daftar Tabel dan Gambar..................................................................... xiii
BAB 1 DISTRIBUSI FREKUENSI .................................................... 1

1.1 Pengertian ...................................................................... 2
1.2 Mengenal Istilah-istilah dalam
Distribusi Frekuensi...................................................... 2
1.3 Tahap-tahap Penyusunan Distribusi Frekuensi ....... 3
1.4 Pembuatan Distribusi Frekuensi dari
Sekelompok Data .......................................................... 5
1.5 Jenis-jenis Distribusi Frekuensi................................... 19
1.6 Histogram, Poligon Frekuensi dan Ogif..................... 25
1.7 Notasi Sigma .................................................................. 35
1.8 Jenis Grafik .................................................................... 47
1.9 Rangkuman.................................................................... 63
1.10 Latihan Soal .................................................................. 64
1.11 Jawaban Latihan Soal ................................................... 71
ix
x Statistika Deskriptif Itu Mudah
BAB 2 UKURAN PEMUSATAN DATA TIDAK BERKELOMPOK 85

2.1 Rata-rata Hitung...........................................................85
2.2 Median..........................................................................98
2.3 Modus.........................................................................104
2.4 Hubungan antara Nilai Rata-rata Hitung, ................
Median dan Modus.....................................................106
2.5 Kuartil, Desil dan Persentil.........................................108
2.6 Rata-rata Ukur (Geomethric Mean)............................125
2.7 Rata-rata Harmonis (Harmonic Mean).......................127
2.8 Rangkuman.................................................................130
2.9 Latihan Soal................................................................130
2.10 Jawaban Latihan Soal.................................................132
BAB 3 UKURAN PEMUSATAN DATA BERKELOMPOK..............141

3.1 Rata-rata Hitung.........................................................141
3.2 Median............................................................................ 144
3.3 Modus.........................................................................147
3.4 Kuartil.........................................................................151
3.5 Desil...........................................................................156
3.6 Persentil......................................................................165
3.7 Rangkuman.................................................................173
3.8 Latihan Soal................................................................173
BAB 4 UKURAN PENYEBARAN DATA...........................................183

4.1 Jangkauan (Range).....................................................183
4.2 Simpangan Rata-rata (Mean Deviation).....................186
4.3 Variansi (Variance).....................................................191
4.4 Standar Deviasi (Standard Deviation).......................196
4.5 Jangkauan Kuartil dan Jangkauan Persentil 10 – 90.....208
4.6 Koefisien Variasi........................................................213
4.7 Koefisien Variasi Kuartil............................................217
Daftar Isi xi
4.8 Nilai Baku (Z) ................................................................ 218

4.9 Rangkuman.................................................................... 220
4.10 Latihan Soal ................................................................... 221
4.11 Jawaban Latihan Soal.................................................... 224
BAB 5 UKURAN PENYEBARAN DATA

(KEMIRINGAN DAN KERUNCINGAN)...............................231
5.1 Kemiringan Distribusi Data........................................231
5.2 Keruncingan Distribusi Data.......................................250
5.3 Rangkuman.................................................................255
5.4 Latihan Soal................................................................256
5.5 Jawaban Latihan Soal......................................................257
BAB 6 ANGKA INDEKS...................................................................... 261

6.1 Pengertian...................................................................261
6.2 Pemilihan Tahun Dasar ............................................... 262
6.3 Peranan Angka Indeks dalam Ekonomi......................262
6.4 Indeks Harga Tidak Tertimbang
(Unweighted Index)..........................................................263
6.5 Indeks Harga Tertimbang (Weighted Index)...............271
6.6 Indeks Berantai...........................................................290
6.7 Rangkuman.................................................................291
6.8 Latihan Soal................................................................292
6.9 Jawaban Latihan Soal......................................................293
BAB 7 REGRESI DAN KORELASI.....................................................297

7.1 Pengertian Regresi dan Korelasi.................................297
7.2 Regresi dan Korelasi...................................................298
7.3 Analisa Regresi Sederhana..........................................298
7.4 Pembuatan Analisa Regresi Sederhana.......................300
7.5 Analisa Korelasi Sederhana.........................................309
7.6 Koefisien Determinasi (r2)..........................................310
xii Statistika Deskriptif Itu Mudah
7.7 Kesalahan Baku dari Penaksiran Y = a + bx..............319

7.8 Rangkuman.................................................................330
7.9 Latihan Soal................................................................330
BAB 8 ANALISIS DATA BERKALA..................................................341

8.1 Komponen Deret Berkala...........................................342
8.2 Cara Menentukan Trend.............................................345
8.3 Rangkuman.................................................................379
8.4 Latihan Soal................................................................379
Daftar Pustaka....................................................................................... 385

DAFTAR TABEL DAn GAMBAR
DAFTAR TABEL
Tabel 1.1 Turus dan Frekuensi Data Tinggi Badan 100
Mahasiswa STMIK Nusa Mandiri ........................................... 9
Tabel 1.2 Distribusi Frekuensi Data Tinggi Badan 100 Mahasiswa
STMIK Nusa Mandiri ............................................................... 9
Tabel 1.3 Turus dan Frekuensi dari data Nilai Ujian Analisa
Perancangan Sistem 50 Mahasiswa Universitas
BSI Bandung ............................................................................... 12
Tabel 1.4 Distribusi Frekuensi Nilai Ujian Analisa Perancangan
Sistem Mahasiswa Universitas BSI Bandung ......................... 12
Tabel 1.5 Turus dan Frekuensi Nilai OCR Murni Ujian Statistika 100
Mahasiswa Jurusan Akuntansi Universitas BSI Bandung ... 15
Tabel 1.6 Distribusi frekuensi dari Nilai-nilai OCR Murni Ujian
Statistika 100 Mahasiswa Jurusan Akuntansi
Universitas BSI Bandung .......................................................... 16
Tabel 1.7 Turus dan Frekuensi Nilai ELPT 50 Mahasiswa Jurusan
Sistem Informasi Universitas BSI Bandung ........................... 18
Tabel 1.8 Distribusi Frekuensi Nilai ELPT 50 Mahasiswa Jurusan
Sistem Informasi Universitas BSI Bandung ........................... 19
Tabel 1.9 Distribusi Frekuensi Data Tinggi Badan 100 Mahasiswa
STMIK Nusa Mandiri ............................................................... 20
xiii
xiv Statistika Deskriptif Itu Mudah
Tabel 1.10 Distribusi Frekuensi Kumulatif Kurang daripada Data

Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri ........... 21
Tabel 1.11 Distribusi frekuensi dari Nilai OCR Murni Ujian
Statistika 100 mahasiswa jurusan Akuntansi
Tabel 1.12 Distribusi Frekuensi Kumulatif Lebih Daripada
Nilai OCR murni Ujian Statistika 100 Mahasiswa
Jurusan Akuntansi Universitas BSI Bandung ........................ 22
Tabel 1.13 Distribusi Frekuensi dari Data Tinggi Badan 50
Siswa SMP................................................................................... 22
Tabel 1.14 Distribusi Frekuensi Relatif dari Data Tinggi Badan
50 siswa SMP.............................................................................. 23
Tabel 1.15 Distribusi Frekuensi Nilai Ujian Analisa Perancangan
Sistem 50 Mahasiswa Universitas BSI Bandung .................... 23
Tabel 1.16 Distribusi Frekuensi Kumulatif Kurang dari Nilai Ujian
Analisa Perancangan Sistem 50 Mahasiswa Universitas
BSI Bandung............................................................................... 24
Tabel 1.17 Distribusi Frekuensi Nilai Ujian Tengah Semester
Perpajakan 65 Mahasiswa......................................................... 24
Tabel 1.18 Distribusi Frekuensi Relatif dari Nilai Ujian Tengah
Semester Perpajakan 65 Mahasiswa........................................ 25
Tabel 1.19 Distribusi Frekuensi Nilai Ujian Akhir Semester Mata
kuliah Dasar Manajemen dan Bisnis 80 Mahasiswa ............. 27
Tabel 1.20 Distribusi frekuensi dari nilai nilai OCR Murni Ujian
Universitas BSI Bandung ......................................................... 28
Tabel 1.21 Distribusi Frekuensi Kumulatif Kurang Daripada Nilai
Ujian Akhir Semester Dasar Manajemen dan Bisnis 80
Mahasiswa .................................................................................. 30
Tabel 1.22 Distribusi Frekuensi Kumulatif Lebih Daripada Nilai
Ujian Akhir Semester Dasar Manajemen dan
Bisnis 80 Mahasiswa.................................................................. 31
Tabel 1.23 Distribusi Frekuensi dari nilai OCR murni Ujian
Statistika 100 mahasiswa jurusan Akuntansi
Daftar Tabel dan Gambar xv
Tabel 1.24 Distribusi Frekuensi Lebih Daripada Data

Tinggi Badan 50 Siswa SMP..................................................... 33
Tabel 1.25 Penggunaan Keramik di PD. Mahar Putri Selama
Tahun 2001 – 2007 .................................................................... 48
Tabel 1.26 Data Angka Kelahiran di Kota Palu Tahun 2003 – 2008...... 49
Tabel 1.27 Data Nilai Impor Menurut Golongan Barang Ekonomi
Tahun 2002 – 2006 ................................................................... 50
Tabel 1.28 Data Jumlah Produk Menurut Jenis Dan Waktunya
di Toko Putri Agung Tahun 2005 – 2009 .............................. 51
Tabel 1.29 Penggunaan Barang Produksi di PT. Abadi Selama
Tahun 2005 – 2009 .................................................................... 52
Tabel 1.30 Data Angka Kelahiran di Kota Palu Tahun 2004 – 2009 ..... 53
Tabel 1.31 Data Banyaknya Murid di Kuningan Tahun 2002 ................ 54
Tabel 1.32 Data Nilai Impor Menurut Golongan Makanan Pokok
Tahun 2002 – 2006 .................................................................... 55
Tabel 1.33 Data Biaya Tiap Bulan di Daerah Bandung Tahun 2001...... 57
Tabel 1.34 Data Perolehan Suara Kegemaran
di Universitas BSI Bandung...................................................... 58
Tabel 1.35 Data Jumlah Pelajar di Indonesia (dalam ribuan)................. 60
Tabel 1.36 Data Jumlah Populasi Kelinci Tahun 2004 – 2008
(dalam ribuan) ........................................................................... 61
Tabel 1.37 Data Jumlah Produksi Pabrik Obeng
Tahun 2005 – 2008 (dalam ratusan) ....................................... 62
Tabel 1.38 Distribusi Frekuensi Data Tinggi Badan 100
Tabel 1.39 Distribusi Frekuensi dari Nilai-nilai OCR Murni Ujian
Tabel 1.40 Distribusi Frekuensi dari Nilai ELPT Jurusan
Sistem Informasi 50 Mahasiswa Universitas BSI Bandung.. 66
Tabel 1.41 Distribusi Frekuensi Kumulatif Kurang Daripada
Tinggi Badan 50 Siswa .............................................................. 66
Tabel 1.42 Distribusi Frekuensi Kumulatif Lebih Daripada
Nilai OCR Murni Ujian Statistika 100 Mahasiswa
xvi Statistika Deskriptif Itu Mudah
Tabel 1.43 Penggunaan Barang Produksi di PT. Abadi selama

Tahun 2005 – 2009 .................................................................... 69
Tabel 1.44 Data Nilai Impor Menurut Golongan Barang Ekonomi
Tahun 2002 - 2006 ..................................................................... 69
Tabel 1.45 Banyaknya Permintaan Konsumen Produk Komputer
Tahun 2000 – 2005 ................................................................... 70
Tabel 1.46 Data Jumlah Produk Menurut Jenis Dan Waktunya di
Toko Putri Agung Tahun 2005 – 2009 ................................... 70
Tabel 1.47 Data Perolehan Suara Pemilihan Ketua BEM di
Tabel 1.48 Data Jumlah Pembangunan Gedung Tahun 2006 – 2010
(dalam ratusan).......................................................................... 71
Tabel 1.49 Turus dan Frekuensi Data Tinggi Badan 50 Siswa SMP ..... 73
Tabel 1.50 Distribusi Frekuensi Data Tinggi Badan 50 Siswa SMP....... 74
Tabel 1.51 Distribusi Frekuensi Kumulatif Lebih Daripada Data
Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri ........... 74
Tabel 1.52 Distribusi Frekuensi Relatif Pada Data Tinggi Badan 100
Tabel 1.53 Distribusi Frekuensi Kumulatif Kurang Dari Nilai OCR
Murni Ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung....................................... 76
Tabel 1.54 Distribusi Frekuensi Relatif Dari Nilai OCR Murni
Ujian Statistika 100 mahasiswa jurusan Akuntansi
Tabel 2.1 Nilai Hasil Ujian ........................................................................ 86
Tabel 2.2 Perbandingan Tingkat Gaji Karyawan Dua Perusahaan...... 87
Tabel 2.3 Perbandingan Nilai Matematika dan Biologi Kelas 3 ........... 88
Tabel 2.4 Hasil Penjualan buku Perpajakan di Dua Toko ..................... 92
Tabel 2.5 Upah per bulan Tiga Kelompok Karyawan............................ 96
Tabel 3.1 Modal PT. Maju ......................................................................... 142
Tabel 3.2 Perhitungan Rata-Rata Hitung ................................................ 143
Tabel 3.3 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 143
Tabel 3.4 Perhitungan Rata-Rata Hitung ................................................ 144
Tabel 3.6 Perhitungan Median.................................................................. 145
Daftar Tabel dan Gambar xvii
Tabel 3.8 Perhitungan Median.................................................................. 147
Tabel 3.10 Perhitungan Modus................................................................... 149
Tabel 3.12 Perhitungan Modus................................................................... 150
Tabel 3.14 Perhitungan Kuartil................................................................... 152
Tabel 3.18 Perhitungan Desil ...................................................................... 157
Tabel 3.22 Perhitungan Persentil................................................................ 166
Tabel 3.25 Nilai Ujian Komputer Animasi 50 Mahasiswa
Jurusan Public Relation Universitas BSI Bandung................ 173
Tabel 3.26 Tinggi Badan 40 Anak Panti Asuhan Tambatan Hati........... 174
Tabel 3.27 Nilai Ujian Metodologi Keperawatan 30 Mahasiswa
Jurusan Keperawatan Universitas BSI Bandung.................... 174
Tabel 3.28 Nilai Ujian Komputer Grafis II 40 Mahasiswa Jurusan
Desain Komunikasi Visual Universitas BSI Bandung .......... 175
Tabel 3.29 Tinggi Badan 90 Mahasiswa UKM Bulutangkis
Tabel 3.30 Nilai Ujian Komputer Animasi 50 Mahasiswa
Jurusan Public Relation Universitas BSI Bandung................ 176
Tabel 3.31 Perhitungan Median Dan Modus ............................................ 176
Tabel 4.1 Berat Badan 54 Mahasiswa Jurusan Manajemen
Informatika Universitas BSI Bandung .................................... 185
xviii Statistika Deskriptif Itu Mudah
Tabel 4.2 Berat Badan 50 Anak di Panti Asuhan Tambatan Hati ........ 188
Tabel 4.3 Perhitungan Simpangan Rata-rata .......................................... 189
Tabel 4.4 Nilai Ujian Pengantar Bisnis .................................................... 190
Tabel 4.5 Perhitungan Simpangan Rata-Rata ......................................... 190
Tabel 4.6 Modal Perusahaan Cahaya ....................................................... 195
Tabel 4.7 Distribusi Lengkap Untuk Perhitungan Variansi .................. 195
Tabel 4.10 Perhitungan Variansi dan Standar Deviasi............................. 201
Tabel 4.11 Daftar Perhitungan Variansi dan Standar Deviasi ................ 202
Tabel 4.14 Hasil Ujian Statistik Industri Jurusan Teknik Industri
Tabel 4.15 Perhitungan Variansi................................................................. 205
Tabel 4.18 Berat Badan 20 Mahasiswa Jurusan Desain
Komunikasi Visual Universitas BSI Bandung........................ 209
Tabel 4.19 Berat Badan 100 Anak Panti Yatim Indonesia....................... 210
Tabel 4.20 Berat Badan 100 Mahasiswa Jurusan Ilmu
Komunikasi Universitas BSI Bandung.................................... 211
Tabel 4.21 Perhitungan Koefisien Variasi.................................................. 215
Tabel 4.22 Berat Badan 20 Mahasiswa UKM Bulutangkis di
Tabel 4.23 Modal Perusahaan PT. Putrii ................................................... 221
Tabel 4.24 Nilai Ujian Bahasa Inggris kelas Manajemen
Tabel 4.25 Nilai Hasil Ujian Gizi dan Terapi Diet Jurusan
Keperawatan Universitas BSI Bandung .................................. 222
Tabel 4.26 Hasil Ujian Anatomi jurusan Keperawatan di
Tabel 4.27 Perhitungan Simpangan Rata-Rata ......................................... 224
Tabel 4.29 Distribusi lengkap Perhitungan Variansi dan
Standar Deviasi .......................................................................... 226
Daftar Tabel dan Gambar xix

Tabel 5.1 Perhitungan Standar Deviasi.................................................... 234
Tabel 5.3 Distribusi Frekuensi .................................................................. 237
Tabel 5.4 Perhitungan ............................................................................... 237
Tabel 5.6 Modal Perusahaan Citra ........................................................... 242
Tabel 5.7 Distribusi Lengkap Untuk Perhitungan Variansi,
Standar Deviasi dan Derajat Kemiringan............................... 242
Tabel 5.8 Distribusi Frekuensi Data dari Berat Badan 50
Mahasiswa Universitas BSI Bandung...................................... 244
Tabel 5.9 Perhitungan Derajat Kemiringan ............................................ 245
Tabel 5.10 Data Nilai Ujian B.Inggris 50 Mahasiswa Jurusan
Pariwisata Universitas BSI Bandung ....................................... 254
Tabel 5.11 Perhitungan ................................................................................ 254
Tabel 5.12 Data Nilai Ujian Akhir Semester 80 Mahasiswa Jurusan
Manajemen Pemasaran Universitas BSI Bandung ................ 256
Tabel 6.1 Harga Beras Dari 3 Daerah ...................................................... 264
Tabel 6.2 Kebutuhan-Kebutuhan Pokok Tahun 2000 dan 2005........... 267
Tabel 6.3 Jenis-Jenis Bahan Bangunan Tahun 2003 dan 2008.............. 268
Tabel 6.6 Jenis-Jenis Bahan Tahun 2003 dan 2006 ................................ 270
Tabel 6.8 Harga dan Kuantitas yang dibeli PT.Citra.............................. 274
Tabel 6.10 Kebutuhan Perlengkapan Perusahaan PT. Ayu
Tahun 2000 dan 2005 ................................................................ 276
Tabel 6.12 Harga dan Kuantitas yang dibeli PT.Citra.............................. 279
Tabel 6.14 Kebutuhan Perlengkapan Perusahaan
Tahun 2000 dan 2005 ................................................................ 280
xx Statistika Deskriptif Itu Mudah
Tabel 6.16 Penjualan Barang-Barang Elektronik

Tahun 2005 dan 2007 (dalam jutaan) ..................................... 284
Tabel 6.17 Perhitungan Dengan Cara Walsh ............................................ 284
Tabel 6.18 Perhitungan Indeks Dengan Cara Marshall – Edgeworth ... 285
Tabel 6.19 Kebutuhan Perlengkapan Perusahaan
Tahun 2000 dan 2005 ................................................................ 286
Tabel 6.20 Perhitungan Dengan Cara Walsh ............................................ 286
Tabel 6.21 Perhitungan Dengan Cara Marshall – Edgeworth ............... 287
Tabel 6.22 Harga Dan Jumlah Pembelian 4 Jenis Bahan
Tahun 2001 dan 2006 ................................................................ 289
Tabel 6.24 Harga Perdagangan Tahun 1990 – 1995 ................................. 291
Tabel 6.25 Kebutuhan Alat-alat Kantor Tahun 2002 dan 2007 .............. 292
Tabel 6.26 Jenis Kebutuhan-kebutuhan Medis Tahun 2005 dan 2009 .... 293
Tabel 6.27 Harga dan Kuantitas Persediaan Barang yang Dibeli
PT. Angkasa................................................................................ 293
Tabel 6.28 Jenis Kebutuhan-kebutuhan Medis Tahun 2005 dan 2009 .. 294
Tabel 7.1 Data Kecepatan Mesin Per Menit Dan Jumlah
Kerusakan Kertas (Lembaran)................................................. 301
Tabel 7.3 Data Besarnya Pendapatan Dan Pengeluaran Negara .......... 303
Tabel 7.5 Data Antara Biaya Iklan Dan Volume Penjualan
Perusahaan Jasa Eceran Produk Komputer............................ 305
Tabel 7.7 Data Pendapatan Dengan Konsumsi Per Minggu Dalam $ ... 307
Tabel 7.9 Data Kecepatan Mesin Per Menit Dan Jumlah
Daftar Tabel dan Gambar xxi

Tabel 7.15 Data Pendapatan Dengan Konsumsi Per Minggu Dalam $. 317
Tabel 7.17 Data Kecepatan Mesin Per Menit dan Jumlah
Tabel 7.23 Data Pendapatan Dengan Konsumsi Per Minggu Dalam $ ... 327
Tabel 7.25 Tinggi Badan Ayah dan Tinggi Badan Putra dengan
Sampel 12 Orang Ayah dan Putra ........................................... 331
Tabel 7.26 Percobaan Nitrogen pada Tanaman Padi ............................... 331
Tabel 7.27 Perhitungan Metode Kuadrat Terkecil.................................... 332
Tabel 7.28 Perhitungan Penaksiran Kesalahan Baku............................... 336
Tabel 7.29 Perhitungan Metode Kuadrat Terkecil.................................... 337
Tabel 7.30 Perhitungan Penaksiran Kesalahan Baku............................... 340
Tabel 8.1 Besar Pendapatan Usaha (Jutaan Rupiah).............................. 346
Tabel 8.2 Perhitungan Semi Average ...................................................... 347
Tabel 8.3 Besar Keuntungan Penjualan Laptop
(Puluhan Juta Rupiah) .............................................................. 349
Tabel 8.5 Biaya Produksi Sparepart Mobil (Milliaran Rupiah) ............ 351
Tabel 8.7 Besar Pengeluaran PT. Indo (Miliaran Rupiah) .................... 353
Tabel 8.9 Besar Penjualan Cabai (Jutaan Rupiah).................................. 355
Tabel 8.10 Perhitungan Semi Average ....................................................... 356
Tabel 8.11 Keuntungan Penjualan Smartphone Di Gerai Smart
(Milliaran Rupiah)..................................................................... 358
Tabel 8.13 Frekuensi Penggunaan Layanan Email Perusahaan
(Jutaan Rupiah).......................................................................... 360
xxii Statistika Deskriptif Itu Mudah

Tabel 8.15 Keuntungan Penjualan CCTV (Dalam Jutaan) ..................... 362
Tabel 8.17 Besar Pinjaman Suatu Negara (Milliaran Rupiah) ................ 369
Tabel 8.18 Letak Rata-Rata Bergerak 2 Tahun ......................................... 370
Tabel 8.19 Letak Rata-Rata Bergerak 3 Tahun ......................................... 371
Tabel 8.20 Besar Penjualan Motor (Jutaan Rupiah)................................. 376
Tabel 8.21 Perhitungan Least Square ....................................................... 376
Tabel 8.22 Besar Pembelian Baju (Dalam Jutaan Rupiah) ...................... 377
Tabel 8.24 Besar Pinjaman Perusahaan (Jutaan Rupiah) ........................ 380
DAFTAR GAMBAR
Gambar 1.1 Contoh Tabel Distribusi Frekuensi ......................................... 5
Gambar 1.2 Histogram dan Poligon Frekuensi dari nilai Ujian Akhir
Semester Dasar Manajemen dan Bisnis 80 Mahasiswa ........ 27
Gambar 1.3 Histogram dan Poligon Frekuensi dari nilai OCR Murni
Ujian Statistika 100 Mahasiswa jurusan Akuntansi
Gambar 1.4 Ogif Distribusi Frekuensi Kurang Daripada nilai
Ujian Akhir Semester Dasar Manajemen dan Bisnis
80 Mahasiswa ............................................................................. 30
Gambar 1.5 Ogif Distribusi Frekuensi Lebih Daripada Nilai
Ujian Akhir Semester Dasar Manajemen dan
Bisnis 80 Mahasiswa.................................................................. 31
Gambar 1.6 Ogif Distribusi Frekuensi Kurang Dari dan Lebih
Daripada Nilai Ujian Akhir Semester Dasar
Manajemen dan Bisnis 80 Mahasiswa .................................... 32
Gambar 1.7 Ogif Distribusi Frekuensi dari nilai OCR Murni
Ujian Statistika 100 Mahasiswa Jurusan Akuntansi
Gambar 1.8 Ogif Distribusi Frekuensi Lebih Daripada Data
Tinggi Badan 50 Siswa SMP .................................................... 34
Daftar Tabel dan Gambar xxiii
Gambar 1.9 Ogif Distribusi Frekuensi Kurang Dari dan

Lebih Daripada Data Tinggi Badan 50 Siswa SMP ............... 34
Gambar 1.10 Grafik Garis Tunggal dari data Penggunaan Keramik
di PD. Mahar Putri Tahun 2001 – 2007.................................. 48
Gambar 1.11 Grafik Garis Ganda dari Data Angka Kelahiran
di Kota Palu tahun 2003 – 2008 .............................................. 49
Gambar 1.12 Grafik Garis Ganda dari Data Nilai Impor Menurut
Golongan Barang Ekonomi Tahun 2002 – 2006 ................... 50
Gambar 1.13 Grafik Garis Ganda Dari Data Jumlah Produk
Menurut Jenis dan Waktunya di Toko Putri Agung
Tahun 2005 – 2009 ................................................................... 51
Gambar 1.14 Grafik Batang Tunggal Dari Data Penggunaan
Barang Produksi di PT. Abadi Tahun 2005 – 2009 .............. 53
Gambar 1.15 Grafik Batang Tunggal Dari Data Angka Kelahiran di
Kota Palu Tahun 2004 – 2009 ................................................ 54
Gambar 1.16 Grafik Batang Ganda Dari Data Banyaknya Murid di
Kuningan Tahun 2002............................................................... 55
Gambar 1.17 Grafik Batang Ganda Dari Data Nilai Impor
Menurut Golongan Makanan Pokok Tahun 2002 – 2006.... 56
Gambar 1.18 Grafik Lingkaran Dari Data Biaya Tiap Bulan
di Daerah Bandung Tahun 2001.............................................. 58
Gambar 1.19 Grafik Lingkaran Dari Data Biaya Tiap Bulan
di Daerah Bandung Tahun 2001.............................................. 58
Gambar 1.20 Grafik Lingkaran dari Data Perolehan Suara
Kegemaran di Universitas BSI Bandung................................. 59
Kegemaran di Universitas BSI Bandung................................. 59
Gambar 1.22 Grafik Gambar Dari Data Jumlah Pelajar di Indonesia
(dalam ribuan) ........................................................................... 61
Gambar 1.23 Grafik Gambar Dari Jumlah Populasi Kelinci
Tahun 2004 – 2008 (dalam ribuan)......................................... 62
Gambar 1.24 Grafik Gambar Dari Data Jumlah Produksi Pabrik
Obeng Tahun 2005 – 2008 (dalam ratusan)........................... 62
Gambar 1.25 Histogram dan Poligon Frekuensi dari nilai ELPT
Jurusan Sistem Informasi 50 Mahasiswa
xxiv Statistika Deskriptif Itu Mudah
Gambar 1.26 Ogif Distribusi Frekuensi Kumulatif Kurang Daripada

Tinggi Badan 50 Siswa SMP..................................................... 77
Gambar 1.27 Ogif Distribusi Frekuensi Kumulatif Lebih Daripada
Nilai OCR Murni Ujian Statistika 100 Mahasiswa
Gambar 1.28 Grafik Garis Tunggal dari Data Penggunaan Barang
Produksi di PT. Abadi selama 2005 – 2009 ........................... 80
Gambar 1.29 Grafik Garis Ganda Dari Data Nilai Impor Menurut
Golongan Barang Ekonomi Tahun 2002 – 2006 .................. 81
Gambar 1.30 Grafik Batang Tunggal dari Data Banyaknya Permintaan
Konsumen Produk Komputer Tahun 2000 – 2005 .............. 81
Gambar 1.31 Grafik Batang Ganda dari Data Jumlah Produk
Menurut Jenis dan Waktunya di Toko Putri Agung
Tahun 2005 – 2009 ................................................................... 82
Pemilihan Ketua BEM di Universitas BSI Bandung ............. 83
Gambar 1.33 Grafik Lingkaran Dari Data Perolehan Suara
Pemilihan Ketua BEM di Universitas BSI Bandung ............. 83
Gambar 1.34 Grafik Gambar Dari Jumlah Pembangunan Gedung
Tahun 2003 – 2007 (dalam ratusan) ....................................... 84
Gambar 5.1 Distribusi Simetri ...................................................................... 232
Gambar 5.2 Distribusi Miring ke Kanan...................................................... 232
Gambar 5.3 Distribusi Miring ke Kiri .......................................................... 233
Gambar 5.4 Leptokurtis ................................................................................. 250
Gambar 5.5 Mesokurtis .................................................................................. 251
Gambar 5.6 Platikurtis ................................................................................... 251
Gambar 8.1 Grafik Trend Jangka Panjang ................................................... 342
Gambar 8.2 Tahap-tahap Siklis ..................................................................... 343
Gambar 8.3 Variasi Musiman ........................................................................ 344
Gambar 8.4 Gerakan Tidak Teratur ............................................................. 344
Bab 1 DISTRIBUSI FREKUEnSI
alam kehidupan sehari-hari secara terus-menerus kita terhubung

D dengan data. Data nilai adalah contoh data yang paling akrab bagi
mahasiswa dan dosen. Data di perusahaan yang secara lengkap memuat
proses tumbuh kembangnya perusahaan. Data kebutuhan layanan
Broadband di dunia memperlihatkan kebiasaan, preference dan prioritas
pelanggan dalam memilih layanan Internet Broadband. Data-data ini
hanya contoh sebagian kecil data yang ada di sekitar kita. Tanpa
disadari data yang telah terkumpul tersedia dalam jumlah yang besar.
Sering tumpukan data-data menjadi sangat besar sehingga kita
mengalami kesulitan untuk mengenali ciri-cirinya. Meringkas data
menjadi suatu kebutuhan. Data yang jumlahnya besar perlu diatur,
ditata atau diorganisir sedemikian rupa sehingga dapat dimunculkan ciri
khas dari kelompok data tersebut. Salah satu cara dengan meringkas data
tersebut ke dalam bentuk kelompok data sehingga dengan segera dapat
diketahui ciri-cirinya dan dapat dengan
mudah dianalisis sesuai dengan kepentingan kita.
Untuk menunjukkan ciri-ciri data bisa beragam cara. Secara garis
besar ada 2 cara untuk menyajikan data, yaitu dengan tabel dan grafik.
Penyajian data secara tabel bisa dilakukan dengan cara mendistribusikan
data dalam kelas dan menetapkan banyaknya nilai yang termasuk dalam
setiap kelas disebut juga frekuensi kelas. Sedangkan penyajian data
dengan grafik dikatakan lebih komunikatif karena dalam waktu singkat
seseorang akan
1
2 Statistika Deskriptif Itu Mudah
dapat dengan mudah memperoleh gambaran dan kesimpulan mengenai

suatu keadaan.
1.1 Pengertian
Pengertian Distribusi Frekuensi (DF) adalah proses
pengelompokkan atau penyusunan data menjadi tabulasi data yang
memakai kelas-kelas data dan dikaitkan dengan masing-masing
frekuensinya. Pembuatan DF bertujuan untuk mengatur data mentah atau
belum dikelompokkan ke dalam bentuk yang rapi tanpa mengurangi atau
menambah inti informasi yang ada.
Distribusi frekuensi terbagi menjadi dua kelompok yaitu Distribusi
Frekuensi Numerikal dan Distribusi Frekuensi Kategorikal. Pengertian
Distribusi Frekuensi Numerikal yaitu pengelompokkan data berdasarkan
angka-angka tertentu, biasanya disajikan dengan grafik
histogram.Sedangkan
pengertian Distribusi Frekuensi Kategorikal yaitu pengelompokkan data
berdasarkan kategori-kategori tertentu, biasanya disajikan dengan grafik
batang, lingkaran dan gambar.
1.2 Mengenal Istilah-istilah dalam Distribusi Frekuensi

Untuk dapat membentuk distribusi frekuensi, kita perlu mengenal
istilah-istilah yang ada dalam distribusi frekuensi.
Istilah-istilah tersebut adalah:
1. Kelas (Class) adalah penggolongan data yang dibatasi dengan
nilai terendah dan nilai tertinggi yang masing-masing dinamakan
batas kelas.
2. Batas Kelas (Class Limit) adalah nilai batas daripada tiap kelas dalam
sebuah distribusi, terbagi menjadi:
States Class Limit adalah batas-batas kelas yang tertulis dalam

distribusi frekuensi yang terdiri dari Batas bawah Kelas (Lower
Class Limit) dan Batas atas Kelas (Upper Class Limit).
Bab 1 Distribusi Frekuensi 3
3. Tepi Kelas (Class Bounderies) adalah batas kelas yang sebenarnya

yang terdiri dari Batas bawah kelas yang sebenarnya (Lower
Class Boundary) dan Batas atas kelas yang sebenarnya (Upper
Class Boundary)
4. Panjang Kelas atau Lebar Kelas (Class Interval) adalah lebar
dari sebuah kelas dan dihitung dari perbedaan antara kedua tepi
kelasnya.
5. Titik Tengah Kelas (Class Mark/Mid Point) adalah rata-rata hitung
dari kedua batas kelasnya atau tepi kelasnya.
1.3 Tahap-tahap Penyusunan Distribusi Frekuensi

Dalam penyusunan suatu distribusi frekuensi perlu dilakukan tahapan
penyusunan yang dapat dijadikan
Lakukan pengurutan data-data mentah terlebih dahulu sesuai urutan
besarnya nilai data bila diperlukan. Selanjutnya lakukan tahapan-tahapan
berikut ini:
1. Gunakan rumus berikut untuk menentukan nilai jangkauan atau range
(R):
R = Nilai Maksimum Data – Nilai Minimum Data
2. Hitung banyaknya kelas yang diinginkan, dapat digunakan rumus

Strugges yaitu:
K = 1 + 3,3 log n
Dimana:
K = banyaknya
kelas n = banyaknya
data
Penggunaan rumus Strugges ini untuk memandu kita menentukan

dengan mudah perkiraan jumlah kelas yang dapat dibentuk dari
sekelompok data. Hindari terlalu sedikit kelas karena dengan kelas
yang jumlahnya
sedikit informasi data juga tidak maksimal. Sedangkan jika terlalu

banyak kelas dikhawatirkan akan terdapat kelas yang frekuensinya
kosong.
3. Dapatkan nilai Interval Kelas dengan menggunakan rumus:
I = R/K
Dimana:
I = interval kelas
R = range atau
jangkauan K =
banyaknya kelas
4. Buat batas-batas kelas untuk membentuk kelas-kelas dalam

distribusi frekuensi:
Tbk = bbk – 0,5 (skala terkecil)
Tak = bak + 0,5 (skala terkecil)
Dimana:
Tbk = Tepi bawah kelas
Tak = Tepi atas kelas
Bbk = Batas bawah kelas
Bak = Batas atas kelas
Dengan menggunakan batas-batas kelas maka dapat ditentukan pula
panjang interval kelas yaitu Tak – Tbk.
5. Dapatkan titik tengah kelas dengan menggunakan rumus
TTK = ½ (bak +bbk)
Dimana:
TTK = titik tengah kelas
Bak = batas atas kelas
Bbk = batas bawah kelas
6. Setelah kerangka kelas tersusun, masukkanlah data ke dalam kelas-

kelas yang sesuai dengan memakai sistem Tally atau Turus.
7. Lengkapi distribusi frekuensi dengan cara mengisi kolom frekuensi

sesuai dengan jumlah frekuensi data yang dihimpun dalam Tally
atau Turus.
Gambar 1.1
Contoh Tabel Distribusi Frekuensi
1.4 Pembuatan Distribusi Frekuensi dari Sekelompok Data

Setelah mengetahui tahapan pembuatan distribusi frekuensi, maka
sekarang kita akan membuat distribusi data dari kelompok-kelompok
data berikut:
1. Data tinggi badan 100 orang mahasiswa STMIK Nusa Mandiri.
2. Nilai ujian Analisa Perancangan Sistem 50 mahasiswa Universitas BSI
Bandung.
3. Nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
Universitas BSI Bandung.
4. Nilai ELPT dari 50 mahasiswa jurusan Sistem Informasi

Universitas BSI Bandung.
Ciri kelompok data di atas adalah semua kelompok data terdiri

dari sekumpulan data yang merupakan hasil pengukuran ataupun hasil
pemeriksaan yang terdiri dari kumpulan data yang ditampilkan apa
adanya. Data seperti itu disebut data mentah dan sering disebut sebagai
raw data.
Contoh 1.1
Perhatikan data tinggi badan 100 mahasiswa STMIK Nusa Mandiri
berikut ini yang diukur dalam cm:
167 164 163 156 164 168 174 163 169 159
164 169 162 163 157 167 162 158 165 163
165 169 173 159 164 169 163 156 162 168
171 157 169 165 167 156 170 164 153 168
162 158 161 164 167 163 156 162 164 168
158 165 173 156 164 167 163 154 162 169
170 161 166 152 163 160 167 162 171 157
156 168 161 157 164 166 162 160 165 167
160 164 166 155 161 164 167 162 174 159
170 153 163 168 162 172 161 164 158 161
Dari 100 ukuran tinggi badan mahasiswa di atas susunlah ke dalam

tabel distribusi frekuensi.
Penyelesaian:
Tahap awal jika memungkinkan urutkan kelompok data tinggi badan di
atas dari nilai tinggi terendah hingga tertinggi. Setelah diurutkan dari
yang paling kecil sampai paling besar secara menyamping untuk data
tinggi badan adalah sebagai berikut:
152 153 153 154 155 156 156 156 156 156
156 157 157 157 157 158 158 158 158 159
159 159 160 160 160 161 161 161 161 161
161 162 162 162 162 162 162 162 162 162
162 163 163 163 163 163 163 163 163 163
164 164 164 164 164 164 164 164 164 164
164 164 165 165 165 165 165 166 166 166
167 167 167 167 167 167 167 167 168 168
168 168 168 168 169 169 169 169 169 169
170 170 170 171 171 172 173 173 174 174
Selanjutnya lakukan tahapan pembuatan distribusi frekuensi dengan

langkah-langkah:
1. Periksa nilai maksimum dan nilai minimum dari data terurut di atas,
hitunglah nilai range atau jangkauan. Diperoleh nilai maksimum
174
dan nilai minimum 152, maka diperoleh range (R).
R = Nilai maksimum – Nilai minimum
= 174 – 152
= 22
2. Prediksi jumlah banyaknya kelas

data: K = 1+ 3,3 log n
= 1 + 3,3 log 100
= 7,6
Dengan demikian banyaknya kelas dapat ditentukan kira-kira 7
atau 8.
3. Untuk contoh ini diambil banyak kelas 8, maka Interval (I) kelasnya
diperoleh:
I = R/K
= 22/8
= 2,75
Dengan demikian interval kelas dapat ditentukan kira-kira 2 atau 3.
4. Karena nilai minimum data adalah 152, maka kita dapat memilih
batas kelas pertama adalah 150, 151, atau 152 dan usahakan agar
tidak terlalu jauh dengan nilai minimumnya. Dengan interval kelas
ditentukan 3, maka diambil saja batas kelas pertamanya 152 untuk
memudahkan penyusunan dalam tabel distribusi frekuensi. Maka
didapatlah batas kelas pertamanya “ 152 – 154 “.
Sehingga diperoleh:
Tbk = bbk – 0,5
= 152 – 0,5
= 151,5
Tak = bak + 0,5

= 154 + 0,5
= 154,5
Sehingga panjang interval kelas yaitu “151,5 – 154,5”
5. Didapatkan nilai Titik Tengah Kelas (TTK) pertama
adalah: TTK = ½ (152+154)

= 153
Dengan cara yang sama dapat diperoleh titik tengah kelas

berikutnya, yaitu kelas kedua 155 – 157 adalah 156. Kelas ketiga 158
– 160 adalah
159. Kelas keempat 161 – 163 adalah 162. Kelas kelima 164 – 166
adalah 165. Kelas keenam 167 – 169 adalah 168. Kelas ketujuh 170
–172 adalah 171. Kelas kedelapan 173 – 175 adalah 174.
6. Lakukan proses tally atau turus, pengurutan data pada tahap awal
sebelumnya tentu sangat membantu dalam proses ini. Data tinggi
badan 100 mahasiswa STMIK Nusa Mandiri diperoleh turus dan
frekuensi data yaitu sebagai berikut:
Tabel 1.1
Turus dan Frekuensi Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
Kelas Turus Frekuensi

152 – 154 IIII 4
155 – 157 IIII IIII I 11
158 – 160 IIII IIII 10
161 – 163 IIII IIII IIII IIII IIII 25
164 – 166 IIII IIII IIII IIII 20
170 – 172 IIII I 6
173 – 175 IIII 4
7. Langkah terakhir susunlah semua data dalam tabel distribusi

frekuensi secara lengkap sebagai berikut.
Tabel 1.2
Distribusi Frekuensi Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
Kelas Tepi Kelas Titik Tengah Frekuensi

152 – 154 151,5 – 154,5 153 4
155 – 157 154,5 – 157,5 156 11
158 – 160 157,5 – 160,5 159 10
161 – 163 160,5 - 163,5 162 25
164 – 166 163,5 – 166,5 165 20
167 – 169 166,5 – 169,5 168 20
170 – 172 169,5 – 172,5 171 6
173 – 175 172,5 – 175,5 174 4
Jumlah 100
Contoh 1.2
Data nilai ujian Analisa Perancangan Sistem 50 mahasiswa Universitas BSI
Bandung adalah sebagai berikut:
50 48 22 49 78 59 27 41 68 54
34 80 68 42 73 51 76 45 32 53
66 32 64 47 76 58 75 60 35 57
73 38 30 44 54 57 72 67 51 86
25 37 69 71 52 25 47 63 59 64
Buatlah daftar distribusi frekuensinya!

Penyelesaian:
Setelah diurutkan nilai ujian Analisa Perancangan Sistem 50 mahasiswa
Universitas BSI Bandung diperoleh:
22 25 25 27 30 32 32 34 35 37
38 41 42 44 45 47 47 48 49 50
51 51 52 53 54 54 57 57 58 59
59 60 63 64 64 66 67 68 68 69
71 72 73 73 75 76 76 78 80 86
Selanjutnya dihitung data-data berikut:
1. Dari jajaran data di atas, maka diperoleh range atau

jangkauan: R = Nilai maksimum – Nilai minimum
= 86 – 22
= 64
2. Banyaknya kelas data:

K = 1+ 3,3 log n
= 1 + 3,3 log 50
= 6,62

atau 7.
3. Maka jika banyak kelas diambil 7. Jadi Interval kelasnya

adalah: I = R/K
= 64/7
= 9,14
Dengan demikian interval kelas dapat ditentukan kira-kira 9 atau

10.
4. Karena nilai minimum data adalah 22, maka kita dapat memiih
batas kelas pertama adalah 22, 21, atau 20 dan usahakan agar tidak
terlalu jauh dengan nilai minimumnya. Dengan interval kelasnya 10
maka diambil saja batas kelas pertamanya 20 untuk memudahkan
penyusunan dalam tabel distribusi frekuensi. Maka didapatlah batas
kelas pertamanya 20 – 29.
Jadi;
Tbk = bbk – 0,5

= 20 – 0,5
= 19,5
Tak = bak + 0,5

= 29 + 0,5
= 29,5
Panjang interval kelas pertama yaitu “19,5 – 29,5”
5. Titik tengah kelas pertama

adalah: TTK = ½ (20+29)
= 24,5

berikutnya, yaitu kelas 30 – 39 adalah 34,5. Kelas 40 – 49 adalah
44,5. Kelas 50
– 59 adalah 54,5. Kelas 60 – 69 adalah 64,5. Kelas 70 – 79 adalah 74,5.
Kelas 80 – 89 adalah 84,5.
Dengan memakai jajaran data dari data nilai ujian Analisa

Perancangan Sistem 50 mahasiswa Universitas BSI Bandung, maka
diperoleh turus dan frekuensi data yaitu sebagai berikut:
Tabel 1.3
Turus dan Frekuensi dari data Nilai Ujian Analisa Perancangan Sistem 50
Mahasiswa Universitas BSI Bandung

20 – 29 IIII 4
30 – 39 IIII II 7
40 – 49 IIII III 8
50 – 59 IIII IIII II 12
60 – 69 IIII IIII 9
70 – 79 IIII III 8
80 – 89 II 2
Dengan demikian, tabel distribusi frekuensi lengkap adalah sebagai

berikut:
Tabel 1.4
Distribusi Frekuensi Nilai Ujian Analisa Perancangan Sistem 50
Titik
Kelas Tepi Kelas Tengah Frekuensi
20 – 29 19,5 – 29,5 24,5 4
30 – 39 29,5 – 39,5 34,5 7
40 – 49 39,5 – 49,5 44,5 8
50 – 59 49,5 - 59,5 54,5 12
60 – 69 59,5 – 69,5 64,5 9
70 – 79 69,5 – 79,5 74,5 8
80 – 89 79,5 – 89,5 84,5 2
Jumlah 50
Contoh 1.3
Data nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
Universitas BSI Bandung adalah sebagai berikut:
25 27 30 25 34 95 78 50 50 40
87 25 95 25 95 40 66 53 70 53
39 93 25 27 34 66 53 55 55 53
40 89 27 95 89 40 55 53 53 53
43 87 89 32 66 53 53 95 53 64
78 40 39 30 70 55 95 93 64 40
93 34 87 92 68 53 91 37 40 43
95 25 93 37 44 53 68 64 37 37
34 44 32 91 37 60 53 60 92 95
25 25 92 30 91 95 87 55 95 78
Buatlah daftar distribusi frekuensinya!
Penyelesaian:
Jajaran data yang diurutkan dari yang paling kecil sampai paling besar untuk
data nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
25 25 25 25 25 25 25 25 27 27
27 30 30 30 32 32 34 34 34 34
37 37 37 37 37 39 39 40 40 40
40 40 40 40 43 43 44 44 50 50
53 53 53 53 53 53 53 53 53 53
53 53 53 55 55 55 55 55 60 60
64 64 64 66 66 66 68 68 70 70
78 78 78 87 87 87 87 89 89 89
91 91 91 92 92 92 93 93 93 93
95 95 95 95 95 95 95 95 95 95
Selanjutnya dilakukan tahap dan langkah perhitungan berikut:

jangkauan: R = Nilai maksimum – Nilai minimum
= 95 – 25
= 70

K = 1+ 3,3 log n
= 1 + 3,3 log 100
= 7,6
Dengan demikian banyaknya kelas dapat ditentukan antara 7 atau 8

kelas

adalah: I = R/K
= 70/8
= 8,75
4. Karena nilai minimum data adalah 25, maka kita dapat memilih
batas kelas pertama adalah 25, 24, 23 atau 21 dan usahakan agar
tidak terlalu jauh dengan nilai minimumnya. Dengan interval
kelasnya 9 maka diambil saja batas kelas pertamanya 25 untuk
memudahkan penyusunan dalam tabel distribusi frekuensi. Maka
didapatlah batas kelas pertamanya 25 – 33.
Jadi;
Tbk = bbk – 0,5
= 25 – 0,5
= 24,5
Tak = bak + 0,5

= 33 + 0,5
= 33,5
Panjang interval kelas yaitu “24,5 – 33,5”

adalah: TTK = ½ (25+33)
= 29

berikutnya, yaitu kelas 34 – 42 adalah 38. Kelas 43 – 51 adalah 47.
Kelas 52 – 60
adalah 56. Kelas 61 – 69 adalah 65. Kelas 70 – 78 adalah 74. Kelas 79
– 87 adalah 83. Kelas 88 – 96 adalah 92.
Selanjutnya diperoleh hasil turus dan frekuensi data yaitu sebagai

berikut:
Tabel 1.5
Turus dan Frekuensi Nilai OCR Murni Ujian Statistika 100 mahasiswa
jurusan Akuntansi Universitas BSI Bandung

25 – 33 IIII IIII I 16
34 – 42 IIII IIII IIII III 18
43 – 51 IIII I 6
61 – 69 IIII III 8
70 – 78 IIII 5
79 – 87 IIII 4
88 – 96 IIIII IIII IIII IIII III 23
Dengan demikian, tabel distribusi frekuensi lengkap yaitu sebagai

berikut:
Tabel 1.6
Distribusi frekuensi dari nilai nilai OCR murni ujian Statistika 100 mahasiswa
jurusan Akuntansi Universitas BSI Bandung
Titik
25 – 33 24,5 – 33,5 29 16
34 – 42 33,5 – 42,5 38 18
43 – 51 42,5 – 51,5 47 6
52 – 60 51,5 – 60,5 56 20
61 – 69 60,5 – 69,5 65 8
70 – 78 69,5 – 78,5 74 5
79 – 87 78,5 – 87,5 83 4
88 – 96 87,5 – 96,5 92 23
Jumlah 100
Contoh 1.4
Data nilai ELPT dari 50 mahasiswa jurusan Sistem Informasi Universitas
BSI Bandung adalah sebagai berikut:
40 37 55 65 63 60 53 60 42 43
37 68 37 70 53 63 38 42 43 50
40 55 65 37 58 50 53 50 50 50
65 50 58 63 43 47 60 38 50 50
70 37 50 45 63 50 38 50 50 50
Sajikan data di atas dalam bentuk distribusi frekuensi!
Penyelesaian:
Data mentah di atas diatur dalam jajaran data yang diurutkan dari yang
paling kecil sampai paling besar untuk data nilai ELPT dari 50
mahasiswa jurusan Sistem Informasi Universitas BSI Bandung menjadi:
37 37 37 37 37 38 38 38 40 40
42 42 43 43 43 45 47 50 50 50
50 50 50 50 50 50 50 50 50 50
53 53 53 55 55 58 58 60 60 60
63 63 63 63 65 65 65 68 70 70
Berikutnya dilakukan perhitungan dan langkah-langkah

penyusunan:
1. Dari jajaran data di atas, maka diperoleh range atau jangkauan:
= 70 – 37
= 33

K = 1+ 3,3 log n
= 1 + 3,3 log 50
= 6,62

atau 7.

adalah: I = R/K
= 33/7
= 4,71
4. Karena nilai minimum data adalah 37, maka kita dapat memiih
batas kelas pertama adalah 37, 36 atau 35 dan usahakan agar tidak
terlalu jauh dengan nilai minimumnya. Dengan interval kelasnya 5
maka diambil saja batas kelas pertamanya 35 untuk memudahkan
penyusunan dalam tabel distribusi frekuensi. Maka didapat lah

batas kelas pertamanya 35 – 39.
Jadi;
Tbk = bbk – 0,5
= 35 – 0,5
= 34,5
Tak = bak + 0,5

= 39 + 0,5
= 39,5
Panjang interval kelas yaitu “34,5 – 39,5”

adalah: TTK = ½ (35+39)
= 37
Dengan cara yang sama dapat diperoleh titik tengah kelas berikutnya,
yaitu kelas 40 – 44 adalah 42. Kelas 45 – 49 adalah 47. Kelas 50 – 54
adalah 52.
Kelas 55 – 59 adalah 57. Kelas 60 – 64 adalah 62. Kelas 65 – 69 adalah 67.
Dengan memakai jajaran data nilai ELPT dari 50 mahasiswa

jurusan Sistem Informasi Universitas BSI Bandung maka diperoleh turus
dan frekuensi data yaitu:
Tabel 1.7
Turus dan Frekuensi Nilai ELPT 50 Mahasiswa Jurusan Sistem Informasi
Universitas BSI Bandung

35 – 39 IIII III 8
40 – 44 IIII II 7
45 – 49 II 2
50 – 54 IIII IIII IIII I 16
55 – 59 IIII 4
60 – 64 IIII II 7
65 – 70 IIII I 6
Dengan demikian, tabel distribusi frekuensi lengkapnya yaitu

sebagai berikut:
Tabel 1.8
Distribusi Frekuensi Nilai ELPT 50 Mahasiswa Jurusan Sistem Informasi
Titik
35 – 39 34,5 – 39,5 37 8
40 – 44 39,5 – 44,5 42 7
45 – 49 44,5 – 49,5 47 2
50 – 54 49,5 – 54,5 52 16
55 – 59 54,5 – 59,5 57 4
60 – 64 59,5 – 64,5 62 7
65 – 69 64,5 – 69,5 67 6
Jumlah 50
1.5 Jenis-jenis Distribusi Frekuensi
1. Distribusi Frekuensi Kumulatif

Distribusi frekuensi kumulatif adalah suatu daftar yang memuat
frekuensi-frekuensi kumulatif, jika ingin mengetahui banyaknya data
yang ada di atas atau di bawah suatu nilai tertentu. Distribusi frekuensi
kumulatif ini terbagi menjadi 2 bagian yaitu diantaranya:
 Distribusi Frekuensi kumulatif kurang dari (dari atas) yaitu suatu total
frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah
kelas pada masing-masing interval kelasnya.
 Distribusi Frekuensi kumulatif lebih dari (dari bawah) yaitu suatu total
frekuensi dari semua nilai-nilai yang lebih besar dari tepi bawah
kelas pada masing-masing interval kelasnya.
 Distribusi Frekuensi Kumulatif Relatif adalah suatu total frekuensi
dengan menggunakan persentasi.
2. Distribusi Frekuensi Relatif

Distribusi frekuensi relatif adalah perbandingan daripada frekuensi
masing-masing kelas dan jumlah frekuensi seluruhnya dan dinyatakan
dalam persen.
Contoh 1.5
Perhatikan data tinggi badan 100 mahasiswa STMIK Nusa Mandiri
berikut ini:
Tabel 1.9
Titik
152 – 154 151,5 – 154,5 153 4
155 – 157 154,5 – 157,5 156 11
158 – 160 157,5 – 160,5 159 10
161 – 163 160,5 - 163,5 162 25
164 – 166 163,5 – 166,5 165 20
167 – 169 166,5 – 169,5 168 20
170 – 172 169,5 – 172,5 171 6
173 – 175 172,5 – 175,5 174 4
Jumlah 100
Dari 100 ukuran tinggi badan mahasiswa di atas buatlah ke dalam

tabel distribusi frekuensi kumulatif kurang dari!
Penyelesaian:
Frekuensi kumulatif kurang dari diperoleh dengan cara menghitung
total frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah
kelas pada masing-masing interval kelasnya. Maka dengan itu lebih
lengkapnya tabelnya seperti berikut:
Tabel 1.10
Distribusi Frekuensi Kumulatif Kurang daripada Data Tinggi Badan 100
Mahasiswa STMIK Nusa Mandiri
Frekuensi
Kelas Batas Kelas KumulatifPersen
Kurang dari Kumulatif
≤ 151,5 0 0
152 – 154 ≤ 154,5 4 4
155 – 157 ≤ 157,5 15 15
158 – 160 ≤ 160,5 25 25
161 – 163 ≤ 163,5 50 50
164 – 166 ≤ 166,5 70 70
167 – 169 ≤ 169,5 90 90
170 – 172 ≤ 172,5 96 96
173 – 175 ≤ 175,5 100 100
Contoh 1.6
Tabel 1.11
Distribusi frekuensi dari Nilai OCR murni Ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung

25 – 33 24,5 – 33,5 29 16
34 – 42 33,5 – 42,5 38 18
43 – 51 42,5 – 51,5 47 6
52 – 60 51,5 – 60,5 56 20
61 – 69 60,5 – 69,5 65 8
70 – 78 69,5 – 78,5 74 5
79 – 87 78,5 – 87,5 83 4
88 – 96 87,5 – 96,5 92 23
Jumlah 100
Buatlah tabel distribusi frekuensi kumulatif lebih dari!

Penyelesaian:
Frekuensi kumulatif lebih dari diperoleh dengan cara menghitung total
frekuensi dari semua nilai-nilai yang lebih besar dari tepi bawah kelas
pada masing-masing interval kelasnya. Maka dengan itu lebih
lengkapnya tabelnya seperti di bawah ini:
Tabel 1.12
Distribusi Frekuensi Kumulatif Lebih Daripada nilai OCR murni Ujian Statistika 100
mahasiswa Jurusan Akuntansi Universitas BSI Bandung
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Lebih dari Kumulatif
25 – 33 ≥ 24,5 100 100
34 – 42 ≥ 33,5 84 84
43 – 51 ≥ 42,5 66 66
52 – 60 ≥ 51,5 60 60
61 – 69 ≥ 60,5 40 40
70 – 78 ≥ 69,5 32 32
79 – 87 ≥ 78,5 27 27
88 – 96 ≥ 87,5 23 23
≥ 96,5 0 0
Contoh 1.7
Data tinggi badan siswa SMP yang jumlah siswanya 50 orang adalah sebagai
berikut:
Tabel 1.13
Distribusi Frekuensi dari Data Tinggi Badan 50 siswa SMP

105 – 110 104,5 – 110,5 107,5 12
111 – 116 110,5 – 116,5 113,5 9
117 – 122 116,5 – 122,5 119,5 4
123 – 128 122,5 – 128,5 125,5 6
129 – 134 128,5 – 134,5 131,5 2
135 – 140 134,5 – 140,5 137,5 9
141 – 146 140,5 – 146,5 143,5 8
Jumlah 50
Buatlah tabel distribusi frekuensi relatifnya dari data di atas!

Penyelesaian:
Frekuensi relatif diperoleh dengan cara membandingkan antara frekuensi
masing- masing kelas dengan jumlah frekuensi kemudian dikalikan 100%.
Misalnya untuk kelas 105 – 110 dengan frekuensi (f) = 12, maka frekuensi
relatifnya adalah 12/50
* 100% = 24% dan seterusnya. Maka tabelnya seperti berikut:
Tabel 1.14
Distribusi Frekuensi Relatif dari Data Tinggi Badan 50 siswa SMP
Frekuensi
Kelas Titik tengah Frekuensi Relatif (%)
105 – 110 107,5 12 24
111 – 116 113,5 9 18
117 – 122 119,5 4 8
123 – 128 125,5 6 12
129 – 134 131,5 2 4
135 – 140 137,5 9 18
141 – 146 143,5 8 16
Jumlah 50 100
Contoh 1.8
Data nilai ujian Analisa Perancangan Sistem 50 mahasiswa Universitas BSI
Bandung adalah sebagai berikut:
Tabel 1.15
Distribusi Frekuensi Nilai Ujian Analisa Perancangan Sistem 50
Titik
20 – 29 19,5 – 29,5 24,5 4
30 – 39 29,5 – 39,5 34,5 7
40 – 49 39,5 – 49,5 44,5 8
50 – 59 49,5 - 59,5 54,5 12
60 – 69 59,5 – 69,5 64,5 9
70 – 79 69,5 – 79,5 74,5 8
80 – 89 79,5 – 89,5 84,5 2
Jumlah 50
Buatlah tabel distribusi frekuensi kumulatif kurang dari!

Penyelesaian:
Frekuensi kumulatif kurang dari diperoleh dengan cara menghitung total
frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah kelas
pada masing-masing interval kelasnya. Maka dengan itu lebih
lengkapnya tabelnya seperti di bawah ini:
Tabel 1.16
Distribusi Frekuensi Kumulatif Kurang dari Nilai Ujian Analisa Perancangan Sistem 50
Frekuensi
≤ 19,5 0 0
20 – 29 ≤ 29,5 4 8
30 – 39 ≤ 39,5 11 22
40 – 49 ≤ 49,5 19 38
50 – 59 ≤ 59,5 31 62
60 – 69 ≤ 69,5 40 80
70 – 79 ≤ 79,5 48 96
80 – 89 ≤ 89,5 50 100
Contoh 1.9
Data nilai Ujian Tengah Semester pada mata kuliah Perpajakan dari 65
mahasiswa sebagai berikut:
Tabel 1.17
Distribusi Frekuensi nilai Ujian Tengah Semester Perpajakan 65 Mahasiswa

20 – 27 19,5 – 27,5 23,5 5
28 – 35 27,5 – 35,5 31,5 8
36 – 43 35,5 – 43,5 39,5 10
44 – 51 43,5 – 51,5 47,5 14
52– 59 51,5 –59,5 55,5 21
60 – 67 59,5 –67,5 63,5 7
Jumlah 65
Buatlah tabel distribusi frekuensi relatif dari data di atas!

Penyelesaian:
Frekuensi relatif diperoleh dengan cara membandingkan antara frekuensi
masing-masing kelas dengan jumlah frekuensi kemudian dikalikan
100%. Misalnya untuk kelas 20 – 27 dengan frekuensi (f) = 5, maka
frekuensi relatifnya adalah 5/65 * 100% = 7,7% dan seterusnya. Maka
tabelnya seperti berikut:
Tabel 1.18
Distribusi Frekuensi Relatif dari Nilai Ujian Tengah Semester
Perpajakan 65 Mahasiswa
Frekuensi
Kelas Titik Tengah Frekuensi Relatif (%)
20 – 27 23,5 5 7,7
28 – 35 31,5 8 12,3
36 – 43 39,5 10 15,4
43 – 51 47,5 14 21,5
52 – 59 55,5 21 32,4
60 – 67 63,5 7 10,7
Jumlah 65 100
1.6 Histogram, Poligon Frekuensi dan Ogif

Histogram dan poligon frekuensi adalah dua grafik yang
mencerminkan distribusi frekuensi. Sedangkan ogif adalah grafik yang
mencerminkan distribusi frekuensi kumulatif lebih dari atau distribusi
frekuensi kumulatif kurang dari.
Untuk menyajikan data dengan histogram dan poligon frekuensi,
maka diperlukan sumbu X dan sumbu Y. Biasanya sumbu X dipakai
untuk menyatakan kelas interval dan sumbu Y dipakai untuk menyatakan
frekuensi kelas baik frekuensi absolut maupun frekuensi relatif. Cara
untuk menyajikan data dengan histogram, poligon frekuensi dan ogif
adalah sebagai berikut:
1. Histogram
Suatu histogram terdiri atas satu kumpulan batang persegi panjang
yang masing-masing mempunyai:
a. Alas pada sumbu mendatar (sumbu X) yang lebarnya sama dengan
lebar kelas interval.
b. Luas yang sebanding dengan frekuensi kelas.
Jika semua kelas interval sama lebarnya, maka tinggi batang

sebanding dengan frekuensi kelas dan biasanya tinggi batang secara
numerik sama dengan frekuensi kelas interval. Akan tetapi, jika kelas
interval lebarnya tidak sama, maka tinggi batang ini harus disesuaikan.
2. Poligon Frekuensi
Suatu poligon frekuensi adalah grafik garis dari fekuensi kelas yang
menghubungkan nilai tengah–nilai tengah kelas dari puncak batang
histogram. Untuk menggambar poligon frekuensi secara lengkap
biasanya diperlukan garis tambahan berupa segmen garis yang
menghubungkan nilai tengah dari puncak batang histogram pertama dan
terakhir dengan nilai tengah kelas yang paling ujung (paling pinggir) di
kiri dan di kanan yang frekuensi kelasnya sama dengan nol. Dengan
demikian jumlah luas batang histogram sama dengan total luas yang
dibatasi oleh poligon frekuensi dan sumbu datar (sumbu X). (Boediono:
2008)
Contoh 1.10
Nilai Ujian Akhir Semester mata kuliah Dasar Manejemen dan Bisnis
dari 80 mahasiswa sebagai berikut:
Tabel 1.19
Distribusi Frekuensi nilai Ujian Akhir Semester mata kuliah Dasar Manajemen dan
Bisnis 80 Mahasiswa

31 – 40 30,5 – 40,5 35,5 2
41 – 50 40,5 – 50,5 45,5 3
51 – 60 50,5 – 60,5 55,5 5
61 – 70 60,5 – 70,5 65,5 13
71 – 80 70,5 – 80,5 75,5 24
81 – 90 80,5 – 90,5 85,5 21
91 – 100 90,5 – 100,5 95,5 12
Jumlah 80
Buatlah grafik histogram dan poligon frekuensi dari data di atas!
Penyelesaian:
Gambar 1.2
Histogram dan Poligon Frekuensi dari nilai Ujian Akhir Semester Dasar
Manajemen dan Bisnis 80 Mahasiswa
30
24
21
Frekuensi kelas
20
13 12
10 5
2 3
0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5
batas kelas
Pada gambar di atas, sumbu mendatar menyatakan nilai ujian akhir

semester Dasar Manjemen dan Bisnis yang telah dikelompokkan menjadi
7 kelas interval dan yang tampak pada gambar adalah batas kelas dari
masing- masing kelas interval. Sedangkan sumbu tegak menyatakan
frekuensi masing-masing kelas interval.
Pada gambar di atas jelas terlihat bahwa batang histogram kelas

pertama 30,5 – 40,5 mempunyai lebar batang sama dengan lebar kelas,
yaitu C = 10 dan tinggi batang histogram sama dengan frekuensi kelas
interval, yaitu f = 2. Batang histogram kelas kedua dengan batas kelas
40,5
– 50,5 mempunyai lebar batang sama dengan lebar kelas, yaitu C = 10
dan tinggi batang histogram sama dengan frekuensi kelas interval, yaitu f
= 3 dan seterusnya. Perhatikan bahwa karena alas dari batang histogram
selalu dinyatakan oleh batas kelas, maka antara batang histogram yang
satu dengan batang histogram yang lain tidak mempunyai jarak atau
berimpit.
Perlu diingat bahwa sumbu tegak dari batang histogram dan poligon
frekuensi, selain dapat dinyatakan dengan frekuensi relatif atau persen
dari frekuensi masing-masing kelas interval. Tentu saja untuk itu
diperlukan distribusi frekuensi relatif atau persen frekuensi. Dalam kasus
ini, tinggi batang histogram dinyatakan dalam frekuensi relatif masing-
masing kelas atau persen frekuensi masing-masing kelas.
Contoh 1.11
Tabel 1.20
Distribusi frekuensi dari nilai nilai OCR murni ujian Statistika 100 mahasiswa jurusan
Titik
25 – 33 24,5 – 33,5 29 16
34 – 42 33,5 – 42,5 38 18
43 – 51 42,5 – 51,5 47 6
52 – 60 51,5 – 60,5 56 20
61 – 69 60,5 – 69,5 65 8
70 – 78 69,5 – 78,5 74 5
79 – 87 78,5 – 87,5 83 4
88 – 96 87,5 – 96,5 92 23
Jumlah 100
Buatlah grafik histogram dan poligon frekuensi dari data di atas!
Penyelesaian:
Gambar 1.3
Histogram dan Poligon Frekuensi dari nilai OCR murni Ujian Statistika 100
Mahasiswa jurusan Akuntansi Universitas BSI Bandung
25
20
15
Frekuensi kelas
10
5
0
24,5 33,5 42,5 51,5 60,5 69,5 78,5 87,5 96,5
batas kelas
3. Ogif
Ogif merupakan grafik dari distribusi frekuensi kumulatif lebih dari
atau distribusi frekuensi kurang dari. Ogif disebut juga poligon frekuensi
kumulatif. Untuk menggambarkan ogif diperlukan tabel distribusi
frekuensi kumulatif. Prinsip yang dipakai untuk menggambarkan ogif
hampir sama dengan prinsip untuk menggambarkan histrogram dan
poligon frekuensi. Sumbu datar dari ogif menyatakan batas kelas dan
sumbu tegak menyatakan frekuensi kumulatif.(Boediono: 2008)
Contoh 1.12
Buatlah ogif dari data nilai Ujian Akhir Semester mata kuliah Dasar
Manejemen dan Bisnis dari 80 mahasiswa yang data distribusi frekuensi
kumulatif kurang darinya sebagai berikut:
Tabel 1.21
Distribusi Frekuensi Kumulatif Kurang Daripada nilai Ujian Akhir Semester Dasar
Frekuensi
≤ 30,5 0 0
31 – 40 ≤ 40,5 2 2,5
41 – 50 ≤ 50,5 5 6,25
51 – 60 ≤ 60,5 10 12,5
61 – 70 ≤ 70,5 23 28,75
71 – 80 ≤ 80,5 47 58,75
81 – 90 ≤ 90,5 68 81,25
91 – 100 ≤ 100,5 80 100
Penyelesaian:
Gambar 1.4
Ogif Distribusi Frekuensi Kurang Daripada nilai Ujian Akhir Semester Dasar
100
Htgmwgpui Mwowncvih
80 80
68
60
47
40
20 23
2 5 10
0 0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5
Dcvcu Mgncu
Contoh 1.13
Buatlah ogif dari data nilai Ujian Akhir Semester mata kuliah Dasar
Manajemen dan Bisnis dari 80 mahasiswa sebagaimana dinyatakan
dalam bentuk tabel distribusi frekuensi lebih dari yang datanya sebagai
berikut:
Tabel 1.22
Distribusi Frekuensi Kumulatif Lebih Daripada nilai Ujian Akhir Semester Dasar
Frekuensi
31 – 40 ≥ 30,5 80 100
41 – 50 ≥ 40,5 78 97,5
51 – 60 ≥ 50,5 75 93,75
61 – 70 ≥ 60,5 70 87,5
71 – 80 ≥ 70,5 57 71,25
81 – 90 ≥ 80,5 33 41,25
91 – 100 ≥ 90,5 12 15
≥ 100,5 0 0
Penyelesaian:
Gambar 1.5
Ogif Distribusi Frekuensi Lebih Daripada nilai Ujian Akhir Semester Dasar
100
Frekuensi Kumulatif
80 8078 75
60 70
57
40
20 33
0 12
0
30,5 40,5 50,5 60,5 70,5 80,5 90,5 100,5
Batas Kelas
Bila titik-titik sudut dari ogif atau poligon frekuensi kumulatif pada
ogif frekuensi kumulatif kurang dari dan ogif frekuensi lebih dari
dihilangkan atau dihapuskan sehingga diperoleh ogif yang mulus (tanpa
titik sudut), maka akan diperoleh kurva ogif kurang dari dan kurva ogif
lebih dari, dari contoh tadi sebagai berikut:
Gambar 1.6
Ogif Distribusi Frekuensi Kurang Dari dan Lebih Daripada nilai Ujian Akhir Semester
Dasar Manajemen dan Bisnis 80 Mahasiswa
100
80 80 78 75 70 80
60
Htgmwgpui Mwowncvih
68
40 57
47 Ogif Frekuensi kumulatif kurang dari
20 33
0 23
10 12Ogif frekuensi kumulatif lebih dari
0 2 5 0
40,5 30,5
Dcvcu Mgncu
Contoh 1.14
Buatlah ogif dari data nilai OCR murni ujian Statistika 100 mahasiswa
jurusan Akuntansi Universitas BSI Bandung sebagaimana dinyatakan
dalam bentuk tabel distribusi frekuensi kurang dari yang datanya sebagai
berikut:
Tabel 1.23
Distribusi Frekuensi dari nilai OCR murni Ujian Statistika 100 mahasiswa jurusan
Frekuensi
Persen
Kelas Batas Kelas Kumulatif
≤ 24,5 0 0
25 – 33 ≤ 33,5 16 16
34 – 42 ≤ 42,5 34 34
43 – 51 ≤ 51,5 40 40
52 – 60 ≤ 60,5 60 60
61 – 69 ≤ 69,5 68 68
70 – 78 ≤ 78,5 73 73
79 – 87 ≤ 87,5 77 77
88 – 96 ≤ 96,5 100 100
Penyelesaian:
Gambar 1.7
Ogif Distribusi Frekuensi dari nilai OCR murni ujian Statistika 100 mahasiswa jurusan
Frekuensi Kumulatif
120
100 100
80 77
68 73
60 660
40 34 40
20
16
0
0
24,5 33,5 42,5
2 51,5 60,5 69,5 78,5 87,5
5 96,5
Batas Kelas
a
Contoh 1.15
Buatlah ogif dari data tinggi badan 50 anak SMP sebagaimana
dinyatakan dalam bentuk tabel distribusi frekuensi lebih dari yang
datanya sebagai berikut:
Tabel 1.24
Distribusi Frekuensi Lebih Daripada Data Tinggi Badan 50 siswa SMP
Batas Frekuensi
Persen
Kelas Kelas Kumulatif
Kumulatif
Lebih dari
105 – 110 ≥ 104,5 50 100
111 – 116 ≥ 110,5 38 76
117 – 122 ≥ 116,5 29 58
123 – 128 ≥ 122,5 25 50
129 – 134 ≥ 128,5 19 38
135 – 140 ≥ 134,5 17 34
141 – 146 ≥ 140,5 8 16
≥ 146,5 0 0
Penyelesaian:
Gambar 1.8
Ogif Distribusi Frekuensi Lebih Daripada Data Tinggi Badan 50 siswa SMP
Frekuensi Kumulatif
60
50 50
40
30 38
20 29
25
10 9
19 17
0 8
0
104,5110,5116,5122,5128,5134,5140,5146,5
0
Batas Kelas
Bila titik-titik sudut dari ogif atau poligon frekuensi kumulatif pada ogif
frekuensi kumulatif kurang dari dan ogif frekuensi lebih dari dihilangkan
atau dihapuskan sehingga diperoleh ogif yang mulus (tanpa titik sudut),
maka akan diperoleh kurva ogif kurang dari dan kurva ogif lebih dari,
dari contoh di atas sebagai berikut:
Gambar 1.9
Ogif Distribusi Frekuensi Kurang Dari dan Lebih Daripada Data Tinggi
Badan 50 Siswa SMP
60
50
Frekuensi Kumulatif
50 50
40 42
38
30 29 25 31 33 Ogif frekuensi kumulatif kurang dari
20 21 Ogif frekuensi kumulatif lebih dari
10 19 17
12
0 8
0 0
104,5
Batas Kelas
1.7 Notasi Sigma

Σ adalah notasi sigma, digunakan untuk menyatakan penjumlahan
berurutan dari suatu bilangan yang sudah berpola. Σ merupakan huruf
capital “S” dalam abjad Yunani adalah huruf pertama dari kata SUM
yang berarti jumlah.
Rumus:
∑n i=1
Xi dibaca sigma Xi, i dari 1 sampai n
Sifat-sifat Notasi Sigma
n n n n
a. ∑(Xi ±Yi ± Zi) = ∑ Xi ±∑Yi ± ∑ Zi

i=1 i=1 i=1 i=1
n n
b. ∑k.Xi = k∑ Xi, k = bilangan konstanta

i=1 i=1
c. ∑ k = k + k ++ k = nk
i=1
n
n
d. ∑ (Xi −k) ∑ ( Xi 2 2
−2kXi + k 2 )
i=1
= i=1
n n n
e. ∑(Yi −a −bXi) = ∑Yi −na −b∑ Xi

i=1 i=1 i=1
Contoh 1.16
Diketahui:
X1 = 3 X2 = 5 X3 = 7 X4 = 9 X5 = 11
Y1 = 1 Y2 = 2 Y3 = 3 Y4 = 4 Y5 = 5
Z1 = 2 Z2 = 4 Z3 = 6 Z4 = 8 Z5 = 10
Hitunglah ∑ Xi + Zi +Yi!
i=1
Penyelesaian:
5
∑ Xi = 3 +5 +7 +9 +11 = 35
i=1
∑Yi =1+2 +3 + 4 +5 =15

i=1
∑Zi = 2 + 4 +6 +8 +10 = 30
i=1
n 5 5 5
∑(Xi +Yi + Zi) = ∑ Xi +∑Yi + ∑ Zi

i=1 i=1 i=1 i=1
Contoh 1.17 = 35 +15 +30

Diketahui: = 80
X1 = 15 X2 = 17 X3 = 19 X4 = 21 X5 = 23
Y1 = 11 Y2 = 12 Y3 = 13 Y4 = 14 Y5 = 15
Z1 = 1 Z2 = 2 Z3 = 3 Z4 = 4 Z5 =5
Hitunglah ∑ Xi + Zi +Yi!
i=1
Penyelesaian:
5
∑ Xi =15 +17 +19 +21+23 = 95

i=1
∑Yi =11+12 +13 +14 +15 = 65

i=1
∑Zi =1+2 +3 + 4 +5 =15

i=1
n 5 5 5
∑(Xi −Yi −Zi) = ∑ Xi −∑Yi − ∑ Zi

i=1 i=1 i=1 i=1
Contoh 1.18 = 95−65−15

Diketahui: =15
X1 = 2 X2 = 4
Y1 = 0 Y2 = 1 Y3 = 8
Hitunglah
n
∑2Xi +6Yi!
i=1
Penyelesaian:
n 2 3
∑(2Xi +6Yi) = ∑2Xi +∑6Yi

i=1 i=1 i1
= 2 (2+4) + 6 (0+1+8)
= 2 (6) + 6 (9)
= 12 + 54
= 66
Contoh 1.19
Diketahui:
B1 = 10 B2 = 8 B3 = 12
C1 = 7 C2 = 8 C3 = 9
D1 = 2 D2 = 6 D3 = 8
Hitunglah n
∑Bi +Ci + Di!

i=1
Penyelesaian:
3
∑Bi =10 +8 +12 = 30

i=1
3
∑Ci = 7 +8 +9 = 24
i=1
∑Di = 2 +6 +8 =16
i=1
n 3 3 3
∑(Bi +Ci + Di) = ∑ Bi + ∑ Ci + ∑ Di

i=1 i=1 i=1 i=1
= 30 +24 +16
= 70
Contoh 1.20
F1 = 2 F2 = 3 F3 = 4 F4 = 5
L1 = 6 L2 = 7 L3 = 8 L4 = 9
M1 = 10 M2 = 11 M3 = 12 M4 = 13
Hitunglah n
∑Fi + Li + Mi!
i=1
Penyelesaian:
∑Fi =2 +3 + 4 +5 =14
i=1
∑Li = 6 +7 +8 +9 = 30
i=1
∑Mi =10 +11+12 +13 = 46

i=1
n 4 4 4
∑(Fi + Li + Mi) = ∑Fi + ∑ Li + ∑ Mi

i=1 i=1 i=1 i=1
=14 +30 + 46
= 90
Contoh 1.21
Diketahui:
F1 = 25 F2 = 35 F3 = 40
L1 = 5 L2 = 7 L3 = 9
M1 = 10 M2 = 13 M3 = 15
Hitunglah n
∑Fi −Li − Mi!

i=1
Penyelesaian:
3
∑Fi = 25 +35 + 40 =100

i=1
∑Li = 5 +7 +9 = 21
i=1
∑ Mi =10 +13 +15 = 38

i=1
n 3 3 3
∑(Fi −Li − Mi) = ∑Fi − ∑ Li − ∑ Mi

i=1 i=1 i=1 i=1
=100−21−38
= 41
Contoh 1.22
Diketahui:
R1 = 10 R2 = 11 R3 = 12 R4 = 15
S1 = 0 S2 = 1 S3 = 2 S4 = 3
T1 = 2 T2 = 3 T3 = 4 T4 = 5
Hitunglah n
∑Ri −Si −Ti!

i=1
Penyelesaian:
∑Ri =10 +11+12 +15 = 48

i=1
∑Si = 0 +1+2 +3 = 6
i=1
∑Ti = 2 +3 + 4 +5 =14
i=1
4 4 4 4
∑(Ri −Si −Ti) = ∑Ri − ∑Si −∑Ti

i=1 i=1 i=1 i=1
= 48−6−14
= 28
Contoh 1.23
Diketahui:
X1 = 7 X2 = 5 X3 = 6 X4 = 3 X5 = 4
k=3
Hitunglah ∑k.Xi!
i=1
Penyelesaian:
n n
∑ k.Xi = k ∑ Xi = k ( X1 + X2 + X3 + X 4 + X5 )
i=1 i=1
= 3(7 +5 +6 +3 + 4)
= 3(25)
= 75
Contoh 1.24
Diketahui:
X1 = 2 X2 = 4 X3 = 6 k = 10
Hitunglah n
∑k.Xi!
i=1
Penyelesaian:
n n
∑ k.Xi = k ∑ Xi = k ( X 1 + X2 + X3 )
i=1 i=1
=10(2 + 4 +6)
=10(12)
=120
Contoh 1.25
Diketahui:
X1 = 4 X2 = 8 X3 = 12 X4 = 16 X5 = 18
X6 = 24 k = 5
Hitunglah ∑k.Xi!
i=1
Penyelesaian:
n n
∑ k.Xi = k ∑ Xi = k ( X
i=1
1 + X2 + X3 + X 4 + X5 + X6 )
i=1
= 5(4 +8 +12 +16 +18 +24)

= 5(82)
= 460
Contoh 1.26
Diketahui:
X1 = 0 X2 = 1 X3 = 2 X4 = 4 k = 15
Hitunglah ∑ k.Xi!
i=1
Penyelesaian:
n n
∑ k.Xi = k ∑ Xi = k ( X 1 + X2 + X3 + X 4 )
i=1 i=1
=15(0 +1+2 + 4)
=15(7)
=105
Contoh 1.27
Diketahui: n = 5k = 20
Hitunglah ∑k !
i=1
Penyelesaian:
∑ k = nk = 5.20 =100
i=1
Contoh 1.28
Diketahui:
n = 10 k = ½
Hitunglah ∑k !
i=1
Penyelesaian:
n
1
∑ k = nk =10. =5
i=1 2
Contoh 1.29
Diketahui:
n = 8 k = 15
Hitunglah ∑k !
i=1
Penyelesaian:
n
∑ k = nk = 8.15 =120
i=1
Contoh 1.30
Diketahui:
n = 3 k = 25
Hitunglah ∑k !
i=1
Penyelesaian:
n
∑ k = nk = 3.25 = 75
i=1
Contoh 1.31
Diketahui: n = 4k = 5
Hitunglah ∑k !
i=1
Penyelesaian:
n
∑ k = nk = 4.5 = 20
i=1
Contoh 1.32
Diketahui:
X1 = 5 X2 = 7 X3 = 4 X4 = 6 X5 = 3
Hitunglah ∑(2Xi −5)2 !

i=1
Penyelesaian:
5 5
∑ (2Xi −5)2 = ∑ (4Xi2 −10Xi −10Xi +25)

i=1 i=1
5
= ∑ (4Xi 2 −20Xi +25)

i=1
5 5 5
2
= ∑ 4Xi − ∑ 29Xi + ∑ 25
i=1 i=1 i=1
= 4(5 +7 + 4 +6 +3) −20(5 +7 + 4 +6 +3)+5(25)

2
= 4 (52 +72 + 42 +62 +32 )−20(25) +125

= 4(135)−500 +125
= 540−500 +125
=165
Contoh 1.33
Diketahui:
X1 = 7 X2 = 8 X3 = 9 X4 = 10 X5 = 11

i=1
Penyelesaian:
5 5
∑ (4Xi −8)2 = ∑ (16Xi 2

−64Xi +64)
i=1 i=1
5 5 5
2
= ∑ 16Xi − ∑ 64Xi + ∑ 64
i=1 i=1 i=1
=16(7 +8 +9 +10 +11) −64(7 +8 +9 +10 +11)+5(64)

2
= 16 (72 +82 +92 +102 +112 )−64 (45) +320

= 64(415)−2880 +320
= 26560−2880 +320
= 24000
Contoh 1.34
Diketahui:
X1 = 2 X2 = 4 X3 =6 X4 = 8

i=1
Penyelesaian:
4 4
∑ (3Xi −4)2 = ∑ (9Xi2 −24Xi +16)

i=1 i=1
4 4 4
2
= ∑ 9Xi −∑ 24Xi + ∑ 16
i=1 i=1 i=1
2 2 2 2
= 9 (2 + 4 + 6 +8 )−24 (2 + 4 +6 +8) + 4 (16)
= 9 (22 + 42 + 62 +82 )−24 (25) +64
= 4(120)−600 +64
= 480−600 +64
=−56
46 Statistika Deskriptif Itu
Mudah
Contoh 1.35
Diketahui:
X1 = 2 X2 = 5 X3 = 1 X4 = 2 X5 = 1
Y1 = 15 Y2 =17 Y3 = 20 Y4 = 35 Y5 = 30
a=6 b=2
Hitunglah ∑(Yi −6−2Xi)

i=1
Penyelesaian:
5 5 5
∑(Yi −6−2Xi) = ∑Yi −5.6−2i = ∑ Xi

i=1 i=1 i=1
=(15 +17 +20 +35 +30)−30−2(2 +5 +1+2 +1)

=117 −30−2(11)
=117 −30−22
= 65
Contoh 1.36
Diketahui:
A1 = 1 A2 = 2 A3 = 3 A4 = 4 A5 = 5
B1 = 25 B2 =27 B3 = 29 B4 = 30 B5 = 32
a=5 b=3
Hitunglah ∑(Bi −5−3Ai)

i=1
Penyelesaian:
5 5 5
∑(Bi −5−3Ai) = ∑Yi −5.5−3∑ Xi

i=1 i=1 i=1
=(25 +27 +29 +30 +32)−25−2(1+2 +3 + 4 +5)

=143−25−2(15)
=143−30−30
= 83
Contoh 1.37
Diketahui:
R1 = 3 R2 = 4 R3 = 5
S1 = 10 S2 =25 S3 = 35
a=4 b=2
Hitunglah ∑(Si −4 −2Ri)

i=1
Penyelesaian:
3 3 3
∑(Si −4 −2Ri) = ∑Yi −3.4 −2∑ Xi

i=1 i=1 i=1
=(10 +25 +35)−12−2(3 + 4 +5)

= 70−12−2(12)
= 70−12−24
= 34
1.8 Jenis Grafik

Penyajian data dengan grafik lebih komunikatif dan dalam waktu
yang singkat. Tujuannya untuk mengetahui suatu keadaan yang
memerlukan keputusan. Secara visual grafik merupakan gambar-gambar
yang menunjukkan data berupa angka dan biasanya dibuat berdasarkan
tabel yang telah ada sebelumnya. (Boediono: 2008)
1.8.1 Grafik Garis (Line Chart)

Grafik garis atau diagram garis dipakai untuk menggambarkan
suatu keadaan berupa data berkala. Misalnya, jumlah kelahiran tiap
tahun, pertumbuhan ekonomi tiap tahun, pendapatan per kapita dari
tahun 2000
– 2005, banyaknya bayi yang lahir di rumah sakit per bulan dalam 1
tahun dan lain-lain. Ada beberapa jenis grafik garis, yaitu diantaranya
adalah:
a. Grafik Garis Tunggal

Grafik Garis Tunggal adalah grafik yang terdiri dari atas satu garis
yang menggambarkan suatu keadaan atau kejadian berupa data berkala
dari waktu ke waktu.Untuk menggambarkan grafik garis diperlukan
sumbu datar (sumbu X) dan sumbu tegak (sumbu Y).
Contoh 1.38
Buatlah grafik garis tunggal dari data penggunaan barang keramik di PD.
Mahar Putri selama 2001 – 2007 yang tabelnya tertera dalam tabel berikut
ini:
Tabel 1.25
Penggunaan keramik di PD. Mahar Putri Selama Tahun 2001 – 2007
Tahun Barang yang digunakan

2001 376
2002 524
2003 412
2004 310
2005 268
2006 476
2007 316
Penyelesaian:
Gambar 1.10
Grafik Garis Tunggal dari data Penggunaan Keramik di PD. Mahar
Putri Tahun 2001 – 2007
600
500
Banyaknya Barang
400
300
200
100
0
2001 2002 2003 2004 2005 2006 2007
Tahun
Contoh 1.39
Buatlah grafik garis tunggal dari data angka kelahiran (dalam jutaan) di
kota Palu dari tahun 2003 – 2008 disajikan pada tabel berikut:
Tabel 1.26
Data Angka Kelahiran di Kota Palu Tahun 2003 – 2008
Tahun Angka Kelahiran

2003 3,3
2004 6,2
2005 8,1
2006 10,3
2007 14,2
2008 18,7
Penyelesaian:
Gambar 1.11
Grafik Garis Ganda dari Data Angka Kelahiran di Kota Palu tahun 2003 – 2008
20
15
Jumlah Penduduk ( jutaan orang )
10
5
0
2003 2004 2005 2006 2007 2008
Tahun
b. Grafik Garis Ganda

Grafik garis berganda adalah grafik yang terdiri atas beberapa garis yang
menggambarkan perkembangan beberapa keadaan dari waktu ke waktu.
Contoh 1.40
Buatlah grafik garis ganda dari data nilai impor menurut golongan
barang ekonomi (dalam miliar dollar) pada tahun 2002 – 2006 adalah
sebagai berikut:
Tabel 1.27
Data Nilai Impor Menurut Golongan Barang Ekonomi Tahun 2002 – 2006
Barang Ekonomi
Tahun Barang Barang
Barang Baku
Konsumsi Modal
2002 1,73 11.73 2,89
2003 0,83 10,48 2,57
2004 0,28 0,16 1,72
2005 0,45 8,36 1,91
2006 0,5 9,57 2,44
Penyelesaian:
Gambar 1.12
Grafik Garis Ganda Dari Data Nilai Impor Menurut
Golongan Barang Ekonomi Tahun 2002 – 2006
15
nilai impor (dalam milliar dollar)
10
Barang Konsumsi Barang Baku
5 Barang
2002 2003 2004 2005 2006Modal
0 Tahun
Contoh 1.41
Buatlah grafik garis ganda dari data jumlah produk terjual (dalam
persen) menurut jenis dan waktu di Toko Putri Agung disajikan pada
tabel:
Tabel 1.28
Data Jumlah Produk Menurut Jenis Dan Waktunya di Toko Putri Agung
Tahun 2005 – 2009
Jenis Produk
Tahun
Laptop Netbook Printer
2005 9,2 12,5 26,3
2006 11,5 13,2 34,2
2007 25,5 45,5 30,2
2008 11,2 50,0 45,5
2009 40,5 63,0 55,5
Penyelesaian:
Gambar 1.13
Grafik Garis Ganda Dari Data Jumlah Produk Menurut Jenis
dan Waktunya di Toko Putri Agung Tahun 2005 – 2009
70
60
Jumlah Produk Terjual
50
40
30 Laptop
Netbook Printer
20
10
0
2005 2006 2007 2008 2009
Tahun
2.8.2 Grafik Batang (Bar Chart)

Menggambar grafik batang caranya hampir sama dengan
menggambarkan grafik garis. Hanya di dalam grafik batang untuk
mengatakan suatu keadaan digunakan batang atau balok bukan garis.
Data yang berbentuk kategori atau atribut sangat tepat disajikan dalam
diagram ini asalkan tahunnya tidak terlalu banyak.
Untuk menggambar grafik batang di perlukan sumbu datar dan

sumbu tegak yang berpotongan tegak lurus. Sumbu datar dibagi menjadi
beberapa skala bagian yang sama; demikian pula sumbu tegaknya. Skala
pada sumbu tegak dengan skala pada sumbu datar tidak perlu sama.
Kalau grafik dibuat tegak, maka sumbu datar dipakai untuk menyatakan
atribut atau waktu. Kuantum atau nilai data digambar pada sumbu tegak.
Seperti juga pada grafik garis, grafik batang pun terdiri atas beberapa
jenis yang diantaranya:
a. Grafik Batang Tunggal

Grafik batang tunggal atau single bar chart yaitu grafik batang yang
terdiri dari satu batang saja.
Contoh Soal 1.42

Buatlah grafik batang tunggal dari data penggunaan barang produksi di PT.
Abadi selama 2005 – 2009 yang tabelnya seperti berikut ini:
Tabel 1.29
Penggunaan Barang Produksi di PT. Abadi Selama Tahun 2005 – 2009

2005 3000
2006 3245
2007 3178
2008 4556
2009 6590
Bab 1 Distribusi 53
Frekuensi
Penyelesaian:
Gambar 1.14
Grafik Batang Tunggal Dari Data Penggunaan Barang Produksi di PT.
Abadi Tahun 2005 – 2009
8000
Barang yang digunakan
6000
4000
2000
0
2005 2006 2007 2008 2009
Tahun
Contoh 1.43
Data angka kelahiran (dalam jutaan) di kota Palu dari tahun 2004 – 2009
disajikan pada tabel berikut dan buatlah grafik batang tunggalnya!
Tabel 1.30
Data Angka Kelahiran di Kota Palu Tahun 2004 – 2009
Tahun Angka Kelahiran

2004 3,3
2005 6,2
2006 8,1
2007 10,3
2008 14,2
2009 18,7
54
Statistika Deskriptif Itu Mudah
Penyelesaian:
Gambar 1.15
Grafik Batang Tunggal Dari Data Angka Kelahiran di Kota
Palu Tahun 2004 – 2009
20
15
Angka Kelahiran
10
5
0
2004 2005 2006 2007 2008 2009
Tahun
b. Grafik Batang Ganda

Grafik batang ganda atau multiple bar chart yaitu grafik batang yang terdiri
dari beberapa batang.
Contoh 1.44
Diketahui banyaknya murid di daerah Kuningan menurut tingkat sekolah
dan jenis kelamin pada tahun 2002 disajikan pada tabel berikut ini dan
buatlah grafik batang gandanya!
Tabel 1.31
Data Banyaknya Murid di Kuningan Tahun 2002
Tingkat Banyaknya Murid

Sekolah Laki-Laki Perempuan
SD 875 687
SMP 512 507
SMA 347 321
STM 476 342
SMK 316 427
Jumlah 2526 2048
Bab 1 Distribusi 55
Frekuensi
Penyelesaian:
Gambar 1.16
Grafik Batang Ganda Dari Data Banyaknya Murid di Kuningan Tahun 2002
Banyaknya murid
1000
500
Laki-Laki
Perempuan
0
Tingkat Sekolah
Contoh 1.45
Data nilai impor menurut golongan makanan pokok (dalam miliar dollar)
adalah sebagai berikut dan buatlah grafik batang gandanya!
Tabel 1.32
Data Nilai Impor Menurut Golongan Makanan Pokok Tahun 2002 – 2006
Makanan Pokok
Tahun
Tepung Roti Beras
2002 12,73 10,93 5,89
2003 2,33 11,48 4,75
2004 3,84 2,15 3,62
2005 5,55 7,23 1,99
2006 4,5 11,56 7,39
56
Penyelesaian:
Gambar 1.17
Grafik Batang Ganda Dari Data Nilai Impor Menurut Golongan Makanan Pokok
Tahun 2002 – 2006
Banyaknya murid
1000
500
Laki-Laki
Perempuan
0
Tingkat Sekolah
1.8.3 Grafik Lingkaran (Pie Chart)

Cara lain yang juga sering dipakai untuk menggambarkan data
adalah dengan grafik lingkaran. Untuk membuat grafik lingkaran,
gambarkanlah suatu lingkaran, lalu dibagi-bagi menjadi beberapa bagian
sesuai dengan kepentingan. Tiap bagian menunjukkan karakteristik data
yang terlebih dahulu diubah menjadi derajat.(Boediono: 2008)
Contoh 1.46
Buatlah grafik lingkaran dari data biaya tiap bulan di daerah Bandung
(dalam persen) pada tahun 2001 yang disajikan pada tabel berikut ini:
Tabel 1.33
Data Biaya Tiap Bulan di Daerah Bandung Tahun 2001
Keperluan Biaya
Untuk (%)
Pos A 28
Pos B 18
Pos C 14
Pos D 22
Pos E 10
Pos F 8
Jumlah 100
Penyelesaian:
Untuk mengetahui berapa derajat dalam setiap pos maka lakukanlah hal
seperti di bawah ini:
Lingkaran kita bagi menjadi 6 bagian (sektor), yang besar sudutnya

ditentukan dengan cara seperti berikut:
Pos A : 28% × 360° =100,8°
Pos B : 18% × 360° = 64,8°
Pos C : 14% × 360° = 50,4°
Pos D : 22% × 360° = 79,2°
Pos E : 10% × 360° = 36°
Pos F : 8% × 360° = 28,8°
Jumlah = 360°
Untuk membagi lingkaran mulailah dari bagian lingkaran yang paling

besar. Grafik lingkaran dapat dibuat dalam 2 jenis yaitu:
a.
Gambar 1.18
Grafik Lingkaran Dari Data Biaya Tiap Bulan di Daerah Bandung Tahun 2001
8%
Pos A Pos B Pos C Pos D Pos E
10% 28% Pos F
22%
18%
14%
b.
Gambar 1.19
Grafik Lingkaran Dari Data Biaya Tiap Bulan di Daerah Bandung Tahun 2001
Pos E Pos F
8% Pos A 28%
10%
Pos D 22% Pos B 18%

Pos C 14%
Contoh 1.47
Buatlah grafik lingkaran dari data perolehan suara kegemaran sekolah di
Universitas BSI Bandung yang disajikan pada tabel berikut ini:
Tabel 1.34
Data Perolehan Suara Kegemaran di Universitas BSI Bandung
Kegemaran Perolehan Suara

Basket 36%
Volli 16%
Futsal 22%
Renang 26%
Penyelesaian:
Untuk mengetahui berapa derajat dalam setiap pos maka lakukanlah hal
Lingkaran kita bagi menjadi 4 bagian, yang besar sudutnya di tentukan

secara berikut:
Basket : 36% × 360° = 129,6°
Volli : 16% × 360° = 57,6°
Futsal : 22% × 360° = 79,2°
Renang : 26% × 360° = 93,6°
Jumlah = 360°
Untuk membagi lingkaran mulailah dari bagian lingkaran yang paling

besar. Grafik lingkaran dapat dibuat dalam 2 jenis yaitu:
a.
Gambar 1.20
Grafik Lingkaran dari Data Perolehan Suara Kegemaran di Universitas BSI Bandung
Perolehan suara
Basket
26%36% Voli
22% Futsal
16% Renang
b.
Gambar 1.21
Grafik Lingkaran dari Data Perolehan Suara Kegemaran di Universitas BSI Bandung
Perolehan Suara
Renang 26%
Basket 36%
ReBnankget
Futsal 26%Voli
t sal 36% Voli
F2u2%
22 % 16%16%
1.8.4 Grafik Gambar (Pictogram)

Grafik gambar adalah grafik berupa gambar atau lambang. Grafik
gambar sering dipakai untuk mendapatkan suatu gambaran yang agak
kasar mengenai suatu keadaan dan merupakan alat visual bagi orang
awam.
Grafik gambar dapat menampilkan suatu keadaan cara yang sangat
menarik, lebih-lebih bila lambang atau gambar yang dipilih bagus dan
menarik. Lambang yang dipilih biasanya bergantung pada karakteristik
datanya. Misalnya, data jumlah penduduk digambarkan atau
dilambangkan dengan orang, data gedung digambarkan dengan gedung,
data hasil pertanian digambarkan dengan pohon-pohonan, atau buah-
buahan, dan sebagainya.
Kesulitan yang dihadapi adalah untuk menggambarkan sesuatu
yang tidak penuh. Misalnya, bila satu gambar orang menyatakan 1000
penduduk, maka kita sulit menggambarkan penduduk yang jumlahnya
250 orang, karena sulit membuat gambar seperempat orang. (Boediono:
2008)
Contoh 1.48
Buatlah grafik gambar dari data jumlah Pelajar di Indonesia (dalam
ribuan) adalah sebagai berikut:
Tabel 1.35
Data Jumlah Pelajar di Indonesia (dalam ribuan)
Tahun Pelajaran Jumlah Pelajar

2001/2002 6,555
2002/2003 7,000
2003/2004 7,423
2004/2005 8,000
2005/2006 8,846
Bab 1 Distribusi 61
Frekuensi
Penyelesaian: Gambar 1.22

Grafik Gambar Dari Data Jumlah Pelajar di Indonesia (dalam ribuan)
2001/2002
2002/2003
2003/2004
2004/2005
2005/2006
Contoh 1.49
Buatlah grafik gambar dari data jumlah populasi kelinci dari tahun 2004
– 2008 di Lembang adalah sebagai berikut:
Tabel 1.36
Data Jumlah Populasi Kelinci Tahun 2004 – 2008 (dalam ribuan)
Jumlah Kelinci
Tahun (dalam ribuan)
2004 3
2005 5
2006 7
2007 9
2008 10
62
Penyelesaian:
Gambar 1.23
Grafik Gambar Dari Jumlah Populasi Kelinci Tahun 2004 –
2008 (dalam ribuan)
2004
2005
2006
2007
2008
Contoh 1.50
Buatlah grafik gambar dari data jumlah produksi pabrik obeng dari tahun
2005 – 2008 (dalam ratusan) di Bandung adalah sebagai berikut:
Tabel 1.37
Data Jumlah Produksi Pabrik Obeng
Tahun 2005 – 2008 (dalam ratusan)
Tahun 2005 2006 2007 2008

Produksi 3 6 2 4
Penyelesaian:
Gambar 1.24
Grafik Gambar Dari Data Jumlah Produksi Pabrik Obeng Tahun 2005 –
2008 (dalam ratusan)
2005
2006
2007
2008
1.9 Rangkuman
Distribusi frekuensi merupakan suatu pengelompokkan atau
penyusunan data menjadi tabulasi data yang memakai kelas-kelas data
dan dikaitkan dengan masing-masing frekuensinya. Tujuannya untuk
mengatur data mentah (belum dikelompokkan) ke dalam bentuk yang
rapi tanpa mengurangi atau menambah inti informasi yang ada.
Distribusi frekuensi dibagi menjadi 2 kelompok yaitu: distribusi
frekuensi numerikal dan distribusi frekuensi kategorikal.
Untuk memudahkan kita membuat tabel distribusi frekuensi maka
kita harus menggunakan tahap-tahap penyusunan distribusi frekuensi.
Jenis-Jenis Distribusi Frekuensi yaitu Distribusi Frekuensi Kumulatif
dan distribusi frekuensi relatif.
Σ adalah notasi sigma, digunakan untuk menyatakan penjumlahan
berurutan dari suatu bilangan yang sudah berpola. Σ merupakan huruf
capital “S” dalam abjad Yunani adalah huruf pertama dari kata SUM
yang berarti jumlah. Sifat-sifat notasi sigma diantaranya:
n n n n
a. ∑(Xi ±Yi ± Zi) = ∑ Xi ±∑Yi ± ∑ Zi

i=1 i=1 i=1 i=1
n n
b. ∑k.Xi = k∑ Xi,
i=1 i=1
k = bilangan konstanta
c. ∑ k = k + k ++ k = nk
i=1
n
n
d. 2
∑ (Xi −k) ∑ ( Xi
2
−2kXi + k 2 )
i=1
= i=1
n n n
e. ∑(Yi −a −bXi) = ∑Yi −na −b∑ Xi

i=1 i=1 i=1
Penyajian data dengan grafik atau diagram lebih komunikatif dan

dalam waktu yang singkat. Tujuannya untuk mengetahui suatu keadaan
yang memerlukan keputusan. Secara visual grafik merupakan gambar-
gambar yang menunjukkan data berupa angka dan biasanya dibuat
berdasarkan tabel yang telah ada sebelumnya.
Adapun jenis-jenis grafik yaitu sebagai berikut:
a. Grafik garis (line chart): Grafik garis dipakai untuk
menggambarkan suatu keadaan berupa data berkala.
b. Grafik Batang (bar chart): Grafik batang dipakai untuk mengatakan
suatu keadaan digunakan batang atau balok bukan garis.
c. Grafik Lingkaran (pie chart): Grafik yang dipakai untuk
menggambarkan data dengan menggunakan lingkaran.
d. Grafik Gambar (pictogram): grafik berupa gambar atau lambang.
Grafik gambar sering dipakai untuk mendapatkan suatu gambaran
yang agak kasar mengenai suatu keadaan dan merupakan alat visual
bagi orang awam.
1.10 Latihan Soal

1.10.1 Buatlah tabel Distribusi Frekuensi dari data tinggi badan siswa
SMP dengan jumlah siswa 50 adalah sebagai berikut:
145 110 112 144 143 140 127 116 127 133
110 109 107 108 114 107 133 112 124 105
140 110 112 116 125 114 124 120 121 108
107 114 120 137 140 143 140 138 137 110
105 121 125 145 138 144 143 144 140 112
1.10.2 Perhatikan data tinggi badan 100 mahasiswa STMIK Nusa

Mandiri berikut ini:
Tabel 1.38

152 – 154 151,5 – 154,5 153 4
155 – 157 154,5 – 157,5 156 11
158 - 160 157,5 – 160,5 159 10
161 - 163 160,5 - 163,5 162 25
164 - 166 163,5 – 166,5 165 20
167 – 169 166,5 – 169,5 168 20
170 – 172 169,5 – 172,5 171 6
173 – 175 172,5 – 175,5 174 4
Jumlah 100
Buatlah tabel distribusi frekuensi kumulatif lebih dari dan

frekuensi relatif!
1.10.3 Data nilai OCR murni ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung adalah sebagai berikut:
Tabel 1.39
Distribusi frekuensi dari nilai nilai OCR murni ujian Statistika 100
mahasiswa jurusan Akuntansi Universitas BSI Bandung
Titik
25 – 33 24,5 – 33,5 29 16
34 – 42 33,5 – 42,5 38 18
43 – 51 42,5 – 51,5 47 6
52 – 60 51,5 – 60,5 56 20
61 – 69 60,5 – 69,5 65 8
70 – 78 69,5 – 78,5 74 5
79 – 87 78,5 – 87,5 83 4
88 – 96 87,5 – 96,5 92 23
Jumlah 100
Buatlah daftar distribusi frekuensi kumulatif kurang dari dan

frekuensi relatif!
1.10.4 Data nilai ELPT dari 50 mahasiswa jurusan Sistem Informasi

Universitas BSI Bandung yaitu sebagai berikut:
Tabel 1.40
Distribusi Frekuensi dari Nilai ELPT Jurusan Sistem Informasi 50 Mahasiswa
Titik
35 – 39 34,5 – 39,5 37 8
40 – 44 39,5 – 44,5 42 7
45 – 49 44,5 – 49,5 47 2
50 – 54 49,5 – 54,5 52 16
55 – 59 54,5 – 59,5 57 4
60 – 64 59,5 – 64,5 62 7
65 – 69 64,5 – 69,5 67 6
Jumlah 50
Buatlah histogram dan poligon frekuensi dari data nilai ELPT 50

mahasiswa jurusan Sistem Informasi Universitas BSI Bandung!
1.10.5 Buatlah ogif dari data tinggi badan siswa SMP yang jumlah
siswanya 50 sebagaimana dinyatakan dalam bentuk tabel
distribusi frekuensi kurang dari yang datanya sebagai berikut:
Tabel 1.41
Distribusi Frekuensi Kumulatif Kurang Daripada Tinggi Badan 50 Siswa
Frekuensi
Persen
Kelas Batas Kelas Kumulatif
≤ 104,5 0 0
105 – 110 ≤ 110,5 12 24
111 – 116 ≤ 116,5 21 42
117 – 122 ≤ 122,5 25 50
123 – 128 ≤ 128,5 31 62
129 – 134 ≤ 134,5 33 66
135 – 140 ≤ 140,5 42 84
141 – 146 ≤ 146,5 50 100
1.10.6 Buatlah ogif dari data nilai OCR murni ujian Statistika 100
sebagaimana dinyatakan dalam bentuk tabel distribusi
frekuensi lebih dari yang datanya sebagai berikut:
Tabel 1.42
Distribusi Frekuensi Kumulatif Lebih Daripada nilai OCR murni Ujian
Statistika 100 Mahasiswa jurusan Akuntansi Universitas BSI Bandung
Frekuensi
25 – 33 ≥ 24,5 100 100
34 – 42 ≥ 33,5 84 84
43 – 51 ≥ 42,5 66 66
52 – 60 ≥ 51,5 60 60
61 – 69 ≥ 60,5 40 40
70 – 78 ≥ 69,5 32 32
79 – 87 ≥ 78,5 27 27
88 – 96 ≥ 87,5 23 23
≥ 96,5 0 0
1.10.7 Diketahui:
Y1 =10 Y2 = 20 Y3 = 30
n
Hitung ∑Yi
i=1
1.10.8 Diketahui:
B1 = 3 B2 = 7 B3 = 11
M4 = 15 M5 =19
n
Hitung ∑Bi
i=1
1.10.9 Diketahui:
H1 = 5 H2 = 8 H3 = 11 H4 = 13 H5 = 14 H6 = 17
I1 = 0 I2 = 3 I3 = 4 I4 = 5 I5 = 6 I6 = 7
J1 = 1 J2 = 4 J3 = 7 J4 = 9 J5 = 13 J6 = 15
Hitung n
∑Hi + Ii + Ji
i=1
1.10.10 Diketahui:
X1 = 20 X2 = 21 X3 = 22 X4 = 23 X5 = 24
Y1 = 10 Y2 = 9 Y3 = 8 Y4 = 7 Y5 = 6
Z1 = 15 Z2 = 14 Z3 = 13 Z4 = 12 Z5 = 11
Hitung n
∑ Xi −Zi −Yi
i=1
1.10.11 Diketahui:
X1 = 2 X2 = 4 X3 = 6 X4 = 8 k = 10
n
Hitung
∑k.Xi
i=1
1.10.12 Diketahui: n = 10 k=5

n
Hitung
∑k
i=1
1.10.13 Diketahui:
X1 = 4 X2 =3 X3 = 2 X4 = 1
4
Hitung
∑(5Xi −6)
i=1
2
1.10.14 Diketahui:
X1 = 10 X2 = 11 X3 = 12
Y1 = 35 Y2 = 40 Y3 = 45
a=3 b=1
n
Hitunglah ∑(Yi −3−1Xi)

i=1
1.10.15 Buatlah grafik garis tunggal dari data penggunaan barang

produksi di PT. Abadi selama 2005 – 2009 yang tabelnya
seperti berikut ini:
Tabel 1.43
Penggunaan Barang Produksi di PT. Abadi selama Tahun 2005 – 2009

2005 3000
2006 3245
2007 3178
2008 4556
2009 6590
1.10.16 Buatlah grafik garis ganda dari data nilai impor menurut
golongan makanan pokok (dalam jutaan rupiah) tahun 2002 –
2006 adalah sebagai berikut:
Tabel 1.44
Data Nilai Impor Menurut Golongan Barang Ekonomi Tahun 2002 - 2006
Makanan Pokok
Tahun Tepung Roti Beras
2002 12,73 10,93 5,89
2003 2,33 11,48 4,75
2004 3,84 2,15 3,62
2005 5,55 7,23 1,99
2006 4,5 11,56 7,39
1.10.17 Diketahui banyaknya permintaan konsumen dengan produk

Komputer pada tahun 2000 – 2005 disajikan pada tabel berikut
ini dan buatlah grafik batang tunggalnya!
Tabel 1.45
Banyaknya Permintaan Konsumen Produk Komputer Tahun 2000 – 2005
Tahun Jumlah Permintaan

2000 1200
2001 1500
2002 1750
2003 2000
2004 2500
2005 3000
1.10.18 Jumlah produk terjual (dalam persen) menurut jenis dan waktu
di Toko Putri Agung disajikan pada tabel berikut ini dan
buatlah grafik batang gandanya!
Tabel 1.46
Data Jumlah Produk Menurut Jenis Dan Waktunya di Toko Putri Agung Tahun 2005 – 2009
Jenis Produk
Tahun
Laptop Netbook Printer

2005 9,2 12,5 26,3
2006 11,5 13,2 34,2
2007 25,5 45,5 30,2
2008 11,2 50,0 45,5
2009 40,5 63,0 55,5
1.10.19 Buatlah grafik lingkaran dari data perolehan suara pemilihan

ketua BEM di Universitas BSI Bandung yang disajikan pada tabel
berikut ini:
Tabel 1.47
Data Perolehan Suara Pemilihan Ketua BEM di Universitas BSI Bandung
Nama Perolehan Suara

Yunandi 32%
Arif 40%
Nurdian 28%
1.10.20. Buatlah grafik gambar dari data jumlah Pembangunan Gedung

dari tahun 2006 – 2010 di Bandung adalah sebagai berikut:
Tabel 1.48
Data Jumlah Pembangunan Gedung Tahun 2006 – 2010 (dalam ratusan)
Jumlah Gedung
Tahun (dalam ratusan)
2006 2
2007 5
2008 6
2009 8
2010 10
1.11 Jawaban Latihan Soal

1.11.1 Penyelesaian:
Setelah diurutkan data tinggi siswa SMP dengan jumlah siswa 50
diperoleh:
105 105 107 107 107 108 108 109 110 110
110 110 112 112 112 112 114 114 114 116
116 120 120 121 121 124 124 125 125 127
127 133 133 137 137 138 138 140 140 140
140 140 143 143 143 144 144 144 145 145
Selanjutnya dihitung data-data berikut:

jangkauan:
= 145 – 105
= 40

K = 1+ 3,3 log n
= 1 + 3,3 log 50
= 6,62
Dengan demikian banyaknya kelas dapat ditentukan kira-
kira 6 atau 7.

adalah:
I = R/K
= 40/7
= 5,71
Dengan demikian interval kelas dapat ditentukan kira-kira
5 atau 6.
4. Karena nilai minimum data adalah 105, maka kita dapat

memiih batas kelas pertama adalah 105, atau 106 dan
usahakan agar tidak terlalu jauh dengan nilai minimumnya.
Dengan interval kelasnya 6 maka diambil saja batas kelas
pertamanya 105 untuk memudahkan penyusunan dalam
tabel distribusi frekuensi. Maka didapatlah batas kelas
pertamanya 105 – 110.
Jadi;
Tbk = bbk – 0,5
= 105 – 0,5
= 104,5
Tak = bak + 0,5

= 110 + 0,5
= 110,5
Panjang interval kelas pertama yaitu “104,5 – 110,5”

adalah: TTK = ½ (105+110)
= 107,5

berikutnya, yaitu kelas 111 – 116 adalah 113,5. Kelas 117 – 122
adalah 119,5.
Kelas 123 – 128 adalah 125,5. Kelas 129 – 134 adalah 131,5. Kelas
135 – 140 adalah 147,5. Kelas 141 – 146 adalah 143,5.
Dengan memakai jajaran data dari data tinggi siswa SMP
dengan jumlah siswa 50 maka diperoleh turus dan frekuensi data
yaitu sebagai berikut:
Tabel 1.49
Turus dan Frekuensi Data Tinggi Badan 50 Siswa SMP

105 – 110 IIII IIII II 12
111 – 116 IIII IIII 9
117 – 122 IIII 4
123 – 128 IIII I 6
129 – 134 II 2
135 – 140 IIII IIII 9
141 – 146 IIII III 8
Dengan demikian, tabel distribusi frekuensi lengkap data tinggi

siswa SMP yang jumlah siswanya 50 orang adalah sebagai
berikut:
Tabel 1.50
Distribusi Frekuensi Data Tinggi Badan 50 Siswa SMP
Titik
105 – 110 104,5 – 110,5 107,5 12
111 – 116 110,5 – 116,5 113,5 9
117 – 122 116,5 – 122,5 119,5 4
123 – 128 122,5 – 128,5 125,5 6
129 – 134 128,5 – 134,5 131,5 2
135 – 140 134,5 – 140,5 137,5 9
141 – 146 140,5 – 146,5 143,5 8
Jumlah 50
Frekuensi kumulatif lebih dari diperoleh dengan cara
menghitung total frekuensi dari semua nilai-nilai yang lebih
besar dari tepi bawah kelas pada masing-masing interval
kelasnya. Maka dengan itu lebih lengkapnya tabelnya seperti di
bawah ini:
Tabel 1.51
Distribusi Frekuensi Kumulatif Lebih Daripada Data Tinggi Badan 100
Mahasiswa STMIK Nusa Mandiri
Frekuensi
152 – 154 ≥ 151,5 100 100
155 – 157 ≥ 154,5 96 96
158 - 160 ≥ 157,5 85 85
161 - 163 ≥ 160,5 75 75
164 - 166 ≥ 163,5 50 50
167 – 169 ≥ 166,5 30 30
170 – 172 ≥ 169,5 10 10
173 – 175 ≥ 172,5 4 4
≥ 175,5 0 0
Frekuensi relatif diperoleh dengan cara membandingkan antara

frekuensi masing-masing kelas dengan jumlah frekuensi
kemudian dikalikan 100%. Misalnya untuk kelas 152 – 154
dengan frekuensi (f) = 4, maka frekuensi relatifnya adalah 4/100
* 100% = 4% dan seterusnya. Maka tabelnya seperti berikut:
Tabel 1.52
Distribusi Frekuensi Relatif Pada Data Tinggi Badan 100 Mahasiswa STMIK
Nusa Mandiri
Frekuensi Relatif
Kelas Titik Tengah Frekuensi (%)
152 – 154 153 4 4
155 – 157 156 11 11
158 – 160 159 10 10
161 – 163 162 25 25
164 – 166 165 20 20
167 – 169 168 20 20
170 – 172 171 6 6
173 – 175 174 4 4
Jumlah 100 100
Penyelesaian:
Frekuensi kumulatif kurang dari diperoleh dengan cara
menghitung total frekuensi dari semua nilai-nilai yang lebih
kecil dari tepi bawah kelas pada masing-masing interval
kelasnya. Maka dengan itu lebih lengkapnya tabelnya seperti di
bawah ini:
Tabel 1.53
Distribusi Frekuensi Kumulatif Kurang Dari Nilai OCR murni Ujian Statistika
100 mahasiswa jurusan Akuntansi Universitas BSI Bandung
Frekuensi
≤ 24,5 0 0
25 – 33 ≤ 33,5 16 16
34 – 42 ≤ 42,5 34 34
43 – 51 ≤ 51,5 40 40
52 – 60 ≤ 60,5 60 60
61 – 69 ≤ 69,5 68 68
70 – 78 ≤ 78,5 73 73
79 – 87 ≤ 87,5 77 77
88 – 96 ≤ 96,5 100 100
Frekuensi relatif diperoleh dengan cara membandingkan antara

frekuensi masing-masing kelas dengan jumlah frekuensi
kemudian dikalikan 100%. Misalnya untuk kelas 25 – 33
dengan frekuensi (f) = 16, maka frekuensi relatifnya adalah
16/100 * 100% = 16% dan seterusnya. Maka tabelnya seperti
berikut:
Tabel 1.54
Distribusi Frekuensi Relatif Dari Nilai OCR murni Ujian Statistika 100
Frekuensi
Kelas Titik Tengah Frekuensi Relatif (%)
25 – 33 29 16 16
34 – 42 38 18 18
43 – 51 47 6 6
52 – 60 56 20 20
61 – 69 65 8 8
70 – 78 74 5 5
79 – 87 83 4 4
88 – 96 92 23 23
Jumlah 100 100
Bab 1 Distribusi 77
Frekuensi
Gambar 1.25
Histogram dan Poligon Frekuensi dari nilai ELPT jurusan Sistem Informasi
50 Mahasiswa Universitas BSI Bandung
Frekuensi kelas
20
15
10
5
0
34,5 39,5 44,5 49,5 54,5 59,5 64,5 69,5

4 Batas Kelas
Gambar 1.26
Ogif Distribusi Frekuensi Kumulatif Kurang
Daripada Tinggi Badan 50 Siswa SMP
Frekuensi Kumulatif
60
50 50
40 442
31 33
30
25
20 21
10 12
0
0 .
1
104,5 110,5 116,5 122,5 128,.5 134,5 140,5 146,5
Batas Kelas
78
Statistika Deskriptif Itu
Mudah
Gambar 1.27
Ogif Distribusi Frekuensi Kumulatif Lebih Daripada nilai OCR Murni Ujian
150
Frekuensi Kumulatif
100 100 84
66 60
50
40 32 27 23
0 0
24,5 33,5 42,5 51,5 60,5 69,5 78,5 87,5 96,5
Batas Kelas
n 3
∑Yi = ∑Yi =10 +20 +30 = 60

i=1 i=1
n 5
∑Bi = ∑Bi = 3 +7 +11+15 +19 = 55

i=1 i=1
6
∑Hi = 5 +8 +11+13 +14 +17 = 68

i=1
6
∑Ii = 0 +3 + 4 +5 +6 +7 = 25
i=1
∑ Ji =1+ 4 +7 +9 +13 +15 = 49

i=1
n 6 6 6
∑(Hi + Ii + Ji) = ∑Hi + ∑ Ii + ∑ Ji

i=1 i=1 i=1 i=1
= 68 +25 + 49
=142
5
∑ Xi = 20 +21+22 +23 +24 =110

i=1
5
∑Yi =10 +9 +8 +7 +6 = 40
i=1
5
∑Zi =15 +14 +13 +12 +11 = 65

i=1
n 5 5 5
∑(Xi −Yi −Zi) = ∑ Xi −∑Yi − ∑ Zi

i=1 i=1 i=1 i=1
1.11.11 Penyelesaian: =110−40−65

=5
n n
∑ k.Xi = k ∑ Xi = k ( X
i=1
1 + X2 + X3 + X 4 )
i=1
=10(2 + 4 +6 +8)
=10(20)
= 200
n
∑ k = nk =10.5 = 50
i=1
4 4
∑(5Xi −6)
i=1
2
= ∑(25Xi −60Xi +36)
i=1
4 4 4
2
= ∑ 25Xi −∑ 60Xi + ∑ 36
i=1 i=1 i=1
= 25(4 +3 +2 +1) −60(4 +3 +2 +1)+ 4(36)

2
= 25(42 +32 +22 +12 )−60 (10) +144

= 750−600 +144
= 294
3 3 3
∑(Yi −3−1Xi) = ∑Yi −3.3−∑ Xi

i=1 i=1 i=1
= (35 + 40 + 45)−9−(10 +11+12)

=120 − 12 − 33
= 75
Gambar 1.28
Grafik Garis Tunggal Dari Data Penggunaan Barang Produksi di PT.
Abadi selama 2005 – 2009
Banyaknya Barang
0 8 00
6 00
0 4 00
0 2 00
0
0 2005 2006 2007 2008 2009
Tahun
Bab 1 Distribusi 81
Frekuensi
Gambar 1.29
Grafik Garis Ganda Dari Data Nilai Impor Menurut
Golongan Barang Ekonomi Tahun 2002 – 2006
14
12
nilai impor (dalam jutaan rupiah)
10
8
6 Tepung
4 Roti Beras
2
0
2002 2003 2004 2005 2006

Tahun
Gambar 1.30
Grafik Batang Tunggal Dari
Data
Banyaknya Permintaan Konsumen Produk Komputer Tahun 2000 – 2005
4.000
Banyaknya Permintaan
3.000
2.000
1.000
0
2000 2001 2002 2003 2004 2005
Tahun
82
Statistika Deskriptif Itu
Mudah
Gambar 1.31
Grafik Batang Ganda Dari Data Jumlah Produk Menurut Jenis
Dan Waktunya di Toko Putri Agung Tahun 2005 – 2009
70
60
50
Jenis Produk
40
Laptop
30 Netbook Printer
20
10
0
2005 2006 2007 20082009

Tahun
Lingkaran kita bagi menjadi 3 bagian, yang besar sudutnya di
tentukan secara berikut:
Yunandi : 32% x 360° = 115,2°
Arif : 40% x 360° = 144°
Nurdian : 28% x 360° = 100,8°
Jumlah = 360°
Untuk membagi lingkaran mulailah dari bagian lingkaran yang

paling besar. Grafik lingkaran dapat dibuat dalam 2 jenis yaitu:
a.
Gambar 1.32
Grafik Lingkaran Dari Data Perolehan Suara Pemilihan Ketua BEM di
Perolehan Suara
Yunandi Arif
28%32% Nurdian
40%
b.
Gambar 1.33
Grafik Lingkaran Dari Data Perolehan Suara Pemilihan Ketua BEM di
Perolehan Suara
Nurdian Yunandi 32%
N2u8r%dian 28%Yunandi 32%
AArirfif %
4400%%
Gambar 1.34
Grafik Gambar Dari Jumlah Pembangunan Gedung Tahun 2003 – 2007
(dalam ratusan)
2003
2004
2005
2006
2007
Bab 2 UKURAn PEMUSATAn DATA
TIDAK BERKELOMPOK
P ada data yang tidak berkelompok jika diurutkan baik membesar dan
mengecil maka akan menunjukkan pusat data dari kelompok data
tersebut. Ukuran pusat data sangat berguna ketika kita ingin menganalisa
data yang menjadi pusat perhatian kita. Jenis ukuran pemusatan data
yang akan kita pelajari adalah rata-rata hitung (arithmetic mean),
median, modus, kuartil, desil, persentil, rata-rata ukur (geometric mean)
dan rata-
rata harmonis (harmonic mean).
2.1 Rata-rata Hitung
2.1.1 Pengertian
Penggunaan rata-rata hitung untuk suatu kelompok data tergantung dari
tujuan analisisnya. Nilai yang mewakili himpunan atau sekelompok data
disebut rata-rata hitung. Nilai rata-rata umumnya cenderung terletak di
tengah suatu kelompok data yang disusun menurut besar kecilnya nilai.
Beberapa jenis rata-rata yang digunakan ialah rata-rata hitung, rata-rata
ukur dan rata-rata harmonis. Setiap rata-rata tersebut selain mempunyai
keunggulan juga memiliki kelemahan.
85
Contoh 2.1
Hasil ujian Anis dan Anas adalah seperti disajikan dalam tabel berikut
ini:
Tabel 2.1
Nilai Hasil Ujian
Hasil Ujian
Mata Pelajaran Hasil Ujian
Anis Anas
(B) (D)
Statistik 9 8
Perpajakan 8,6 9
Teori Ekonomi 7,9 6,6
B. Inggris 8 8,2
Akuntansi Dasar 8,5 7,9
Hitunglah rata-rata hasil ujian Anis dan Anas!
Penyelesaian:
9 + 8,6 + 7,9 + 8 + 8,5

XB = 5
= 8,4
8 + 9 + 6,6 + 8,2 + 7,9

XD = 5
= 7,94
Dari nilai rata-rata di atas dapat disimpulkan bahwa Anis memiliki

nilai rata-rata yang lebih tinggi daripada Anas.
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 87
Contoh 2.2
Perhatikan tabel di bawah ini!
Tabel 2.2
Perbandingan Tingkat Gaji Karyawan Dua Perusahaan
Gaji Perusahaan
Gaji Perusahaan
Karyawan Cahaya (U) Bulan (Z)
1 50000 45000
2 40000 35000
3 45000 40000
4 55000 30000
5 60000 25000
6 75000 50000
7 65000 55000
8 80000 45000
9 75000 30000
10 50000 35000
Hitunglah rata-rata gaji Perusahaan Cahaya dan gaji perusahaan Bulan

dalam membagi gaji 10 orang karyawannya!
Penyelesaian:
50000 + 40000 +45000 + 55000 + 60000 + 75000 + 65000 + 80000 + 75000 + 50000
XU = 10
= 59500
XZ = 45000 + 35000 +40000 + 30000 + 25000 + 50000 + 55000 + 45000 + 30000 + 35000
10
= 39000
Contoh 2.3
Hitunglah rata-rata nilai Matematika dan rata-rata nilai Biologi!
Tabel 2.3
Perbandingan Nilai Matematika dan Biologi Kelas 3
Siswa Matematika Biologi

Andi 80 56
Arif 85 68
Anton 67 77
Aisyah 79 87
Gina 98 69
Siti 77 97
Yuli 86 79
Kiki 88 90
Penyelesaian:
80 + 85 + 67 + 79 + 98 + 77 + 86 + 88
X Matematika = 8
= 82,5
56 + 68 + 77 + 87 + 69 + 97 + 79 + 90
X Biologi = 8
= 77,875
2.1.2 Macam-macam Rata-rata Hitung

Kalau kita mempunyai nilai variabel B, sebagai hasil pengamatan sebanyak
N kali, yaitu B1, B2, B3, B4 … BN
1) Rata-rata sebenarnya (populasi)

1
µ = ∑ n Bi
i=1
1
N
= ( B1 + B2 + B3 +BN
)N
µ dibaca myu, yaitu symbol rata-rata sebenarnya yang disebut

parameter. Rata-rata ini dihitung berdasarkan populasi. Karena itu,
rata-rata juga sering disebut rata-rata populasi.
2) Rata-rata perkiraan (sampel)
Kalau rata-rata tersebut dihitung berdasarkan sampel sebanyak n
dimana n < N observasi, maka rata-rata yang diperoleh disebut rata-
rata perkiraan atau rata-rata observasi yang diberi symbol yang
rumusnya adalah sebagai berikut:
1
X = ∑ n Bi
i=1
1n
= ( B1 + B2 + B3 +BN )
n
Contoh 2.4
Diketahui:
B1 = 79 (Hasil pembelian tahun pertama)
B2 = 85 (Hasil pembelian tahun kedua)
B3 = 98 (Hasil pembelian tahun ketiga)
B4 = 120 (Hasil pembelian tahun keempat)
B5 = 91 (Hasil pembelian tahun kelima)
B6 = 105 (Hasil pembelian tahun keenam)
B7 = 119 (Hasil pembelian tahun ketujuh)
B8 = 154 (Hasil pembelian tahun
kedelapan)
B9 = 145 (hasil pembelian tahun
kesembilan) B10 = 130 (Hasil pembelian tahun
kesepuluh)
(angka-angka yang digaris bawahi merupakan data sampel)
a) Hitung rata-rata hasil pembelian sebenarnya !

b) Ambil sampel sebanyak n = 7, misalnya setelah diambil sampelnya
diperoleh:B1, B3, B4, B6, B8, B9, B10. Hitung hasil pembelian per tahun !
Penyelesaian:
1
µ = ∑ 10 Bi
a) 10 i=1
1
= (1126)
10
=112,6
Jadi, rata-rata hasil penjualan per tahun = Rp 112,6 juta
1
b) X = ∑n Bi
i=1
1n
= (79 +98 +120 +105 +154 +145 +130)
7
=118,7
Jadi, rata-rata perkiraan hasil penjualan per tahun adalah 118,7 juta
(ternyata sangat mendekati rata-rata sebenarnya) X merupakan
perkiraaan dari µ.
Contoh 2.5
Diketahui:
B = hasil ujian Statistika Deskriptif 20 Mahasiswa jurusan Manajemen
Perbankan adalah sebagai berikut:
B1 = 70 B11 = 45
B2 = 72 B12 = 30
B3 = 80 B13 = 75
B4 = 90 B14 = 90
B5 = 75 B15 = 87
B6 = 70 B16 = 55
B7 = 85 B17 = 85
B8 =100 B18 = 72
B9 = 65 B19 = 75
B10 = 55 B20 = 98
(Angka yang digarisbawahi merupakan data sampel)
a) Berdasarkan data di atas hitunglah rata-rata hasil ujian yang

sebenarnya!
b) Kemudian ambil sampel sebanyak n = 10 dan hitunglah rata-rata
perkiraan sampel yang terambil B 2, B4, B6, B8, B10, B12, B14, B16, B18,
B20!
Penyelesaian:
1
a) µ = ∑ n Bi
i=1
1
N
= (70 +72 +90…+98)
20
= 73, 7
1
b) X = ∑n Bi
i=1
n1
= (B2 + B4 + B6 + B8 + B10 + B12 + B14 + B16 + B18 + B20 )
10
1
= (72 +90 +70 +100 +55 +30 +90 +55 +72 +98)
10
= 73, 2
Pada umumnya makin besar elemen sampel (nilai n makin besar),

makin baiklah perkiraan yang diperoleh. Oleh karena itu pengumpulan
data umumnya didasarkan atas sampel, maka hasilnya suatu perkiraan.
Untuk selanjutnya kita pergunakan rumus rata-rata perkiraan sebagai
perkiraan sebagai perkiraan dari m dan sampel yang diselidiki sebanyak
n elemen.
Contoh 2.6
Hitunglah rata-rata hitung kedua toko di atas!
Tabel 2.4
Hasil Penjualan buku Perpajakan di Dua Toko
Hari ke- Toko Edi (E) Toko Ardi (A)

1 6 2
2 5 4
3 7 3
4 4 9
5 2 5
6 5 2
7 3 3
Penyelesaian:
6+5+7+4+2+5+3
XE = 7
= 4,57
2 + 4 + 3 + 9 +5 + 2 + 3
XA = 7
=4
Maka, dapat disimpulkan penjualan di toko Edi lebih tinggi daripada di

toko Ardi.
Contoh 2.7
Diketahui:
M adalah nilai Akuntansi Menengah sebanyak 7 orang yaitu sebagai
berikut:
M1 = 65 M5 = 55
M2 = 75 M6 = 60
M3 = 50 M7 = 90
M4 = 70
a) Hitunglah rata-rata sebenarnya!

b) Ambilah 3 sampel nilai Akuntansi Menengah diperoleh M1, M2, dan
M3 dan hitunglah rata-rata perkiraan sampelnya!
Penyelesaian:
1
a) µ = ∑ n Mi
i=1
17
= (65 +75 +70 +55 +60 +90)
7
1
= (465)
7
= 66, 43
1
b) X = ∑n Mi
i=1
13
= (65,50,70)
3
1
= (185)
3
= 61,67
Contoh 2.8
Diketahui:
Jika A adalah gaji karyawan per tahun.
A1 =150 A8 = 120
A2 =120 A9 = 160
A3 =130 A10 = 130
A4 =140 A11 = 110
A5 =100 A12 = 140
A6 = 90 A13 = 100
A7 =140 A14 = 80
a) Hitunglah rata-rata sebenarnya!

b) Hitunglah rata-rata perkiraan diambil banyaknya n = 6 dari gaji
karyawan (A2, A4, A8, A10, A11, A13)!
Penyelesaian:
1
a) µ = ∑ n Ai
i=1
14
1
= (1710)
14
=122,14
1
b) µ = ∑n Ai
i=1
114
= (120 +140 +120 +130 +110 +100)
14
=120
2.1.3 Beberapa Sifat Rata-rata Hitung

1. Jumlah deviasi atau selisih dari suatu kelompok nilai terhadap rata-
ratanya sama dengan nol, yaitu:
n
∑(Bi − X) = 0
i=1
Dimana:
1
X=
nX∑nBi atau =
Bukti:
∑(Bi − X)∑Bi − ∑ X
= ∑ Bi −nX
= ∑ Bi − ∑ Bi
=0
Contoh 2.9
Diketahui:
B1 = 5 B2 = 4 B3 = 6 B4 = 7 B5 = 3
Hitung rata-rata hitung ( X ) dan tunjukan bahwa
∑ (Bi − ∑ X ) = 0
Penyelesaian:
1
X = ∑ Bi
5
1
= (5 + 4 +6 +7 +3)
5
= Bukti:
5∑
5
i=1
B
∑ n Bi =i ( B − X ) + ( B − X ) + ( B − X ) + ( B − X ) — X)
(
+ B
i=1 1 2 31 4 5
=(5−5)+(4 −5)+(6−5)+(7 −5)+(3−5)

=0
Jumlah deviasi kuadrat dari suatu kelompok nilai terhadap nilai k akan
minimum (terkecil) kalau k = X .
Maksudnya:
∑
2
n i=1
(B 1 −k ) >,
∑ i=1
(Bi − X)
Kalau suatu kelompok data sangat heterogen, maka rata-rata hitung

tidak dapat mewakili masing-masing nilai dari kelompok tersebut dengan
baik. Rata-rata hitung tidak dapat mewakili dengan sempurna atau tepat
sekali apabila kelompok data homogen. Semakin heterogen datanya
semakin tidak tepat.
Suatu kelompok data dikatakan homogen atau tidak bervariasi kalau

semua nilai dari kelompok tersebut sama dan dikatakan sangat heterogen
apabila nilai-nilai tersebut sangat berbeda satu sama lain atau sangat
bervariasi. Antara homogen dan sangat heterogen disebut relatif
homogen, yaitu perbedaan antara nilai yang satu dengan yang lainnya
tidak begitu besar. Untuk mengukur tingkat homogen atau tingkat variasi
tersebut sering dipergunakan kriteria yang disebut simpangan baku
(standar deviasi).
Contoh 2.10
Perhatikan tabel dibawah, yang menggambarkan upah bulanan dalam
ribuan dari 3 kelompok karyawan perusahaan. Jika X adalah upah dalam
ribuan rupiah.
Tabel 2.5
Upah per bulan Tiga Kelompok Karyawan
X Kelompok I Kelompok II Kelompok III

(Homogen) (Relatif Homogen) (Heterogen)
X1 75 80 125
X2 75 70 40
X3 75 70 25
X4 75 80 35
X5 75 75 150
Hitunglah rata-rata hitung dalam setiap kelompok!
Penyelesaian:
X Homogen = 75 + 75 + 75 + 75 + 75
5
= 75
80 + 70 + 70 + 80 + 75
X Relatif Homogen = 5
= 75
125 + 40 + 25 + 35 + 150
X Heterogen = 5
= 75
Walaupun rata-rata upah bulanan per karyawan dari kelompok 1, 2,

dan 3 masing-masing sama besar Rp.75.000, namun kalau diperhatikan
secara lebih cermat rata-rata dari kelompok 1 mewakili kelompok
dengan sempurna atau tepat sekali (sebab masing-masing nilai sebesar
Rp.75.000, sama dengan nilai rata-rata), rata-rata kelompok 2 agak
mewakili atau mewakili dengan cukup. Sedangkan rata-rata kelompok 3
sangat tidak mewakili.
Jadi nilai rata-rata hitung sangat dipengaruhi oleh nilai ekstrim.
Dalam usaha mencari nilai untuk mewakili suatu kelompok nilai, selain
dipergunakan rata-rata hitung atau mean, yang baru saja selesai dibahas,
juga dipergunakan ukuran-ukuran lain seperti median dan modus.
Contoh 2.11
Diketahui:
B₁ = 60 B₄ = 50 B₇ = 30
B₂ = 90 B₅ = 20 B₈ = 70
B₃ = 40 B₆ = 80
a) Hitung rata-ratanya!
b) Tunjukan bahwa ∑ (Bi − ∑ X ) = 0
Penyelesaian:
1
X=
a)
8
∑ Bi
1
= (60 +90 + 40 +50 +20 +80 +30 +70)
8
1
= (440)
8
= 55
b) ∑n
Bi = ( B − x)+(B − x)+(B − x)+(B − x)+(B − x)
i=1 1 2 3 4 5
+ ( B6 − x ) + ( B7 − x ) + ( B8 − x )
=(60−55)+(90−55)+(40−55)+(50−55)+(20−55)
+(80−55)+(30−55)+(70−55)
= 5 +35−15−5−35 +25−25−15
=0
Contoh 2.12
Diketahui:
A₁ = 4 A₂ = 3 A₃ = 6 A₄ = 7
a) Hitung rata-ratanya!
b) Tunjukan bahwa ∑ ( Ai − ∑ X ) = 0
Penyelesaian:
1
a) X =
4
∑ Ai
1
= (4 +3 +6 +7)
4
1
= (20)
4
=5
b) ∑n Ai = ( A − x ) + ( A − x ) + ( A − x ) + ( A − x )
i=1 1 2 3 4
= ( 4 −5)+(3−5)+(6−5)+(7 −5)
=0
2.2 Median
Nilai tengah dari kelompok data yang telah diurutkan baik
membesar atau mengecil disebut median. Biasanya median disingkat
Med. Median data tidak berkelompok dapat ditentukan langsung setelah
datanya diurutkan.
Untuk n bilangan ganjil

n = 2k +1
n−1
k= 2
Keterangan:
k suatu bilangan konstanta
n merupakan bilangan ganjil
Contoh 2.13
n = 7 → 7 = 2k +1
2k = 7 −1
6
k=
2
=3
n = 9 → 9 = 2k +1
2k = 9−1
8
k=
2
=4
Kelompok nilai M1, M2, … Mk – i, Mk, Mk, Mk+I … Mn
Terkecil Terbesar
Median = Mk - i atau nilai yang ke (k+1)
Contoh 2.14
Diketahui:
Nilai Ujian Biokimia 15 Mahasiswa jurusan Keperawatan Universitas
BSI Bandung adalah sebagai berikut:
65, 55, 70, 80, 75, 95, 90, 75, 50, 90, 50, 60, 65, 75, 85.
Carilah median dari nilai di atas!
Penyelesaian:
Hal yang harus pertama kali kita lakukan yaitu urutkan terlebih dahulu
nilai yang terkecil sampai nilai yang terbesar.
50, 50, 55, 60, 65, 65, 70, 75, 75, 75, 80, 85, 90, 90, 95
Kedua; Tentukan nilai k!

15 = 2k +1
2k =15−1
14
k= 2
=7
Jadi, Med = M8 = 70
Perhatikan bahwa M8, merupakan nilai yang berada di tengah-

tengah setelah data diurutkan mulai dari yang terkecil sampai dengan
yang terbesar.
M1, M2, M3, M4, M5, M6, M7, M8, M9, M10, M11, M12, M13, M14, M15
Median
Contoh 2.15
Himpunan bilangan genap yaitu sebagai
berikut: 8, 4, 10, 2, 6, 12, 16, 20, 14, 22,
18
Carilah median dari data di atas!
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22
Nilai k yaitu:
n =11 → 11 = 2k
+1 2k =11−1
10
k= 2
=5
Maka, median dari data di atas M6 = 12
Contoh 2.16
11 mahasiswa Universitas BSI Bandung yang mempunyai nilai persentasi
Manajemen masing-masing adalah sebagai berikut:
80, 70, 90, 60, 95, 40, 50, 65, 45, 75.
Berapa besar nilai mediannya?
Penyelesaian:
40, 45, 50, 55, 60, 65, 70, 75, 80, 90, 95
Nilai k yaitu:
n =11 → 11 = 2k
+1 2k =11−1
10
k= 2
=5
Maka, median dari data diatas yaitu M6 = 65
Untuk n bilangan Genap

Kalau k adalah bilangan konstanta dan n bilangan genap, maka selalu dapat
ditulis:
n = 2k
n
k=
2
Contoh 2.17
Diketahui:
Gaji 8 orang karyawan (dalam ribuan) adalah sebagai berikut:
20, 80, 75, 60, 50, 85, 45, 90
Berapa nilai mediannya?
Penyelesaian:
20, 45, 50, 75, 80, 80, 85, 90
Nilai k yaitu:
8 = 2k
8
k=
2
=4
Median 1
= ( M 4 + M5 )
2
1
= (60 +75)
2
= 67,5
Jadi, median gaji karyawan = Rp.67.500
Perhatikan bahwa M4 dan M5, merupakan nilai yang berada di

tengah- tengah setelah data diurutkan mulai dari yang terkecil sampai
dengan yang terbesar.
M1, M2, M3, M4, M5, M6, M7, M8
Median
Median = M4 + M5
2
Contoh 2.18
Nilai Persentasi 10 Mahasiswa mata kuliah Fisika Dasar jurusan Teknik
Industri Universitas BSI Bandung yaitu sebagai berikut ini:
40, 70, 60, 75, 65, 80, 90, 45, 50, 95.
Berapa besarnya median dari nilai persentasi tersebut?
Penyelesaian:
40, 45, 50, 60, 65, 70, 75, 80, 90, 95
Nilai k yaitu:
10 = 2k
k =5
1
Median = ( M 5 + M 6 )
2
1
= (65 +70)
2
= 67,5
Jadi, Median nilai persentasi = 67,5.
Pada umumnya kelompok nilai tersebut merupakan hasil

pengumpulan data. Simbol n sering disebut banyaknya data (n=8, n=10).
Kalau kita perhatikan, hasil perhitungan median tersebut menunjukan
bahwa median suatu kelompok merupakan salah satu nilai yang ada
ditengah atau rata-rata dari dua nilai yang ada ditengah.
Contoh 2.19
Diketahui:
Gaji 20 karyawan (dalam ribuan) adalah sebagai berikut:
140, 130, 250, 115, 120, 170, 125, 100, 70, 150, 90, 165, 140, 200, 145,
160, 120, 125, 110, 95.
Berapa nilai median data tersebut?
Penyelesaian:
70, 90, 95, 100, 110, 115, 120, 120, 125, 125, 130, 140, 140, 145, 150,
160, 165, 170, 200, 250.
Nilai k yaitu:
20 = 2k
k = 10
1
Med = ( M10 + M11 )
2
1
= (125 +130)
2
=127,5
Jadi Median gaji 20 karyawan sebesar Rp. 127.500.
2.3 Modus
Nilai yang sering muncul dalam suatu kelompok data atau nilai
yang paling banyak frekuensinya disebut modus. Suatu kelompok data
mungkin mempunyai modus tetapi mungkin juga tidak mempunyai
modus. Artinya, modus suatu kelompok data tidak selalu ada. Bila suatu
kelompok data mempunyai modus, maka modusnya bisa lebih dari satu,
atau dikatakan modusnya tidak tunggal.
Untuk menentukan modus suatu kelompok data, data tersebut tidak perlu
diurutkan, tetapi bila data telah diurutkan akan sangat mempermudah
menentukan modusnya. Biasanya modus disingkat Mod.
Contoh 2.20
Dari data berikut, apakah ada modusnya? Kalau ada, tentukan nilainya:
a) 10, 2, 5, 7,9, 9, 10, 11, 12, 18, 9, 2
b) 3, 5, 8, 10, 12, 15, 16
c) 2, 3, 4, 4, 4, 5, 5, 7, 7, 7, 9
Penyelesaian:
a) Modusnya adalah 9 karena nilai 9 adalah nilai yang paling banyak
muncul.
b) Karena semua nilai mempunyai frekuensi yang sama, maka data di
atas tidak mempunyai modus.
c) Modusnya adalah 4 dan 7 karena nilai yang sering munculnya
mempunyai frekuensi yang sama, maka mempunyai 2 modus.
Contoh 2.21
Perhatikan data di bawah ini!
a) 2, 1, 3, 6, 6, 3, 2, 2, 6, 3,
6
b) 1, 4, 5, 7, 3
c) 6, 8, 4, 1, 6, 8, 7, 7, 11, 9, 8, 2, 6
Carilah modus dari data di atas!
Penyelesaian:
a) Modusnya adalah 8 karena nilai 8 yang paling sering muncul
c) Modusnya adalah 8 dan 6 karena nilai yang sering munculnya
Contoh 2.22
Perhatikan data di bawah ini!
a) 2, 2, 3, 4, 4, 2, 8, 3, 4, 9, 5, 7, 1, 2,4
b) 5, 7, 3, 11, 14, 6, 8, 2
c) 0, 10, 5, 9, 2, 4, 10, 1, 7, 10, 8, 4, 6
Carilah modus dari data di atas!
Penyelesaian:
a) Modusnya adalah 2 dan 4 karena nilai yang sering munculnya
c) Modusnya adalah 10 karena nilai 10 yang paling sering muncul.
2.4 Hubungan antara Nilai Rata-rata Hitung,

Median dan Modus
Hubungan antara nilai rata-rata hitung, median dan modus
ditentukan oleh kesimetrian kurva distribusi data yang bersangkutan.
Ada tiga kemungkinan untuk kesimetrian kurva. Pertama, jika nilai rata-
rata hitung, median dan modus berdekatan (hampir sama) satu sama lain,
maka kurva dari data tersebut akan mendekati simetri. Kedua, jika nilai
modus lebih kecil dari median, dan median lebih kecil daripada nilai
rata-rata hitung, maka kurva dari distribusi data akan miring ke kanan.
Ketiga, jika sebaliknya, nilai rata-rata hitung lebih kecil dari median, dan
median lebih kecil daripada modus, maka distribusi data akan miring ke
kiri.
Pada kasus kedua, nilai modus paling kecil dan nilai rata-rata hitung
paling besar, sedangkan pada kasus ketiga, sebalikya, yaitu nilai rata-rata
hitung paling kecil dan modus paling besar.
Grafik kurva distribusi data untuk ketiga kemungkinan tersebut
adalah:
Mod = Med = X Mod Med X
X Med Mod
Dalam hal distribusi data tidak simetris, miring ke kanan atau

miring ke kiri, maka terdapat hubungan empiris antara rata-rata hitung
dengan median dan modus, yaitu:
X −Mod = 3(X −Med)
Contoh 2.23
Suatu kelompok data diketahui mempunyai distribusi tidak simetri dengan
rata-rata hitung ( X ) 67,45 dan median (Med)

65,64. Tentukanlah modus dari data di atas!
Penyelesaian:
X −Mod = 3(X −Med
)
X −Mod = 3X −3Med
Mod = 3Med−2X
= 3(65,64)−2(67, 45)
=196,2−134,9
= 61,3
Contoh 2.24
Suatu kelompok data diketahui mempunyai distribusi tidak simetri dengan
rata-rata hitung ( X ) 75,9 dan median (Mod)
77,2. Tentukanlah median dari data di atas!
Penyelesaian:
X −Mod =(3X −3Med)
X −Mod = 3X −3Med
Mod = 3Med−2X
= 3(77,2)−2(75,9)
= 79,8
2.5 Kuartil, Desil dan Persentil
2.5.1 Kuartil
Kita telah mengetahui bahwa median itu merupakan nilai tengah
data. Kelompok data yang telah diurutkan dibagi menjadi 4 bagian yang
sama banyak disebut kuartil.
Bilangan pembaginya ada 3, yaitu kuartil pertama (Q1), kuartil
kedua (Q2) dan kuartil ketiga (Q3). Kuartil pertama disebut juga kuartil
bawah, kuartil kedua disebut juga kuartil tengah dan kuartil ketiga
disebut juga kuartil atas.
Untuk data yang tidak berkelompok nilai kuartil ke-i, yaitu Qi,
ditentukan dengan rumus berikut ini:
i(n +1)
Qi = Nilai yang ke 4
i = 1,2,3
Contoh 2.25
Berikut ini adalah data gaji bulanan dari 13 karyawan dalam ribuan rupiah,
yaitu:
40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95, 100 (n=13).
Tentukanlah nilai Q1, Q2, dan Q3!
Penyelesaian:
Hal yang harus kita lakukan pertama kali yaitu data yang di atas diurutkan
terlebih dahulu, maka hasilnya seperti di bawah ini:
30, 35, 40, 45, 50, 55, 60, 65, 75, 80, 85, 95, 100
Maka nilai Q₁, Q₂ dan Q₃ adalah

i(n +1)
Q = Nilai yang ke
1
4
1(13 +1)
= nilai ke
4
1
= nilai ke-3
2
= antara nilai ke-3 dan nilai ke-4
Jadi:
1
Q1 = nilai ke-3 + (nilai ke-4 −nilai ke-3)
2
1
= 40 + (45− 40)
2
= 42, 5
2(13 +1)
Q = nilai yang ke
2
4
= nilai ke-7
Jadi:
Q2 = nilai ke-7
= 60
Q3 = nilai ke-7
= nilai ke-10
Jadi:
1
Q3 = nilai ke-10 + (nilai ke-11−nilai ke-10)
2
1
= 80 + (85−80)
2
= 82,5
Contoh 2.26
Berat badan 15 mahasiswa jurusan Sistem Informasi Universitas BSI
Bandung yaitu sebagai berikut:
55, 45, 65, 53, 60, 45, 65, 47, 53, 63, 55, 46, 57, 44, 50
Tentukanlah nilai Q₁, Q₂, dan Q₃!
Penyelesaian:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65

i(n +1)
Q = nilai yang ke
1
4
1(n +1)
= nilai ke
4
= nilai ke-4
Jadi:
Q1 = nilai ke-4
= 46
2(15 +1)
Q = nilai ke
2
4
= nilai ke-8
Jadi:
Q2 = nilai ke-8
= 53
Q3 = nilai ke-12
Jadi:
Q3 = nilai ke-12
= 60
Contoh 2.27
Tinggi badan 25 mahasiswa jurusan Pariwisata Universitas BSI Bandung
160, 158, 173, 166, 162, 175, 164, 172, 163, 168, 166, 159, 165, 158, 160,
165, 163, 174, 171, 180, 169, 165, 164, 170, 170
Tentukanlah nilai Q₁, Q₂, dan Q₃!
Penyelesaian:
158, 158, 159, 160, 160, 162, 163, 163, 164, 164, 165, 165, 165, 166, 166,
168, 169, 170, 170, 171, 172, 173, 174, 175, 180

i(n +1)
Q = nilai ke
1
4
1(25 +1)
= nilai ke
4
1
= nilai ke-6
2
Jadi:
1
Q1 = nilai ke-6+ (nilai ke-7 −nilai ke-6)
2
1
=162 + (163−162)
2
=162,5
2(25 +1)
Q = nilai ke
2
4
= nilai ke-13
Jadi:
Q2 = nilai ke-13
=165
Q3 = nilai ke-19
=antara nilai ke-19 dan nilai ke-
20 Jadi:
1
2
1
=170 + (171−170)
2
=170,5
2.5.2 Desil
Jika sekelompok data, dibagi menjadi 10 bagian yang sama banyaknya
disebut desil. Maka akan terdapat 9 pembagi, masing-masing disebut
nilai desil (D), yaitu D₁, D₂, D₃, D₄, … D₉.
Untuk data tidak berkelompok nilai desil ke-i, yaitu Di ditentukan
dengan rumus sebagai berikut:
i(n +1)
Di = nilai ke
10
i =1, 2, 3, 4 9
Contoh 2.28
yaitu:
40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95, 100 (n=13).
Tentukanlah nilai D1, D4, D5, dan D9!
Penyelesaian:
30, 35, 40, 45, 50, 55, 60, 65, 75, 80, 85, 95, 100
Maka nilai D1, D4, D5, dan D9 adalah

i(n +1)
D = nilai ke
1
4
1(13 +1)
= nilai ke
10
4
= nilai ke-1
10
2
= nilai ke-1
5
Jadi:
2
D1 = nilai ke-1+ (nilai ke-2−nilai ke-1)
5
2
= 30 + (35−30)
5
= 32
4(13 +1)
D = nilai ke
4
10
6
= nilai ke-5
10
3
= nilai ke-5
5
Jadi:
3
D4 = nilai ke-5 + (nilai ke-6−nilai ke-5)
5
3
= 50 + (55−50)
5
= 53
D5 = nilai ke-
7 Jadi:
D5 = nilai ke-7
= 60
9(13 +1)
D = nilai ke
9
10
6
= nilai ke-12
10
3
= nilai ke-12
5
Jadi:
3
5
3
= 95 + (100−95)
5
= 98
Contoh 2.29
Berat badan 15 mahasiswa jurusan Teknik Informatika Universitas BSI
55, 45, 65, 53, 60, 45, 65, 47, 53, 63, 55, 46, 57, 44, 50
Tentukanlah nilai D₂, D₃, dan D₆!
Penyelesaian:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65
Maka nilai D₂, D₃, dan D₆ adalah

i(n +1)
D = nilai ke
2
4
2(15 +1)
= nilai ke
10
2
= nilai ke-3
10
1
= nilai ke-3
5
Jadi:
1
D2 = nilai ke-3 + (nilai ke-4 −nilai ke-3)
5
3
= 45 + (46− 45)
5
= 45,6
3(15 +1)
D = nilai ke
3
10
8
= nilai ke-4
10
4
= nilai ke-4
5
Jadi:
4
5
4
= 46 + (47 − 46)
5
= 46,8
6
D6 = nilai ke-9
10
3
= nilai ke-9
5
Jadi:
3
5
3
= 55 + (55−55)
5
= 55
Contoh 2.30
Tinggi badan 25 mahasiswa jurusan Desain Komunikasi Visual Universitas
BSI Bandung yaitu sebagai berikut:
160, 158, 173, 166, 162, 175, 164, 172, 163, 168, 166, 159, 165, 158, 160,
165, 163, 174, 171, 180, 169, 165, 164, 170, 170
Tentukanlah nilai D₂, D₇, dan D₈!
Penyelesaian:
158, 158, 159, 160, 160, 162, 163, 163, 164, 164, 165, 165, 165, 166, 166,
168, 169, 170, 170, 171, 172, 173, 174, 175, 180
Maka nilai D₂, D₇, dan D₈ adalah

i(n +1)
D = nilai ke
2
4
2(25 +1)
= nilai ke
10
2
= nilai ke-5
10
1
= nilai ke-5
5
Jadi:
1
5
1
=160 + (162−160)
5
=160, 4
7(25 +1)
D = nilai ke
7
10
2
= nilai ke-18
10
1
= nilai ke-18
5
Jadi:
1
5
1
=170 + (170−170)
5
=170
D8 = nilai ke-20
Jadi:
4
5
4
=171+ (172−171)
5
=171,8
2.5.3 Persentil
Jika sekelompok data dibagi menjadi 100 bagian yang sama
banyaknya disebut persentil. Maka akan terdapat 99 pembagi yang
maisng-masing disebut persentil (P), yaitu P₁, P₂, P₃, P₄… P₉₉.
Untuk data tidak berkelompok nilai persentil ke-i, yaitu Pi dihitung
dengan rumus berikut ini:
i(n +1)
Pi = nilai ke-i
100
i =1, 2, 3, 4, 5… 99
Contoh 2.31
yaitu:
40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95, 100 (n=13).
Tentukanlah nilai P₁₅, P₂₀, P₄₅, dan P₆₈!
Penyelesaian:
30, 35, 40, 45, 50, 55, 60, 65, 75, 80, 85, 95, 100
Maka nilai P15, P₂₀, P₄₅, dan P₆₈ adalah

in
P = nilai ke ( +1)
15
4
15(13 +1)
= nilai ke
100
10
= nilai ke-2
100
1
= nilai ke-2
10
Jadi:
1
P15 = nilai ke-2+ (nilai ke-3 dan nilai ke-2)
10
1
= 35 + (40−35)
10
= 35,5
20(13 +1)
P = nilai ke
20 100
80
= nilai ke-2
100
4
= nilai ke-2
5
Jadi:
4
5
4
= 35 + (40−35)
5
= 39
30
P45 = nilai ke-6
100
3
= nilai ke-6
10
Jadi:
3
P45 = nilai ke-6+ (nilai ke-7 − nilai ke-6)
10
3
= 55 + (60−55)
10
= 56,5
68(13 +1)
P = nilai ke
68
100
52
= nilai ke-9
100
13
= nilai ke-9
25
Jadi:
13
25
13
= 75 + (80−75)
25
= 77,6
Contoh 2.32
Berat badan 15 mahasiswa jurusan Manajemen Pemasaran Universitas BSI
55, 45, 65, 53, 60, 45, 65, 47, 53, 63, 55, 46, 57, 44, 50
Tentukanlah nilai P₃₃, P₅₀, P₆₂ dan P₈₄!
Penyelesaian:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65
Maka nilai P₃₃, P₅₀, P₆₂ dan P₈₄ adalah

i(n +1)
P = nilai ke
33 4
33(15 +1)
= nilai ke
100
7
= nilai ke-5
25
Jadi:
7
25
7
= 47 + (50− 47)
25
= 47,84
P 50(15 +1)
50 = nilai ke
100
= nilai ke-8
Jadi:
P50 = nilai ke-8
= 53
92
P62 = nilai ke-9
100
23
= nilai ke-9
25
Jadi:
23
25
23
= 55 + (55−55)
25
= 55
44
P84 = nilai ke-13
100
11
= nilai ke-13
25
Jadi:
23
25
23
= 63 + (65−63)
25
= 64,84
Contoh 2.33
Tinggi badan 25 mahasiswa jurusan Manajemen Perbankan Universitas BSI
160, 158, 173, 166, 162, 175, 164, 172, 163, 168, 166, 159, 165, 158, 160,
165, 163, 174, 171, 180, 169, 165, 164, 170, 170
Tentukanlah nilai P₁₈, P₃₅, P₄₁ dan P₇₅!
Penyelesaian:
158, 158, 159, 160, 160, 162, 163, 163, 164, 164, 165, 165, 165, 166, 166,
168, 169, 170, 170, 171, 172, 173, 174, 175, 180
Maka nilai P₁₈, P₃₅, P₄₁ dan P₇₅ adalah
P = nilai ke i(n +1)

18
4
18(25 +1)
= nilai ke
100
68
= nilai ke-4
100
17
= nilai ke-4
25
Jadi:
17
25
17
=160 + (160−160)
25
=160
35(25 +1)
P = nilai ke
35 100
10
= nilai ke-9
100
1
= nilai ke-9
10
Jadi:
1
P35 = nilai ke-9+
(nilai ke-10 dan nilai ke-9)
10
1
=164 + (164 −164)
5
=164
P41 = nilai ke-10

Jadi:
33
P41 = nilai ke-10+(nilai ke-11 − nilai ke-10)
50
33
=164 + (165−164)
50
=164,66
P75 = nilai ke-19

Jadi:
1
2
1
=170 + (171−170)
2
=170,5
2.6 Rata-rata Ukur (Geomethric Mean)

Rata-rata ukur dipakai untuk menggambarkan keseluruhan data,
khususnya bila data tersebut mempunyai ciri tertentu, yaitu banyak nilai
data yang satu sama lain saling berkelipatan sehingga perbandingan tiap
dua data yang berurutan tetap atau hampir tetap bila suatu kelompok
data mempunyai ciri seperti ini, maka rata-rata ukur akan lebih baik
daripada rata-rata hitung.(Boediono: 2008)
Untuk data tidak berkelompok rumus rata-rata ukur adalah sebagai
berikut:
G =n A1 , A2 ,…, An
Contoh 2.34
Hitunglah rata-rata ukur dari data di bawah ini:
a) X₁ = 3, X₂ = 6, X₃ = 9
b) Y₁ = 5, Y₂ = 10, Y₃ = 15
c) Z₂ = 4, Z₂ = 8, Z₃ = 12
Penyelesaian:
a) G= 3 X1 .X2 .X3 = 3 (3)(6)(9) = 3 162 = 5, 45
b) G= 3 Y1 .Y2 .Y3 = 3 (5)(10)(15) = 3 750 = 9,08
c) G= 3 Z1 .Z2 .Z3 = 3 (4)(8)(12) =3 1920 = 7,26
Contoh 2.35
a) A₁ = 3, A₂ = 6, A₃ = 9
b) B₁ = 5, B₂ = 10, B₃ = 15
c) C₂ = 4, C₂ = 8, C₃ = 12
Penyelesaian:
a) G= 3 A1 .A2 .A3 = 3 (3)(6)(9) = 3 162 = 5, 45
b) G= 3 B1 .B2 .B3 = 3 (5)(10)(15) = 3 750 = 9,08
c) G= 3 C1 .C2 .C3 = 3 (4)(8)(12) =3 1920 = 7,26
Contoh 2.36
a) R₁ = 6, R₂ = 12, R₃ = 24
b) S₁ = 21, S₂ = 42, S₃ = 84
c) T₁ = 8, T₂ = 16, T₃ = 32
Penyelesaian:
a) G= 3 R1 .R2 .R3 = 3 (6)(12)(24) = 3 1728 =12
b) G= 3 S1 .S2 .S3 = 3 (21)(42)(84) = 3 74088 = 42
c) G= 3 T1 .T2 .T3 = 3 (8)(16)(32) =3 4096 =16
Contoh 2.37
a) L₁ = 18, L₂ = 36, L₃ = 72
b) M₁ = 41, M₂ = 82, M₃ = 164
c) N₁ = 35, N₂ = 70, N₃ = 140
Penyelesaian:
a) G= 3 L1 .L2 .L3 = 3 (18)(36)(72) = 3 46656 = 36
b) G= 3 M1 .M2 .M3 = 3 (41)(82)(164) = 3 551368 = 82
c) G= 3 N1 .N2 .N3 = 3 (35)(70)(140) =3 343000 = 70
2.7 Rata-rata Harmonis (Harmonic Mean)

Untuk menentukan ukuran pemusatan data yaitu dengan rata-rata
harmonis, khususnya kalau suatu kelompok data mempunyai ciri-ciri
tertentu yang merupakan bilangan pecahan atau bilangan dalam desimal.
(Boediono: 2008)
Untuk data tidak berkelompok rata-rata harmonis dari kelompok
data; X₁, X₂, X₃ …,Xn rumusnya adalah sebagai berikut ini:
128
n
RH = 
1 

∑  x 
Contoh 2.38
Hitunglah rata-rata harmonis dari data di bawah ini!
X₁ = 3, X₂ = 6, X₃ = 9
Penyelesaian:
RH = n
 1 

∑  x 
1
=1 1 1
3+ 6 + 9
=
3
6
9
= 4,5
Contoh 2.39
1 3
, 5 9
, 8 , 16
2 4
Penyelesaian:
RH = n
 1 

∑  x 
4
=1 3 5 9
2+ + + =1,64
4
4
=
39
16
8 16
Contoh 2.40
L1 =18, L2 = 36, L3 = 72
Penyelesaian:
RH = n
 1 

∑  x 
= 3
1
1 1
18 + 36 + 72
3
=
7
72
= 30,8
Contoh 2.41
2 4
, 3 8
, 18 , 9
3 9
Penyelesaian:
RH = n
 1 

∑  x 
=
24 43 8
+ + +
3 9 18 9
4
=
39
18
=1,84
2.8 Rangkuman
Ukuran pemusatan data tidak berkelompok masih merupakan
bagian dari statistika deskriptif. Ukuran pemusatan data itu diantaranya:
a. Rata-rata hitung yaitu nilai yang mewakili himpunan atau
sekelompok data.
b. Median yaitu nilai tengah dari kelompok data yang telah diurutkan.
c. Modus yaitu nilai yang sering muncul.
d. Kuartil yaitu kelompok data yang telah diurutkan dibagi menjadi 4
bagian yang sama banyak.
e. Desil yaitu kelompok data yang telah diurutkan dibagi menjadi 10
f. Persentil yaitu kelompok data yang telah diurutkan dibagi menjadi
100 bagian yang sama banyak.
g. Rata-rata ukur dipakai untuk menggambarkan keseluruhan data,
khususnya bila data tersebut mempunyai ciri tertentu, yaitu nilai
data yang satu sama lain saling berkelipatan sehingga perbandingan
tiap 2 data yang berurutan tetap atau hampir tetap.
h. Rata-rata harmonis dipakai untuk menentukan ukuran pemusatan
data khususnya kalau suatu kelompok data mempunyai ciri-ciri
tertentu yang merupakan bilangan pecahan atau bilangan dalam
desimal.
2.9 Latihan Soal

2.9.1 Nilai Ujian Teori Akuntansi dengan 27 Mahasiswa jurusan
Perpajakan Universitas BSI Bandung yaitu: 6 mahasiswa
mendapat nilai 65, 10 mahasiswa mendapat nilai 75, 5
mahasiswa mendapat nilai 80, 2 mahasiswa mendapat nilai 60
dan 4 mahasiswa mendapat nilai 95.
Hitunglah nilai rata-rata hitungnya!
2.9.2 Berat badan kelas Manajemen di Universitas BSI Bandung

45, 40, 49, 45, 49, 60, 48, 50, 60, 65, 70, 54, 55, 60, 43, 44, 50, 48,
70, 55, 60
Hitunglah median yang ada pada data di atas!
2.9.3 Tinggi badan suatu organisasi UKM Bulutangkis di Universitas

BSI Bandung yaitu sebagai berikut:
160, 165, 170, 163, 165, 172, 161, 160, 164, 168, 160, 180, 178, 172,
165, 163, 165, 162
Carilah besar modus dari data di atas!
2.9.4 Penjualan formulir masuk Universitas BSI Bandung selama

seminggu yaitu sebagai berikut:
20, 12, 18, 9, 14, 25, 33.
Hitunglah nilai Q₁, Q₂, dan Q₃!
2.9.5 Gaji 16 karyawan di Yogya Sunda setiap hari adalah sebagai

berikut:
45, 30, 35, 50, 43, 37, 55, 45, 60, 48, 46, 43, 47, 42, 30, 38
Hitunglah nilai D₄, D₆, D₇, dan D₉!
2.9.6 Nilai Ujian mata kuliah Geologi Pariwisata 20 mahasiswa

jurusan Pariwisata adalah sebagai berikut:
90, 85, 72, 65, 83, 75, 60, 77, 87, 85, 98, 80, 75, 78, 73, 82, 70, 78,
88, 95.
Hitunglah P₁₀, P₂₀, P₄₀, P₆₀ dan P₈₀!
2.9.7 Hitunglah rata-rata ukur dari data di bawah ini:

a) P₁ = 12, P₂ = 24, P₃ = 48
b) Q₁ = 10, Q₂ = 20, Q₃ = 40
2.9.8 Hitunglah rata-rata ukur dari data di bawah ini:

a) E₁ = 15, E₂ = 30, E₃ = 90
b) F₁ = 25, F₂ = 50, F₃ = 100
2.9.9 Hitunglah rata-rata harmonis dari data di bawah ini:

4, 6, 8, 24
2.9.10 Hitunglah rata-rata harmonis dari data di bawah ini:

7 1 3
2, 3, 4

(6×65)+(10×75)+(5×80)+(2×60)+(4×95)
X = 27
390 +750 + 400 +120 +380
= 27
2040
= 27
= 75,5
Data yang telah diurutkan maka hasilnya seperti di bawah ini:
43, 44, 44, 45, 45, 48, 48, 49, 49, 50, 50, 54, 55, 55, 60, 60, 60, 60,
65, 70, 70
Nilai k
yaitu:
21 = 2k +1
2k = 21−1
20
k= 2
k =10
Maka, median dari data di atas M₁₁ = 50
Modusnya adalah 165 karena tinggi badan 165 yang paling banyak
muncul.
Setelah data diurutkan maka hasilnya seperti ini:
9, 12, 14, 18, 20, 25, 33
i(n +1)
Q = nilai ke
1
4
1(7 +1)
= nilai ke
4
= nilai ke-2
Jadi:
Q1 = nilai ke-2
=12
2(7 +1)
Q = nilai ke
2
4
= nilai ke-4
Jadi:
Q2 = nilai ke-4
=18
Q3 = nilai ke-6
Jadi:
Q3 = nilai ke-6
= 25
Data yang telah diurutkan adalah sebagai berikut:
30, 30, 35, 37, 38, 42, 43, 43, 45, 45, 46, 47, 48, 50, 55, 60
Maka nilai D₄, D₆, D₇ dan D₉ adalah

i(n +1)
D = nilai ke
4
4
4(16 +1)
= nilai ke
10
8
= nilai ke-6
10
4
= nilai ke-6
5
Jadi:
4
D4 = nilai ke-6 + (nilai ke-7 −nilai ke-6)
5
4
= 42 + (43− 42)
5
= 42,8
6(16 +1)
D6 = nilai ke
10
2
= nilai ke-10
10
1
= nilai ke-10
5
Jadi:
1
5
1
= 45 + (46− 45)
5
= 45,2
7(16+1)
D = nilai ke
7
10
9
= nilai ke-11
10
Jadi:
9
D7 = nilai ke-11+ (nilai ke-12 − nilai ke-11)
10
9
= 46 + (47 − 46)
10
= 46,9
9(16+1)
D = nilai ke
9
10
3
= nilai ke-15
10
Jadi:
3
D9 = nilai ke-15+ (nilai ke-16−nilai ke-15)
10
3
= 55 + (60−55)
10
= 56,5
Data yang telah diurutkan adalah sebagai berikut:
60, 65, 70, 72, 73, 75, 75, 77, 78, 78, 80, 82, 83, 85, 85, 87, 88, 90,
95, 98
Maka nilai P₁₀, P₂₀, P₄₀, P₆₀ dan P₈₀ adalah
P i(n +1)
10 = nilai ke
4
10(20 +1)
= nilai ke
100
10
= nilai ke-2
100
1
= nilai ke-2
10
Jadi:
1
P10 = nilai ke-2 + (nilai ke-3−nilai ke-2)
10
1
= 65 + (70−65)
10
= 65,5
20(20 +1)
P = nilai ke
20 100
20
= nilai ke-4
100
1
= nilai ke-4
5
Jadi:
1
5
1
= 72 + (73−72)
5
= 72,2
40
P40 = nilai ke-8
100
2
= nilai ke-8
5
Jadi:
2
P40 = nilai ke-8+ (nilai ke-9−nilai ke-8)
5
2
= 77 + (78−77)
5
= 77, 4
60(20+1)
P = nilai ke
60 100
60
= nilai ke-12
100
3
= nilai ke-12
5
Jadi:
3
5
3
= 82 + (83−82)
5
= 82,6
138
80(20
P = nilai ke
80 +1)
100
80
= nilai ke-16
100
4
= nilai ke-16
5
Jadi:
4
P80 = nilai ke-16+ (nilai ke-17 −nilai ke-16)
5
4
= 87 + (88−87)
5
= 87,8
a) G = 3 P1 .P2 .P3 = 3 (12)(24)(48) = 3 13824 = 24
b) G = 3 Q1 .Q2 .Q3 = 3 (10)(20)(40) = 3 8000 = 20
a) G = 3 E1 .E2 .E3 = 3 (15)(30)(60) = 3 27000 = 30
b) G = 3 F1 .F2 .F3 = 3 (25)(50)(100) = 3 125000 = 50
RH = n
 1 

∑  x 
4
=1 1 1 1
4 + 6 + 8 +24
4
=
14
24
= 6,85
RH = n
 1 

∑  x 
= 3
7
1 3
12 + 3 + 4
3
=
20
12
=1,8
Bab 3 UKURAn PEMUSATAn DATA
BERKELOMPOK
U kuran pemusatan dimaksudkan sebagai parameter atau ukuran

keterpusatan data. Ukuran pemusatan data ini digunakan untuk
mendapatkan gambaran yang lebih jelas dari suatu persoalan yang
terhimpun dalam sekelompok data. Ukuran ini seringkali dijadikan
pengambilan keputusan, sehingga keberadaan ukuran pemusatan data
tersebut boleh
dikatakan sangat berarti dalam rangka melakukan analisis data.
Ukuran pemusatan data berkelompok yang akan dipelajari yaitu,
rata- rata hitung, median, modus, kuartil, desil dan persentil.
3.1 Rata-rata Hitung

Penggunaan rata-rata hitung untuk suatu kelompok data tergantung
dari tujuan analisisnya. Nilai yang mewakili sekelompok data yaitu
disebut rata-rata hitung. Untuk menentukan nilai rata-rata dari data yang
sudah dikelompokkan ke dalam daftar distribusi frekuensi, dapat
dilakukan perhitungan dengan cara yaitu perhitungan yang didasarkan
pada jumlah dari hasil perkalian antara frekuensi tiap kelas interval
dengan nilai tengah kelas.
141
Penggunaan rata-rata banyak sekali dilakukan, bukan saja di dalam

pelajaran statistik akan tetapi juga dalam perhitungan sehari-hari. Rata-
rata
hitung sering disimbolkan sebagai X , dibaca x bar.
Persamaan rata-rata hitung ditentukan sebagai berikut:
n
∑ fX i
i= 1
X= ∑f
Keterangan:
X = Nilai Rata-Rata Hitung
∑ f.Xi = Jumlah perkalian frekuensi dengan nilai tengah
∑f = Jumlah data atau banyaknya data
Contoh 3.1
Tentukanlah nilai rata-rata hitung dari data modal perusahaan PT. Maju
di bawah ini!
Tabel 3.1
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan rata-rata hitung data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Bab 3 Ukuran Pemusatan Data Berkelompok 143
Tabel 3.2
Perhitungan Rata-Rata Hitung
Modal f Xi f. Xi
10 – 29 22 19,5 429
30 – 49 38 39,5 1501
50 – 69 26 59,5 1547
70 – 89 19 79,5 1510,5
90 – 109 35 99,5 3482,5
110 – 129 15 109,5 1792,5
130 – 149 45 139,5 6277,5
Jumlah 200 16540
Maka rata-rata hitung dari data modal perusahaan di atas yaitu

16540
X= = 82,7
200
Contoh 3.2
Tentukanlah nilai rata-rata hitung dari data tinggi badan 100 mahasiswa
STMIK Nusa Mandiri!
Tabel 3.3
Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan rata-rata hitung data yang sudah
Tabel 3.4
Perhitungan Rata-Rata Hitung
Kelas f Xi f. Xi
152 – 154 4 153 612
155 – 157 11 156 1716
158 – 160 10 159 1590
161 – 163 25 162 4050
164 – 166 20 165 3300
167 – 169 20 168 3360
170 – 172 6 171 1026
173 – 175 4 174 696
Jumlah 100 16350
Maka rata-rata hitung dari data modal perusahaan di atas yaitu

16350
X= =163,5
100
3.2 Median
Nilai tengah dari kelompok data yang telah diurutkan baik membesar
atau mengecil disebut median. Biasanya median disingkat Med. Median
data yang sudah dikelompokkan dirumuskan
in sebagai berikut:
2
(
−∑ F )
Med = Lm .C
+ f
Keterangan:
Med = Median
Lm = Batas bawah kelas median
C = Panjang kelas atau Interval
kelas n = Banyaknya data
∑F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kelas median
f = Frekuensi kelas median
Contoh 3.3
Tentukanlah nilai median dari data modal perusahaan PT. Maju di bawah
ini!
Tabel 3.5
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan median pada data yang sudah
Tabel 3.6
Perhitungan Median
Kelas Tepi Kelas f f. kumulatif

10 – 29 9,5 – 29,5 22 22
30 – 49 29,5 – 49,5 38 60
50 – 69 49,5 – 69,5 26 86
70 – 89 69,5 – 89,5 19 104
90 – 109 89,5 – 109,5 35 140
110 – 129 109,5 –129,5 15 155
130 – 149 129,5 – 149,5 45 200
Letak median yaitu pada data yang ke 200/2 = 100 (artinya median
yang dicari terletak pada data yang ke 100 atau lebih). Lm = 69,5, ∑f =
86. Dari tabel data di atas ternyata nilai median yaitu:
146
in
( 2 −∑ F)
Med = Lm
.
+ f
C
200
= 69,5 +
( 2 −86)
.20
19
14
= 69,5 + .20
19
= 69,5 +0,74.20
= 84,3
Bahwasannya ada sebanyak 50% Modal PT. Maju yang bernilai 84,3.
Contoh 3.4
Tentukanlah nilai median dari data tinggi badan 100 mahasiswa STMIK
Nusa Mandiri!
Tabel 3.7
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan median pada data yang sudah
Tabel 3.8
Perhitungan Median

152 – 154 151,5 – 154,5 4 4
155 – 157 154,5 – 157,5 11 15
158 – 160 157,5 – 160,5 10 25
161 – 163 160,5 – 163,5 25 50
164 – 166 163,5 – 166,5 20 70
167 – 169 166,5 –169,5 20 90
170 – 172 169,5 – 172,5 6 96
173 – 175 172,5 – 175,5 4 100
Letak median yaitu pada data yang ke 100/2 = 50 (artinya median

yang dicari terletak pada data yang ke 50 atau lebih). Lm = 160,5, ∑f =
25. Dari tabel data di atas ternyata nilai median yaitu:
n
( −∑ F )
2
Med = Lm +
.
Cf
50
(
= 160, 5 + 2
−25)
.3
= 160, 5 +0 50
= 160, 5
Bahwasannya ada sebanyak 50% tinggi badan mahasiswa STMIK Nusa

Mandiri yang bernilai 160,5.
3.3 Modus
Nilai yang sering muncul dalam suatu kelompok data atau nilai
yang paling banyak frekuensinya disebut modus. Suatu kelompok data
mungkin mempunyai modus tetapi mungkin juga tidak mempunyai
modus. Artinya, modus suatu kelompok data tidak selalu ada. Bila suatu
kelompok data mempunyai modus, maka modusnya bisa lebih dari satu,
atau dikatakan modusnya tidak tunggal. Modus sering disingkat dengan
Mod.
Persamaan modus data yang sudah dikelompokkan adalah sebagai

berikut:
 d 

Mod = Lmo +  1 .C

 d1 + d 2 
Keterangan:
Mod = Modus
Lm = Batas bawah kelas modus
d1 = Selisih frekuensi yang mengandung modus dengan frekuensi
sebelumnya
d2 = Selisih frekuensi yang mengandung modus dengan frekuensi
sesudahnya
C = Panjang kelas interval
Contoh 3.5
Tentukanlah nilai modus dari data modal perusahaan PT. Maju di bawah
ini!
Tabel 3.9
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan rata-rata hitung pada data yang sudah
Tabel 3.10
Perhitungan Modus

10 – 29 9,5 – 29,5 22 22
30 – 49 29,5 – 49,5 38 60
50 – 69 49,5 – 69,5 26 86
70 – 89 69,5 – 89,5 19 104
90 – 109 89,5 – 109,5 35 140
110 – 129 109,5 –129,5 15 155
130 – 149 129,5 – 149,5 45 200
Letak modus yaitu pada data yang paling banyak frekuensinya yaitu
45. d1 = 45 – 15 = 30, d2 = 45, Lm = 129,5. Dari tabel di atas ternyata nilai
modus yaitu:
 d 

Mod = Lmo +  1 .C

 d1 + d 2 
 30 
= 129,5 +  .20
 30
=129,5 +8
=137,5
Contoh 3.6
Tentukanlah nilai modus dari data tinggi badan 100 mahasiswa STMIK
Nusa Mandiri!
Tabel 3.11
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan modus pada data yang sudah
Tabel 3.12
Perhitungan Modus

152 – 154 151,5 – 154,5 4 4
155 – 157 154,5 – 157,5 11 15
158 – 160 157,5 – 160,5 10 25
161 – 163 160,5 – 163,5 25 50
164 – 166 163,5 – 166,5 20 70
167 – 169 166,5 –169,5 20 90
170 – 172 169,5 – 172,5 6 96
173 – 175 172,5 – 175,5 4 100
Letak modus yaitu pada data yang paling banyak frekuensinya yaitu
25. d1 = 25 – 10 = 15, d2 = 25 – 20 = 5, Lm = 129,5. Dari tabel di atas
ternyata nilai modus yaitu:
 d 

Mod = Lmo +  1 .C
 d +d 
 1 2 
15
=129,5 + .20
15 +5
=129,5 +15
=144,5
3.4 Kuartil
Kita telah mengetahui bahwa median itu merupakan nilai tengah
data. Kelompok data yang telah diurutkan dibagi menjadi 4 bagian yang
sama banyak disebut kuartil.
Bilangan pembaginya ada 3, yaitu kuartil pertama (Q1), kuartil
kedua (Q2) dan kuartil ketiga (Q 3). Kuartil pertama disebut juga kuartil
bawah, kuartil kedua disebut juga kuartil tengah dan kuartil ketiga
disebut juga kuartil atas.
Untuk data yang sudah dikelompokan nilai kuartil ke-i, yaitu Q i,
ditentukan dengan rumus berikut ini:
4 in− ∑ f 
Qi = Lqi + .C

 
Keterangan: f

Qi = Nilai Kuartil ke i, i = 1, 2, dan
3 Lqi = Batas bawah kelas Qi
C = Panjang kelas
interval n = Banyaknya
data
tanda kelas Qi
f = Frekuensi kelas Qi
Contoh 3.7
Tentukanlah Q₂ dan Q₃ dari data modal perusahaan PT. Maju di
bawah ini!
Tabel 3.13
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan kuartil data yang sudah dikelompokkan
maka dibuat tabel sebagai berikut:
Tabel 3.14
Perhitungan Kuartil

10 – 29 9,5 – 29,5 22 22
30 – 49 29,5 – 49,5 38 60
50 – 69 49,5 – 69,5 26 86
70 – 89 69,5 – 89,5 19 104
90 – 109 89,5 – 109,5 35 140
110 – 129 109,5 –129,5 15 155
130 – 149 129,5 – 149,5 45 200

 4 2n 
− ∑ f 
Q2 = Lq2 + .C
 

f


  4400 −86
= 69,5 + .20

 19

(100−86)
= 69,5 + .20
19
= 69,5 +14,74
= 84,24

 4 3n 
− ∑ f 
Q3 = Lq3 + .C
 

f

 600 
 
 4 −140
= 109,5 + .20

 15

(150−140)
=109,5 + .20
15
=109,5 +13,33
=122,83
Contoh 3.8
Tentukanlah nilai Q₁, Q₂, dan Q₃ dari data tinggi badan 100 mahasiswa
STMIK Nusa Mandiri!
Tabel 3.15
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan kuartil pada data yang sudah
Tabel 3.16
Perhitungan Kuartil

152 – 154 151,5 – 154,5 4 4
155 – 157 154,5 – 157,5 11 15
158 – 160 157,5 – 160,5 10 25
161 – 163 160,5 – 163,5 25 50
164 – 166 163,5 – 166,5 20 70
167 – 169 166,5 –169,5 20 90
170 – 172 169,5 – 172,5 6 96
173 – 175 172,5 – 175,5 4 100

 41n 
− ∑ f 
Q1 = Lq1 + .C
 

f


 4100 −15
= 157,5 + .3

 38

(25−15)
=157,5 + .3
10
=157,5 +3
=160,5

 4 2n 
− ∑ f 
Q2 = Lq2 + .C
 

f


 4200 −25
= 160,5 + .3
 25 
 
(50−25)
=160,5 + .3
25
=160,5 +3
=163,5
156
 3n
 −∑ f

4

Q3 = Lq3 + .C
 

f

 300 
 4 −70
= 166,5 + 
 .3
 20 
(75−70) 
=166,5 + .3
20
=166,5 +0,75
=167,25
3.5 Desil
Jika sekelompok data, dibagi menjadi 10 bagian yang sama
banyaknya disebut desil. Maka akan terdapat 9 pembagi, masing-masing
disebut nilai desil (D), yaitu D₁, D₂, D₃, D₄, … D₉.
Untuk data yang sudah dikelompokkan nilai desil ke-i, yaitu Di
ditentukan dengan rumus sebagai berikut:

10in− ∑ F 
Di = Ldi + .C
 

Keterangan: f

Di = Nilai Desil ke i, i = 1, 2, dan
3 Ldi = Batas bawah kelas Di
C = Panjang kelas
interval n = Banyaknya data
tanda kelas Di
f = Frekuensi kelas Di
Contoh 3.9
Tentukanlah D₁, D₂, D₃, D₄, D₅, D₆, D₇, D₈ dan D₉ dari data modal
perusahaan PT. Maju di bawah ini!
Tabel 3.17
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan desil data yang sudah dikelompokkan
Tabel 3.18
Perhitungan Desil

10 – 29 9,5 – 29,5 22 22
30 – 49 29,5 – 49,5 38 60
50 – 69 49,5 – 69,5 26 86
70 – 89 69,5 – 89,5 19 104
90 – 109 89,5 – 109,5 35 140
110 – 129 109,5 –129,5 15 155
130 – 149 129,5 – 149,5 45 200
158
 1n
 −∑F

 10

D1 = Ld1 + .C
 

f

 10
200 
 −0 
= 9, 5 + .20

 22 
(20−0)
= 9, 5 + .20
22
= 9, 5 +18,18
= 27, 68
10 − f 
2n
∑ .C
D2 = Ld2 + 


f

 10
400 
 −22
= 29, 5 + .20
 38 
 
(40−22)
= 29, 5 + .20
38
= 29, 5 +9, 47
= 38, 97
 103n 
 −∑ f 
D3 = Ld3 + .C
 

f

 10
600 
 −22
= 29, 5 + .20
 38 
 
(60−22)
= 29, 5 + .20
38
= 29, 5 +20
= 49, 5
 4n
 10 − 
∑F .C
D4 = Ld4 + 


f


10800 −60
= 49, 5 + .20

 26 
(80−60)
= 49, 5 + .20
26
= 49, 5 +15, 38
= 64, 88
 5n
 10 − 

∑f .C
D5 = Ld5 + 
 
f

 1000 
10 −86 
= 69, 5 + .20
 19 
 
(100−86)
= 69, 5 + .20
19
= 69, 5 +14, 73
= 84, 23
 6n
 10 − 

∑f .C
D6 = Ld6 + 


f

 1200
10 
−105
= 29, 5 + .20
35 
 
(120−105)
= 89, 5 + .20
38
= 89, 5 +8, 57
= 98, 07
160
 7n
 −∑ f

 10

D7 = Ld7 + .C
 

f

 1400 
 10 −105
= 89,5 + .20
35 
 
(140−105)
= 89,5 + .20
35
= 89,5 +20
=109,5
10 − f 
8n
∑ .C
D8 = Ld8 + 
 f 
 1600 
 10 −155
= 129, 5 + .20

45 
 
(160−155)
= 129, 5 + .20
45
= 129, 5 +2, 22
= 131, 72
10 − f 
9n
∑ .C
D9 = Ld9 +
 

f

 1800 
 10 −155
= 129, 5 + .20
45 
 
(1800−155)
= 129, 5 + .20
45
= 129, 5 +11,11
= 140, 61
Contoh 3.10
Tentukanlah nilai D₁, D₂, D₃, D₄, D₅, D₆, D₇, D₈ dan D₉ dari data tinggi
badan 100 mahasiswa STMIK Nusa Mandiri!
Tabel 3.19
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan desil data yang sudah dikelompokkan
Tabel 3.20
Perhitungan Desil

152 – 154 151,5 – 154,5 4 4
155 – 157 154,5 – 157,5 11 15
158 – 160 157,5 – 160,5 10 25
161 – 163 160,5 – 163,5 25 50
164 – 166 163,5 – 166,5 20 70
167 – 169 166,5 –169,5 20 90
170 – 172 169,5 – 172,5 6 96
173 – 175 172,5 – 175,5 4 100
162
 1n
 −∑ f

 10

D1 = Ld1 + .C
 

f

 100 
 11 − 4
= 154,5 + .3

 38 
(10− 4)
=154,5 + .3
11
=154,5 +1,63
=156,13
102n− f 
∑ .C
D2 = Ld2 + 
 f 
 10
200 
 −15 
= 157,5 + .3
 10 
 
(20−15)
=157,5 + .3
10
=157,5 +1,5
=159

103n− f 
∑ .C
D3 = Ld3 + 


f

 10
300 
 −25
= 160,5 + .3
25 
 
(30−25)
=160,5 + .3
25
=160,5 +0,6
=161,1


4n 
10 −∑ f 
D4 = Ld4 + .C
 

f


10400 −25
= 160, 5 + .3
25 
 
(40−25)
= 160, 5 + .3
25
= 160, 5 +1, 8
= 162, 3


5n 
10 −∑ f 
D5 = Ld5 + .C
 

f


10500 −25
= 160, 5 + .3
25 
 
(50−25)
= 160, 5 + .3
25
= 160, 5 +3
= 163, 5
 6n 
 −∑ f 
 10
D6 = Ld6 + .C
 

f


10600 −50
= 163, 5 + .3

 20 
(60−50)
= 163, 5 + .3
20
= 163, 5 +1,5
= 165
164
 7n
 −∑ f

 10

D7 = Ld7 + .C
 

f

 10
700 
 −50
= 163, 5 + .3
 20 
 
(70−50)
= 163, 5 + .3
20
= 163, 5 +3
= 166, 5

108n− f 
∑ .C
D8 = Ld8 + 
 
f

 10
800 
 −70
= 166, 5 + .3
 20 
 
(80−70)
= 166, 5 + .3
20
= 166, 5 +1,5
= 168

109n− f 
∑ .C
D9 = Ld9 + 


f

 10
900 
 −70
= 166,5 + .3
 20 
 
(90−70)
=166,5 + .3
20
=166,5 +3
=169,5
3.6 Persentil
Jika sekelompok data dibagi menjadi 100 bagian yang sama
banyaknya disebut persentil. Maka akan terdapat 99 pembagi yang
maisng-masing disebut persentil (P), yaitu P₁, P₂, P₃, P₄… P₉₉.
Untuk data tidak berkelompok nilai persentil ke-i, yaitu Pi dihitung
dengan rumus berikut ini:

10in− ∑ F 
Pi = Lpi + .C
 

Keterangan: f

Pi = Nilai Persentil ke i, i = 1, 2, dan
3 Lpi = Batas bawah kelas Pi
C = Panjang kelas
interval n = Banyaknya
data
tanda kelas Pi
f = Frekuensi kelas Pi
Contoh 3.11
Tentukanlah P₁₅, P₂₃, P₄₇, P₅₈, P₇₂, P₇₉, P₈₇, dan P₉₄ dari data
modal perusahaan PT. Maju di bawah ini!
Tabel 3.21
Modal PT. Maju
Modal Frekuensi
10 – 29 22
30 – 49 38
50 – 69 26
70 – 89 19
90 – 109 35
110 – 129 15
130 – 149 45
Jumlah 200
Penyelesaian:
Untuk memudahkan perhitungan persentil pada data yang sudah
Tabel 3.22
Perhitungan Persentil

10 – 29 9,5 – 29,5 22 22
30 – 49 29,5 – 49,5 38 60
50 – 69 49,5 – 69,5 26 86
70 – 89 69,5 – 89,5 19 104
90 – 109 89,5 – 109,5 35 140
110 – 129 109,5 –129,5 15 155
130 – 149 129,5 – 149,5 45 200
 15n
100 
−∑ f 
P15 = Lp15 + .C

 f 
 100
3000 
 −22
= 29,5 + .20
 38 
 
(30−22)
= 29,5 + .20
38
= 29,5 + 4,21
= 33,71
 23n 
 − ∑ f 
 100
P23 = Lp23 + .C
 

f

 4600 
100 −22 
= 29,5 + .20

 38

(46−22)
= 29,5 + .20
38
= 29,5 +12,63
= 42,13
 47n 
 − ∑ f 
 100
P47 = Lp47 + .C

 f 
 9400 
100 −86 
= 69,5 + .20

 19 
(94 −86)
= 69,5 + .20
19
= 69,5 +8, 42
= 77,92
 58n 
 − ∑ f 
 100
P58 = Lp58 + .C
 

f

 11600 
100 −105 
= 89,5 + .20
 35 
 
(116−105)
= 89,5 + .20
35
= 89,5 +6,28
= 95,78
168
 72n
 −∑ f

 100

P72 = Lp72 + .C
 

f

 14400 
 100 −140
= 109,5 + .20
 15 
 
(144 −140)
=109,5 + .20
15
=109,5 +5,33
=114,83
 100
79n 
 − ∑ f 
P79 = Lp79 + .C
 

f

 15800 
 100 −155
= 129,5 + .20
45 
 
(158−155)
=129,5 + .20
45
=129,5 +1,33
=130,83
 100
87n 
 − ∑ f 
P87 = Lp87 + .C
 

f

 17400 
 100 −155
= 129,5 + 

.20 45 

(174 −155)
=129,5 + .20
45
=129,5 +8, 44
=137,94
 94n 
 − ∑ f 
 100
P94 = Lp94 + .C
 

f

 18800 
100 −155 
= 129,5 + .20
45 
 
(188−155)
=129,5 + .20
45
=129,5 +14,66
=144,16
Contoh 3.12
Tentukanlah nilai P₁₈, P₂₅, P₄₃, P₅₅, P₇₇, P₈₂, P₈₉, dan P₉₅ dari data tinggi
badan 100 mahasiswa STMIK Nusa Mandiri!
Tabel 3.23
Kelas Frekuensi
152 – 154 4
155 – 157 11
158 – 160 10
161 – 163 25
164 – 166 20
167 – 169 20
170 – 172 6
173 – 175 4
Jumlah 100
Penyelesaian:
Untuk memudahkan perhitungan persentil pada data yang sudah
Tabel 3.24

152 – 154 151,5 – 154,5 4 4
155 – 157 154,5 – 157,5 11 15
158 – 160 157,5 – 160,5 10 25
161 – 163 160,5 – 163,5 25 50
164 – 166 163,5 – 166,5 20 70
167 – 169 166,5 –169,5 20 90
170 – 172 169,5 – 172,5 6 96
173 – 175 172,5 – 175,5 4 100
100 − ∑ f 
18n
P18 = Lp18 + .C
f 
 
 800
 − 4
100

= 154, 5 + .3

  11 
( 8 − 4)
= 154, 5 + .3
11
= 154, 5 +1,09
= 155, 59
 25n
100 
−∑ f 
P25 = Lp25 + .C
 

f

 100
2500 
 −15
= 157, 5 + .3

 10 
(25−15)
= 157, 5 + .3
10
= 157, 5 +3
= 160, 5
 43n 
 − ∑ f 
 100
P43 = Lp43 + .C
 

f

 4300 
100 −25 
= 160, 5 + .3
25 
 
(43−25)
= 160, 5 + .3
25
= 160, 5 +2,16
= 162, 66
 55n 
 − ∑ f 
 100
P55 = Lp55 + .C
 

f

 5500 
100 −50 
= 163,5 + .3

 20 
(55−50)
=163,5 + .3
20
=163,5 +0,75
=164,25
 77n 
 − ∑ f 
 100
P77 = Lp77 + .C
 

f

 7700 
100 −70 
= 166,5 + .3

 20 
(77 −70)
=166,5 + .3
20
=166,5 +1,05
=167,55
172
 82n
 −∑ f

 100

P82 = Lp82 + .C
 

f

 100
8200 
 −70
= 166,5 + .3
 20 
 
(82−70)
=166,5 + .3
20
=166,5 +1,8
= 168,3
 89n
100 −∑ f 
P89 = Lp89 +
 .C
 f 

 8900 
100 −70 
= 166, 5 + .3

 20 
(89−70)
= 166, 5 + .3
20
= 166, 5 +2, 85
= 169, 35
 95n
100 −∑ f 
P95 = Lp95 + .C
 


f

 100
9500 
 −90
= 169, 5 + .3
 6 
 

(95−90)
= 169, 5 + .3
6
= 169, 5 +2, 5
= 172
3.7 Rangkuman
Ukuran pemusatan data digunakan untuk mendapatkan gambaran
yang lebih jelas dari suatu persoalan yang terdapat dalam sekelompok
data. Ukuran pemusatan data yang sudah dikelompokkan yaitu
diantaranya:
a. Rata-rata hitung yaitu nilai yang mewakili sekelompok data.
b. Median yaitu nilai tengah sekelompok data.
c. Modus yaitu nilai yang sering muncul atau nilai yang paling banyak
frekuensinya,
d. Kuartil yaitu kelompok data yang telah diurutkan dibagi menjadi 4
e. Desil yaitu sekelompok data yang dibagi menjadi 10 bagian yang
sama banyaknya.
f. Persentil yaitu sekelompok data dibagi menjadi 100 bagian yang
sama banyaknya.
3.8 Latihan Soal

3.8.1 Tentukan rata-rata hitung dari data nilai Ujian Komputer
Animasi 50 mahasiswa jurusan Public Relation Universitas
BSI Bandung!
Tabel 3.25
Nilai Ujian Komputer Animasi 50 Mahasiswa Jurusan Public Relation
Nilai Frekuensi
60 – 62 5
63 – 65 11
66 – 68 14
69 – 71 8
72 – 74 12
Jumlah 50
3.8.2 Tentukanlah nilai median dan modus dari tinggi badan 40 anak
panti Asuhan Tambatan Hati!
Tabel 3.26
Tinggi Badan 40 Anak Panti Asuhan Tambatan Hati
Tinggi Badan frekuensi

118 – 126 3
127 – 135 5
136 – 144 9
145 – 153 12
154 – 162 5
163 – 171 4
172 – 180 2
Jumlah 40
3.8.3 Tentukanlah nilai Q₁, Q₂, dan Q₃ dari data nilai ujian
Metodologi Keperawatan 30 mahasiwa jurusan Keperawatan
Universitas BSI Bandung!
Tabel 3.27
Nilai Ujian Metodologi Keperawatan 30 Mahasiswa Jurusan Keperawatan
Nilai frekuensi
21 – 30 1
31 – 40 1
41 – 50 3
51 – 60 9
61 – 70 8
71 – 80 6
81 – 90 2
Jumlah 30
3.8.4 Tentukanlah nilai D₂, D₅ dan D₉ dari data nilai ujian

Komputer Grafis II 40 mahasiswa jurusan Desain Komunikasi
Visual Universitas BSI Bandung!
Tabel 3.28
Nilai Ujian Komputer Grafis II 40 Mahasiswa Jurusan Desain Komunikasi
Visual Universitas BSI Bandung
Nilai frekuensi
19 – 27 4
28 – 36 6
37 – 45 8
46 – 54 10
55 – 63 6
64 – 72 3
73 – 81 3
Jumlah 40
3.8.5 Tentukanlah nilai P₂₄, P₅₆, dan P₇₀ dari data tinggi badan
90 mahasiswa UKM Bulutangkis Universitas BSI Bandung!
Tabel 3.29
Tinggi Badan 90 Mahasiswa UKM Bulutangkis Universitas BSI Bandung
Tinggi Badan frekuensi

140 – 142 4
143 – 145 9
146 – 148 20
149 – 151 44
152 – 154 18
155 – 157 5
Jumlah 90

3.9.1 Penyelesaian:
Untuk memudahkan perhitungan rata-rata hitung maka
dibuat tabel perhitungan sebagai berikut:
Tabel 3.30
Nilai Ujian Komputer Animasi 50 Mahasiswa Jurusan Public Relation
Nilai f Xi f.Xi
60 – 62 5 61 305
63 – 65 11 64 704
66 – 68 14 67 938
69 – 71 8 70 560
72 – 74 12 73 876
50 3383
Maka rata-rata hitungnya adalah

X=
∑ f .Xi = 3383 = 67,66
∑f 50
3.9.2 Penyelesaian:
Untuk memudahkan perhitungan median dan modus maka
dibuat tabel perhitungan sebagai berikut:
Tabel 3.31
Perhitungan Median Dan Modus
Tinggi Badan f Xi fh
118 – 126 3 122 3
127 – 135 5 131 8
136 – 144 9 140 17
145 – 153 12 149 29
154 – 162 5 158 34
163 – 171 4 167 38
172 – 180 2 176 40
Letak median yaitu pada data yang ke 40/2 = 20 (artinya

median yang dicari terletak pada data yang ke 20 atau lebih). Lm
= 145,5,
∑f = 17. Dari tabel data di atas ternyata nilai median dan
modus yaitu:
 2 n 
 − ∑ F 
Med = Lm + .C
 

f

 40 
 
 2 −17
= 144,5 + .9

 12 
3
=144,5 + .9
12
=144,5 +2,25
=146,75
 d 
Mod = Lmo +  1 .C
 d1 +d2 
 3 
= 144,5 +   .9
3 
=144,5 +2,7
=147,2
3.9.3 Penyelesaian:
Untuk memudahkan perhitungan kuartil pada data yang sudah
dikelompokkan maka dibuat tabel perhitungan sebagai berikut:
Tabel 3.32
Perhitungan Kuartil
Nilai f fh
21 – 30 1 1
31 – 40 1 2
41 – 50 3 5
51 – 60 9 14
61 – 70 8 22
71 – 80 6 28
81 – 90 2 30
178
 1n
 −∑ f

4

Q1 = Lq1 + .C

 f 

 430 
 −5
= 50, 5 + .10
 9 
 

(7,5−5)
= 50, 5 + .10
9
= 50, 5 +2, 78
= 53, 28

42n− 
∑f .C
Q2 = Lq2 + 

 f 
 60 
 
 4 −14
= 60, 5 + .10

 8  
(15−14)
= 60, 5 + .10
8
= 60, 5 +1, 25
= 61, 75

43n− 
∑f .C
Q3 = Lq3 + 

 f 
 90 
 
 4 −22
= 70, 5 + .10

 6  
(22,5−22)
= 70, 5 + .10
6
= 70, 5 +0, 83
= 71, 33
3.9.4 Penyelesaian:
Untuk memudahkan perhitungan desil pada data yang sudah
Tabel 3.33
Perhitungan Desil
Nilai f fh
19 – 27 4 4
28 – 36 6 10
37 – 45 8 18
46 – 54 10 28
55 – 63 6 34
64 – 72 3 37
73 – 81 3 40
 2n
10 − 
∑f .C
D2 = Ld2 + 
 f 
 1080 
 − 4
= 27, 5 + .9
 6 
 
( 8 − 4)
= 27, 5 + .9
6
= 27, 5 +6
= 33, 5

10 − f 
5n
∑ .C
D5 = Ld5 + 
 

f

 10
200 
 −18
= 45, 5 + 
 .9
 10 
(20−18) 
= 45, 5 + .9
10
= 45, 5 +1, 8
= 47, 3
180
 9n
 −∑ f

 10

D9 = Ld9 + .C

 f 
 10
360 
 −22
= 63, 5 + .9
 3 
 
(60−22)
= 63, 5 + .9
3
= 63, 5 +6
= 69, 5
3.9.5 Penyelesaian:
Untuk memudahkan perhitungan persentil pada data yang
sudah dikelompokkan, maka dibuat tabel perhitungan sebagai
berikut:
Tabel 3.34
Tinggi Badan f fh
140 – 142 4 4
143 – 145 9 13
146 – 148 20 33
149 – 151 44 77
152 – 154 18 85
155 – 157 5 90
 24n
100 
−∑ f 
P24 = Lp24 + .C
 

f

 100
2160 
 −13
= 145, 5 + .3
 20 
 
(21,6−13)
= 145, 5 + .3
20
= 145, 5 +1, 29
= 146, 79
 56n
100 
−∑ f 
P56 = Lp56 + .C
 

f

 100
5040 
 −23
= 148, 5 + .3

44 
 
(50, 4 −23)
= 148, 5 + .3
44
= 148, 5 +1, 87
= 150, 37
 70n
100 
−∑ f 
P70 = Lp70 + .C
 

f

 100
6300 
 −23
= 148, 5 + .3

44 
 
(63−23)
= 148, 5 + .3
44
= 148, 5 +2, 73
= 151, 23
Bab 4 UKURAn PEnYEBARAn DATA
U kuran penyebaran suatu kelompok data terhadap pusat data disebut

dispersi. Dispersi sangat berguna untuk menganalisa data dengan cara
membandingkan dua atau beberapa penyebaran distribusi data. Analisa
data dengan menggunakan ukuran pemusatan data belum memberikan
informasi yang mendalam, karena hanya memberikan informasi yang
terbatas. Dengan ukuran dispersi akan dapat diketahui lebih banyak
informasi tentang perbedaan dari kelompok data.
Ada beberapa jenis ukuran dispersi data yang akan kita pelajari
yaitu diantaranya jangkauan (range), simpangan rata-rata (mean
deviation), variansi (variance), standar deviasi (standard deviation),
simpangan kuartil (quartile deviation), simpangan persentil (percentile
deviation), koefisien variasi dan nilai baku.
4.1 Jangkauan (Range)

Bentuk yang paling sederhana dari ukuran dispersi adalah
jangkauan atau range, yang dilambangkan dengan R. Definisi jangkauan
atau range
(R) suatu kelompok data adalah selisih antara nilai maksimum dengan
nilai minimum dalam suatu kelompok data. Jangkauan dapat diketahui
dari data yang belum dikelompokkan dan data yang sudah
dikelompokkan.
183
4.1.1 Jangkauan Data yang Belum Dikelompokkan

Persamaan jangkauan yang belum dikelompokkan dinyatakan
sebagai berikut:
Range (R) = Nilai Maksimum – Nilai Minimum
Contoh 4.1
Kelompok data 1: 45, 45, 45, 45, 45.
Kelompok data 2: 20, 40, 55, 60, 80.
Kelompok data 3: 15, 35, 45, 60, 85.
Hitunglah range dari kelompok-kelompok data di atas!
Penyelesaian:
R1 = Nilai Maksimum – Nilai Minimum
= 45 – 45
=0

= 80 – 20
= 60

= 85 – 15
= 70
Terlihat bahwa kelompok data 1 mempunyai jangkauan yang paling

kecil (R1) dan kelompok data 3 mempunyai jangkauan yang paling besar
(R3). Artinya kelompok data 3 paling menyebar daripada data yang lain.
4.1.2 Jangkauan Data yang Sudah Dikelompokkan

Untuk data berkelompok dalam bentuk distribusi frekuensi
jangkauan data dihitung dengan memakai selisih antara nilai tengah
kelas yang
Bab 4 Ukuran Penyebaran Data 185
maksimum dengan nilai tengah kelas minimum, dapat ditentukan dalam

persamaan berikut ini:
R = Nilai Tengah Kelas Maksimum – Nilai Tengah Kelas Minimum
Contoh 4.2
Perhatikan tabel berikut ini!
Tabel 4.1
Berat Badan 54 Mahasiswa Jurusan Manajemen Informatika Universitas BSI Bandung
Berat badan (kg) Xi f

50 – 54 52 5
55 – 59 57 3
60 – 64 62 21
65 – 69 67 15
70 – 74 72 10
Hitunglah range dari data di atas!
Penyelesaian:
R = Nilai Tengah Kelas Maksimum – Nilai Tengah Kelas
Minimum
= 72 – 52
= 20 kg
Nilai jangkauan suatu kelompok data dapat menunjukkan kualitas

data. Semakin kecil jangkauan suatu data, maka kualitas data itu semakin
baik, sebaliknya semakin besar jangkauan suatu data, maka kualitas data
tersebut semakin tidak baik.
Oleh karena terlalu sederhana, yaitu hanya memakai nilai
maksimum dan nilai minimum, maka jangkauan dikatakan terlalu kasar
untuk menggambarkan penyebaran data sehingga dalam analisis data
yang memerlukan tingkat ketelitian yang tinggi, ukuran dispersi data ini
jarang dipakai. Inilah kekurangan dari jangkauan data. Akan tetapi
kelebihannya paling mudah dihitung.
4.2 Simpangan Rata-rata (Mean Deviation)

Pengertian Simpangan Rata-rata (Mean Deviation) adalah jumlah
nilai mutlak dari selisih semua nilai dengan nilai rata-rata dibagi
banyaknya data.
Misalkan kelompok data X1, X2, X3,…Xn mempunyai niilai rata-rata
hitung X, maka simpangan atau selisih nilai dari X 1, X2, X3,…Xn dengan X
masing-masing adalah (X1 – X), (X2 – X), (X3 – X), …(Xn – X). Simpangan
rata-rata sering disingkat dengan SR.
4.2.1 Simpangan Rata-rata Data yang Belum Dikelompokkan

Persamaan simpangan rata-rata data yang belum dikelompokkan
dinyatakan sebagai berikut:
∑ x−x
SR = n
Keterangan:
SR = Simpangan Rata-rata
X = nilai data
X = rata-rata hitung
n = banyaknya data
Contoh 4.3
Tentukanlah simpangan rata-rata dari kelompok-kelompok data sebagai
berikut:
Kelompok data 1: 60, 78, 80, 92, 100.
Kelompok data 2: 20, 30, 40, 50, 60.
Penyelesaian:
60 + 78 + 80 + 92 +100
X1 =
5
= 82
maka, simpangan rata-rata dari data di atas yaitu:

∑ x−x
SR1 =
n
60 −82 + 78 −82 + 80 −82 + 92 −82 + 100 −82
= 5
22 + 4 + 2 +10 +18
= 5
=11, 2
2 20 + 30 + 40 + 50 + 60
X = 5
= 40
Maka;
SR2
=
∑ x−x
n
20 − 40 + 30 − 40 + 40 − 40 + 50 − 40 + 60 − 40
= 5
20 +10 + 0 +10 + 20
= 5
= 12
Terlihat bahwa kelompok data 1 mempunyai simpangan rata-rata

yang paling kecil (SR1) dan kelompok data 2 mempunyai simpangan
rata-rata yang paling besar (SR2). Artinya kelompok data 3 paling
menyebar daripada data yang lain.
4.2.2 Simpangan Rata-rata Data yang Sudah Dikelompokkan

Simpangan rata-rata untuk data berkelompok dapat dibuat tabel
distribusi frekuensi yang melibatkan nilai data, nilai rata-rata hitung,
frekuensi kelas dan banyaknya data.
Persamaan simpangan rata-rata data yang sudah dikelompokkan

dapat ditentukan sebagai berikut:
∑ fx−x
SR =
∑f
Keterangan:
SR = Simpangan Rata-rata
X = nilai data
X = nilai rata-rata hitung

f = frekuensi kelas (data berkelompok)
∑f = banyaknya data
Tanda nilai mutlak pada rumus tersebut untuk menjamin agar

simpanan bertanda positif, karena dispersi data merupakan ukuran yang
positif.
Contoh 4.4
Tentukanlah simpangan rata-rata dari data tabel frekuensi di bawah ini!
Tabel 4.2
Berat Badan 50 Anak di Panti Asuhan Tambatan Hati
Berat badan f
20 – 29 2
30 – 39 3
40 – 49 9
50 – 59 11
60 – 69 7
70 – 79 18
Penyelesaian:
Untuk memudahkan perhitungan simpangan rata-rata pada data yang
sudah dikelompokkan maka dibuat tabel perhitungan sebagai berikut:
Tabel 4.3
Perhitungan Simpangan Rata-Rata
Badan
Berat i i
X f. X
i
(X i – X) |X – X|
f
20 - 29 2 24.5 49 -34.4 34.4
30 - 39 3 34.5 103.5 -24.4 24.4
40 - 49 9 44.5 400.5 -14.4 14.4
50 - 59 11 54.5 599.5 -4.4 4.4
60 - 69 7 64.5 451.5 5.6 5.6
70 - 79 18 74.5 1341 15.6 15.6
Jumlah 50 2945
Diketahui:
f = 50, ∑ f .Xi = 2945, ∑ f Xi − X = 640
2945
X = 50
= 58, 9
Maka, simpangan rata-rata data perusahaan tersebut adalah
∑ fx−x
SR =
∑f
640
= 50
=12, 8
Contoh 4.5
Tentukanlah simpangan rata-rata data nilai Ujian Pengantar Bisnis jurusan
Manajemen Pemasaran di bawah ini!
Tabel 4.4
Nilai Ujian Pengantar Bisnis
Nilai Xi f
26 – 35 30.5 2
36 – 45 40.5 4
46 – 55 50.5 8
56 – 65 60.5 13
66 – 75 70.5 8
76 – 85 80.5 4
86 - 95 90.5 1
Jumlah 40
Penyelesaian:
Untuk memudahkan perhitungan simpangan rata-rata dibuat tabel
perhitungan sebagai berikut:
Tabel 4.5
Perhitungan Simpangan Rata-rata
Nilai Xi f Xi . f |Xi – X| f |Xi - X|
26 - 35 30.5 2 61 28.8 57.6

36 - 45 40.5 4 162 18.8 75.2
46 - 55 50.5 8 404 8.8 70.4
56 - 65 60.5 13 786.5 0.75 9.75
66 - 75 70.5 8 564 10.75 86
76 - 85 80.5 4 322 20.75 83
86 - 95 90.5 1 90.5 30.75 30.75
40 2390 412.7
Diketahui:
∑ f = 40, ∑ f = 2390, ∑ f Xi − X = 412, 7

Xi 2390
X=
40
= 59, 75
Maka simpangan rata-ratanya adalah:
∑ fx−x
SR =
∑f
412, 7
= 40
=10, 3175
Tanda nilai mutlak dapat mengubah (membalikkan) nilai besar

bertanda negatif menjadi nilai besar bertanda positif. Sifat ini
mempengaruhi simpangan rata-rata, yaitu mengakibatkan ukuran
simpangan rata-rata menjadi kurang baik. Akan tetapi simpangan rata-
rata masih lebih baik daripada jangkauan, karena simpangan rata-rata
mempertimbangkan semua selisih antara nilai data dengan pusat data.
Meskipun demikian, karena simpangan rata-rata mempunyai sifat
yang kurang baik, maka ukuran dispersi ini juga jarang dipakai dalam
analisis data. Satu hal lagi yang perlu diketahui adalah bahwa pada rumus
simpangan rata-rata baik untuk data tidak berkelompok maupun data
berkelompok, nilai rata-rata hitung dapat diganti dengan ukuran
pemusatan data yang lain, misalnya median dan modus.
4.3 Variansi (Variance)

Variansi untuk data berkelompok dapat dibuat tabel frekuensi yang
melibatkan nilai data, nilai rata-rata hitung dan banyaknya data. Rata-
rata kuadrat selisih atau kuadrat simpangan dari semua nilai data
terhadap rata- rata hitung disebut variansi (variance). Variansi untuk
sampel dilambangkan dengan S2. sedangkan untuk populasi
dilambangkan dengan σ2.
Bila sampel berupa kelompok data X 1, X2, X3, …, Xn mempunyai rata-
rata hitung ( X ) maka kuadrat selisih nilai-nilai tersebut terhadap X
adalah ( X1-X )2 , ( X2 -X )2 , ( X3 -X )2 ,… ( Xn -X )2 .
4.3.1 Variansi (Variance) Data yang Belum Dikelompokkan

Pada perumusan variansi menggunakan nilai kuadrat yang
tujuannya sama dengan nilai mutlak pada persamaan simpangan rata-rata
yang tujuannya untuk membuat nilai negatif menjadi nilai positif.
Persamaan rumusnya adalah sebagai berikut:
∑ ( X − X )2
S2 =
n −1
Keterangan:
S2 = variansi
X = nilai data
n = banyaknya data
Contoh 4.6
Tentukanlah variansi dari kelompok data: 20, 30, 50, 70, 80!
Penyelesaian:
20 + 30 + 50 + 70 + 80
X= 5
= 50
Maka variansinya adalah sebagai berikut:

2
∑ ( X − x )2
S =
n −1
(20 −50)2 +(30 −50)2 +(50 −50)2 +(70 −50)2 +(80 −50)2
= 5−1
900 + 400 + 0 + 400 + 900
= 4
= 650
Jadi, variansi kelompok data tersebut adalah S2 = 650

Perhatikan bahwa dengan memakai variansi, dispersi data tersebut

jauh lebih besar jika dibandingkan dengan memakai simpangan rata-
rata,. Hal ini diakibatkan oleh variansi yang memakai kuadrat selisih dari
nilai-nilai data terhadap rata-rata hitung, sehingga simpangannya
membesar secara drastis. Ini berarti variansi bukan merupakan ukuran
dispersi yang baik untuk menggambarkan penyebaran data. Kelemahan
variansi disebabkan oleh bentuk kuadrat yang dipakai dalam rumus,
sementara dispersi data sesungguhnya merupakan ukuran yang
bentuknya linear.
Oleh karena itu, variansi juga merupakan ukuran yang jarang
dipakai dalam analisis data. Meskipun demikian, variansi masih
mempunyai kelebihan karena melibatkan selisih dari semua nilai data.
Contoh 4.7
Tentukanlah variansi kelompok
data: 32, 45, 49, 85, 56, 70, 82!
Penyelesaian:
32 + 45 + 49 + 85 + 56 + 70 + 82
X= 7
= 59, 8
Maka, variansi dari kelompok data di atas adalah:

S2 =
∑ ( X − X )2
n −1
(32 −60)2 +(45−60)2 +(49 −60)2 +(85−60)2 +(56 −60)2 +(76 −60)2 +(82 −60)2
= 7 −1
784 + 225 +121+ 625 +16 +100 + 484
= 6
2355
= 6
= 392, 5
Contoh 4.8
Tentukan variansi dari kelompok data 25, 38, 40, 45, 52, 65!
Penyelesaian:
25 + 38 + 40 + 45 + 52 + 65
X= 6
265
= 6
= 44,167
Maka, variansi dari kelompok data di atas yaitu:
S =∑
2 ( X − X )2
n −1
(25− 44,167)2 +(38 − 44,167)2 +(40 − 44,167)2 +(45− 44,167)2 +(52 − 44,167)2 +(65− 44,167)2
= 6 −1
367, 4 + 38 +17, 4 + 0, 7 + 61, 4 + 434
= 5
918, 9
= 5
= 83, 78
Jadi, variansinya adalah 83,78
4.3.2 Variansi (Variance) Data yang Sudah Dikelompokkan

Variansi untuk data berkelompok dapat dibuat tabel frekuensi yang
melibatkan nilai data, nilai rata-rata hitung, frekuensi kelas dan
banyaknya data. Perumusan variansi data yang sudah dikelompokkan
adalah sebagai berikut:
S2 = ∑
f (X −
x )2 n −1
Keterangan:
S2 = Variansi
X = nilai data
f = frekuensi kelas (data

berkelompok) n = banyaknya data
Contoh 4.9
Tentukanlah variansi data modal perusahaan Cahaya pada tabel berikut
ini!
Tabel 4.6
Modal Perusahaan Cahaya
Modal f
112 – 120 4
121 – 129 5
130 – 138 8
139 – 147 12
148 – 156 5
157 – 165 4
166 – 174 2
Penyelesaian:
Untuk memudahkan perhitungan variansi maka dibuat tabel perhitungan
sebagai berikut:
Tabel 4.7
Distribusi Lengkap Untuk Perhitungan Variansi
Modal Xi f (Xi - X )2 f(Xi– X )2
112 - 120 116 4 601.4756 2405.9024

121 - 129 125 5 241.0256 1205.128
130 - 138 134 8 42.5756 340.6048
139 - 147 143 12 6.1256 73.5072
148 - 156 152 5 131.6756 658.378
157 - 165 161 4 419.2256 1676.9024
166 - 174 170 2 868.7756 1737.5512
40 8.098
196
Diketahui:
n atau ∑f=40 ∑ f ( Xi − X )2 = 8,
098
5621
X = 40
=140, 525
Maka variansi data tersebut adalah:
2 8098
S = 39
= 207, 64
4.4 Standar Deviasi (Standard Deviation)

Akar pangkat dua dari variansi disebut standar deviasi (standard
deviation). Standar deviasi seringkali disebut dengan simpangan baku.
Standar deviasi berkaitan langsung dengan variansi. Standar deviasi sering
disingkat dengan S.
4.4.1 Standar Deviasi (Standard Deviation) yang Belum

Dikelompokkan
Perumusan standar deviasi (standard deviation) data yang belum
dikelompokkan adalah sebagai berikut;
S=
∑( X − X ) 2
n−1
Keterangan :
S = Standar Deviasi (Simpangan Baku)
X = nilai data
n = banyaknya data
Contoh 4.10
Tentukanlah standar deviasi dari kelompok data:
20, 30, 50, 70, 80!
Penyelesaian:
20 + 30 + 50 + 70 + 80
X= 5
= 50
∑ ( X − x )2
S2 =
n −1
(20 −50)2 +(30 −50)2 +(50 −50)2 +(70 −50)2 +(80 −50)2
= 5−1
900 + 400 + 0 + 400 + 900
= 5−1
= 650
Jadi, standar deviasi dari kelompok data tersebut adalah

S = 650
= 25, 495
4.4.2 Standar Deviasi (Standard Deviation) yang Sudah

Dikelompokkan
Perumusan standar deviasi (standard deviation) data yang sudah
dikelompokkan adalah sebagai berikut;
S=
∑ f (X − X) 2
n −1
Keterangan:
S = Standar Deviasi (Simpangan
Baku) X = nilai data
f = frekuensi kelas (data
berkelompok) n = banyaknya data
Contoh 4.11
Tentukanlah standar deviasi dari data modal perusahaan Cahaya pada
tabel berikut ini!
Tabel 4.8
Modal f
112 – 120 4
121 – 129 5
130 – 138 8
139 – 147 12
148 – 156 5
157 – 165 4
166 – 174 2
Penyelesaian:
Untuk memudahkan perhitungan standar deviasi maka dibuat tabel
frekuensi sebagai berikut:
Tabel 4.9
Modal Xi f (Xi - X)2 f(Xi – X)2

112 - 120 116 4 601.4756 2405.9024
121 - 129 125 5 241.0256 1205.128
130 - 138 134 8 42.5756 340.6048
139 - 147 143 12 6.1256 73.5072
148 - 156 152 5 131.6756 658.378
157 - 165 161 4 419.2256 1676.9024
166 - 174 170 2 868.7756 1737.5512
40 8.098
Diketahui:
∑ f = 40,
2
f(Xi−X) = 8098
5621
= 40
= 140,525
2
S = 8098
39
= 207,64
Maka, standar deviasi dari data di atas adalah

S = 207,64
=14, 410
Oleh karena standar deviasi merupakan akar dari variansi, maka

standar deviasi mempunyai bentuk linier dari kuadrat selisih antara
semua nilai data dengan rata-rata hitungnya. Seperti juga variansi,
standar deviasi selalu bertanda positif.
Oleh karena standar deviasi melibatkan semua nilai data serta
merupakan bentuk linier dan selalu positif, sementara ukuran dispersi
data merupakan jarak yang bentuknya linear dan positif, maka standar
deviasi merupakan ukuran dispersi yang dianggap paling baik sehingga
paling banyak dipakai dalam analisis data daripada ukuran dispersi yang
lain.
Rumus lain untuk mencari variansi data tidak berkelompok.
n ∑ X 2 − ( ∑ X )2
2
S =
n(n −1)
Keterangan :
S2 = Variansi
X = nilai data
n = banyaknya data
Dan rumus standar deviasinya adalah
n∑ X2 −(∑ X )2 n(n −1)

S=
Keterangan :
X = nilai data
n = banyaknya data
Untuk data berkelompok rumus variansi dan standar deviasi data

menjadi:
n∑ fX 2 −(∑ fX )2
S2 =
n(n −1)
Keterangan :
S2 = Variansi
X = nilai data
n = banyaknya data
dimana n∑
=f
n∑ fX2 −(∑ fX )2 n(n −1)
S=
Keterangan :
X = nilai data
n = banyaknya data
Contoh 4.12
Tentukanlah variansi dan standar deviasi dari kelompok data
20, 30, 50, 70, 80!
Penyelesaian:
Buat tabel seperti berikut untuk memudahkan perhitungan variansi
dan standar deviasi!
Tabel 4.10
Perhitungan Variansi dan Standar Deviasi
X 20 30 50 70 80 Σ X = 250
X 2 400 900 2500 4900 6400 Σ X2 = 15100
Maka diperoleh:
n ∑ X − ( ∑ X )2
S2 =
n(n −1)
5(15100)−(250)2
= 5( 4)
13000
= 20
= 650
Jadi, S = 650
= 25, 495
Contoh 4.13
Diketahui kelompok data
12, 6, 7, 3, 15, 10, 18, 5, 6, 5, 4, 3, 5, 9, 10, 5.
Tentukanlah:
a) Variansi
b) Standar deviasi
Penyelesaian:
Gunakan tabel berikut untuk memudahkan perhitungan variansi dan
standar deviasi!
Tabel 4.11
Daftar Perhitungan Variansi dan Standar Deviasi
X f X2 f. X f. X2
3 2 9 6 18
4 1 16 4 16
5 4 25 20 100
6 2 36 12 72
7 1 49 7 49
9 1 81 9 81
10 2 100 20 200
12 1 144 12 144
15 1 225 15 225
18 1 324 18 324
16 123 1229
Dari tabel di atas diperoleh∑ f .X =

123
dan ∑ fX 2
= 1229
Maka:
n∑ fX 2 − (∑ fX )2
a) Variansi (S2 )
= n(n −1)
16(1229)−(123)2
= 16(15)
4535
= 240
= 18, 9
b) Standar deviasi (S) 18, 9

=
= 4, 3
Contoh 4.14
Tentukanlah variansi dan standar deviasi dengan menggunakan rumus
lain dari data modal perusahaan Cahaya berikut ini!
Tabel 4.12
Modal f
112 – 120 4
121 – 129 5
130 – 138 8
139 – 147 12
148 – 156 5
157 – 165 4
166 – 174 2
Penyelesaian:
Gunakan tabel berikut untuk memudahkan perhitungan variansi dan
standar deviasi!
Tabel 4.13
Modal X f X2 fX f X2
112 – 120 116 4 13456 464 53824
121 – 129 125 5 15625 625 78125
130 – 138 134 8 17956 1072 143648
139 – 147 143 12 20449 1716 245388
148 – 156 152 5 23104 760 115520
157 – 165 161 4 25921 644 103684
166 – 174 170 2 28900 340 57800
40 5,621 797989
Dari tabel diperoleh:
∑ f = 40
∑ fX = 5.621
∑ fX =797.989
2
Dengan demikian variansi dan standar deviasi data tersebut adalah

n∑ fX 2 − (∑ fX )2
S2 =
n(n −1)
40(797989)−(5621)2
= 40(39)
31.919.560 −31.595.641
= 1560
= 207, 640
S = 207, 640
=14, 410
Dengan menggunakan rumus ini akan sama hasilnya dengan rumus

sebelumnya. Akan tetapi dengan memakai rumus dan standar deviasi
tersebut, proses perhitungan lebih mudah dilakukan dan mengurangi
resiko kesalahan daripada memakai rumus variansi dan standar deviasi
sebelumnya.
Contoh 4.15
Tentukanlah variansi dari data nilai ujian di bawah ini!
Tabel 4.14
Hasil Ujian Statistik Industri Jurusan Teknik Industri Universitas BSI Bandung
Nilai Ujian f
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Penyelesaian:
Gunakan tabel di bawah ini untuk memudahkan perhitungan variansi dan
standar deviasi!
Tabel 4.15
Perhitungan Variansi
Nilai Ujian f Xi Xi2 f.Xi f.Xi2

31 – 40 1 35,5 1260,25 35,5 1260,25
41 – 50 2 45,5 2070,25 91 4140,5
51 – 60 5 55,5 3080,25 277,5 15401,25
61 – 70 15 65,5 4290,25 982,5 64353,75
71 – 80 25 75,5 5700,25 1887,5 142506,3
81 – 90 20 85,5 7310,25 1710 146205
91 – 100 12 95,5 9120,25 1146 109443
Jumlah 80 6130 483310
Diketahui:
n = Σ f = 80
∑ f .X i = 6130 dan
∑fx i i
2
= 483.310
n∑ fX 2 −(∑ fX )2
2
S =
n(n −1)
80×483.310 −(6.130)2
= 80.79
= 172, 1
Selain memakai cara itu, seperti juga cara menghitung rata-rata

hitung, untuk menentukan variansi dan standar deviasi juga dapat dipakai
cara koding atau transformasi dari variabel X ke variabel U, khususnya
untuk data yang disajikan dalam bentuk distribusi frekuensi.
Dengan cara transformasi, maka rumus variansi dan standar deviasi
menjadi seperti berikut ini.
 n 
 ∑ fU − (∑ fU )2 
2
Variansi:S 2
= c2 
 n(n −1) 
 
Keterangan : 
S2 = Variansi
c = interval kelas
n = banyaknya data
f = frekuensi
U = ... -2, -1, 0, 1, 2 .
 n∑ fU 2 −(∑ fU )2 
Standar Deviasi : S =
n(n −1) 
c  
Keterangan : 

S = Standar
Deviasi c = interval
kelas
n = banyaknya data
f = frekuensi
U = ... -2, -1, 0, 1, 2 ...
Dengan memakai cara transformasi atau kode tersebut, maka untuk nilai
(X) yang besar akan berubah menjadi nilai data U yang kecil, yaitu U =0,
±1, ±2, ±3 dan seterusnya sehingga akan mempermudah melakukan
perhitungan dan hasil yang diperoleh juga akan menjadi lebih teliti serta
mengurangi resiko kesalahan dalam proses penghitungan.
Contoh 4.16
Tentukanlah variansi dan standar deviasi dengan menggunakan rumus di
atas dari data modal perusahaan Cahaya berikut ini!
Tabel 4.16
Modal f
112 – 120 4
121 – 129 5
130 – 138 8
139 – 147 12
148 – 156 5
157 – 165 4
166 – 174 2
Penyelesaian:
Untuk memudahkan perhitungan variansi dan standar deviasi buatlah tabel
Tabel 4.17
Modal X f U fU f U2
112 - 120 116 4 -3 -12 36
121 - 129 125 5 -2 -10 20
130 - 138 134 8 -1 -8 8
139 - 147 143 12 0 0 0
148 - 156 152 5 1 5 5
157 - 165 161 4 2 8 16
166 - 174 170 2 3 6 18
40 -11 103
Dari tabel
diperoleh; n
= 40,
Σ f U = –11,
c = 9, dan
Σ f U = 103.
2
Dengan demikian variansi dan standar deviasi data perusahaan tersebut

adalah
 n 
 ∑ fU − (∑ fU )2 
2
S 2 = c 2  n(n −1)

 
 
2
 40 (103)− (-11)2 


40(39)
 4120 −121
=81  

 40(39) 
= 207, 640
Sedangkan standar deviasinya adalah

S = 207, 640 =14, 410
Perhatikan bahwa hasil ini sama persis dengan jawaban pada contoh
4.14. Akan tetapi, dengan memakai cara ini perhitungan menjadi jauh
lebih sederhana dan sangat mudah dilakukan serta dengan hasil yang
lebih teliti atau lebih baik karena resiko melakukan kesalahan lebih kecil
daripada memakai rumus-rumus sebelumnya.
Oleh karena itu, perhitungan variansi dan standar deviasi dengan
memakai rumus tersebut untuk data dalam bentuk distribusi frekuensi
paling sering dipakai dalam analisis data.
4.5 Jangkauan Kuartil dan Jangkauan Persentil 10 – 90

Cara lain yang dipakai untuk menggambarkan penyebaran data
adalah dengan jangkauan kuartil dan jangkauan persentil 10 – 90.
Jangkauan kuartil disebut juga simpangan kuartil atau rentang semi
antarkuartil atau deviasi kuartil. Sedangkan jangkauan persentil 10 - 90
disebut juga rentang persentil.
Jangkauan kuartil dan jangkauan persentil lebih baik daripada
jangkauan atau range yang memakai selisih antara nilai maksimum
dengan nilai minimum suatu kelompok data.
4.5.1 Jangkauan Kuartil (JK)

Jangkauan kuartil melibatkan nilai kuartil ke-1 dan kuartil ke-3.
Persamaan jangkauan kuartil dirumuskan sebagai berikut ini:
1
JK = (Q3 −Q1)
2
Keterangan:
JK = Jangkauan Kuartil
Q1 = kuartil bawah atau kuartil pertama
Q3 = kuartil atas atau kuartil ketiga
Contoh 4.17
Tentukan jangkauan kuartil dari data di bawah ini!
Tabel 4.18
Berat Badan 20 Mahasiswa jurusan Desain Komunikasi Visual
Frekuensi
Berat Badan (kg) Frekuensi Kumulatif
45 - 47 2 2
48 - 50 5 7
51 – 53 7 14
54 – 56 4 18
57 - 59 2 20
20
Penyelesaian:
n
Q1 = X = X5 , terletak pada kelas 48-
50 4
5−2
Q = 47,5 + .3
1
5
= 49,3
3.n
Q3 = X = X15 , terletak pada kelas 54-56
4
15-14
Q3 = 53,5+ .3
4
= 54,25
Maka jangkauan kuartilnya adalah

1
JK= (Q3 −Q1 )
2
1
= (54,25− 49,3)
2
= 2, 475
4.5.2 Jangkauan Persentil (JP)

Jangkauan persentil melibatkan nilai persentil ke-10 dan ke-90.
Persamaan jangkauan persentil dirumuskan seperti berikut:
JP = P90 − P10
10−90
Keterangan:
JP = Jangkauan
Persentil P10 =
persentil ke-10
P90 = persentil ke-90
Contoh 4.18
Tentukanlah jangkauan persentil dari data berikut!
Tabel 4.19
Berat Badan 100 Anak Panti Yatim Indonesia
Frekuensi
Berat Badan Frekuensi Kumulatif
40 - 42 3 3
43 - 45 7 10
46 - 48 21 31
49 - 51 48 79
52 - 54 19 98
55 - 57 2 100
Penyelesaian:
10.n
P10 = X = X10 , terletak pada kelas 43-45
100
P = 42,5 + 10−3 .3
10
7
= 42,5 +3
= 45,5
90.n
P90 = X = X90 , terletak pada kelas 52-54
100
P = 51,5 + 90−79 .3
90
19
= 51,5 +1,7
= 53,2
Jadi, JP10−90 = P90 − P10

= 53,2− 45,5
= 7,7
Contoh 4.19
Data berat badan 100 mahasiswa jurusan Ilmu Komunikasi di
Universitas BSI Bandung disajikan pada tabel distribusi frekuensi
berikut. Tentukanlah nilai jangkauan kuartil dan jangkauan persentil 10 –
90 data tersebut!
Tabel 4.20
Berat Badan 100 Mahasiswa Jurusan Ilmu Komunikasi Universitas BSI Bandung
Berat Badan (Kg) Frekuensi

60 – 62 5
63 – 65 18
66 – 68 42
69 – 71 27
72 - 74 8
Jumlah 100
Penyelesaian:
Karena n = 100, maka Q1 terletak pada nilai ke-25, yaitu kelas 66 – 68,
dan Q3 terletak pada nilai ke-75, yaitu kelas 69 – 71.
Maka nilai Q1 dan Q3 adalah

 25 − 23 
Q = 65,5 +3   = 65,64
1  42 
 75 − 65
Q = 68,5 +3   = 69,61
3  27 
1
Jadi, JK = (Q3 −Q1
)2
1
= (69,61−65,64)
2
=1, 985
Sedangkan P10 terletak pada nilai ke-10, yaitu kelas 63 – 65 dan P90
terletak pada nilai ke-90 yaitu kelas 69 – 71. Maka nilai P10 dan P90 adalah
 10 − 5 
P = 62, 5 +3   = 63, 33
10  18 
 90 − 65 
Q = 68, 5 +3   = 71, 28
 27 
90
Jadi, JP10−90 = P90 − P10

= 71, 28−63, 33
= 7, 95
Contoh 4.20
Tentukanlah jangkauan kuartil dan jangkauan persentil dari kelompok
data 12, 6, 7, 3, 15, 10, 18, 5, 6, 5, 4, 3, 5, 9, 10, 5.
Penyelesaian:
Penyelesaian:
1
JK = (Q3 −Q1 )
2
1
= (10−5)
2
= 2,5
10(16 +1) 70
P = nilai ke- nilai ke-1
10
100 100
70
= X1 + ( X2 − X1 )
100
70
=3+ (3−3)
100
=3
90(16 +1) 30
P = nilai ke- nilai ke-15
90
100 100
30
= X15 + ( X16 − X15 )
100
30
=15 + (18−15)
100
=15,9
JP = P90 − P10
10−90
=15,9−3
=12,9
4.6 Koefisien Variasi

Seperti yang telah diuraikan sebelumnya, bahwa ukuran penyebaran
data seperti jangkauan, simpangan rata-rata, variansi, standar deviasi,
jangkauan kuartil, dan jangkauan persentil merupakan dispersi mutlak.
Ukuran dispersi ini tidak dapat dipakai untuk membandingkan
penyebaran dua kelompok data atau lebih.
Variasi satu meter dalam pengukuran jarak seribu meter jelas

berbeda pengaruhnya dengan variasi satu meter dalam pengukuran jarak
dua ribu meter. Untuk mengukur pengaruh demikian dan untuk
membandingkan variasi antara nilai-nilai besar dan nilai-nilai kecil,
digunakan dispersi relatif.
Rumus:
Dispersi Absolut
Dispersi Relatif=
Rata-rata
Untuk mengukur pengaruh demikian dan untuk membandingkan variasi

antara nilai-nilai besar dengan nilai-nilai kecil digunakan dispersi relatif.
Salah satu ukuran dispersi relatif yang sangat terkenal adalah koefisien
variasi (KV) yang dirumuskan sebagai berikut:
s
Koefisien Variasi (KV)= ×100%
x
Keterangan:
KV = Koefisien Variasi
S = Standar deviasi (simpangan baku)
X = Rata-rata Hitung
Contoh 4.21
Tentukanlah koefisien variasi kelompok data: 35, 45, 55, 65, 75!
Penyelesaian:
Yang pertama kita tentukan dulu rata-rata hitung dan standar deviasi (S).
35 + 45 +55 +65 +75

X= 5
= 55
Untuk memudahkan perhitungan koefisien variasi maka buatlah tabel

Tabel 4.21
Perhitungan Koefisien Variasi
X 35 45 55 65 75 ΣX = 275
X 2 1225 2025 3025 4225 5625 ΣX² = 16125
n∑ X − ( ∑
2
2
S =
X )2 n(n−1)
5(16125)−(275)2
= 5(4)
= 250
S = 250
=16,81
Jadi,
s
KV = ×100%
x
16,81
= ×100%
55
= 30,56%
Contoh 4.22
Ada dua jenis bola lampu. Lampu jenis A secara rata-rata mampu
menyala selama 1.500 jam dengan simpangan baku S1 = 200 jam.
Sedangkan lampu jenis B secara rata-rata mampu menyala selama 1.750
jam dengan simpangan baku S2 = 300 jam. Lampu mana yang
kualitasnya lebih baik?
Penyelesaian:
200
Lampu jenis A : KV1 = ×100%
1500
=13, 3%
300
Lampu jenis B : KV2 = ×100%
1750
=17,1%
Berdasarkan koefisien variasinya, lampu jenis A mempunyai koefisien

variasi lebih kecil dari pada lampu jenis B. dengan kata lain kemampuan
menyala lampu jenis B lebih bervariasi dari pada lampu jenis A dan
kemampuan menyala lampu jenis A lebih seragam dari pada lampu jenis
B.
Contoh 4.23
Semacam lampu elektron rata-rata dapat di pakai selama 3.500 jam
dengan simpangan baku 1.050 jam. Lampu model lain rata-ratanya 7.500
jam dengan simpangan baku 2.000 jam. Manakah dari kedua lampu
tersebut mempunyai masa pakai yang baik?
Penyelesaian:
1050
KV (lampu pertama) = ×100%
3500
= 30%
2000
KV (lampu kedua) = ×100%
7500
= 26,6%
Ternyata lampu kedua secara relatif mempunyai masa pakai yang lebih
uniform.
Contoh 4.24
Tentukanlah koefisien Variasi dari kelompok data
yaitu: 12, 6, 7, 3, 15, 10,18, 5, 6, 5, 4, 3, 5, 9, 10,
5.
Penyelesaian:
s
KV = ×100%
x
4,3
= ×100%
7,7
= 55,8%
4.7 Koefisien Variasi Kuartil

Ukuran dispersi relatif selain koefisien variasi adalah koefisien
variasi kuartil. Koefisien variasi kuartil dipakai bilamana suatu kelompok
data tidak diketahui berapa nilai rata-rata hitungnya dan standar deviasi
(S). Persamaan koefisien variasi kuartil (KVQ) dirumuskan sebagai
berikut:
KVQ Q −Q
= Q 3 +Q1
3 1
Keterangan :
KVQ = Koefisien Variasi Kuartil
Q1 = Kuartil kesatu atau kuartil
bawah Q3 = Kuartil ketiga atau
kuartil atas
Atau bisa juga menggunakan rumus

Q3 − Q1 ) / 2
KV = (
Q
Med
Keterangan :
KVQ = Koefisien Variasi Kuartil
Q1 = Kuartil kesatu atau kuartil
bawah Q3 = Kuartil ketiga atau
kuartil atas Med = Median
Contoh 4.25
Tentukanlah koefisien variasi kuartil dari data berikut ini!
Tabel 4.22
Berat Badan 20 Mahasiswa UKM Bulutangkis di Universitas BSI Bandung
Frekuensi
Berat Badan (kg) Frekuensi Kumulatif
45 – 47 2 2
48 – 50 5 7
51 – 53 7 14
54 – 56 4 18
57 – 59 2 20
20
Penyelesaian:
n
4
5−2
Q = 47, 5 + .3
1
5
= 49, 3
3.n
4
15−14
Q = 53, 5 + .3
3
4
= 54, 25
Maka koefisien kuartil, yaitu:

KVQ Q −Q
= Q3 +Q1
3 1
54, 25− 49, 3

= 54, 25 + 49, 3
4, 95
= 103, 55
= 0, 047
4.8 Nilai Baku (Z)

Salah satu manfaat penting dari nilai rata-rata hitung dan standar
deviasi (S) adalah kedua nilai tersebut dapat dipakai untuk membuat
transformasi data yang menghasilkan nilai baku atau disebut juga skor
baku (nilai standar).
Misalkan, kelompokdatadengannilai-nilai: X1, X2, X3,….,Xn
mempunyai nilai rata-rata hitung X dan standar deviasi S.
(Boediono:2008)
Kita dapat membuat nilai baku Z dengan memakai tranformasi berikut:
Rumus:
X1 − X
Z= , di mana i = 1, 2, 3, ..., n
i
s
Keterangan :
Zi = Nilai Baku
X1 = Nilai kelompok data
X = Nilai rata-rata hitung
Karena nilai-nilai variabel Z diturunkan dari nilai-nilai variabel X,

maka distribusi Z pada umumnya menyerupai (mirip) distribusi dari data
X. Secara matematis dapat dibuktikan bahwa ternyata distribusi nilai Z1,
Z2, Z3,…Zn mempunyai rata-rata sama dengan nol (Z = 0) dan standar
deviasi sama dengan satu (SZ = 1).
Nilai-nilai Z1, Z2, Z3,…Zn yang diperoleh dengan cara transformasi
seperti itu disebut nilai baku. Skor baku dapat dipakai untuk membuat
skala yang sama dari dua atau lebih kelompok data yang semula
skalanya berbeda, sehingga dapat dibandingkan.
Contoh 4.26
Nilai rata-rata Ujian Akhir Semester (UAS) mata kuliah Ekonomi di
kelas A dengan 50 mahasiswa adalah 75 dan simpangan bakunya (S) =
10. Sedangkan untuk mata kuliah Bahasa Inggris di kelas itu mempunyai
nilai rata-rata 80 dan simpangan bakunya (S) = 18. Bila di kelas itu Dono
memperoleh nilai UAS untuk Ekonomi adalah 85 dan untuk Bahasa
Inggris adalah 92, bagaimana posisi (prestasi) Dono di kelas itu?
Penyelesaian:
Untuk melihat posisi Dono, apakah lebih baik prestasinya pada UAS
mata kuliah Ekonomi atau Bahasa Inggris harus dicari nilai baku untuk
nilai UAS pada dua mata kuliah tersebut.
X1 − X
Zi =
s
Dimana X adalah nilai UAS yang diperoleh oleh Dono

85−75
Untuk Ekonomi: Z = =1
10
92−80
Untuk Bahasa Inggris: Z = = 0,67
18
Karena nilai Z untuk mata kuliah Ekonomi lebih besar dari nilai Z untuk
mata kuliah Bahasa inggris, maka posisi (prestasi) Dono lebih baik pada
mata kuliah Ekonomi daripada mata kuliah Bahasa inggris.
Contoh 4.27
Pada ujian tengah semester yang lalu, untuk mata kuliah Pengantar
Ekonomi: Titan memperoleh nilai 84; sedangkan untuk mata kuliah
Statistik ia memperoleh nilai 90. Di kelas itu terdapat 50 mahasiswa, di
mana nilai rata- rata untuk mata kuliah Pengantar Ekonomi adalah 76
dengan simpangan baku 10; sedangkan nilai rata-rata untuk mata kuliah
Statistik adalah 82 dengan
simpangan baku 16. Pada mata kuliah mana prestasi Titan yang lebih baik?
Penyelesaian:
Untuk mata kuliah Pengantar Ekonomi:
x − x 84 −76
Z = s = 10 = 0,8
Untuk mata kuliah Statistik:

x − x 90−82
Z = s = 16 = 0,5
Ternyata prestasi Titan lebih baik pada ujian mata kuliah Pengantar
Ekonomi, sebab nilai bakunya lebih besar.
4.9 Rangkuman
Ada beberapa jenis ukuran dispersi data, antara lain: jangkauan
(range), simpangan rata-rata (mean deviation), variansi (variance),
standar deviasi (standard deviation), simpangan kuartil (quartile
deviation), simpangan
persentil (percentile deviation), koefisien variasi, koefisien variasi kuartil

dan nilai baku
Jangkauan atau range (r) suatu kelompok data adalah selisih antara
nilai maksimum dengan nilai minimum. Simpangan rata-rata disingkat
SR adalah jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-
rata dibagi banyaknya data.
Variansi adalah rata-rata kuadrat selisih atau kuadrat simpangan
dari semua nilai data terhadap rata-rata hitung. Standar deviasi adalah
akar pangkat dua dari variansi. Standar deviasi seringkali disebut dengan
simpangan baku.
Jangkauan kuartil disebut juga simpangan kuartil atau rentang semi
antarkuartil atau deviasi kuartil. Sedangkan jangkauan persentil 10 – 90
disebut juga rentang persentil.
4.10 Latihan Soal

4.10.1 Hitunglah range dari kelompok data di bawah
ini! 110, 190, 90, 120, 150, 115, 85, 155, 185, 120.
4.10.2 Hitunglah range dari data di bawah ini!

Tabel 4.23
Modal Perusahaan PT. Putrii
Batas Kelas Modal Frekuensi Titik Tengah

(Jutaan Rp) (f) (Xi)
30 – 39 2 34,5
40 – 49 3 44,5
50 – 59 11 54,5
60 – 69 20 64,5
70 – 79 32 74,5
80 – 89 25 84,5
90 – 99 7 94,5
4.10.3 Tentukanlah simpangan rata-rata data perusahaan pada tabel

berikut ini:
Tabel 4.24
Nilai Ujian Bahasa Inggris kelas Manajemen Universitas BSI Bandung
Nilai f
65 – 69 12
70 – 74 6
75 – 79 10
80 – 84 4
85 – 89 18
4.10.4 Data hasil ujian Gizi dan Terapi Diet jurusan Keperawatan
Universitas BSI Bandung yaitu sebagai berikut:
Tabel 4.25
Nilai Hasil Ujian Gizi dan Terapi Diet Jurusan Keperawatan
Jumlah
Nilai
Mahasiswa
30 – 39,9 7
40 – 49,9 8
50 – 59,9 10
60 – 69,9 30
70 – 79,9 20
80 – 89,9 15
90 – 99,9 10
Tentukanlah variansi dari data tersebut!
4.10.5 Tentukanlah standar deviasi dari kelompok

data: 25, 40, 55, 60, 75.
4.11.6 Data hasil ujian Anatomi jurusan Keperawatan di Universitas

BSI Bandung sebagai berikut:
Tabel 4.26
Hasil Ujian Anatomi jurusan Keperawatan di Universitas BSI Bandung
Jumlah
Nilai mahasiswa
30 – 39,9 7
40 – 49,9 8
50 – 59,9 10
60 – 69,9 30
70 – 79,9 20
80 – 89,9 15
90 – 99,9 10
Tentukanlah standar deviasi dari data tersebut!

4.10.7 Tentukanlah jangkauan kuartil dari kelompok data berikut:
40, 30, 50, 65, 45, 55, 70, 60, 80, 35, 85, 95, 100
4.10.8 Sampel berat badan 10 mahasiswa dan 10 mahasiswi di

Universaitas BSI Bandung adalah sebagai berikut:
Berat badan mahasiswa: 40, 50, 60, 55, 70, 65, 60, 55, 65, 80.
Berat badan mahasiswi: 45, 55, 50, 60, 45, 40, 55, 50, 65, 60.
Tentukanlah koefisien variasinya, manakah yang lebih
merata?
4.10.9 Tentukanlah koefisien variasi kuartil dari kelompok

data 12, 6, 7, 3, 15, 10, 18, 5, 6, 5, 4, 3, 5, 9, 10, 5.
4.10.10 Seorang mahasiswa mendapat nilai 86 pada ujian akhir

matematika di mana rata-rata dan simpangan baku kelompok,
masing-masing 78 dan 10. Pada ujian akhir statistika di mana
rata-rata kelompok 84 dan simpangan baku 18, yang mendapat
nilai 92. Dalam mata ujian mana yang mencapai kedudukan
yang lebih baik?

R = Nilai Maksimum – Nilai Minimum
= 185 – 85
= 100
R = Nilai Maksimum – Nilai Minimum
= 94,5 – 34,5
= 60
Untuk memudahkan perhitungan simpangan rata-rata maka
buatlah tabel seperti di bawah ini:
Tabel 4.27
Perhitungan Simpangan Rata-Rata
Nilai f Xi f. Xi |Xi – X| f. |Xi – X|

65 - 69 12 67 804 11 132
70 - 74 6 72 432 6 36
75 - 79 10 77 770 1 10
80 - 84 4 82 328 4 16
85 - 89 18 87 1566 9 162
50 3900 356
Diketahui:
n atau ∑ f =
∑ f .Xi = 3900, ∑ f . Xi − X = 356
50,
3900
X= = 78
50
Maka, simpangan rata-rata nilai Ujian di atas adalah:
∑ f X−X
SR =
∑f
356
= 50
= 7,12
Untuk memudahkan perhitungan variansi maka buatlah tabel
Tabel 4.28
Nilai f Xi f.Xi (Xi –X)2 f (Xi – X)2

30 – 39,9 7 34.95 244,65 1108,89 7762,23
40 – 49,9 8 44.95 359,6 542,89 4343,12
50 – 59,9 10 54.95 549,5 176,89 1768,9
60 – 69,9 30 64.95 1948,5 10,89 326,7
70 – 79,9 20 74.95 1499 44,89 897,8
80 – 89,9 15 84.95 1274,25 278,89 4183,35
90 – 99,9 10 94.95 949,5 712,89 7128,9
100 26411
Diketahui:
n= 100, ∑ f (Xi − X) = 26411
6825
X = 100
= 68, 25
Maka variansi dari data berkelompok di atas adalah
2
∑ f ( X − X )2
S =
n−1
26411
= 100−1
= 266, 78
25 + 40 +55 +60 +75
X = 5
= 51
∑ ( X − X )2
S2 =
n−1
(25−51)2 +(40−51)2 +(55−51)2 +(60−51)2 +(75−51)2
= 5−1
676 +121+16 +81+576
= 4
= 367, 5
S = 367, 5
=19,17
Untuk memudahkan perhitungan variansi dan standar deviasi
maka buatlah tabel seperti di bawah ini:
Tabel 4.29
Distribusi lengkap Perhitungan Variansi dan Standar Deviasi
Nilai f Xi U fU f U2
30 – 39,9 7 34.95 -3 -21 63
40 – 49,9 8 44.95 -2 -16 32
50 – 59,9 10 54.95 -1 -10 10
60 – 69,9 30 64.95 0 0 0
70 – 79,9 20 74.95 1 20 20
80 – 89,9 15 84.95 2 30 60
90 – 99,9 10 94.95 3 30 90
10033275
Diketahui:
n= 100, ∑ f .U = 33, ∑ f .U 2 =175
2 2
100(275) −(33)2 
S =C
 100(99) 
 
=(10)
2
{
27.500−1.089
9900
= 266,78
}
S = 266,78
=16,3
Data telah diurutkan:
30, 35, 40, 45, 50, 55, 60, 65, 70, 80, 85, 95, 100
1(13+1) 14 1
Q = nilai ke- = nilai ke- = nilai ke-3
1
4 4 2
1 1
= X 3 + ( X 4 − X 3 ) = 40 + (45− 40) = 42,5
2 2
3(13 +1) 42 1
Q = nilai ke- = nilai ke- = nilai ke-10
3
4 4 2
1 1
= X10 + ( X11 − X10 ) = 80 + (85−80) = 82,5
2 2
Maka,
1 1
JK = (Q3 −Q1 ) = (82,5− 42,5) = 20
2 2
Kelompok mahasiswa:
Data yang telah diurutkan: 40, 50, 55, 55, 60, 60, 65, 65, 70, 80.
1 40 +50 +(2×55)+(2×60)+(2×65)+70 +80

X = 10
600
= 10
= 60
Untuk memudahkan kita menghitung variansi dan standar

deviasi maka dibuat tabel seperti di bawah ini:
Tabel 4.30
X X2
40 1600
50 2500
55 3250
55 3250
60 3600
60 3600
65 4225
65 4225
70 4900
80 6400
600 37100
2
Diperoleh ∑ X = 600 dan ∑ X =37.100
n ∑ X − ( ∑ X )2
2
2
S =
n(n−1)
10(37.100)−(600)2
= 10(9)
11.00
= 90
=122,2
S = 122,2
=11,05
Kelompok mahasiswi:
Data yang telah diurutkan: 40, 45, 45, 50, 50, 55, 55, 60, 60, 65.
40 +(2×45)+(2×50)+(2×55)+(2×60)+65
X = 10
525
= 10
= 52, 5
Untuk memudahkan kita menghitung variansi dan standar

deviasi maka dibuat tabel seperti di bawah ini!
Tabel 4.31
X X2
40 1600
45 2025
45 2025
50 2500
50 2500
55 3025
55 3025
60 3600
60 3600
65 4225
525 28125
Diperoleh ∑ X = 525 dan ∑ X 2

=28.125
n∑ X −(∑ X )2
2
2
S =
n(n−1)
10(28.125)−(525)2
= 10(9)
5.625
= 90
= 62, 5
S = 62, 5
= 7, 91
Koefisien variasi (KV) berat badan mahasiswa

(KV) = 0,1842 × 100% = 18,42%
Koefisien variasi (KV) berat badan mahasiswi

(KV) = 0,151 × 100% = 15,1%
Jadi, data berat badan mahasiswi jauh lebih merata daripada

berat badan mahasiswa.
1(16+1) 1
Q = nilai ke- = nilai ke-4
1
4 4
1 1
= X 4 + ( X5 − X 4 ) = 5 + (5−5)
4 4
=5
3(16 +1) 3
Q = nilai ke- = nilai ke-12
3
4 4
3 3
= X12 + ( X13 − X12 ) = 10 + (10−10)
4 3
=10
Jadi,
Q −Q1 10−5
KVQ = 3 = = 0, 33
Q +Q 10 +5
3 1
86-78
Untuk Matematika Z = = 0,8
10
92−84
Untuk Statistika Z= = 0, 44
18
Mahasiswa itu mendapat 0,8 simpangan baku di atas rata-rata
nilai matematika dan hanya 0,44 simpangan baku di atas rata-
rata nilai statistika. Kedudukannya lebih tinggi dalam hal
matematika.
Bab 5 UKURAn PEnYEBARAn DATA
(KEMIRInGAn DAn KERUnCInGAn)
K emiringan dan keruncingan merupakan salah satu bagian dari

ukuran penyebaran data. Ada beberapa kemiringan keruncingan
yang akan
kita pelajari yaitu, simetri, miring ke kanan dan miring ke kiri. Distribusi
yang simetris menunjukkan bahwa letak nilai rata-rata hitung, median,
dan juga modus berimpit. Distribus yang miring ke kanan, mempunyai
nilai modus paling kecil dan rata-rata hitung paling besar. Sedangkan
distribusi data yang miring ke kiri, mempunyai nilai sebaliknya, yaitu
nilai modus paling besar dan rata-rata hitung paling kecil.
Nilai keruncingan distribusi data ada tiga jenis juga yaitu,
leptokurtis, mesokurtis dan platikurtis. Leptokurtis artinya distribusi data
yang puncaknya relatif tinggi. Mesokurtis artinya distribusi data yang
puncaknya normal sedangkan platikurtis yaitu distribusi data yang
puncaknya tidak terlalu rendah atau tinggi.
5.1 Kemiringan Distribusi Data

Derajat atau ukuran dari ketidaksimetrian suatu distribusi data
disebut kemiringan. Kemiringan distribusi data ada tiga jenis yaitu
simetri, miring ke kanan, dan miring ke kiri. Distribusi data yang simetri
menunjukkan letak nilai rata-rata hitung, median dan modus adalah
berimpit, yaitu berkisar di satu titik.
231
Distribusi data yang miring ke kanan, mempunyai nilai modus

paling kecil dan rata-rata hitung paling besar. Sedangkan distribusi data
yang miring ke kiri sebaliknya, yaitu mempunyai nilai modus paling
besar dan rata-rata hitung paling kecil. Distribusi data miring ke kanan
disebut juga mempunyai kemiringan positif, distribusi data miring ke kiri
disebut juga mempunyai kemiringan negatif, sedangkan distribusi data
simetri disebut mempunyai kemiringan nol. Kemiringan distribusi data
disebut juga kemencengan atau kemenjuluran (skewness).
Pola dari kemiringan distribusi data dapat diperoleh dengan cara
menghaluskan poligon frekuensi dari suatu kelompok data.
a. Distribusi Simetri (kemiringan Nol)
Gambar 5.1
Distribusi Simetri
Mod = Med = X̅
b. Distribusi Miring ke kanan (Kemiringan positif)
Gambar 5.2
Distribusi Miring ke Kanan
f
Ekor ke Kanan
x
Mod Med X̅
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 233
c. Distribusi Miring Ke Kiri (Kemiringan Negatif)
Gambar 5.3
Distribusi Miring ke Kiri
f
Ekor ke kiri
X̅ Med Mod
Cara-cara yang digunakan untuk menghitung derajat kemiringan distribusi

data yaitu dengan menggunakan rumus Pearson, rumus Momen dan rumus
Bowley.
5.1.1 Rumus Pearson

Pearson berkali-kali menekankan bahwa rata-rata hitung dipengaruhi oleh nilai-
nilai ekstrimnya. Modus tidak dipengaruhi oleh nilai-nilai ekstrim sedangkan
median hanya dipengaruhi oleh kedudukannya. Bila sebuah distribusi
memang simetris, rata-rata hitung = median = modus (6-5). Sebaliknya,
bila distribusi tidak simetris maka rata-rata hitung ≠ median ≠ modus.
Persamaan kemiringan data menurut Pearson yaitu sebagai berikut:
(X − Mod)
α= S
atau
3(X − Med)
α= S
Keterangan:
α = derajat kemiringan Pearson
X = rata-rata hitung
Mod = modus
S = standar deviasi
Med = median
Rumus di atas dapat digunakan untuk data yang belum

dikelompokkan dan data yang sudah dikelompokkan. Bila α = 0 atau
mendekati nol maka dikatakan distribusi data simetri, bila α bertanda
negatif maka dikatakan distribusi data miring ke kiri, dan bila α bertanda
positif maka dikatakan distribusi data miring ke kanan. Semakin besar α
maka distribusi data akan semakin miring atau semakin tidak simetri.
Contoh 5.1
Tentukan kemiringan disribusi data berikut ini dengan menggunakan
rumus Pearson jika diketahui data sebagai berikut:
7, 7, 4, 6, 5, 10, 5, 7, 6, 9
Penyelesaian:
Data yang telah diurutkan:
4, 5, 5, 6, 6, 7, 7, 7, 9,
10
4 + 5 + 5 + 6 + 6 + 7 + 7 + 7 + 9 +10
X= 10
66
X= = 6, 6
10
Modus = 7
Untuk memudahkan perhitungan standar deviasi pada data yang

belum dikelompokkan maka dibuat tabel distribusi sebagai berikut ini:
Tabel 5.1
Perhitungan Standar Deviasi
X X2
4 16
5 25
5 25
6 36
6 36
7 49
7 49
7 49
9 81
10 100
2
Diperoleh ∑ x = 66 ∑x = 466
2
S = n x2 −
∑ ( ∑ x )2
n(n−1)
10(466)−(66)2
= 10(9)
4660− 4356
= 90
= 3,37
Maka standar deviasi (S) = 3,37 =1,83
Derajat kemiringan distribusi data menurut Pearson adalah
(X − Mod)
α = S
6,6
= 1,83
= -0,21
α bertanda negatif, maka distribusi data miring ke kiri.
Contoh 5.2
Tentukan kemiringan distribusi data berikut ini dengan menggunakan
rumus Pearson jika diketahui data sebagai berikut:
8, 9, 8, 7, 6, 5, 4, 5, 6, 5
Penyelesaian:
Data yang telah diurutkan:
4, 5, 5, 5, 6, 6, 7, 8, 8,
9
4 +5 +5 +5 +6 +6 +7 +8 +8 +9
X= 10
63
X = 10
= 6, 3
1
Med= (6 +6)
2
=6
Untuk memudahkan perhitungan standar deviasi pada data yang

belum dikelompokkan maka dibuat tabel distribusi sebagai berikut ini:
Tabel 5.2
X X2
4 16
5 25
5 25
5 25
6 36
6 36
7 49
8 64
8 64
9 81
∑x=63 ∑x2=421
2
Diperoleh ∑ x = 63 ∑x =421
n∑ X − ( ∑
2
2
S =
X )2 n(n−1)
10(421)−(63)2
= 10(9)
241
= 90
= 2,6
Derajat kemiringan menurut rumus Pearson adalah
3(X −Med)
α = S
3(6,3−6)
= 1,6
= 3(0,18)
= 0,54
Jadi, α bertanda positif, maka distribusi data miring ke kanan.
Contoh 5.3
Tentukanlah derajat kemiringan dari data di bawah ini dengan menggunakan
rumus Pearson!
Tabel 5.3
Distribusi Frekuensi
Kelas Frekuensi
11 – 13 3
14 – 16 7
17 – 19 11
20 – 22 17
23 – 25 2
Jumlah 40
Penyelesaian:
Untuk memudahkan perhitungan derajat kemiringan maka dibuat tabel
distribusi sebagai berikut ini:
Tabel 5.4
Perhitungan
Kelas f U Xi fU f U² f U³
11 – 13 3 -2 12 -6 12 -24
14 – 16 7 -1 15 -7 7 -7
17 – 19 11 0 18 0 0 0
20 – 22 17 1 21 17 17 17
23 – 25 2 2 24 4 8 16
Jumlah 40 8 44 2
Dari tabel di atas diketahui:

2 3
f = 40∑ fU = 8 ∑ fU = 44 dan ∑ fU =2
X=
∑ f .Xi = 744 =18,6
∑f 40
 2 n 
 − ∑ fi 
Med = Lm + .C
fm 
 
 40 
 
 2 −10
= 16.5 + .3

 11 
 20 −10 
= 16,5 +  .3
 11 
=19,22
Mod = Lmo+ d1
.c
d1 +d 2
6
=19,5 + .3
6 +15
=19,5 +0,84
= 20,34
 n 
 ∑ fU −(∑ fU )2 
2
S = C  
2 2
n(n−1) 
 
 40 (44) −(8)2 
=3 
2
 
 40(39) 

= 9. 1,08
= 9, 72
S = 9,72
= 3,12
Derajat kemiringan dengan menggunakan rumus Pearson:

1
α= ( X −Mod)
s
1
= (−1,76)
3,12
=−0,59
Jadi, α bertanda negatif, maka distribusi datanya miring ke kiri.
5.1.2 Rumus Momen

Kemiringan relatif α3 sangat tergantung pada bentuk kurva
frekuensi dan seringkali digunakan sebagai pengukuran kemiringan
sekitar rata-rata distribusi teoritis.
5.1.2.1 Kemiringan Distribusi Data yang Belum Dikelompokkan

Kemiringan distribusi data yang belum dikelompokkan melibatkan nilai
data, nilai rata-rata hitung, banyaknya data dan nilai standar deviasi.
Persamaan derajat kemiringan (α3) secara umum bagi data yang belum
dikelompokkan adalah sebagai berikut:
∑ ( X − X )3
α3 = 3
nS
Keterangan:
α3 = derajat kemiringan
X = nilai data

S = nilai standar deviasi
Contoh 5.4
Tentukan kemiringan distribusi data berikut ini dengan menggunakan
rumus Momen jika diketahui datanya sebagai berikut:
8, 9, 8, 7, 6, 5, 4, 5, 6, 5
Penyelesaian:
Data yang telah diurutkan: 4, 5, 5, 5, 6, 6, 7, 8, 8, 9
4 +5 +5 +5 +6 +6 +7 +8 +8 +9
X= 10
63
= 10
= 6, 3
1
Med = (6 +6)
2
=6
Untuk memudahkan perhitungan standar deviasi maka dibuat tabel

distribusi sebagai berikut ini:
Tabel 5.5
X X2
4 16
5 25
5 25
5 25
6 36
6 36
7 49
8 64
8 64
9 81
∑x=63 ∑x2=421
Diperoleh ∑ X = 63 ∑ X 2
= 421
n∑ X2 −(X)2
2
S =
n(n−1)
10(421)−(63)2
= 10(9)
241
= 90
= 2,6
Derajat kemiringan menurut rumus Momen adalah
3
∑ (X-X)2
α = 3
nS
(4 −6,3)3 +(5−6,3)3 +(5−6,3)3 +(5−6,3)3 +(6−6,3)3
= +(6−6,3) +(7 −6,3) +(8−6,3) +(8−6,3) +(9−6,3)

3 3 3 3 3
10(1,6)3
28,981
= 40,96
= 0, 71
Jadi, α bertanda positif, maka distribusi data miring ke kanan.
5.1.2.2 Kemiringan Distribusi Data yang Sudah Dikelompokkan

Kemiringan distribusi data yang sudah dikelompokkan melibatkan nilai
data, nilai rata-rata hitung, frekuensi nilai data ke-i, banyaknya data dan
nilai standar deviasi.
Persamaan derajat kemiringan (α3) secara umum bagi data yang
sudah dikelompokkan adalah sebagai berikut:
∑ f ( X − X )3
α3 = 3
nS
Keterangan:
α3 = derajat kemiringan

f = frekuensi nilai data ke-
iS = standar deviasi
n = banyaknya data
Contoh 5.5
Tentukanlah derajat kemiringan dari data modal perusahaan Citra berikut
ini!
Tabel 5.6
Modal Perusahaan Citra
Modal f
112 – 120 4
121 – 129 5
130 – 138 8
139 – 147 12
148 – 156 5
157 – 165 4
166 – 174 2
Penyelesaian:
Untuk memudahkan perhitungan pada data yang sudah dikelompokkan
maka dibuat tabel perhitungan sebagai berikut:
Tabel 5.7
Distribusi Lengkap Untuk Perhitungan Variansi, Standar
Deviasi dan Derajat Kemiringan
Modal Xi f (Xi - X )2 f (Xi– X)2 f (Xi– X)3

112 - 120 116 4 601.4756 2405.9024 -59004.76
121 - 129 125 5 241.0256 1205.128 -187096.14
130 - 138 134 8 42.5756 340.6048 -2222.48
139 - 147 143 12 6.1256 73.5072 181.93
148 - 156 152 5 131.6756 658.378 7554.89
157 - 165 161 4 419.2256 1676.9024 34334.58
166 - 174 170 2 868.7756 1737.5512 51214.32
408098-155037.66
Dari tabel di atas diperoleh:

n atau ∑f = 40∑ f ( Xi − X )2 = 8098
5621
X = 40
=140,525
2 8098
S = 29
= 207,64
S = 207,64
=14, 4
Maka derajat kemiringan dengan menggunakan rumus Momen yaitu:

∑ f ( X − X )3
α3 = 3
n(S)
−1550,66
= 119439,36
=−1,29
5.1.2.3 Rumus lain Kemiringan Distribusi Data yang

Sudah Dikelompokkan
Khusus untuk data berkelompok dalam bentuk tabel distribusi frekuensi,
derajat kemiringan a₃, dapat dihitung dengan cara tranformasi sehingga
lebih sederhana ketika menghitung rata-rata hitung dan standar deviasi,
yaitu sebagai berikut;

C3  ∑ fu
3
  
 ∑ fu2  ∑ (∑ fu)3  
fu
  
α = 3 −3 +2
S  
 2 
3
  

n n n
Keterangan : 

a3 = derajat kemiringan
C = interval kelas
S = standar deviasi
n = banyaknya data
u = ... -2, -1 , 0 , 1, 2 ...
f = frekuensi
Bila distribusi simetris sekitar rata-ratanya maka α3 = 0.

Sebaliknya,bila distribusi menceng sekitar rata-ratanya,maka α 3 akan
mnghasilkan nilai positif atau negatif sesuai dengan arah menceng
distribusi.
Kenney menganggap hasil α3 yang bervariasi antara ± 2 sebagai
pertanda bagi distribusi yang menceng secara moderat. Sebaliknya α 3 > ±
2 menggambarkan distribusi yang menceng secara berarti sekali.
Dalam perumusan kurva Pearson jenis III tentang hubungan antara
besarnya α3 dan tingkat kemencengan yang berpedoman pada sebuah
distribusi normal, Karl Pearson menganggap bahwa distribusi yang
sangat menceng memiliki α3 > ± 0,50
Contoh 5.6
Tentukanlah derajat kemiringan dari data berat badan 50 mahasiswa
jurusan Teknik Industri di Universitas BSI Bandung adalah sebagai
berikut:
Tabel 5.8
Distribusi Frekuensi Data dari Berat Badan 50 Mahasiswa Universitas BSI Bandung
Berat Badan Frekuensi

45 – 49 5
50 – 54 12
55 – 59 16
60 – 64 13
65 – 69 4
Penyelesaian:
Untuk memudahkan perhitungan variansi, standar deviasi dan derajat
kemiringan pada data yang sudah dikelompokkan maka dibuat tabel
Tabel 5.9
Perhitungan Derajat Kemiringan
Berat badan Xi f U fu fu2 fu3 fu4

45 – 49 47 5 -2 -10 20 -40 80
50 – 54 52 12 -1 -12 12 -12 12
55 – 59 57 16 0 0 0 0 0
60 – 64 62 13 1 13 12 13 13
65 – 69 67 4 2 8 16 32 64
-1 61 -7 169
Dari tabel diatas diperoleh:

C = 5,
∑ f = 50
n=
∑ fu = -1 ∑ fu = 61 2
3
∑ fu = ∑ fu =169 4
-7
 n 
 ∑ fu −(∑ fu)2 
2
S = C  
2 2
n(n−1) 
 
 50 (61) −(-1)2 
=5 
2
 50(49) 
 
{3050−1
= 25 2450
=1,24
}
S = 1,24
=1,11
Derajat kemiringan distribusi data menurut momen adalah

   
C 3  ∑ fu
3
 ∑ fu2  ∑ (∑ fu)3  
fu
3
α = 3  −3  

S  n +2 
  n 
 n  

  
n
= 5 3  −7  61   −1   ( )3  
3 
 −3 
      +2 −1  
     
1,11 50  

50 50
50
125
= {−0,14 −3(1,22)(−0,22)+2(−0,000008)}
1,36
= 91,9(−0,87)
=−79,9
5.1.3 Rumus Bowley

Sebuah perumusan tentang pengukuran kemiringan yang lebih
sederhana dari perumusan Pearson telah dikembangkan oleh A.L
Bowley. Bowley mengembangkan koefisiennya atas dasar hubungan
antara statistik Q1, Q3 dan median dari sebuah distribusi. Jika sebuah
distribusi simetris, maka jarak antara kedua kuartil diatas dari mediannya
seharusnya sama. Sebaliknya, bila distribusi tersebut tidak simetris,
maka jarak antara kedua kuartil dari kedua mediannya tidak akan sama.
Secara Aljabar,bila distribusi simetris, maka:
(Q3 – Q2) = (Q2 – Q1) atau (Q3 – Med) = (Med – Q1)
Sebaliknya, pada distribusi yang menceng secara

positif, maka (Q3 – Med) > (Med – Q1)
sedangkan pada distribusi yang menceng secara negatif,
maka (Q3 – Med) < (Med – Q1).
Persamaan derajat kemiringan dengan menggunakan rumus

Bowley dapat ditentukan sebagai berikut:
(Q3 + Q1 - Q2 )
α= Q3 −Q1
Keterangan:
a = derajat kemiringan
Bowley Q1 = kuartil ke-1
Q2 = kuartil ke-2
Q3 = kuartil ke-3
Bowley berpendapat bahwa α = ± 0,10 menggambarkan distribusi

yang menceng secara tidak berarti. Sebaliknya α > ± 0,30
menggambarkan distribusi yang menceng secara berarti sekali.
Contoh 5.7
Tentukanlah derajat kemiringan dari kelompok data di bawah ini!
10, 5, 4, 7, 4, 6, 9, 8, 12, 11, 6, 10, 5, 4, 3, 13.
Penyelesaian:
Median = Q2 = 6
116 + 1
Q = nilai ke-
1
1 4
= nilai ke-4
4
Jadi,
1
Q1 = nilai ke-4 + nilai ke-5  nilai ke-4
4
1
=4 + 5  4
4
 4  0,25
 4,25
248
316 + 1
Q = nilai ke-
3
34
= nilai ke-12
4
Jadi,
3
Q3 = nilai ke-12 + nilaike-13  nilai ke-12
4
=10 + 3 10 10
=10 4
Maka derajat kemiringan menggunakan rumus Bowley yaitu sebagai

berikut:
Q3  Q1  Q2

Q3  Q1
10  4,25  6
 10  4,25
8,25
 5,75
 1, 43
Jadi, nilai α positif, berarti distribusi data miring ke kanan.
Contoh 5.8
Diketahui kelompok data sebagai
berikut: 6, 9, 4, 3, 7, 8, 3, 5, 4, 3, 9,
7.
Tentukanlah derajat kemiringan dengan menggunakan rumus Bowley!

Penyelesaian:
5+6
Median = Q2 =
2
= 5, 5
1(12 + 1)
Q = nilai ke-
1
1 4
= nilai ke-3
4
Jadi,
1
Q1= nilai ke-3 + (nilai ke-4 −nilai ke-3)
4
= 3 + 0,25
= 3, 25
3(12 + 1)
Q = nilai ke-
3
3 4
= nilai ke-9
4
Jadi,
3
4
3
=7+ (8−7)
4
= 7 + 0,75
=7,75
Derajat kemiringan menggunakan rumus Bowley

Q3 +Q1 −Q2
α= Q3 −Q1
7,75 +3,25−5,5
= 7, 75−3, 25
5,5
= 4, 5
= 1, 22
Jadi, α positif yang berarti distribusi datanya miring ke kanan.

5.2 Keruncingan Distribusi Data

Derajat atau ukuran tinggi rendahnya puncak suatu distribusi data
terhadap distribusi normalnya data disebut keruncingan distribusi data.
Keruncingan data disebut kurtosis.
Ada tiga jenis derajat keruncingan:
a. Leptokurtis, distribusi data yang puncaknya relatif tinggi.
b. Mesokurtis, distribusi data yang puncaknya normal, tidak terlalu
runcing.
c. Platikurtis, distribusi data yang puncaknya terlalu rendah atau
terlalu mendatar.
Maka, syarat keruncingan terbagi atas tiga

yaitu: Jika α4 = 3, Mesokurtis
Jika α4 > 3, Leptokurtis
Jika α4 < 3, Platikurtis
Tiga jenis keruncingan distribusi data dapat digambarkan sebagai

berikut ini:
a. Leptokurtis
Gambar 5.4
Leptokurtis
f Puncak runcing
X
b. Mesokurtis
Gambar 5.5
Mesokurtis
f Puncak normal
c. Platikurtis
Gambar 5.6
Platikurtis
f Puncak tumpul
5.2.1 Keruncingan Distribusi Data yang Belum Dikelompokkan

Keruncingan distribusi data yang belum dikelompokkan melibatkan
nilai data, nilai rata-rata hitung, banyaknya data dan nilai standar deviasi.
Persamaan derajat keruncingan distribusi data yang belum
dikelompokkan dapat ditentukan sebagai berikut:
252
1
α =
4
nS
4 ∑ ( X − X )4
Keterangan:
a4 = derajat keruncingan
X = nilai data
S = standar deviasi
n = banyakya data
Contoh 5.9
Diketahui kelompok data sebagai berikut: 6, 4, 3, 7,
Tentukanlah derajat keruncingan dari kelompok data di atas!
Penyelesaian:
3 + 4 +6 +7
X= 4
20
= 4
=5
2
∑ ( X − X )2
S =
n−1
(3−5)2 +(4 −5)2 +(6−5)2 +(7 −5)2
= 4 −1
4 +1+1+ 4
= 3
= 3,33

S= 3,33
=1,82
Maka, derajat keruncingannya adalah sebagai

berikut: ikut:
1
α = ∑ ( X − X )4
4 i
nS4 1
= 16 +1+1+16
4 (1,824 )
Jadi, a kurang dari 3 maka distribusi data mempunyai derajat

keruncingan platikurtis.
5.2.2 Keruncingan Distribuisi Data yang Sudah Dikelompokkan

Keruncingan distribusi data yang sudah dikelompokkan melibatkan
nilai data, nilai rata-rata hitung, nilai frekuensi kelas ke-i, banyaknya
data dan nilai standar deviasi. Persamaan derajat keruncingan distribusi
data
yang belum dikelompokkan dapat ditentukan sebagai berikut:
1
α = f ( Xi −
4 x )44 ∑
nS
Keterangan:
a4 = derajat keruncingan
Xi = nilai titik tengah kelas ke-
i f = frekuensi data kelas ke-i
S = standar deviasi
n = banyaknya data
Contoh 5.10
Tentukanlah derajat keruncingan dari data nilai ujian B. Inggris 50
Mahasiswa jurusan Pariwisata Universitas BSI Bandung adalah sebagai
berikut:
Tabel 5.10
Data Nilai Ujian B.Inggris 50 Mahasiswa Jurusan Pariwisata Universitas BSI Bandung
Kelas Titik Tengah Frekuensi

20 – 29 24,5 4
30 – 39 34,5 7
40 – 49 44,5 8
50 – 59 54,5 12
60 – 69 64,5 9
70 – 79 74,5 8
80 – 89 84,5 2
Jumlah 50
Penyelesaian:
Untuk memudahkan perhitungan derajat keruncingan pada data yang
sudah dikelompokkan maka dibuat tabel perhitungan seperti di bawah
ini:
Tabel 5.11
Perhitungan
Kelas Xi f f.Xi f(Xi – X)2 f(Xi – X)4
20 – 29 24,5 4 98 3457,44 2988472,8

30 – 39 34,5 7 241,5 2634,52 991527,9
40 – 49 44,5 8 356 706,88 62459,9
50 – 59 54,5 12 654 4,32 1,55
60 – 69 64,5 9 580,5 1011,24 113622,9
70 – 79 74,5 8 596 3394,88 1440651,3
80 – 89 84,5 2 169 1872,72 1753540,1
Jumlah 50 2695 13082 7350276,5
∑ f = 50
∑fXi=2695
∑ f ( Xi − X )2 = 13082
∑ f (Xi-X)4 =7.350.276,5
2 13082
S = 49
= 266,9
S = 266,9
= 16,34
Maka, derajat keruncingan dari data di atas adalah

1
α4 = f ( Xi −
X )44 ∑
nS
1
= 7.350.276,5
50(16,34)4
= 2,6
Jadi, a kurang dari 3 maka distribusi data mempunyai derajat keruncingan

platikurtis.
5.3 Rangkuman
Kemiringan distribusi data adalah derajat atau ukuran dari
ketidaksimetrian atau asimetri suatu distribusi data. Bila α = 0 atau
mendekati 0 maka dikatakan distribusi data simetri, bila α bertanda
negatif maka dikatakan distribusi data miring ke kiri, dan bila α bertanda
positif maka dikatakan distribusi data miring ke kanan. Semakin besar α
maka distribusi data akan semakin miring atau semakin tidak simetri.
Keruncingan adalah derajat atau ukuran tinggi rendahnya puncak
suatu distribusi data terhadap distribusi normalnya data. Keruncingan
distribusi data disebut juga Kurtosis. Ada 3 jenis derajat keruncingan,
yaitu Leptokurtis artinya distribusi data yang puncaknya relatif tinggi.

Mesokurtis artinya distribusi data yang puncaknya normal. Yang terakhir
adalah Platikurtis artinya distribusi data yang puncaknya terlalu rendah
atau terlalu mendatar.
5.4 Latihan Soal

5.4.1 Data nilai Ujian Akhir Semester 80 mahasiswa jurusan
Manajemen Pemasaran Universitas BSI Bandung adalah
sebagai berikut:
Tabel 5.12
Data Nilai Ujian Akhir Semester 80 Mahasiswa Jurusan Manajemen
Pemasaran Universitas BSI Bandung
Nilai Ujian f
31 – 40 1
41 – 50 2
51 – 60 5
61 – 70 15
71 – 80 25
81 – 90 20
91 – 100 12
Jumlah 80
Tentukanlah nilai-nilai:
a. Rata-Rata Hitung
b. Variansi
c. Standar Deviasi
d. Q₁, Q₂ dan Q₃
e. Modus
f. Derajat Kemiringan dengan menggunakan rumus Pearson
g. Derajat Kemiringan dengan menggunakan rumus Momen
h. Derajat Kemiringan dengan menggunakan rumus Bowley
i. Derajat Keruncingan

5.5.1 Untuk memudahkan perhitungan pada data yang sudah
Tabel 5.13
Perhitungan
Nilai
f Xi f.Xi f (Xi – X )² f (Xi – f (Xi – X)⁴
Ujian
X)³
31 – 40 1 35,5 35,5 3074,7 170492,2 9453795,5
41 – 50 2 45,5 91 4131,4 -187772,3 8534253,6
51 – 60 5 55,5 277,5 6283,5 -222750,5 7896505,9
61 – 70 15 65,5 982,5 9715,5 -247260,4 6292777,9
71 – 80 25 75,5 1887,5 5967,5 -92198,8 1424472,1
81 – 90 20 85,5 1710 594,1 -3237,5 17644,8
91– 100 12 95,5 1146 248,4 1130,3 5143,1
80 7276 30015,1 -922581,4 33624592,9

∑ f = 80
∑ f .Xi = 7276
∑ f ( Xi − X )2 = 30015,1
∑ f ( Xi − X )3 = -922581,4
∑ f ( Xi − X )4 = 33624592,9
a. X
7276
= 80
= 90,95
2
∑ f ( Xi − x )2
b. S =
n−1
30015,1
= 79
= 379,94
c. S = 379,94 =19, 49
n
(
1 −∑ F
4
)
d. Q1 = Lq1 + .C
f
= 60,5 + ( 804 −8) .10

15
(20−8)
= 60,5 + .10
15
= 60,5 +8
= 68,5
(2 n − ∑ F )
Q2 = Lq + 4
2 .C
f
 160 
 4 −23
= 70,5 + .10
25 
 
 40 − 23  
= 70,5 +  .10
 25 
= 70,5 +6,8
= 77,3
34−n F 
Q3 =
∑ .C
Lq3 + 
 
f

 240 
 4 − 48
= 80,5 + .10

 20 
 60 − 48 
= 80,5 +  .10
 20 
= 80,5 +6
= 86,5
 d 
e. Mod=Lmo +  1 .C
 d1 +d2 
 10 
= 70,5 +   .10
10 
+5
= 70,5 +6,66
= 77,16
(X −Mod)
f. α =
S
90, 95−77,16
= 19, 49
= 0, 70
Jadi, nilai α bertanda positif, maka distribusi data miring ke
kanan.
∑ f ( X − X )3
g. α3 = 3
nS
−922581, 4
= 80(19, 49)3
−922581, 4
= 592277,8
=−1,56
Jadi, nilai α bertanda negatif, maka distribusi datanya

miring ke kiri.
( Q3 + Q1 − Q2 )
h. α =
Q3 −Q1
(86,5 +68,5−77,3)
= 86,5−68,5
= 4,32
Jadi, nilai α bertanda positif, maka distribusi datanya
miring ke kanan.
1
i. α = ∑ f ( Xi − X )4
4
4 1
= .33624592, 9
80(19, 49)
Jadi, nilai a kurang dari 3 maka distribusi data mempunyai

derajat keruncingan platikurtis.
Bab 6 AnGKA InDEKS
K ata indeks sudah sering kita dengar melalui berbagai media,

misalnya sering dilaporkan dalam pemberitaan mengenai indeks harga
dan indeks gabungan. Ketidakseimbangan antara fluktuasi pendapatan
golongan yang berpendapatan tetap dan fluktuasi harga-harga umum
yang
menimbulkan ketegangan-ketegangan sosial kecil.
Ketidakseimbangan antara harga barang industri yang harus dibayar
oleh para petani dengan pendapatan petani yang diperoleh dari penjualan
barang-barang menimbulkan kegoncangan-kegoncangan pada kegiatan-
kegiatan ekonomi dan ketegangan sosial.
6.1 Pengertian
Suatu ukuran statistik yang menunjukkan perubahan-perubahan
atau perkembangan-perkembangan keadaan, kegiatan, dan peristiwa
yang sama jenisnya yang berhubungan satu sama lainnya disebut angka
indeks. Dengan kata lain, angka indeks merupakan suatu ukuran yang
dipakai untuk perbandingan dua keadaan yang sama jenisnya dalam dua
waktu yang berbeda.
Maka dari itu fungsi angka indeks adalah untuk mengukur secara
kuantitatif adanya perubahan dari keadaan dalam dua waktu yang
berlainan. Dengan adanya angka indeks, kita dapat mengetahui kenaikan
261
dan penurunan dalam suatu kegiatan dan usaha yang dilaksanakan.

Misalnya, biaya hidup, ekspor, harga, tingkat pengangguran, dan upah
waktu tertentu dibanding dengan waktu sebelumnya. Atau dapat juga
dipakai untuk membandingkan kecerdasan para mahasiswa dari tahun ke
tahun.
Dalam membuat angka indeks diperlukan dua macam waktu yaitu
diantaranya:
a. Waktu Dasar (Base Period) yaitu waktu dimana suatu kejadian atau
peristiwa dipergunakan untuk dasar perbandingan.
b. Waktu yang sedang berjalan (Current Period) yaitu waktu dimana
suatu kejadian atau peristiwa akan diperbandingkan terhadap
kegiatan pada waktu dasar.
6.2 Pemilihan Tahun Dasar

Beberapa syarat yang perlu diperhatikan dalam memilih tahun dasar
yaitu:
1. Waktu sebaiknya menunjukkan keadaan perekonomian yang stabil,
dimana harga tidak berubah dengan cepat sekali.
2. Waktu sebaiknya usahakan paling lama 10 tahun atau lebih baik
kurang dari 5 tahun.
3. Waktu dimana terjadi peristiwa penting.
4. Waktu dimana tersedia data untuk keperluan pertimbangan, hal ini
tergantung pada tersedianya biaya untuk pengumpulan data.
6.3 Peranan Angka Indeks dalam Ekonomi

Peranan angka indeks dalam ekonomi yaitu diantaranya:
1. Dapat dijadikan standar atau pedoman untuk melakukan
perbandingan dari periode ke periode lainnya.
2. Indeks harga merupakan petunjuk yang dapat digunakan untuk
mengukur pertumbuhan ekonomi secara umum.
Bab 6 Angka Indeks 263
3. Indeks harga dalam perdagangan besar dapat memberikan

gambaran dalam perdagangan.
4. Indeks harga konsumen dan indeks biaya hidup dapat digunakan
sebagai dasar penetapan gaji, termasuk dasar untuk mengubahnya.
5. Indeks harga yang dibayar atau diterima petani dapat
menggambarkan apakah petani itu semakin makmur atau
sebaliknya.
6.4 Indeks Harga Tidak Tertimbang (Unweighted Index)

Metode angka indeks tidak tertimbang digunakan untuk mengetahui
perkembangan suatu harga, yaitu terfokus hanya pada harga dan tidak
mempertimbangkan kuantitasnya.
Indeks Harga Tidak Tertimbang (Unweight Index) terbagi menjadi
tiga macam yaitu sebagai berikut:
6.4.1 Indeks Relatif Harga Sederhana

(Simple Relatif Price Index)
Indeks yang terdiri dari satu macam barang saja, baik untuk indeks
produksi maupun indeks harga disebut indeks relatif harga sederhana.
Perbandingan dari suatu harga barang pada waktu tertentu terhadap
waktu sebelumnya (waktu dasar). Jika harga barang pada waktu tertentu
(waktu sedang berjalan) dilambangkan dengan Pn dan harga pada waktu
dasar dilambangkan dengan Po, maka indeks relatif harga (In,o)
dirumuskan sebagai berikut:
Rumus:
Pn
In.o = ×100%
Po
Keterangan:
In,o = Indeks Relatif Harga Sederhana
Pn = harga masing-masing barang pada waktu berjalan
Po = harga masing-masing barang pada waktu dasar
Contoh 6.1
Harga coki-coki pada tahun 2000 adalah Rp. 300,00 dan pada tahun
2005 adalah Rp. 500,00 dalam hal ini tahun 2000 sebagai tahun dasar
dan tahun 2005 sebagai tahun berjalan.
Tentukanlah indeks relatif harga sederhana!
Penyelesaian:
Pn
I 2005 = ×100%
2000
Po
500
= ×100%
300
=166, 67%
Angka indeks sederhana relatif harga tersebut menunjukkan bahwa

pada tahun 2005 harga coki-coki tersebut adalah 166,67% dari harga
pada tahun 2000, yaitu mengalami kenaikan sebesar 66,67%.
Contoh 6.2
Harga beras dari ketiga daerah pada tahun 2002, 2004, dan 2007
disajikan pada tabel berikut ini:
Tabel 6.1
Harga Beras Dari 3 Daerah
Nama Daerah 2002 2004 2007

Beras Padang 3500 4500 6000
Beras Bandung 4000 5500 6500
Beras Surabaya 3000 5000 5500
Tentukan indeks relatif harga pada tahun 2004 dan 2007 dengan
memakai tahun dasar 2002!
Penyelesaian:
Indeks relatif harga beras Padang:
Pn
I2004 = ×100%
2002
Po
4500
= ×100%
3500
=128, 57%
Pn
I2007 = ×100%
2002
Po
6000
= ×100%
3500
=171, 43%
Indeks relatif harga beras Bandung:
Pn
I2004 = ×100%
2002
Po
5500
= ×100%
4000
=137, 5%
Pn
I2007 = ×100%
2002
Po
6500
= ×100%
4000
=162, 5%
Indeks relatif harga beras Surabaya:

Pn
I2004 = ×100%
2002
Po
5000
= ×100%
3000
=166, 67%
Pn
I2007 = ×100%
2002
Po
5500
= ×100%
4000
=137, 5%
6.4.2 Indeks Harga Agregatif Sederhana (Tidak Tertimbang)

Indeks agregatif tidak tertimbang digunakan untuk unit-unit yang
mempunyai satuan yang sama. Indeks ini diperoleh dengan cara
membagi hasil penjumlahan harga pada waktu yang bersangkutan
dengan hasil penjumlahan harga pada waktu dasar.
Indeks harga agregatif sederhana membandingkan jumlah semua
harga barang pada tahun berjalan untuk tiap tahun dasar.
Persamaan angka indeks agregatif sederhana (tidak tertimbang)
ditentukan sebagai berikut:
=
∑ Pn ×100%
IHA
∑ Po
Keterangan:
IHA = Indeks Harga Agregatif
∑ Pn = Jumlah semua harga barang pada tahun berjalan.
∑ Po = Jumlah semua harga barang pada tahun dasar.
Kelebihan dari indeks agregatif ini adalah cara perhitungannya

lebih mudah dipahami dan dipakai. Sedangkan kekurangannya dari
indeks agregatif adalah sebagai berikut:
1. Indeks ini tidak memperhatikan arti penting secara relatif dari
berbagai komoditi, sebab semua harga komoditi diberi bobot
(timbangan) yang sama atau mempunyai arti penting yang sama.
2. Indeks ini peka terhadap satuan dalam pencatatan harga seperti
liter, gram, dan sebagainya.
Contoh 6.3
PT Kasih membeli lima jenis kebutuhan pokok pada tahun 2000 dan
2005, ditampilkan dalam tabel berikut ini:
Tabel 6.2
Kebutuhan-Kebutuhan Pokok Tahun 2000 dan 2005
Jenis Kebutuhan Pokok

Harga
2000 2005
Roti 5000 7500
Tepung 3000 6000
Beras 4500 8000
Minyak 4000 8000
Susu 5000 10000
Tentukanlah indeks harga agregatif sederhana dari lima jenis kebutuhan

pokok!
Penyelesaian:
∑Pn = 7500 + 6000 + 8000 + 8000 + 10000 = 39500
∑P0 = 5000 + 3000 + 4500 + 4000 + 5000 = 21500
Jadi, angka indeks harga agregatif sederhana dari PT Kasih
adalah: I =
∑ Pn ×100%
HA
∑ o
39500
=P ×100%
21500
=183, 72%
Jadi, secara agregat (keseluruhan) harga lima kebutuhan pokok pada

tahun 2005 mengalami kenaikan 83,72 dibandingkan tahun 2000.
Contoh 6.4
PT. Jaya Agung membeli beberapa jenis bahan bangunan pada tahun
2003 dan 2008. Jenis bahan dan harganya ditampilkan pada tabel berikut
ini:
Tabel 6.3
Jenis-Jenis Bahan Bangunan Tahun 2003 dan 2008
Jenis Bahan Harga

2003 2008
Semen 7500 17500
Kayu 11000 18000
Besi 15500 24000
Paku 5000 8000
Tentukan indeks harga agregatif sederhana!
Penyelesaian:
∑Pn = 17500+18000+24000+8000 = 67500
∑Po = 7500+11000+15500+5000 = 39000
Jadi, angka indeks harga agregatif sederhana
adalah: I =
∑ Pn ×100%
HA o
=
∑
67500
P
×100%
39000
=173,08%
Jadi, secara agregat (keseluruhan) harga 4 jenis-jenis bahan

bangunan pada tahun 2008 mengalami kenaikan 73,08 dibandingkan
tahun 2003.
6.4.3 Indeks Rata-rata Relatif Harga Sederhana

Dengan perhitungan indeks rata-rata relatif harga terdapat beberapa
kemungkinan bergantung pada prosedur yang dipakai untuk menentukan
rata-rata relatif harga, seperti rata-rata hitung, rata-rata harmonis, rata-
rata ukur, median dan sebagainya. Bila yang dipakai konsep rata-rata
hitung, maka persamaan indeks rata-rata relatif harga sederhana
ditentukan dengan rumus sebagai berikut:
 P 
∑ P
n
o
IRH = ×100%
n
Keterangan:
IRH = Indeks Rata–Rata Relatif Harga
 Pn 
∑  = jumlah semua relatif harga barang
 Po 
n = banyaknya jenis barang
Contoh 6.5
Tentukan indeks relatif harga sederhana PT Indra dari jenis kebutuhan
pokok pada tahun 2002 dan 2006 sebagai berikut:
Tabel 6.4
Jenis Kebutuhan-Kebutuhan Pokok Tahun 2002 dan 2006
Harga
Jenis Kebutuhan Pokok 2002 (Po) 2006 (Pn)
Tepung 5000 7500
Roti 4500 6500
Beras 6000 7500
Susu 5000 8500
Jumlah 20500 30000
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 6.5
Perhitungan
Harga
Relatif Indeks
Jenis Kebutuhan 2002 2006 Relatif
Harga
Pokok (Po) (Pn) Harga
Tepung 5000 7500 1,50 150%
Roti 4500 6500 1,44 144%
Beras 6000 7500 1,25 125%
Susu 5000 8500 1,70 171%
Jumlah 590%
Dari tabel di atas diperoleh

Pn
∑ P = 590%
o
Jadi, indeks rata-rata relatif harga dari PT Indra adalah

 P 
∑ nP
 o 
IRH = ×100%
n
590%
= 4
=147, 5%
Contoh 6.6
Tentukan indeks relatif harga sederhana PT. Indo dari jenis bahan yang
dibutuhkan untuk perhitungan tahun 2003 dan 2006 pada tabel berikut
ini:
Tabel 6.6
Jenis-Jenis Bahan
Tahun 2003 dan
2006
Harga
Jenis bahan
2003 (Po) 2006 (Pn)
Kabel 3500 5000
Buster 4000 7000
Lampu 5500 8000
Senter 6500 9000
Stop Kontak 4500 7500
Jumlah 24000 36500
Penyelesaian:
berikut:
Tabel 6.7
Perhitungan
Harga Indeks Relatif
Relatif harga
Jenis bahan 2003 (Po) 2006 (Pn) Harga
Kabel 3500 5000 1,43 143%
Buster 4000 7000 1,75 175%
Lampu 5500 8000 1,45 145%
Senter 6500 9000 1,38 138%
Stop
Kontak 4500 7500 1,67 167%
Jumlah 768%

∑ Pn = 768%
Po
Jadi, jenis rata – rata relatif harga dari PT. Indo adalah:
 P 
∑  n
 Po 
IRH = ×100%
n
768%
= 5
=153, 6%
6.5 Indeks Harga Tertimbang (Weighted Index)

Angka indeks yang mencerminkan pentingnya suatu angka
penimbang (bobot atau weight) terhadap angka-angka lainnya,
sedangkan pemberian bobot angka penimbang tersebut ditentukan
berdasarkan pentingnya barang tersebut secara subyektif disebut indeks
harga tertimbang.
Terkait dengan indeks tertimbang, disamping menggunakan angka
penimbang secara subyektif dapat juga memperhatikan kuantitas atau
jumlah barang sebagai pengganti angka penimbang tersebut, sehingga
sering disebut dengan Indeks Kuantitas. Dalam menghitung indeks
kuantitas
tersebut variabel yang sangat penting untuk menjadi pertimbangan

adalah kuantitas dari masing-masing barang.
6.5.1 Indeks Harga Agregatif Tertimbang

Indeks yang dalam pembuatan telah dipertimbangkan faktor-faktor yang
akan mempengaruhi naik turunnya angka indeks disebut indeks agregatif
tertimbang.
Kelemahannya dari indeks agregatif tertimbang adalah sebagai
berikut;
1. Satuan untuk unit harga barang sangat mempengaruhi angka
indeks.
2. Tidak memperhitungkan kepentingan relatif (relatif importance)
barang-barang yang tercangkup dalam pembuatan indeks.
Sebelumnya telah dijelaskan indeks agregatif sederhana atau tidak

tertimbang menganggap bahwa perubahan harga masing-masing barang
mempunyai peranan yang sama terhadap perubahan harga secara
keseluruhan, yang dipakai hanya harga-harga barang tanpa
mempertimbangkan kuantitas yang dihasilkan atau yang diproduksi. Oleh
karena itu, angka indeks agregatif tidak tertimbang dianggap tidak
memuaskan, sehingga jarang sekali digunakannya atau dipakai. Untuk
menanggulangi kekurangan dari indeks harga agregatif tak tertimbang,
maka kita perlu memberikan bobot atau timbangan pada harga masing-
masing barang dengan memakai faktor yang sesuai, yaitu kuantitas atau
volume dari komoditi yang dihasilkan selama waktu dasar dan waktu
berjalan. Kuantitas yang dipakai dapat berupa nilai tengah dari komoditi
selama beberapa waktu. Bobot atau timbangan yang menunjukkan arti
penting dari masing-masing komoditi.
6.5.2 Indeks Harga Agregatif Tertimbang Laspeyres

Indeks harga agregatif tertimbang yang memakai kuantitas pada waktu
dasar sebagai timbangan (bobot) disebut Indeks harga tertimbang
Laspeyres.
Persamaan indeks harga agregatif tertimbang Laspeyres ditentukan sebagai

berikut:
Keterangan: =
∑ P Q ×100%
n o
IHL
∑PQo o
IHL = Indeks Harga Agregatif Tertimbang

Laspeyres. Pn = harga pada waktu berjalan
Po = harga pada waktu dasar
Qo = kuantitas pada waktu dasar
6.5.3 Indeks Harga Agregatif Tertimbang Paasche

Indeks harga agregatif tertimbang yang memakai kuantitas pada waktu
berjalan sebagai timbangan (bobot) disebut indeks harga agregatif
tertimbang Paasche. Persamaan indeks harga agregatif tertimbang
Paasche
ditentukan sebagai berikut:
=
∑ PnQn ×100%
IHP
∑ PoQn
Keterangan:
IHP = indeks harga agregatif tertimbang
Paasche Pn = harga pada waktu berjalan
Qn = kuantitas pada waktu berjalan
Contoh Perhitungan indeks Harga Agregatif Tertimbang Laspeyres dan

Harga Agregatif Tertimbang Paasche diberikan dalam contoh sebagai berikut.
Contoh 6.7
Berikut ini PT. Citra membeli persediaan barang yang disajikan pada
tabel harga (dalam ribuan rupiah) dan banyaknya kebutuhan pada tahun
2005 dan 2007 sebagai berikut:
Tabel 6.8
Harga dan Kuantitas yang dibeli PT.Citra
Harga Jumlah Pembelian

Jenis bahan
2005 2007 2005 2007
Plastik 3,5 6,5 2,0 5.,0
Karet 2,5 5,5 3,5 6,5
Kertas 3,0 6,5 4,5 7,0
Map 4,5 8,0 5,0 6,0
Tinta 5,5 9,0 6,5 8,5
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel sebagai berikut ini:
Tabel 6.9
Perhitungan

Jenis Bahan 2005 2007 2005 2007 Po Qo Pn Qo Po Qn Pn Qn
Po Pn Qo Qn
Plastik 3,5 6,5 2,0 5,0 7,0 13,0 17,5 32,5
Karet 2,5 5,5 3,5 6,5 8,75 19,25 16.25 35,75
Kertas 3,0 6,5 4,5 7,0 13,50 29,25 21,0 45,50
Map 4,5 8,0 5,0 6,0 22,50 40,0 27,0 48,0
Tinta 5,5 9,0 6,5 8,5 35,75 58,5 46,75 76,5
Jumlah 87,5 160,0 128,5 238,25

∑P Q o o = 87,5
∑P Q n o
= 160,0
∑P Q o o = 128,5
∑P Q n n = 238, 25
Maka hasil yang diperoleh dari indeks harga agregatif tertimbang

Laspeyres dan Paasche sebagai berikut:
Indeks harga agregatif tertimbang Laspeyres:
I
HL =
∑P Q n o
×100%
∑P Q o o
160
= ×100%
87,5
=182,86%
Indeks harga agregatif tertimbang Paasche:
I
HP =
∑P Q n n
×100%
∑P Q o o
238,25
= 128,50×100%
=185, 41%
Terlihat bahwa indeks harga agregatif tertimbang yang dihitung

dengan rumus Laspeyres dan Paasche ternyata hampir sama. Dengan
angka indeks harga Laspeyres, bila jumlah pembelian pada tahun dasar
dipakai sebagai timbangan, maka diperoleh kenaikan harga secara
keseluruhan dari lima bahan di atas pada tahun 2007 sebesar 82.86 %,
sedangkan indeks harga Paasche dengan memakai jumlah pembelian
pada tahun berjalan sebagai timbangan, maka diperoleh kenaikan harga
secara keseluruhan lima bahan tersebut pada tahun 2007 sebesar 85.41%
dibanding tahun 2005.
Contoh 6.8
Berikut ini PT. Ayu menyajikan tabel harga (dalam puluhan ribuan
rupiah) dan jenis perlengkapan yang dibutuhkan oleh perusahaan:
Tabel 6.10
Kebutuhan Perlengkapan Perusahaan PT. Ayu Tahun 2000 dan 2005
Jenis Harga Jumlah Pembelian

Perlengkapan 2000 2005 2000 2005
Po Pn Qo Qn
Sepatu 2,0 6,5 1,5 2,5
Tas 2,5 4,5 2,5 3,5
Baju 3,5 5,5 1,0 4,0
Sandal 2,5 4,5 2,0 3,5
Tentukanlah nilai indeks harga agregatif tertimbang dengan

menggunakan cara Laspeyres dan Paasche!
Penyelesaian:
berikut:
Tabel 6.11
Perhitungan

Jenis
2000 2005 2000 2005 Po Qo Pn Qo Po Qn Pn Qn
Perlengkapan
Po Pn Qo Qn
Sepatu 2,0 6,5 1,5 2,5 3,0 9,75 5,0 16,25
Tas 2,5 4,5 2,5 3,5 6,25 11,25 8,75 15,75
Baju 3,5 5,5 1,0 4,0 3,5 5,5 14,0 22,00
Sandal 2,5 4,5 2,0 3,5 5,0 9,0 8,75 15,75
Jumlah 17,75 35,5 36,5 69,75
∑P Q o o
= 17,75
∑P Q n o
= 35,5
∑P Q o o
= 36,5
∑P Q n n
= 69,75

Indeks harga agregatif tertimbang Laspeyres:
I
HL
=
∑P Q n o
×100%
∑P Q o o
35,5
= ×100%
17,75
= 200%
I
HP =
∑P Q n n
×100%
∑P Q o n
69,75
= ×100%
36,50
=191,09%
Terlihat bahwa indeks harga agregatif tertimbang yang dihitung

dengan rumus Laspeyres dan Paasche ternyata hampir sama. Dengan
angka indeks harga Laspeyres, bila jumlah pembelian pada tahun dasar
dipakai sebagai timbangan, maka diperoleh kenaikan harga secara
keseluruhan dari empat jenis perlengkapan di atas pada tahun 2000
sebesar 100%, sedangkan indeks harga Paasche dengan memakai jumlah
pembelian pada tahun berjalan sebagai timbangan, maka diperoleh
kenaikan harga secara keseluruhan empat jenis perlengkapan tersebut
pada tahun 2005 sebesar 91,09% dibanding tahun 2000.
Perbedaan antara indeks harga Laspeyres dan Paasche sebagai
berikut:
1. Perubahan angka indeks harga yang diperoleh dengan rumus
Paasche tidak hanya disebabkan oleh perubahan harga, karena
timbangan dari tahun ke tahun akan berubah-ubah.
2. Perhitungan angka indeks harga dengan rumus Paasche

membutuhkan waktu dan tenaga lebih banyak untuk mengumpulkan
data mengenai timbangan yang dipakai. Metode Paasche
memberikan keuntungan yang penting karena memakai timbangan
yang up to date.
Indeks harga agregatif tertimbang Laspeyres dan indeks harga

agregatif tertimbang Paasche mempunyai keunggulan dan kelemahan
masing- masing.
1. Indeks harga agregatif tertimbang Laspeyres
Keunggulan dari indeks harga agregatif tertimbang Laspeyres yaitu
data kuantitas yang diperlukan hanya dari periode yang ditentukan.
Dengan demikian kita dapat membandingkan yang lebih bermakna
seiring waktu, perubahan pada indeks dapat dihubungkan dengan
perubahan harga.
Sedangkan kelemahannya yaitu tidak merefleksikan perubahan-
perubahan pola pembelian seiring dengan waktu. Selain itu, indeks
Laspeyres mungkin memberikan terlalu banyak bobot untuk barang-
barang yang meningkat harganya.
2. Indeks harga agregatif tertimbang Paasche
Keunggulan dari indeks agregatif tertimbang Paasche yaitu karena
menggunakan kuantitas dari periode sekarang, indeks ini
merefleksikan perilaku pembelian masa sekarang.
Sedangkan kelemahannya yaitu memerlukan data kuantitas dari
tahun sekarang. Oleh karena itu, kuantitas yang digunakan berbeda-
beda setiap tahunnya, tidak mungkin menghubungkan perubahan
pada indeks dengan perubahan pada harga. Indeks ini cenderung
memberikan terlalu banyak bobot pada barang-barang yang
harganya turun. Untuk indeks ini, harga-harganya harus dihitung
ulang setiap tahunnya.
6.5.4 Indeks Drobisch dan Indeks Fisher
6.5.4.1 Indeks Drobisch

Jika diantara indeks harga dengan rumus Laspeyres dan Paasche
terdapat perbedaan atau selisih yang besar, kedua angka indeks harga
yang diperoleh dari dua rumus tersebut dapat digabungkan menjadi satu
angka indeks. Drobisch menggabungkan dua angka indeks tersebut
dengan cara mengambil rata-rata hitung dari rumus Laspeyres dan
Paasche.
Persamaan angka indeks Drobisch ditentukan sebagai berikut:
I + IHP
IHD = HL
2
Keterangan:
IHD = nilai indeks Drobisch
IHL = nilai indeks Laspeyres
IHP = nilai indeks Paasche
Contoh 6.9
Tentukanlah angka indeks menurut Drobisch dari data di bawah ini!
Tabel 6.12
Harga dan Kuantitas yang dibeli PT.Citra
Jenis bahan Harga Jumlah Pembelian

2005 2007 2005 2007
Lemari 3,5 6,5 2,0 5,0
Kulkas 2,5 5,5 3,5 6,5
TV 3,0 6,5 4,5 7,0
LCD 4,5 8,0 5,0 6,0
Laptop 5,5 9,0 6,5 8,5
Penyelesaian:
berikut:
Tabel 6.13
Perhitungan
Jumlah
Pembelian
Harga
Jenis bahan Po Qo Pn Qo Po Qn Pn Qn
2005 2007 2005 2007
Po Pn Qo Qn
Lemari 3,5 6,5 2,0 5,0 7,0 13,0 17,50 32,50
Kulkas 2,5 5,5 3,5 6,5 8,75 19,25 16,25 35,75
TV 3,0 6,5 4,5 7,0 13,50 29,25 21,00 45,50
LCD 4,5 8,0 5,0 6,0 22,50 40,0 27,00 48,00
Laptop 5,5 9,0 6,5 8,5 35,75 58,5 46,75 76,50
Jumlah 87,5 160,0 128,50 238,25
Dengan menggunakan tabel di atas, maka diperoleh
IHL = 182,86% dan IHP = 185,41%
Maka, indeks Drobisch adalah

I IHL + IHP
HD =
2
182,86% +185, 41%
= 2
=184,135%
Contoh 6.10
Tentukan angka indeks Drobisch dari data di bawah ini!
Tabel 6.14
Kebutuhan Perlengkapan Perusahaan Tahun 2000 dan 2005

Perlengkapa 2000
n 2005 2000 2005
Pn Qo Qn
Po
Sepatu 2,0 6,5 1,5 2,5
Tas 2,5 4,5 2,5 3,5
Baju 3,5 5,5 1,0 4,0
Penyelesaian:
berikut ini:
Jenis Perlengkapan
Tabel 6.15
Perhitungan

2000 2005 2000 2005 Po Qo Pn Qo Po Qn Pn Qn
Po Pn Qo Qn
Sepatu 2.0 6.5 1.5 2.5 3.0 9.75 5.00 16.25
Tas 2.5 4.5 2.5 3.5 6.25 11.25 8.75 15.75
Baju 3.5 5.5 1.0 4.0 3.50 5.50 14.00 22.00
Sandal 2.5 4.5 2.0 3.5 5.0 9.00 8.75 15.75
Jumlah 17.75 35.5 36.50 69.75
Dengan menggunakan tabel di atas, maka diperoleh
IHL = 200% dan IHP = 191,09%
Maka, indeks Drobisch adalah
I IHL + IHP
HD
=
2
200% +191,09%
= 2
=195,545%
6.5.4.2 Indeks Fisher

Indeks Fisher yaitu menggabungkan kedua indeks harga itu dengan
mengambil rata-rata ukur dari rumus Laspeyres dan Paasche. Persamaan
indeks Fisher ditentukan sebagai berikut:
I HF = ( I HL )( I HP )
Keterangan:
IHF = nilai indeks Fisher
IHL = nilai indeks
Laspeyres IHP = nilai
indeks Paasche
Contoh 6.11
Diketahui indeks harga Laspeyres (IHL) = 182,86% dan indeks harga
Paasche (IHP) = 185,41%. Tentukan angka indeks menurut Fisher!
Penyelesaian:
I HF = ( I HL )( I HD )
= (182,86%)(185, 41%)
=184,13%
Contoh 6.12
Diketahui indeks harga Laspeyres (IHL) = 200% dan indeks harga
Paasche (IHP) = 191,09%. Tentukan angka indeks menurut Fisher!
Penyelesaian:
I HF = ( I HL )( I HD )
= (200%)(191,09%)
=195, 49%
6.5.5 Indeks Harga Walsh dan Marshall–Edgeworth

Selain memakai rumus Drobisch dan Fisher penanggulangan perbedaan
antara indeks harga Laspeyres dan Indeks harga Paasche juga dapat
dilakukan dengan memakai rumus Walsh dan rumus Marshall –
Edgeworth, sebagai berikut:
6.5.5.1 Indeks Harga Walsh

Rumus:
∑ Pn (QoQn ) ×100%
IHW =
∑ P (Q Q )
o o n
Keterangan :
IHW = Indeks Harga Walsh
Pn = harga pada waktu berjalan
6.5.5.2 Indeks Harga Marshall – Edgeworth

Rumus:
=
∑P n (Qo + Qn )
×100%
IH
w ∑ P (Q
o o
+Qn )
Keterangan :
IHME = Indeks Harga Marshall - Edgeworth
Pn = harga pada waktu berjalan
Contoh 6.13
Hitunglah angka indeks harga Walsh dan Marshall – Edgeworth dari data
di bawah ini!
Tabel 6.16
Penjualan Barang-Barang Elektronik
Tahun 2005 dan 2007 (dalam jutaan)
Barang Harga Jumlah Penjualan

Elektronik 2005 2007 2005 2007
Lemari 3,5 6,5 2,0 5,0
Kulkas 2,5 5,5 3,5 6,5
TV 3,0 6,5 4,5 7,0
LCD 4,5 8,0 5,0 6,0
Laptop 5,5 9,0 6,5 8,5
Penyelesaian:
berikut:
Tabel 6.17
Perhitungan Dengan Cara Walsh

Barang 2005 2007 2005 2007
Elektronik Po Po Pn
Pn Qo Qn Qo.Qn
Qo.Qn Qo.Qn
Lemari 3,5 6,5 2,0 5,0 3,16 11,06 20,54
Kulkas 2,5 5,5 3,5 6,5 22,75 56,875 125,125
TV 3,0 6,5 4,5 7,0 31,50 94,50 204,75
LCD 4,5 8,0 5,0 6,0 30,0 135,0 240
Laptop 5,5 9,0 6,5 8,5 55,25 303,875 497,25
Jumlah 601,31 1087,665
∑P n (QoQn ) =1087,66
∑P (QoQn )
o = 601,31
Maka,
I (QoQn )
HW
×100%
= (Q Q )
∑P n
∑P o o n
1087,66
= 601,31 ×100%
=180,89%
Tabel 6.18
Perhitungan Indeks Dengan Cara Marshall –
Edgeworth
Barang Elektronik Harga Jumlah Pembelian

2005 2007 2005 2007 Qo+Qn Po(Qo+Qn) Pn(Qo+Qn)
Po Pn Qo Qn
Lemari 3,5 6,5 2,0 5,0 7,00 24,50 45,50
Kulkas 2,5 5,5 3,5 6,5 10,0 25,0 55,0
TV 3,0 6,5 4,5 7,0 11,50 34,50 74,75
LCD 4,5 8,0 5,0 6,0 11,0 49,50 88,0
Laptop 5,5 9,0 6,5 8,5 15,0 82,50 135,0
Jumlah 54,5 216,0 398,3
∑P n (Qo +Qn ) = 398,3

∑P (Qo +Qn )
o = 216,0
Maka,
I
(Qo + Qn )
×100%
= P
∑ n
HME
∑P o
(Q +Q )
o n
398,3
= ×100%
216
=184,39%
Dari tabel contoh 6.9, contoh 6.11 dan contoh 6.13 dengan
menggunakan rumus Drobisch, Fisher, Walsh, dan Marshall – Edgeworth
ternyata hasil yang diperoleh indeks yang sama, yaitu 184% (setelah
dibulatkan).
Contoh 6.14
Tentukan angka indeks Walsh dan Marshall - Edgeworth dari data di
bawah ini!
Tabel 6.19
Kebutuhan Perlengkapan Perusahaan Tahun 2000 dan 2005

Perlengkapan 2000 2005 2000 2005
Po Pn Qo Qn
Sepatu 2,0 6,5 1,5 2,5
Tas 2,5 4,5 2,5 3,5
Baju 3,5 5,5 1,0 4,0
Sandal 2,5 4,5 2,0 3,5
Penyelesaian:
berikut:
Tabel 6.20
Perhitungan Dengan Cara Walsh
Harga
Jenis Jumlah Pembelian
Qo.Qn Po Pn
Perlengkapan 2000 2005 2000 2005
Qo.Qn Qo.Qn
Po Pn Qo Qn
Sepatu 2,0 6,5 1,5 2,5 3,75 3,87 12,58
Tas 2,5 4,5 2,5 3,5 8,75 7,39 13,31
Baju 3,5 5,5 1,0 4,0 4,0 7,0 11,0
Sandal 2,5 4,5 2,0 3,5 7,0 6,61 11,9
Jumlah 24,87 48,79
∑ P (Q Q ) = 48,79
o n
n
∑ P (QoQn ) = 24,87
n
Maka,
( Qo Qn )
I ×100%
HW
= (Q Q )
∑P n
∑P o o n
48,79
= ×100%
24,87
=196,18%
Tabel 6.21
Perhitungan Dengan Cara Marshall – Edgeworth

2000 2005 2000 2005 Qo+Qn Po(Qo+Qn) Pn(Qo+Qn)
Perlengkapan Po Pn Qo Qn
Sepatu 2,0 6.5 1,5 2,5 4,0 8,0 26,0
Tas 2.5 4,5 2,5 3,5 6,0 15,0 27,0
Baju 3,5 5,5 1,0 4,0 5,0 17,5 27,5
Sandal 2,5 4,5 2,0 3,5 5,5 13,75 24,75
Jumlah 54,25 105,25
∑P (Qo +Qn ) =105,25

n
(Qo +Qn )
= 54,25
∑P
o
Maka,
I =
∑ Pn (Qo + Qn ) ×100%
HME ∑ P (Q +Q )
o o n
105,25
= 54,25 ×100%
=194,12%
Dari tabel contoh 6.10, contoh 6.12 dan contoh 6.14 dengan
menggunakan rumus Drobisch, Fisher, Walsh, dan Marshall –
Edgeworth ternyata hasil yang di peroleh indeks yang sama, yaitu 195%
(setelah dibulatkan).
6.5.6 Indeks Rata-rata Relatif Harga Tertimbang

Pada penghitungan indeks rata–rata dengan menggunakan indeks
rata–rata sederhana memiliki kelemahan. Kelemahan indeks rata-rata
sederhana yaitu tidak mempunyai kuatitas dari produksi dimana harga
masing masing komoditi diberi bobot yang sama. Dalam mengatasi
kelemahan digunakanlah indeks rata-rata relatif harga tertimbang.
Dengan menggunakan cara ini, pada masing–masing harga diberi bobot
sesuai nilai total dari komoditi yang dinyatakan dalam satuan moneter
seperti rupiah.
Oleh karena itu, nilai dari suatu komoditi diperoleh dengan mengalikan
harga (P) dari komoditi dengan kuantitas (Q), maka timbangannya
ditentukan oleh (P x Q). Pada indeks rata–rata relatif harga
tertimbang ada tiga (3) rumus untuk menghitung rata–rata yang
tergantung pada nilai (P x Q) pada tahun dasar, tahun berjalan atau pada
waktu tertentu (t), yaitu berturut–turut adalah PoQo, PnQn atau PtQt
sebagai berikut:
1. Indeks rata – rata relatif harga tertimbang PoQo adalah:
Rumus:  P
 n 
∑  P(PoQo ) ∑ PnQo ×100%
IRHT =  o ×100% =
∑ P o Qo
∑ Po Q
o
2. Indeks rata – rata relatif harga dengan tertimbangan PnQn adalah

Rumus:
 P
 n 
∑  (PnQn )
IRHT =  Po
 ×100%
∑P Qn
n
3. Indeks rata – rata relatif harga dengan tertimbang P tQt adalah

Rumus:
 P
 n 
∑  (Pt Qt )
I  Po
RHT =  ×100%
Contoh 6.15 ∑P t
Qt
Hitunglah indeks rata-rata hitung tertimbang P nQn dari data harga dan
jumlah pembelian dari empat jenis dari PT. Asia pada tahun 2001 dan
2006 (dalam ribuan)!
Tabel 6.22
Harga Dan Jumlah Pembelian 4 Jenis Bahan Tahun 2001 dan 2006

Bahan
2001 2006 2001 2006
(Po) (Pn) (Qo) (Qn)
Tepung 2,5 3,6 2,1 4,3
Garam 2,2 4,6 1,5 4,4
Susu 3,4 5,6 2,7 4,7
Gula 4,2 6,8 3,1 5,0
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel sebagai berikut:
Tabel 6.23
Perhitungan
Jenis
Harga Jumlah Pembelian P (P Q )
n n n n
Bahan 2001 2006 2001 2006 Pn Qn
(Po) (Pn) (Qo) (Qn) Po Po
Tepung 2,5 3,6 2,1 4,3 1,44 15,48 22,29
Garam 2,2 4,6 1,5 4,4 2,09 20,24 42,32
Susu 3,4 5,6 2,7 4,7 1,65 26,32 43,35
Gula 4,2 6,8 3,1 5,0 1,62 34,00 55,05
Jumlah 96,04 163,01
Dari tabeldiPatas
 diperoleh
 n 
∑  (PnQn ) = 163,01
 Po 
∑P Q n n
= 96,04
Maka,  P
 n 
∑  (PnQn )
IRHT =  Po
 ×100%
∑P n
Q
163,01
= 96,04 ×100%
=169,82%
6.6 Indeks Berantai

Untuk data berkala, angka indeks dapat dibuat dengan melakukan
perubahan secara berurutan dari waktu dasarnya, misalnya dalam satu
tahun, dua tahun, atau lebih. Susunan keseluruhan angka indeks bisa
diperoleh dengan cara ini disebut indeks berantai. Untuk indeks harga
berantai yang sederhana dirumuskan sebagai berikut:
P
In.n−1 = n ×100%
Pn−
Keterangan: 1
In, n-1 = Indeks Berantai

Pn = harga pada tahun berjalan
Pn-1 = harga pada tahun dasar
Contoh 6.16
Data harga perdagangan besar suatu komoditi dari indikator ekonomi,
Biro Pusat Statistik, tahun 1990 sampai 1995 adalah sebagai berikut:
Tabel 6.24
Harga Perdagangan Tahun 1990 – 1995
Tahun 1990 1991 1992 1993 1994 1995

Harga/kg 1500 2000 2500 3000 3500 4000
Tentukan indeks berantai dari data tersebut!
Penyelesaian:
2000
Tahun dasar 1990: I1991/1990 = ×100% =133,33%
1500
2500
Tahun dasar 1991: I1992/1991 = ×100% =125%
2000
3000
Tahun dasar 1992: I1993/1992 = ×100% =120%
2500
3500
Tahun dasar 1993: I1994/1993 = ×100% =116,67%
3000
4000
Tahun dasar 1994: I1995/1994 = ×100% =114,29%
3500
6.7 Rangkuman
Angka indeks sangat dibutuhkan bagi orang yang melakukan
kegiatan (terutama kegiatan perdagangan), karena dengan angka indeks
itu, suatu perusahaan dapat mengetahui kenaikan dan penurunan
penjualan yang terjadi.
Indeks Harga Tidak Tertimbang (Unweight Index) terbagi menjadi
tiga macam yaitu sebagai berikut:
a. Indeks relatif harga merupakan perbandingan dari suatu harga
barang pada waktu tertentu terhadap waktu dasar.
b. Indeks harga agregatif sederhana (tidak tertimbang) merupakan
perbandingan keseluruhan harga pada tahun berjalan terhadap
keseluruhan harga barang pada waktu tahun dasar.
c. Indeks rata-rata relatif harga

Indeks Harga Tertimbang (Weight Index) terdiri dari:
a. Indeks Harga Agregatif Tertimbang
1. Indeks Harga Agregatif Tertimbang Laspeyres
2. Indeks Harga Agregatif Tetimbang Paasche
3. Indeks Drobish dan Indeks Fisher
4. Indeks Rata-Rata Relatif Harga Tertimbang
5. Indeks Harga Walsh dan Marshall –
b. Edgeworth Indeks Berantai
6.8 Latihan Soal

6.8.1 Harga terigu pada tahun 2004 adalah Rp. 3200,00 dan pada
tahun 2009 adalah Rp. 6000,00 dalam hal ini tahun 2000
sebagai tahun dasar dan tahun 2004 sebagai tahun berjalan.
Tentukanlah indeks relatif harga sederhana!
6.8.2 PT Suka-Suka membeli lima jenis kebutuhan alat-alat kantor

pada tahun 2002 dan 2007, ditampilkan dalam tabel berikut ini:
Tabel 6.25
Kebutuhan Alat-Alat Kantor Tahun 2002 dan 2007
Harga
Jenis Kebutuhan Pokok
2002 2007
Buku 10000 14000
Bolpoin 25000 40000
Map 10000 13500
Tipe-X 4000 7500
Tinta Print 20000 35000
Tentukanlah indeks harga agregatif sederhana dari lima jenis

kebutuhan alat-alat kantor!
6.8.3 Tentukan indeks relatif harga sederhana PMI dari jenis

kebutuhan medis pada tahun 2005 dan 2009 sebagai berikut:
Tabel 6.26
Jenis Kebutuhan-Kebutuhan Medis Tahun 2005 dan 2009
Jenis Kebutuhan Medis Harga

2005 (Po) 2009 (Pn)
Kayu Putih 8000 12500
Betadine 4500 7000
Alkohol 10000 15000
Perban 7500 11000
Jumlah 21000 45500
6.8.4 Berikut ini PT. Angkasa membeli persediaan barang yang

disajikan pada tabel harga (dalam ribuan rupiah) dan banyaknya
kebutuhan pada tahun 2006 dan 2010 sebagai berikut:
Tabel 6.27
Harga dan Kuantitas Persediaan Barang yang dibeli PT. Angkasa

Jenis bahan 2006 2010 2005 2007
Mentega 7,0 15,0 2,5 5,3
Telur 7,5 11,0 4,0 7,4
Terigu 4,8 6,0 4.5 6,5
Coklat 5,5 8.0 5.0 6,8
Tentukanlah:
a. Indeks Laspeyres dan Paasche
b. Indeks Drobisch dan Fisher

6.9.1 Penyelesaian:
P
I2009/2004 = n ×100%
Po
500
= ×100%
300
=166,67%
=166,67%
6.9.2 Penyelesaian:
∑Pn = 14000+40000+13500+7500+35000 = 110000
∑P0 = 10000+25000+10000+4000+20000 = 69000
Jadi, angka indeks harga agregatif sederhana dari PT Suka-

Suka adalah:
I
HA =
∑P n
×100%
∑P o
110000
= 69000 ×100%
=159, 42%
Jadi, secara agregat (keseluruhan) harga lima kebutuhan alat-
alat kantor pada tahun 2007 mengalami kenaikan 59,42
dibandingkan tahun 2002.
6.9.3 Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel
Tabel 6.28
Jenis Kebutuhan-Kebutuhan Medis Tahun 2005 dan 2009
Jenis Kebutuhan Harga Relatif Indeks

Medis 2005 (Po) 2009 harga Relatif Harga
(Pn)
Kayu Putih 8000 12500 1,56 156%
Betadine 4500 7000 1,55 155%
Alkohol 10000 15000 1,50 150%
Perban 7500 11000 1,46 146%
Jumlah 21000 45500 5,89 590%
Jadi, indeks
 Prata-rata
 relatif harga dari PT Indra adalah
 n 
∑ 
 Po 
IRH = ×100%
n
=151,75%
607%
= 4
=151,75%
6.9.4 Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel sebagai
berikut ini:
Tabel 6.29
Perhitungan
Harga Jumlah
Jenis Pembelian
bahan 2006 2010 2006 2010 Po Qo Pn Qo Po Qn Pn Qn
Po Pn Qo Qn
Mentega 7,0 15,0 2,5 5,3 17,5 37,5 37,1 79,5
Telur 7,5 11,0 4,0 7,4 30,0 44,0 55,5 81,4
Terigu 4,8 6,0 4,5 6,5 21,6 27,0 31,2 39,0
Coklat 5,5 8,0 5,0 6,8 27,5 40,0 37,4 54,4
Jumlah 96,6 148,5 161,2 254,3

∑P Q o o
= 96,6
∑P Q n o = 148,5
∑P Q o n
= 161,2
∑P Q n n
= 254,3

a. Indeks harga agregatif tertimbang Laspeyres:
=
∑ PnQo ×100%
I
HL
∑ P o Qo
148,5
= ×100%
96,6
=153,72%
I
HP =
∑P Qn n
×100%
∑P Qo n
154,3
= ×100%
161,2
=157,75%
b. Indeks Drobisch adalah
I IHL + IHP
HD
=
2
153,72% +1557,75%
= 2
=155,73%
Indeks Fisher adalah

I HF = ( I HL )( I HP )
= (153,72%)(157,75%)
=155,72%
Bab 7 REGRESI DAn KORELASI
D alam kehidupan sehari-hari kita sudah sering menemukan kegiatan-

kegiatan yang saling berhubungan satu sama lainnya. Kegiatan-
kegiatan itu tentunya membutuhkan analisis hubungan antara kegiatan-
kegiatan tersebut. Pada bab ini yang akan dipelajari yaitu hubungan
statistik
antara 2 atau lebih variabel yang disebut regresi dan korelasi.
7.1 Pengertian Regresi dan Korelasi

Regresi dan korelasi digunakan untuk mempelajari pola dan
mengukur hubungan statistik antara 2 atau lebih variabel. Jika digunakan
hanya 2 variabel disebut regresi dan korelasi sederhana. Sedangkan jika
digunakan lebih dari 2 variabel disebut regresi dan korelasi berganda.
Persamaan regresi dibentuk untuk menerangkan pola hubungan
variabel-variabel. Variabel yang akan diduga disebut variabel terikat
(tidak bebas), bisa dinyatakan dengan variabel Y. Variabel yang
menerangkan perubahan variabel terikat disebut variabel bebas, bisa
dinyatakan dengan variabel X.
297
7.2 Regresi dan Korelasi

Kegunaan Regresi
 Mengukur besar dan arah hubungan.
 Dipergunakan untuk pendugaan dan peramalan.
 Harus ditentukan mana variabel bebas dan variabel
terikatnya.
 Bisa disajikan dalam bentuk gambar.
Kegunaan Korelasi
 Mengukur derajat keeratan hubungan.
 Bukan untuk pendugaan dan peramalan.
 Tak perlu memilih variabel bebas dan terikatnya.
 Tidak bisa disajikan dalam bentuk gambar.
7.3 Analisa Regresi Sederhana

Garis lurus atau garis linear yang merupakan garis taksiran atau
perkiraan untuk mewakili pola hubungan antara variabel X dengan
variabel Y disebut garis regresi atau korelasi. Dalam hal ini X disebut
variabel bebas dan Y disebut variabel tak bebas.
Persamaan garis regresi linear sederhana ditentukan sebagai
berikut:
Y = a +bX
Keterangan:
Y = nilai-nilai taksiran untuk variabel tak bebas (Y)
X = nilai-nilai variabel bebas
a = intersep (pintasan) bilamana X = 0
b = koefisien arah atau slope dari garis
regresi Dalam hal ini a dan b merupakan koefisien
regresi
Bab 7 Regresi dan Korelasi 299
Variabel bebas X sering disebut sebagai prediktor, yaitu variabel yang

dipakai untuk memprediksi nilai Y, sedangkan variabel Y sering disebut
sebagai variabel yang diprediksi Dalam hal ini, suatu kriteria bahwa
persamaan regresi yang paling baik adalah regresi yang mempunyai total
kuadrat selisih atau total kuadrat eror S (Y – Y ) yang paling minimum.
Model populasi linear ini diduga dengan metode kuadrat terkecil (Least
Square Method). Persamaan regresi linear dengan metode kuadrat
terkecil akan mempunyai total kuadrat eror minimum ditentukan sebagai
berikut:
a=
∑Y ∑ X2 − ∑ X∑ XY
n ∑ X − ( ∑ X )2
2
Keterangan :
X = variabel bebas
Y = variabel tak bebas
∑ XY −2 ∑ X∑ Y
b= n
∑ X − ( ∑ X )2
Keterangan :
b = koefisien arah atau slope dari garis
regresi X = variabel bebas
Persamaan regresi linier di atas di hitung secara terpisah. Selain

dengan persamaan di atas bisa juga koefisien b dihitung pertama kali dan
hasil yang diperoleh digunakan untuk menghitung koefisien a,
persamaannya ditentukan sebagai berikut:
∑Y ∑ X 
a= −b  
 n 
n  
Keterangan :
b = koefisien arah atau slope dari garis regresi
X = variabel bebas
Y = variabel tak
bebas n = banyaknya
data
7.4 Pembuatan Analisa Regresi Sederhana

Setelah mengetahui persamaan analisa regresi sederhana, maka
sekarang kita akan membuat analisa regresi sederhana dari hubungan-
hubungan berikut ini:
1. Hubungan antara kecepatan beroperasi mesin cetak (X) dengan jumlah
kerusakan kertas (Y).
2. Hubungan antara besarnya pendapatan (X) dengan besarnya
pengeluaran (Y).
3. Hubungan antara biaya iklan (X) dengan volume penjualan (Y).
4. Hubungan antara pendapatan perminggu (X) dengan konsumsi atau
belanja (Y) dalam $.
Contoh 7.1
Data pada suatu pabrik kertas menunjukkan bahwa kebanyakannya
kertas rusak ada hubungannya dengan kecepatan beroperasi mesin cetak.
Tabel 7.1
Data Kecepatan Mesin Per Menit Dan Jumlah Kerusakan Kertas (Lembaran)
Kecepatan mesin permenit

(X) Jumlah kerusakan kertas
(Y)
9,2 7,0
12,2 8,0
13,2 8,5
14,2 6,7
14,5 9,6
15,8 9,2
16,5 11,5
17,6 12,2
Tentukan persamaan regresi linear dengan memakai metode kuadrat

terkecil!
Penyelesaian:
berikut:
Tabel 7.2
Perhitungan
Kecepatan Jumlah
mesin permenit kerusakan kertas XY X2 Y2
(X) (Y)
9,2 7,0 64,4 84,64 49
12,2 8,0 97,6 148,84 64
13,2 8,5 112,2 174,24 72,25
14,2 6,7 95,14 201,64 44,89
14,5 9,6 139,2 210,25 92,16
15,8 9,2 145,36 249,64 84,64
16,5 11,5 189,75 272,25 132,25
17,6 12,2 214,72 309,76 148,84
113,2 72,7 1058,37 1651,26 688,03
302
Dari tabel perhitungan di atas diperoleh:

∑ X =113, 2
∑Y = 72, 7
∑ XY =1.058, 37
2
∑ X =1.651, 26
2
∑Y =688, 03
Maka, nilai b yaitu:
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
8(1.058, 37)−(113, 2)(72, 7)

= 8(1651, 26)−(113, 2)2
237, 32
= 395, 84
= 0, 5995
Maka, nilai a
yaitu:
∑Y ∑ X 
a= −b 
 n 

n  
72, 7 113, 2 
= −(0, 5995)  
n  8 
= 9, 0875−6, 483
= 0, 6045
Jadi persamaan regresi linier dengan menggunakan metode kuadrat

terkecil yaitu Y = 0,6045 + 0,5995X
Contoh 7.2
Data pada tabel berikut menyajikan besarnya pendapatan dan
pengeluaran suatu negara (dalam jutaan dolar) dari tahun 2000 sampai
dengan tahun 2009.
Tabel 7.3
Data Besarnya Pendapatan Dan Pengeluaran Negara
Besar Pendapatan
Tahun Besar Pengeluaran
(X) (Y)
2000 5,2 4,2
2001 4,7 4,0
2002 5,0 4,1
2003 4,8 4,3
2004 5,4 5,0
2005 5,1 4,9
2006 5,8 5,7
2007 6,4 5,7
2008 6,8 6,3
2009 7,2 6,9
Tentukan persamaan regresi linear dengan menggunakan metode kuadrat

terkecil!
Penyelesaian:
berikut:
Tabel 7.4
Perhitungan
Besar Besar
Tahun Pendapatan Pengeluaran XY X2 Y2
(X) (Y)
2000 5,2 4,2 21,84 27,04 17,64
2001 4,7 4,0 18,8 22,09 16
2002 5,0 4,1 20,5 25 16,81
2003 4,8 4,3 20,64 23,04 18,49
2004 5,4 5,0 27 29,16 25
2005 5,1 4,9 24,09 26,01 24,01
2006 5,8 5,7 33,06 33,64 32,49
2007 6,4 5,7 36,48 40,96 32,49
2008 6,8 6,3 42,84 46,24 39,69
2009 7,2 6,9 49,68 51,84 47,61
Jumlah 56,0 51,1 295,83 325,02 270,23
Dari tabel perhitungan di atas maka diperoleh:

∑ X = 56, 0
∑Y = 51,1
∑ XY = 295, 83
2
∑ X = 325, 02
2
∑Y =270, 23
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
10(295, 83)−(56, 4)(51,1)

= 10(325, 02)−(56, 4)2
2958, 3−2882, 04
= 3250−3180, 96
76, 26
= 69, 24
=1,10
Maka, nilai a
yaitu:
∑Y ∑ X 
 
a= −b  
 n 
n
51,1  56, 4 
= −1,10  
10  10 
= 5,11−6, 204
= -1, 094
Jadi persamaan regresi linier dengan menggunakan metode kuadrat

terkecil yaitu Y = –1,094 + 1,10 X
Contoh 7.3
Dari hasil pencatatan antara biaya iklan dan volume penjualan sebuah
perusahaan jasa eceran produk komputer diperoleh informasi sebagai
berikut:
Tabel 7.5
Data Antara Biaya Iklan Dan Volume Penjualan Perusahaan Jasa Eceran Produk
Komputer
Biaya Iklan
(jutaan rupiah) Volume Penjualan
X (ribuan unit)
Y
3 12
4 11
5 13
6 12
7 13
8 14
9 16
terkecil!
Penyelesaian:
berikut:
Tabel 7.6
Perhitungan
Biaya Iklan Volume Penjualan

(jutaan rupiah) (ribuan unit) X2 Y2 XY
X Y
3 12 9 144 36
4 11 16 121 44
5 13 25 169 65
6 12 36 144 72
7 13 49 169 91
8 14 64 196 112
9 16 81 256 144
42 91 280 1199 564
∑ = 42
∑Y = 280
∑ XY = 564
2
∑ X = 91
2
∑Y =1199
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
7(564)−(42)(91)
= 7(280)−(42)2
= 0, 6429
Maka, nilai a
yaitu:
∑Y ∑ X 
a = n −b   
 n 
91  42 
= −0, 642  
7  7  
=13−0, 6429(6)
=13−3, 8574
= 9,1426
Jadi, persamaan regresi linier dengan menggunakan metode kuadrat

terkecil yaitu Y = 9,1426 + 0,6429X
Contoh 7.4
Hubungan antara pendapatan perminggu (X) dengan konsumsi (belanja =
Y) perminggu dalam $.
Tabel 7.7
Data Pendapatan Dengan Konsumsi Per Minggu Dalam $
Pendapatan (X) Konsumsi (Y)

8 6
10 8
12 10
14 12
16 14
18 16
20 18
22 20
24 22
26 24
28 26
30 28
32 30
34 32

terkecil!
Penyelesaian:
berikut:
Tabel 7.8
Perhitungan
Pendapatan Konsumsi
(X) (Y) XY X2 Y2
8 6 48 64 36
10 8 80 100 64
12 10 120 144 100
14 12 168 196 144
16 14 224 256 196
18 16 288 324 256
20 18 360 400 324
22 20 440 484 400
24 22 528 576 484
26 24 624 676 576
28 26 728 784 676
30 28 840 900 784
32 30 960 1024 900
34 32 1088 1156 1024
294 266 6496 7084 5964
∑ X = 294
2
∑ X = 7084
∑ XY = 6496
∑Y = 266
2
∑Y =5964
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
14(6496)−(294)(266)
= 14(7084)−(294)2
= 0, 958
Maka, nilai a yaitu:

∑Y  ∑ X 
a= −b   

266
n   294
n  
= −0, 958  
 
14 14
=19−0, 958(21)
=19−20,118
= -1,118
Jadi, persamaan regresi linier dengan menggunakan metode kuadrat

terkecil yaitu Y = –1,118 + 0,958X
7.5 Analisa Korelasi Sederhana

Derajat hubungan antara variabel-variabel dikenal dengan analisa
korelasi. Ukuran yang digunakan untuk mengetahui derajat hubungan,
terutama untuk data kuantitatif yang disebut koefisien korelasi.
Jika garis regresi yang terbaik untuk sekelompok data berbentuk
linear, maka derajat hubungannya akan dinyatakan dengan r dan biasa
disebut koefisien korelasi.
Persamaan koefisien korelasi (r) ditentukan sebagai berikut:
n∑ XY −∑ X∑Y
r=
{n∑ X2 −(∑ X ) }{n∑ Y 2 −(∑Y ) }
2 2
Jika b positif maka r positif sedangkan jika b negatif maka r negatif,

nilai r terletak dari -1 sampai +1 atau ditulis -1 < r <+1. Bila r mendekati
+1 dan -1 maka terjadi korelasi tinggi dan terjadi hubungan linear yang
sempurna antara X dan Y, bila r mendekati 0 hubungan linearnya sangat
lemah atau tidak ada.
Contoh:
r = -0,6 itu menunjukkan arah yang berlawanan, X↑ maka Y↓ atau X↓
maka Y↑. r = = 0,6 itu menunjukkan arah yang sama, X↑ maka Y↑ atau
X↓ maka Y↓. r = 0 itu menunjukkan tidak ada hubungan linear antara X
dan Y.
7.6 Koefisien Determinasi (r2)

Alat untuk mengukur tingkat kecocokan/kesempurnaan model
regresi disebut koefisien determinasi (r2) misal r2 = 0,90 artinya nilai
duga regresi
yang kita peroleh memenuhi model yang kita kehendaki atau 90% (Sembilan
puluh persen) nilai-nilai Y besarnya ditentukan oleh nilai-nilai variabel
X yang dimasukkan dalam model, sedangkan 10% lagi ditentukan oleh
variabel lain di luar model. Atau untuk menyatakan proporsi keragaman
total nilai-nilai peubah Y yang dapat dijelaskan oleh nilai-nilai peubah X
melalui hubungan linear tersebut. Koefisien determinasi ditulis r 2 untuk
regresi dua variabel dan nilainya antara 0 dan 1.
Contoh halnya r2 = 0,6 artinya 0,36 atau 36% diantara keragaman
total nilai-nilai Y dapat dijelaskan oleh hubungan linearnya dengan nilai-
nilai X atau besarnya sumbangan X terhadap naik turunnya Y adalah
36% sedangkan 64% disebabkan oleh faktor lain.
Contoh 7.5
Tabel 7.9
Data Kecepatan Mesin Per Menit Dan Jumlah Kerusakan Kertas (Lembaran)
Kecepatan mesin permenit Jumlah kerusakan kertas (Y)

(X)
9,2 7,0
12,2 8,0
13,2 8,5
14,2 6,7
14,5 9,6
15,8 9,2
16,5 11,5
17,6 12,2
Tentukan koefisien korelasi dan koefisien determinasinya!
Penyelesaian:
berikut:
Tabel 7.10
Perhitungan
X Y XY X2 Y2
9,2 7,0 64,4 84,64 49
12,2 8,0 97,6 148,84 64
13,2 8,5 112,2 174,24 72,25
14,2 6,7 95,14 201,64 44,89
14,5 9,6 139,2 210,25 92,16
15,8 9,2 145,36 249,64 84,64
16,5 11,5 189,75 272,25 132,25
17,6 12,2 214,72 309,76 148,84
113,2 72,7 1058,37 1651,26 688,03
∑X=113,2
∑ Y = 72, 7
∑ XY =1.058, 37
2
∑ X = 1.651,26
∑ Y2 = 688, 03
Maka, koefisien korelasinya yaitu:
n∑ XY − ∑ X ∑Y
r=
{
n∑ X 2 −(∑ X )2 }{n∑ Y 2 − ( ∑ Y )2 }
8(105, 37)−(113, 2)(72, 7)
=
{8(1651, 26)−(113, 2)2 }{8(688, 03)−(72, 7)2 }
8466, 96−8229, 64
= {13210, 08−12814, 24}{5504, 24 −5285, 293}
237, 32
= 294, 396
237, 32
= 86669,17
237, 32
= 294, 396
= 0, 81
Dengan nilai koefisien relasinya 0,81 terletak antara 0,70 dan 0,90,
maka terdapat hubungan positif yang kuat antara kecepatan mesin
dengan jumlah kerusakan kertas.
Maka, koefisien determinasinya yaitu:
r² = (0,81)² = 0,6561 = 65,61%

r2 = 0,81 artinya 0,6561 atau 65,61% diantara keragaman total nilai-nilai

Y dapat dijelaskan oleh hubungan linearnya dengan nilai-nilai X
terhadap naik turunnya Y adalah 65,61% sedangkan 34,39% disebabkan
oleh faktor lain.
Contoh 7.6
dengan tahun 2009.
Tabel 7.11
Besar Pengeluaran
Besar Pendapatan
Tahun (X) (Y)
2000 5,2 4,2
2001 4,7 4,0
2002 5,0 4,1
2003 4,8 4,3
2004 5,4 5,0
2005 5,1 4,9
2006 5,8 5,7
2007 6,4 5,7
2008 6,8 6,3
2009 7,2 6,9
Tentukanlah nilai koefisien korelasi dan koefisien determinasi!
Penyelesaian:
berikut:
Tabel 7.12
Perhitungan
Tahun X Y XY X2 Y2
2000 5,2 4,2 21,84 27,04 17,64
2001 4,7 4,0 18,8 22,09 16
2002 5,0 4,1 20,5 25 16,81
2003 4,8 4,3 20,64 23,04 18,49
2004 5,4 5,0 27 29,16 25
2005 5,1 4,9 24,09 26,01 24,01
2006 5,8 5,7 33,06 33,64 32,49
2007 6,4 5,7 36,48 40,96 32,49
2008 6,8 6,3 42,84 46,24 39,69
2009 7,2 6,9 49,68 51,84 47,61
Jumlah 56,0 51,1 295,83 325,02 270,23

∑X=56,0
∑ Y = 51,1
∑ XY = 295.83
∑ X = 325,02
2
∑ Y = 270, 23
2
Maka, nilai koefisien korelasinya yaitu:
n∑ XY −∑ X ∑ Y
r2 =
{n∑ X2 −(∑ X ) }{n∑ Y 2 −(∑ Y ) }
2 2
10(295, 83)−(56, 4)(51,1)

=
{10(325, 02)−(56, 4)2 }{10(270, 23)−(51,1)2 }
2958, 3−2882, 04
= {3250, 2−3180, 96}{2702, 3−2611, 21}
76, 26
= (69, 24)(91, 09)
76, 26
= 79, 42
= 0, 96
Dengan nilai koefisien relasinya 0,96 terletak antara 0,90 dan 1,0, maka
terdapat hubungan positif yang sangat kuat antara besarnya pendapatan
dengan besarnya pengeluaran.
Maka, nilai koefisien determinasi yaitu:
r² = (0,96)² = 0,9216 = 92,16%

oleh faktor lain.
Contoh 7.7
Darihasilpencatatanantarabiayaiklandanvolumepenjualansebuahperusahaan
jasa eceran produk komputer diperoleh informasi sebagai berikut:
Tabel 7.13
Komputer
Biaya Iklan
X (ribuan unit)
Y
3 12
4 11
5 13
6 12
7 13
8 14
9 16
Tentukan nilai koefisien korelasi dan koefisien determinasinya!
Penyelesaian:
berikut:
Tabel 7.14
Perhitungan
X Y X2 Y2 XY
3 12 9 144 36
4 11 16 121 44
5 13 25 169 65
6 12 36 144 72
7 13 49 169 91
8 14 64 196 112
9 16 81 256 144
42 91 280 1199 564

∑X=42
2
∑ X = 280
∑ XY = 564
∑ Y= 91
∑ Y2 =1199
Maka, nilai koefisien korelasi yaitu:
n∑ XY − ∑ X ∑Y
r=
{n∑ X −(∑ X ) }{n∑ Y
2 2 2 − ( ∑ Y )2 }
7(564)−(42)(91)
=
{7 (280)−(42)2 }{7 (1199)−(91)2 }
3948−3882
= {1960−1764}{8393−8281}
126
= (196)(112)
126
= 148, 2
= 0, 85
Dengan nilai koefisien relasinya 0,85 terletak antara 0,70 dan 0,90,
maka terdapat hubungan positif yang kuat antara biaya iklan dengan
volume penjualan.
r2 = (0,85)2 = 0,7225 = 72,25%

oleh faktor lain.
Contoh 7.8
Hubungan antara pendapatan perminggu (X) dengan konsumsi (belanja =
Y) perminggu dalam $.
Tabel 7.15
Pendapatan Konsumsi
(X) (Y)
8 6
10 8
12 10
14 12
16 14
18 16
20 18
22 20
24 22
26 24
28 26
30 28
32 30
34 32
Tentukan nilai koefisien korelasi dan koefisien determinasinya!

Penyelesaian:
berikut:
Tabel 7.16
Perhitungan
(X) (Y) XY X2 Y2
8 6 48 64 36
10 8 80 100 64
12 10 120 144 100
14 12 168 196 144
16 14 224 256 196
18 16 288 324 256
20 18 360 400 324
22 20 440 484 400
24 22 528 576 484
26 24 624 676 576
28 26 728 784 676
30 28 840 900 784
32 30 960 1024 900
34 32 1088 1156 1024
294 266 6496 7084 5964
∑X=294
2
∑ X = 7084
∑ XY = 6496
∑ Y= 266
∑ Y2 = 5964
Maka, nilai koefisien korelasinya yaitu:
n∑ XY − ∑ X ∑Y
r=
{
n ∑ X 2 − ( ∑ X )2 }{n∑ Y 2 − ( ∑ Y )2 }
14(6496)−(294)(266)
=
{14 (7084)−(294)2 }{14 (5964)−(266)2 }
90944 −78204
= {12740}{12740}
12740
= 12740
=1, 0
Dengan nilai koefisien relasinya 1,0, terletak antara 1,0 dan 0,90, maka
terdapat hubungan positif yang sangat kuat antara pendapatan dengan
konsumsi.
r2 = (1,0)2 = 1 = 100%
r2 = 1,0 artinya 1 atau 100% diantara keragaman total nilai-nilai Y dapat

dijelaskan oleh hubungan linearnya dengan nilai-nilai X terhadap naik
turunnya Y adalah 100%.
7.7 Kesalahan Baku dari Penaksiran Y = a + bx

Penaksiran dengan persamaan regresi Y = a + bX memberi total kuadrat
eror sebesar:
2
∑ e =∑ (Y −Y )2
Keterangan:
Σe2 = total kuadrat eror
Ŷ = nilai-nilai taksiran untuk variabel tak bebas
Persamaan regresi yang memberi total kuadrat eror merupakan total

kuadrat kesalahan dari penaksiran Y = a + bX terhadap nilai-nilai Y yang
sebenarnya. Bila bentuk itu kita bagi dengan banyaknya data, yaitu n,
maka kita peroleh rata-rata kesalahan baku, yaitu:
2 ∑ (Y −Y )2
∑n e =
n
Keterangan:
Σe2 = total kuadrat eror
n = banyaknya data
Selanjutnya kita ambil akarnya maka diperoleh:
Sy . x =
∑ (Y − y ) 2
n
Keterangan:
Sy.x = penaksiran kesalahan
baku Y = variabel tak bebas
n = banyaknya data
Persamaan terakhir ni merupakan kesalahan baku dari penaksiran

(standard eror of estimate) ini oleh Y = a + bX.
Contoh 7.9
Tabel 7.17
Data Kecepatan Mesin Per Menit dan Jumlah Kerusakan Kertas (Lembaran)
Kecepatan Mesin Permenit

(X) Jumlah Kerusakan Kertas
(Y)
9,2 7,0
12,2 8,0
13,2 8,5
14,2 6,7
14,5 9,6
15,8 9,2
16,5 11,5
17,6 12,2
Tentukan kesalahan baku yang diberikan oleh persamaan regresi jika

diketahui persamaan regresi liniernya yaitu Y = 0,6045 + 0,5995X
Penyelesaian:
Dengan menggunakan persamaan regresi tersebut adalah Ŷ= 0,6045 +
0,5995X, maka penaksiran kesalahan baku yaitu:
X1 = 9,2 Y = 0,6045 + 0,5995(9,2) = 6,12
(Y1 − Y1 ) = (7,0 − 6,12)2 = 0,7744
X2 = 12,2 Y2 = 0,6045 + 0,5995(12,2) = 7,92
(Y2 − Y2 ) = (8,0 − 7,92)2 = 0,0064
X3 = 13,2 Y3 = 0,6045 + 0,5995(13,2) = 8,52
(Y3 − Y3 ) = (8,5 − 8,52)2 = 0,0004
X 4 = 14,2 Y4 = 0,6045 + 0,5995(14,2) = 9,12
(Y4 − Y4 ) = (6,7 − 9,12)2 = 5,8564
X5 = 14,5 Y5 = 0,6045 + 0,5995(14,5) = 9,37
(Y5 − Y5 ) = (9,6 − 9,37)2 = 0,0529
X6 = 15,8 Y6 = 0,6045 + 0,5995(15,8) = 10,08
(Y6 −Y 6 ) = (9,2 − 10,08)2 = 0,7744
X7 = 16,5 Y7 = 0,6045 + 0,5995(16,5) = 10,49

(Y7 − Y7 ) = ( 11,5 − 10,49)2 = 1,0201
X8 = 17,6 Y8 = 0,6045 + 0,5995(17,6) = 11,16
(Y8 − Y8 ) = (12,2 − 11,16)2 = 1,0816
Keseluruhan nilai-nilai yang sudah didapat jika dimasukkan ke dalam

bentuk tabel maka akan tampak seperti berikut:
Tabel 7.18
Perhitungan
(X) (Y) Ŷ (Y-Ŷ)²

9,2 7,0 6,12 0,7744
12,2 8,0 7,92 0,0064
13,2 8,5 8,52 0,0004
14,2 6,7 9,12 5,8564
14,5 9,6 9,37 0,0529
15,8 9,2 10,08 0,7744
16,5 11,5 10,49 1,0201
17,6 12,2 11,16 1,0816
Jumlah 9,5666
Dari tabel di atas dapat diperoleh total kuadrat kesalahan

∑ (Y −Y )2 = 9, 5666
Jadi, kesalahan baku dari taksiran regresi tersebut adalah:
Syx =
∑ (Y −Y ) 2
n
9, 5666
= 8
= 1, 09
Contoh 7.10
dengan tahun 2009.
Tabel 7.19
Tahun Besar Pendapatan (X) Besar Pengeluaran (Y)

2000
5,2 4,2
2001 4,7 4,0
2002 5,0 4,1
2003 4,8 4,3
2004 5,4 5,0
2005 5,1 4,9
2006 5,8 5,7
2007 6,4 5,7
2008 6,8 6,3
2009 7,2 6,9

diketahui persamaan regresi liniernya yaitu
Y =−1, 094 +1,10X !
Penyelesaian:
Dengan menggunakan persamaan regresi tersebut adalah Y = –1,094 +
1,10X maka penaksiran kesalahan baku yaitu:
Y =-1, 094 +1,10X

X1 = 9,2 Y = -1,094 + 1,10(5,2) = 4,6
(Y1 − Y1) = (4,2 − 4,63)2 = 0,1849
X2 = 4,7 Y2 = -1,094 + 1,10(4,7) = 4,08
(Y2 − Y2 ) = (4,0 − 4,08)2 = 0,0064
X3 = 5,0 Y3 = -1,094 + 1,10(5,0) = 6,6
(Y3 − Y3 ) = (4,1 − 6,6)2 = 6,25
X 4 = 4,8 Y4 = -1,094 + 1,10(4,8) = 4,19

(Y4 − Y4 ) = (4,3 − 4,19)2 = 0,0121
X5 = 5,1 Y5 = -1,094 + 1,10(5,4) = 4,85
(Y5 − Y5 ) = (5,0 − 4,85)2 = 0,0225
X6 = 5,1 Y6 = -1,094 + 1,10(5,1) = 4,52
(Y6 −Y 6 ) = (4,9 − 4,52)2 = 0,1444
X7 = 5,8 Y7 = -1,094 + 1,10(5,8) = 5,29
(Y7 − Y7 ) = ( 5,7 − 5,29)2 = 0,1681
X8 = 6,4 Y8 = -1,094 + 1,10(6,4) = 5,95
(Y8 − Y8 ) = (5,7 − 5,95)2 = 0,0625
X9 = 6,8 Y9 = -1,094 + 1,10(6,8) = 6,39
(Y9 − Y9 ) = (6,3 − 6,39)2 = 0,0081
X10 = 7,2 Y10 = -1,094 + 1,10(7,2) = 6,83
(Y10 − Y10 ) = (6,9 − 6,83)2 = 0,0049
Keseluruhan nilai-nilai yang sudah didapat jika dimasukkan ke

dalam bentuk tabel maka akan tampak seperti berikut:
Tabel 7.20
Perhitungan
Ŷ (Y- Ŷ)²
Besarn (X) Pen Besarn (Y)
Tahun Pendapata geluara
2000 5,2 4,2 4,63 0,1849
2001 4,7 4,0 4,08 0,0064
2002 5,0 4,1 6,6 6,25
2003 4,8 4,3 4,19 0,0121
2004 5,4 5,0 4,85 0,0225
2005 5,1 4,9 4,52 0,1444
2006 5,8 5,7 5,29 0,1681
2007 6,4 5,7 5,95 0,0625
2008 6,8 6,3 6,39 0,0081
2009 7,2 6,9 6,83 0,0049
Jumlah 6,8639
∑ (Y −Y )2 = 6, 8639
Syx =
∑ (Y −Y ) 2
n
6, 8639
= 10
= 0, 69
Contoh 7.11
Dari hasil pencatatan antara biaya iklan dan volume penjualan sebuah
perusahaan jasa eceran produk komputer diperoleh informasi sebagai
berikut:
Tabel 7.21
Komputer
Biaya Iklan
X (ribuan unit)
Y
3 12
4 11
5 13
6 12
7 13
8 14
9 16

diketahui persamaan regresi liniernya yaitu
Y = 9,1426 + 0, 6429X !
Penyelesaian:
Dengan menggunakan persamaan regresi tersebut adalah
Y = 9,1426 + 0, 6429x maka penaksiran kesalahan baku yaitu:
X1 = 3 Y1 = 9,1426 + 0, 6429(3) = 11, 07
(Y1 — Y1)2 = (12 − 11, 07)2 = 0, 8649
X2 = 4 Y 2 = 9,1426 + 0, 6429(4) = 11, 71

(Y2 — Y 2 ) = (11 − 11, 71)2 = 0, 5041
2
X3 = 5 Y 3 = 9,1426 + 0, 6429(5) = 12, 36
(Y3 — Y 3 ) = (13 − 12, 36)2 = 0, 4096
2
X4 = 6 Y 4 = 9,1426 + 0, 6429(6) = 13
(Y4 — Y 4 ) = (12 − 13)2 =1
2
X5 = 7 Y 5 = 9,1426 + 0, 6429(7) = 13, 64
(Y5 — Y 5 ) = (13 − 13, 64)2 = 0, 4096
2
X6 = 8 Y 6 = 9,1426 + 0, 6429(8) = 14, 29
(Y6 — Y 6 ) = (14 − 14, 29)2 = 0, 0841
2
X7 = 9 Y 7 = 9,1426 + 0, 6429(9) = 14, 93
(Y7 — Y 7 ) = (14 − 14, 93)2 = 1,14
2
Tabel 7.22
Perhitungan
X Y Ý (Y - Ý)2
3 12 11,07 0,8649
4 11 11,71 0,5041
5 13 12,36 0,4096
6 12 13 1
7 13 13,64 0,4096
8 14 14,29 0,0841
9 16 14,93 1,1449
Jumlah 4,4172

∑ (Y −Y )2 = 4, 4172
Syx =
∑ (Y −Y ) 2
n
4, 4172
= 7
= 0, 79
Contoh 7.12
Hubungan antara pendapatan perminggu (X) dengan konsumsi (belanja
= Y) perminggu dalam $.
Tabel 7.23
Pendapatan (X) Konsumsi (Y)

8 6
10 8
12 10
14 12
16 14
18 16
20 18
22 20
24 22
26 24
28 26
30 28
32 30
34 32

diketahui persamaan regresi liniernya yaitu Y = –1,118 + 0,958X!
Penyelesaian:
Dengan menggunakan persamaan regresi tersebut adalah
Y =1,1186 + 0, 958X maka penaksiran kesalahan baku yaitu:
X1 = 8 Y1 = -1,118 + 0,958(8) = 6,546
(Y1 − Y1 )2 = (6 − 6,546)2 = 0,298
X2 = 10 Y2 = -1,118 + 0,958(10) = 8,462
(Y2 − Y2 )2 = (8 − 8,462)2 = 0,213
X3 = 12 Y3 = -1,118 + 0,958(12) = 10,378
(Y3 − Y3 )2 = (10 − 10,378)2 = 0,1428
X 4 = 14 Y4 = -1,118 + 0,958(14) = 12,294
(Y4 − Y4 )2 = (12 − 12,294)2 = 0,086
X5 = 16 Y5 = -1,118 + 0,958(16) = 14,21
(Y5 − Y5 )2 = (14 − 14,21)2 = 0,0441
X6 = 18 Y6 = -1,118 + 0,958(18) = 16,126
(Y6 − Y6 )2 = (16 − 16,126)2 = 0,0158
X7 = 20 Y7 = -1,118 + 0,958(20) = 18,042
(Y7 − Y7 )2 = (18 − 18,042)2 = 0,001764
X8 = 22 Y8 = -1,118 + 0,958(22) = 19,958
(Y8 − Y8 )2 = (20 − 19,958)2 = 0,001764
X9 = 24 Y9 = -1,118 + 0,958(24) = 21,874
(Y9 − Y9 )2 = (22 − 21,874)2 = 0,0158
X10 = 26 Y10 = -1,118 + 0,958(26) = 23,79
(Y10 − Y10 )2 = (24 − 23,79)2 = 0,0441
X11 = 28 Y11 = -1,118 + 0,958(28) = 25,706
(Y11 − Y11 )2 = (26 − 25,706)2 = 0,0864
X12 = 30 Y12 = -1,118 + 0,958(30) = 27,622
(Y12 − Y12 )2 = (28 − 27,622)2 = 0,1428
X13 = 32 Y13 = -1,118 + 0,958(32) = 29,538

(Y13 − Y13 )2 = (30 − 29,638)2 = 0,2134
X14 = 34 Y14 = -1,118 + 0,958(34) = 31,459
(Y14 − Y14 )2 = (32 − 31,459)2 = 0,292681
Keseluruhan nilai-nilai yang sudah didapat jika dimasukkan ke dalam

bentuk tabel maka akan tampak seperti berikut:
Tabel 7.24
Perhitungan
Pendapatan Konsumsi
(X) (Y) Ý (Y - Ý)2
8 6 6,546 0,298
10 8 8,462 0,213
12 10 10,378 0,1428
14 12 12,294 0,086
16 14 14,21 0,0441
18 16 16,126 0,0158
20 18 18,042 0,001764
22 20 19,958 0,001764
24 22 21,874 0,0158
26 24 23,79 0,0441
28 26 25,706 0,0864
30 28 27,622 0,1428
32 30 29,538 0,2134
34 32 31,459 0,292681
Jumlah 1,939
∑ (Y −Y )2 = 1, 939
Syx = ∑ (Y −Y )
2
n
= 1, 939
14
= 0, 37
7.8 Rangkuman
Analisis regresi berbeda dengan analisis korelasi. Jika analisis
korelasi digunakan untuk melihat hubungan dua variabel, maka analisis
regresi digunakan untuk melihat pengaruh variabel bebas terhadap
variabel tergantung serta memprediksi nilai variabel tergantung dengan
menggunakan variabel bebas.
Dalam analisis regresi variabel bebas berfungsi untuk menerangkan
(explanatory) sedangkan variabel tergantung berfungsi sebagai yang
diterangkan (the explained). Untuk mengumpulkan data waktu ke waktu
kita dapat menggunakan deret berkala metode semi average. Analisa
regresi ingin mengetahui pola relasi dalam bentuk persamaan regresi,
analisa
korelasi ingin mengetahui kekuatan tersebut dalam koefisien korelasinya.
Hasil dari suatu analisis regresi linier tidak lain persamaan linier Y = a +
bX. Nilai a dan b dapat langsung dicari menggunakan rumus penurunan
parsial terhadap a dan b yang sederhana.
7.9 Latihan Soal

7.9.1 Data tinggi badan ayah (X) dan tinggi badan putra (Y) yang
diperoleh dari suatu survei dengan sampel 12 orang ayah dan
putra mereka disajikan pada tabel berikut (dalam satuan in).
Tabel 7.25
Tinggi Badan Ayah dan Tinggi Badan Putra dengan
Sampel 12 Orang Ayah dan Putra
Tinggi Badan Ayah

Tinggi Badan Putra
(X)
(Y)
66 69
64 67
68 69
65 66
69 70
63 67
72 69
67 66
68 71
62 62
61 60
71 70
Tentukan:
a. Persamaan regresi linear dengan memakai metode kuadrat
terkecil.
b. Koefisien korelasi
c. Koefisien determinasi
d. Penaksiran kesalahan baku
7.9.2 Percobaan nitrogen pada tanaman padi menghasilkan data

berikut:
Tabel 7.26
Percobaan Nitrogen pada Tanaman Padi
Pupuk Nitrogen Hasil

(X) (Y)
0 5,1
0 4,5
30 5,7
30 5,5
60 6,5
60 7,0
90 7,0
90 7,5
120 5,5
120 6,0
Tentukan:
a. Persamaan regresi linear dengan memakai metode kuadrat
terkecil.
b. Koefisien korelasi
c. Koefisien determinasi
d. Penaksiran kesalahan baku

a. Untuk memudahkan perhitungan maka dibuat tabel
Tabel 7.27
Perhitungan Metode Kuadrat Terkecil
X Y XY X2 Y2
66 69 4554 4356 4761
64 67 4288 4096 4489
68 69 4692 4624 4761
65 66 4290 4225 4356
69 70 4830 4761 490
63 67 4221 3969 4489
72 69 4968 5184 4761
67 66 4422 4489 4356
68 71 4828 4624 5041
62 62 3844 3844 3844
61 60 3660 3721 3600
71 70 4970 5041 4900
796 806 53567 52934 54258

∑X=796
∑Y = 806
∑ XY = 53567
∑ X =52934
2
∑Y =54258
2
Maka nilai b yaitu:
n∑ XY − ∑ X ∑ Y
b= n
∑ X 2 − ( ∑ X )2
12(53567)−(796)(806)
= 12(52934)−(796)2
642804 −641576
= 635208 −633616
1228
= 1592
= 0, 77
Maka nilai a yaitu:
a =
∑ Y −b ∑ X

 
 
n  n 
806  796 
= 12 −0, 77  12  
 
= 67,17 −0, 77 (66, 33)
= 67,17 −51, 07
= 16,1
Jadi persamaan regresi linier dengan menggunakan metode
kuadrat minimum yaitu Ŷ = 16,1 + 0,77 X
b. Maka nilai koefisien korelasinya adalah

n∑ XY - ∑ X ∑ Y
r=
{n∑ X2 −(∑ X ) }{n∑ Y 2 −(∑ Y ) }
2 2
12(53567)−(796)(806)
= 2 2
{ 12 ( 52934 )− (796) }{12 (54258) −(806) }
642804 −641576
= {635208 −633616}{651096 −6496363}
1228
= (1592)(1460)
1228
= 1524, 5
= 0, 80
Dengan nilai koefisien relasinya 0,80 terletak antara 0,70 dan
0,90, maka terdapat hubungan positif yang kuat antara
tinggi badan ayah dengan tinggi badan putranya.
c. Maka nilai koefisien determinasinya adalah
r2 =(0.80)
= 0, 64
= 64%
r2 = 0,80 artinya 0,64 atau 64% diantara keragaman total

nilai- nilai Y dapat dijelaskan oleh hubungan linearnya
dengan nilai-nilai X terhadap naik turunnya Y adalah 64%
sedangkan 36% disebabkan oleh faktor lain.
d. Maka, penaksiran kesalahan baku dari persamaan regresi
linier yaitu Ŷ= 16,1 + 0,77X adalah sebagai berikut:
X1 = 66 Y1 = 16,1 + 0,77(66) = 66,92
2
(Y1 − Y1 ) = (69 − 66,92) = 4,33
X2 = 64 Y2 =16,1 + 0,77(64) = 65,38

2
(Y2 − Y2 ) = (67 − 65,8) = 2,62
X3 = 68 Y3 = 16,1+0,77(68) = 68,46
2
(Y3 − Y3 ) = (69 − 68,46) = 0,29
X 4 =65 Y4 = 16,1 + 0,77(65) = 66,15
2
(Y4 − Y4 ) = (66 − 66,15) = 0,023
X5 =69 Y5 = 16,1 + 0,77(69) = 69,23
2
(Y5 − Y5 ) = (70 − 69,23) = 0,59
X6 = 63 Y6 = 16,1 + 0,77(63) = 64,61
2
(Y6 − Y6 ) = (67 − 64,61) = 5,71
X7 =72 Y7 = 16,1 + 0,77(72) = 71,54
2
(Y7 − Y7 ) = (69 − 71,54) = 6,45
X8 =67 Y8 =16,1 + 0,77(67) = 67,69
2
(Y8 − Y8 ) = (66 − 67,69) = 2,86
X9 = 68 Y9 = 16,1 + 0,77(68) = 68,46
2
(Y9 − Y9 ) = (71 − 68,46) = 6,45
X10 = 62 Y10 = 16,1 + 0,77(62) = 63,84
2
(Y10 − Y10 ) = (62 − 63,84) = 3,39
X11 = 61 Y11 = 16,1 + 0,77(61) = 63,07
2
(Y11 − Y11 ) = (60 − 63,07) = 9,42
X12 = 71 Y12 = 16,1 + 0,77(71) = 70,77
2
(Y12 − Y12 ) = (70 − 70,77) = 0,59
Keseluruhan nilai-nilai yang sudah didapat jika
dimasukkan ke dalam bentuk tabel maka akan tampak
seperti berikut:
Tabel 7.28
Perhitungan Penaksiran Kesalahan Baku
X Y Ý (Y- Ŷ)²
66 69 66,92 4,33
64 67 65,38 2,62
68 69 68,46 0,29
65 66 66,15 0,023
69 70 69,23 0,59
63 67 64,61 5,71
72 69 71,54 6,45
67 66 67,69 2,86
68 71 68,46 6,45
62 62 63,84 3,39
61 60 63,07 9,42
71 70 70,77 0,59
Jumlah 42,72

∑ (Y −Y )2 = 42, 72
Syx =
∑ (Y −Y ) 2
n
42, 72
= 12
= 1, 89
a. Untuk memudahkan perhitungan maka dibuat tabel
Tabel 7.29
Perhitungan Metode Kuadrat Terkecil
Pupuk Nitrogen Hasil

(X) (Y) X2 Y2 XY
0 5,1 0 26,01 0
0 4,5 0 20,25 0
30 5,7 900 32,49 171
30 5,5 900 30,25 165
60 6,5 3600 42,25 390
60 7,0 3600 49 420
90 7,0 8100 49 630
90 7,5 8100 56,25 675
120 5,5 14400 56,25 660
120 6,0 1440 36 720
600 60,3 54000 397,75 3831

∑ X= 600
∑ X = 54000
2
∑ XY = 3831
∑Y = 60, 5
∑Y = 397, 75
2
Maka nilai b yaitu:
n∑ XY − ∑ X ∑ Y
b= n
∑ X 2 − ( ∑ X )2
10(3831)−(600)(60, 3)
= 10(54000)−(600)2
= 0, 012
Maka nilai a yaitu:

 ∑ X 
a = ∑ Y −b 
 
n  n 
60, 3  600 
= 10 −0, 012  10  
 
= 6, 03−0, 012(60)
= 6, 03−0, 72
= 5, 31
Jadi, persamaan regresi linier dengan menggunakan
metode kuadrat minimum yaitu Y = 5, 31+ 0, 012X
b. Maka koefisien korelasinya yaitu:

n∑ XY - ∑ X ∑ Y
r=
{ n∑ X2 −(∑ X )2 }{
n∑ Y 2 − ( ∑ Y )2 }
10(3831)−(600)(60, 3)
=
{10 (54000)−(600)2 }{10 (397, 75)−(60, 3)2 }
38310 −36180
= {5400000 −360000}{3977, 5−3636, 09}
2130
= (5040000)(341, 41)
2130
= 41481, 4
= 0, 05
Dengan nilai koefisien relasinya 0,05 terletak antara 0,0

dan 0,30, maka terdapat hubungan positif yang sangat
lemah antara pupuk nitrogen dengan hasil tanaman padi.
c. Maka koefisien determinasi
yaitu: r2 = (0,05)2 = 0,0025 =
0,25%
r2 = 0,05 artinya 0,0025 atau 25% diantara keragaman total

nilai-nilai Y dapat dijelaskan oleh hubungan linearnya
dengan nilai-nilai X terhadap naik turunnya Y adalah 25%
sedangkan 75% disebabkan oleh faktor lain.
d. Maka, penaksiran kesalahan baku dari persamaan regresi
linier yaitu Ŷ= 5,31 + 0,012X adalah sebagai berikut:
X1 = 0 Y1 = 5,31 + 0,012 (0) = 5,31
2 2
(Y1 − Y1 ) = (5,1 − 5,31) = 0,0441
X2 = 0 Y2 = 5,31 + 0,012 (0) = 5,31
2 2
(Y2 − Y2 ) = (4,5 − 5,31) = 0,6561
X3 = 30 Y3 = 5,31 + 0,012 (30) = 5,67
2 2
(Y3 − Y3 ) = (5,7 − 5,67) = 0,0009
X 4 = 30 Y4 = 5,31+ 0,012 (30) = 5,67
2 2
(Y4 − Y4 ) = (5,5 − 5,67) = 0,0289
X5 = 60 Y5 = 5,31 + 0,012 (60) = 6,03
2 2
(Y5 − Y5 ) = (6,5 − 6,03) = 0,2209
X6 = 60 Y6 = 5,31 + 0,012 (60) = 6,03
2 2
(Y6 − Y6 ) = (7 − 6,03) = 1,2321
X7 = 90 Y7 = 5,31 + 0,012 (90) = 6,39
2 2
(Y7 − Y7) = (7 − 6,39) = 0,3721
X8 = 90 Y8 = 5,31 + 0,012 (90) = 6,39
2 2
(Y8 − Y8) = (7,5 − 6,39) = 1,2321
X9 = 120 Y9 = 5,31 + 0,012 (120) = 6,75
2 2
(Y9 − Y9 ) = (5,5 − 6,75) = 1,5625
X10 = 120 Y10 = 5,31 + 0,012 (120) = 6,75
2 2
(Y10 − Y10 ) = (6 − 6,75) = 0,5625

Tabel 7.30
Perhitungan Penaksiran Kesalahan Baku
X Y Ý (Y - Ý)2
0 5,1 5,31 0,0441
0 4,5 5,31 0,6561
30 5,7 5,67 0,0009
30 5,5 5,67 0,0289
60 6,5 6,03 0,2209
60 7,0 6,03 0,9409
90 7,0 6,39 0,3721
90 7,5 6,39 1,2321
120 5,5 6,95 1,5625
120 6,0 6,95 0,5625
Jumlah 5,621

∑ (Y −Y )2 = 5, 621
Syx =
∑ (Y −Y ) 2
n
5, 621
= 10
= 0, 74
Bab 8 AnALISIS DATA BERKALA
D ata yang dikumpulkan dari waktu ke waktu untuk menggambarkan

suatu perkembangan atau kecenderungan keadaan/peristiwa
(perkembangan produksi, harga, hasil penjualan, jumlah penduduk,
jumlah kecelakaan, jumlah kejahatan, dan sebagainya) disebut data
berkala. Data
berkala sering disebut time series data.
Serangkaian nilai-nilai variabel yang disusun berdasarkan waktu
disebut juga dengan data berkala.
Analisis data berkala sangat berguna untuk mengetahui
perkembangan satu atau beberapa keadaan serta hubungan terhadap
keadaan lain. Artinya apakah suatu keadaan mempunyai hubungan
terhadap keadaan yang lain atau apakah suatu keadaan mempunyai
pengaruh yang besar terhadap keadaan yang lain.
Analisis data berkala yang akan kita pelajari yaitu dengan
menggunakan metode setengah rata-rata (semi average), metode rata-rata
bergerak (moving average), dan metode kuadrat minimun (least square).
341
8.1 Komponen Deret Berkala

Empat komponen deret berkala yaitu diantaranya:
1. Trend Sekuler, yaitu gerakan yang berjangka panjang, lamban,
seolah- olah alun ombak dan berkecenderungan menuju ke satu
arah, arah menaik atau menurun.
2. Variasi Musiman, yaitu ayunan sekitar trend yang bersifat musiman
serta kurang lebih teratur.
3. Variasi Sikli, yaitu ayunan trend yang berjangka lebih panjang dan
agak lebih tidak teratur.
4. Variasi Random, yaitu gerakan yang tidak teratur sama sekali.
Komponen Deret Berkala Sebagai Bentuk Perubahan:

Gerakan atau variasi dari data berkala terdiri dari empat komponen
yaitu sebagai berkut:
1. Gerakan Trend Jangka Panjang Atau Trend Sekuler (Long Term
Movement Or Secular Trend), yaitu suatu gerakan yang
menunjukan arah perkembangan atau kecenderungan secara umum,
arahnya bisa menaik atau menurun. Garis trend ini juga sangat
berguna untuk membuat ramalan (forecasting). Trend sekuler
umunya meliputi gerakan yang lamanya sekitar 10 tahun atau lebih.
Gambar 8.1
Grafik Trend Jangka Panjang
Y =f(X) Y = f(X)
X(Waktu) X (Waktu)
Bab 8 Analisis Data Berkala 343
2. Gerakan/Variasi Sikli atau Siklus (Cyclical Movement or

Variations), yaitu gerakan atau variasi jangka panjang di sekitar
garis trend (berlaku untuk data tahunan). Gerakan sikli bisa terulang
setelah jangka waktu tertentu (setiap 3 tahun, 5 tahun atau bisa
lebih), bisa juga tidak terulang dalam jangka waktu yang sama.
Gerakan/ variasi sikli berlangsung selama lebih dari setahun dan
tidak pernah variasi tersebut memperlihatkan pola yang tertentu
mengenai gelombangnya. Gerakan/variasi yang sempurna meliputi
fase-fase pemulihan (recovery), kemakmuran (prosperity),
kemunduran atau resesi (recession) dan depresi (depression).
Gambar 8.2
Tahap-tahap Siklis
resesi
kemakmuran
Pemulihan
Depresi
3. Gerakan/Variasi Musiman (Seasonal Movement or Variations),

yaitu gerakan yang mempunyai pola tetap atau berulang-ulang secara
teratur selama kurang lebih setahun, Gerakan-gerakan tersebut
disebabkan karena adanya kebiasaan masyarakat seperti pemberian
hadiah di Tahun Baru, Idul Fitri dan Natal serta konsumsi
menjelang Tahun Baru dan hari-hari besar lainnya yang
menimbulkan variasi yang tertentu dalam penjualan barang-barang
konsumsi. Dalam bidang produksi dan harga-harga barang agraria
keadaan alam seperti iklim, hujan, sinar matahari, tingkat
kelembaban, angin, tanah, dan lain-lain merupakan penyebab
terjadinya variasi musim.
Gambar 8.3
Variasi Musiman
Y=f(X) 1990
1991
1992
1993
Waktu
4. Gerakan/VariasiRandom/Residu (Irregular or Random Variations),

yaitu gerakan/variasi yang disebabkan oleh faktor kebetulan
(chance factor). Gerakan yang berbeda tapi dalam waktu yang
singkat, tidak diikuti dengan pola yang teratur dan tidak dapat
diperkirakan. Variasi random biasanya disebabkan oleh peperangan,
banjir, gempa bumi, perubahan politik, pemogokan dan sebagainya,
yang mempengaruhi kegiatan-kegiatan perdagangan perindustrian,
keuangan dan lain-lain. Variasi ini berbeda dengan ketiga variasi
sebelumnya yaitu terletak pada sistematik fluktuasi itu sendiri.
Gambar 8.4
Gerakan Tidak Teratur
Y = f(X)
8.2 Cara Menentukan Trend

Dalam bagian ini akan dibahas 3 cara untuk menentukan persamaan
trend linier yaitu: metode setengah rata-rata (semi average), metode rata-
rata bergerak (moving average), dan metode kuadrat minimum (least
square). Ketiga cara ini yang akan digunakan untuk menentukan bentuk
umum dari persamaan trend linier yaitu:
Y = α +bX
Keterangan:
Y = nilai trend pada periode tertentu
X = periode waktu
a = intersep dari persamaan trend
b = koefisien kemiringan atau gradien dari persamaan trend
yang menunjukan besarnya suatu perubahan suatu unit pada
X
8.2.1 Metode Setengah Rata-rata (Semi Average)

Penentuan persamaan trend linier Y = a + bx dengan metode
setengah rata-rata dilakukan dengan tahapan seperti berikut:
1. Kelompokanlah data berkala menjadi dua kelompok dengan jumlah
tahun dan jumlah deret yang sama, sebagai kelompok 1 dan
kelompok 2.
2. Tentukanlah rata-rata hitung masing-masing kelompok, sebagai Y₁
dan Y₂.
3. Tentukan dua titik, yaitu (X₁; Y₁) dan (X₂; Y₂), dimana absis X₁
dan X₂ ditentukan dari periode waktu data berkala.
4. Tentukan nilai a dan b dengan mensubtitusikan nilai-nilai
data X dan Y dari dua titik tersebut pada persamaan trend
Y = a + bX
Permasalahan akan muncul ketika kita membagi data berkala

menjadi dua kelompok yang sama banyak. Dalam hal banyak data
berkala genap maka kita tidak akan banyak masalah, karena tiap
kelompok akan terdiri dari nilai data berkala yang sama banyaknya.
Akan tetapi bila banyaknya data berupa ganjil, agar masing-masing
kelompok terdiri atas nilai data berkala yang sama banyak, maka dapat
dilakukan dengan cara yaitu, pertama menghilangkan nilai data paling
tengah atau kedua memasukan nilai data paling tengah tersebut pada
masing-masing kelompok.
Contoh 8.1
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.1
Besar Pendapatan Usaha (Jutaan Rupiah)
X Tahun Besar Pendapatan (Y)

0 2000 1,2
1 2001 1,5
2 2002 2,3
3 2003 3,3
4 2004 1,0
5 2005 1,8
6 2006 1,3
7 2007 7,1
8 2008 9,3
9 2009 1,1
10 2010 3,5
Penyelesaian:
berikut:
Tabel 8.2
Perhitungan Semi Average
X Tahun Besar Pendapatan (Y)

0 2000 1,2
1 2001 1,5
2 2002 2,3
3 2003 3,3
4 2004 1,0
5 2005 1,8
6 2006 1,3
7 2007 7,1
8 2008 9,3
9 2009 1,1
10 2010 3,5
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
Dengan banyaknya data berkala n = 11 (ganjil) maka data berkala

dibagi menjadi 2 kelompok yaitu dengan cara menghilangkan nilai
paling tengah, yaitu nilai data berkala tahun 2005 = 1,8, sehingga
masing-masing kelompok terdiri atas 5 nilai data berkala. Sekarang kita
akan menentukan nilai rata-rata hitung dari kelompok data tersebut.
1 1,2 +1,5 + 2,3 +3,3 +1,0

Y = 5 =1,86
2 1,3 + 7,1 + 9,3 +1,1+3,5
Y = 5 = 4, 46
Coba perhatikan bahwa nilai rata-rata Y₁ = 1,86 bertepatan dengan
tahun 2002 (paling tengah dari kelompok 1) sehingga X = 2 dan nilai
rata- rata Y₂ = 4,46 bertepatan dengan tahun 2008 (paling tengah dari
kelompok 2) sehingga X = 8. Dengan demikian diperoleh dua titik yaitu
(X₁; Y₁) = (2; 1,86) dan (X₂; Y₂) = (8; 4,46).
Dengan dua titik (2; 1,86) dan (8; 4,46) sekarang kita akan tentukan
nilai a dan b dari persamaan trend y = a + bX, dengan menggunakan cara
berikut yaitu:
Titik (2; 1,86) X1 = 2 Y1 = 1.86

→ 1,86 = a + 2b …..(1)
Titik (8; 4,46) X2 = 8 Y2 = 4.46
→ 4,46 = a + 8b …..(2)
Maka diperoleh:
a +2b =1,86
a +8b = 4, 46 −
−6b =−2,6
−2,6
b = −6
= 0, 43
Masukkan nilai b = 0,43 pada persamaan (1)

maka: a+2(0,43) =1,86
a +0,86 =1,86
a =1,86−0,86
a =1,0
Jadi persamaan trend dengan menggunakan metode setengah rata-rata

(semi average) yaitu Y = 1 +0,43X
Contoh 8.2
Tabel 8.3
Besar Keuntungan Penjualan Laptop (Puluhan Juta Rupiah)
X Tahun Besar Keuntungan (Y)

0 2002 3,2
1 2003 3,7
2 2004 4,0
3 2005 4,3
4 2006 4,4
5 2007 5,0
Penyelesaian:
berikut:
Tabel 8.4

0 2002 3,2
1 2003 3,7
2 2004 4,0
3 2005 4,3
4 2006 4,4
5 2007 5,0
Keterangan:
: Kelompok 1
: Kelompok 2
Dengan banyaknya data berkala n = 6 (genap) maka data berkala

dibagi menjadi 2 kelompok yaitu dengan cara membagi dua
kelompok dengan sama banyaknya. Sekarang kita akan menentukan
rata-rata hitung dari dua kelompok tersebut.
1 3,2 +3,7 + 4,0

Y = 3 = 3,63
2 4,3 + 4, 4 +5,0
Y = 3 = 4,56

(X₁; Y₁) = (1; 3,63) dan (X₂; Y₂) = (4; 4,56).
nilai a dan b dari persamaan trend Y = a + bX, dengan menggunakan
cara berikut yaitu:
Titik (1; 3.63) X1 = 1 Y1 = 3.63

→ 3,63 = a + 1b …..(1)
Titik (4; 4.56) X2 = 4 Y2 = 4.56
→ 4,56 = a + 4b …..(2)
Maka diperoleh:
a +b = 3,63
a + 4b = 4,56 −
−3b =−0,93
−0,93
b = −3
= 0,31
Masukkan nilai b = 0.2325 pada persamaan (1) maka:

a +0,31 = 3,63
a = 3,63−0,31
a = 3, 32
Jadi persamaan trend dengan menggunakan metode setengah rata-

rata (semi average) yaitu Y = 3,32 + 0,31X.
Contoh 8.3
Tabel 8.5
Biaya Produksi Sparepart Mobil (Milliaran Rupiah)
X Tahun Biaya Produksi (Y)

0 1992 1,3
1 1993 1,4
2 1994 1,5
3 1995 1,7
4 1996 2,0
5 1997 2,1
6 1998 2,3
7 1999 2,7
8 2000 3,0
9 2001 3,3
10 2002 3,0
Penyelesaian:
berikut:
Tabel 8.6
X Tahun Biaya Produksi (Y)

0 1992 1,3
1 1993 1,4
2 1994 1,5
3 1995 1,7
4 1996 2,0
5 1997 2,1
6 1998 2,3
7 1999 2,7
8 2000 3,0
9 2001 3,3
Keterangan: 10 2002 3,0

: Kelompok 1
: Dihilangkan
: Kelompok 2
Nilai rata-rata hitung dari masing-masing kelompok yaitu
1 1,3 +1, 4 +1,5 +1,7 + 2,0

Y = 5 =1,58
2 2,3 + 2,7 +3,0 +3,3 +3,0
Y = 5 = 2, 86

(X₁; Y₁) = (2; 1,58) dan (X₂; Y₂) = (8; 2,86).
cara berikut yaitu:
Titik (2; 1,58) X1 = 2 Y1 = 1,58

→ 1,58 = a + 2b …..(1)
Titik (8; 2,86) X2 = 8 Y2 = 2,86

→ 2,86 = a + 8b …..(2)
Maka diperoleh:
a +2b =1,58
a +8b = 2,86 −
−6b =−1,28
−1,28
b = −6
= 0,21
Masukkan nilai b = 0.32 pada persamaan (1)
maka: a+2(0,21) =1,58

a +0, 42 =1,58
a =1,58−0, 42
a = 1,16
Jadi, persamaan trend dengan menggunakan metode setengah rata-
rata (semi average) yaitu Y = 1,16 + 0,21X
Contoh 8.4
Tabel 8.7
Besar Pengeluaran PT. Indo (Miliaran Rupiah)
X Tahun Besar Pengeluaran (Y)

0 2002 1,2
1 2003 1,5
2 2004 1,8
3 2005 2,0
4 2006 2,2
5 2007 2,4
6 2008 2,8
7 2009 3,0
Penyelesaian:
berikut:
Tabel 8.8
X Tahun Besar Pengeluaran (Y)

0 2002 1,2
1 2003 1,5
2 2004 1,8
3 2005 2,0
4 2006 2,2
5 2007 2,4
6 2008 2,8
7 2009 3,0
Keterangan:
: Kelompok 1
: Kelompok 2
Nilai rata-rata hitung dari masing-masing kelompok yaitu:
1 1,2 +1,5 +1,8 + 2,0

Y = 4 =1,63
2 2,2 +2, 4 + 2,8 +3,0
Y = 4 = 2, 60
Coba perhatikan bahwa nilai rata-rata Y₁ = 1,63 berada di antara

nilai data 1,5 pada tahun 2003 dengan X = 1 dan nilai 1,8 tahun 2004
dengan X = 2. Dengan demikian rata-rata Y₁ = 1,63 bertepatan dengan
nilai X =
= 1,5 sehingga diperoleh titik (1,5; 1,63). Sedangkan Y₂ = 2, 60 berada di
antara nilai data 2, 4 tahun 2007 dengan X = 5 dan nilai data 2,8 tahun
2008 dengan X = 6; dengan demikian rata rata Y₂ = 2,60 bertepatan
dengan X =
= 5,5 sehingga diperoleh titik kedua, yaitu (5,5; 2,60).
Dengan dua titik (1,5; 1,63) dan (5,5; 2,60) sekarang kita akan tentukan
cara berikut yaitu:
Titik (1,5; 1.63) X1 =1,5 Y1 = 1,63
→ 1,63 = a + 1,5b …..(1)
Titik (5,5; 2.60) X2=5.5 Y2 = 2,60

→ 2,60 = a + 5,5b.................(2)
Maka diperoleh:
a +1,5b =1,63
a +5,5b = 2,60 −
−4b =−0,97
−0,97
b = −4
= 0,2425
= 0,24
Masukkan nilai b = 0,24 pada persamaan (1):
a +1,5b =1,63
a +1,5(0,24) =1,63−0,36
= 1,27
Jadi persamaan trend dengan menggunakan metode setengah rata-

Contoh 8.5
Tabel 8.9
Besar Penjualan Cabai
(Jutaan Rupiah)
X Tahun Besar Penjualan (Y)

0 2002 2,0
1 2003 2,3
2 2004 2,7
3 2005 3,0
4 2006 3,2
5 2007 3,7
6 2008 4,0
Penyelesaian:
berikut:
Tabel 8.10
X Tahun Besar Penjualan (Y)

0 2202 2,0
1 2003 2,3
2 2004 2,7
3 2005 3,0
4 2006 3,2
5 2007 3,7
6 2008 4,0
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
1 2,0 + 2,3 + 2,7

Y = 3 = 2,3
2 3,2 +3,7 + 4,0
Y = 3 = 3, 63

(X₁; Y₁) = (1; 2,3) dan (X₂; Y₂) = (5; 3,63).
nilai a dan b dari persamaan trend Y = a + bx, dengan menggunakan cara
berikut yaitu:
Titik (1; 2,3) X1 = 1 Y1 = 2,3
→ 2,3 = a + 1b .…(1)
Titik (5; 3,63) X2 = 5 Y2 = 3.63

→ 3,63 = a + 5b …. (2)
Maka diperoleh:
a +b = 2,3
a +5b = 3,63 −
−4b =−1,33
−1,33
b = −4
= 0,3325
= 0,33
Masukkan nilai b = 0,33 pada persamaan
(1): a+1b(0,33) = 2,3

a +0,33 = 2,3
a = 2,3−0,33
a = 1,97

Contoh 8.6
Tabel 8.11
Keuntungan Penjualan Smartphone Di Gerai Smart
(Milliaran Rupiah)
X Tahun Besar Keuntungan

Penjualan (Y)
0 2000 1,3
1 2001 2,4
2 2002 3,3
3 2003 2,1
4 2004 1,7
5 2005 4,3
6 2006 1,2
7 2007 5,1
8 2008 2,2
9 2009 1,1
Penyelesaian:
berikut:
Tabel 8.12
X Tahun Besar Keuntungan

Penjualan (Y)
0 2000 1,3
1 2001 2,4
2 2002 3,3
3 2003 2,1
4 2004 1,7
5 2005 4,3
6 2006 1,2
7 2007 5,1
8 2008 2,2
9 2009 1,1
Keterangan:
: Kelompok 1
: Kelompok 2
1 1,3 +2, 4 +3,3 +2,1+1,7

Y = 5 = 2,16
2 4,3 +1,2 +5,1+2,2 +1,1
Y = 5 = 2, 78

(X₁; Y₁) = (2; 2,16) dan (X₂; Y₂) = (7; 2,78).
cara berikut yaitu:
Titik (2; 2,10) X1 = 2 Y1 = 2,16

→ 2,16 = a + 2b......................(1)
Titik (7; 2,78) X2 = 7 Y2 = 2,78

→ 2,78 = a + 7b......................(2)
Maka diperoleh:
a +2b = 2,16
a +7b = 2,78 −
−5b =−0,62
−0,62
b = −5
b = 0,124
b = 0,12
Masukkan nilai b = 0,12 pada persamaan (1) yaitu:
a +2b = 2,16
a +2(0,12) = 2,16
a = 2,16−0,24
=1,92

Contoh 8.7
Tabel 8.13
Frekuensi Penggunaan Layanan Email Perusahaan
(Jutaan Rupiah)
X Tahun Frekuensi (Y)

0 2003 20,7
1 2004 24,5
2 2005 24,6
3 2006 27,8
4 2007 30,1
5 2008 32,4
6 2009 34,5
Penyelesaian:
berikut:
Tabel 8.14
X Tahun Frekuensi (Y)

0 2003 20,7
1 2004 24,5
2 2005 24,6
3 2006 27,8
4 2007 30,1
5 2008 32,4
6 2009 34,5
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
1 20,7 +24,5 +24,6

Y = 3 = 23,26
2 30,1+32, 4 +34,5
Y = 3 = 32, 33
Coba perhatikan bahwa nilai rata-rata Y₁ = 23,26 bertepatan

dengan tahun 2004 (paling tengah dari kelompok 1) sehingga X = 1 dan
nilai rata- rata Y₂ = 32,33 bertepatan dengan tahun 2008 (paling tengah
dari kelompok 2) sehingga X = 5. Dengan demikian diperoleh dua titik
yaitu (X₁; Y₁) = (1; 23,26) dan (X₂; Y₂) = (5; 32,33).
nilai a dan b dari persamaan trend Y = a + bx, dengan menggunakan cara
berikut yaitu:
Titik (1; 23,26) X1 = 1 Y1 = 23,26

→ 23,26 = a + 1b …..(1)
Titik (5; 32,33) X2 = 5 Y2 = 32,33

→ 32,33 = a + 5b ….. (2)
Maka diperoleh:
a +1b = 23,26
a +5b = 32,33 −
−4b =−9,07
−9,07
b = −4
b = 2,2675
= 2,27
Masukkan nilai b = 2,27 pada persamaan (1) maka:
a +1(2,27) = 23,26
a +2,27 = 23,26
a = 23,26−2,27
a = 20,99
Jadi persamaan trendnya dengan menggunakan metode setengah

rata- rata (semi average) yaitu Y = 20,99 + 2,27X.
Contoh 8.8
Tabel 8.15
Keuntungan Penjualan
CCTV (Dalam Jutaan)

0 2000 1,0
1 2001 3,0
2 2003 2,8
3 2004 2,1
4 2005 1,5
5 2006 3,4
6 2007 3,2
7 2008 1,7
Penyelesaian:
berikut:
Tabel 8.16

0 2000 1,0
1 2001 3,0
2 2003 2,8
3 2004 2,1
4 2005 1,5
5 2006 3,4
6 2007 3,2
7 2008 1,7
Keterangan:
: Kelompok 1
: Kelompok 2
1 1,0 +3,0 + 2,8 +2,1

Y = 4 = 2,23
2 1,5 +3, 4 +3,2 +1,7
Y = 4 = 2, 45
Coba perhatikan bahwa nilai rata-rata Y₁ = 2,23 berada di antara
nilai data 3,0 pada tahun 2001 dengan X = 1 dan nilai 2,8 tahun 2003
dengan X =
2. Dengan demikian rata-rata Y₁ = 2,23 bertepatan atau bersesuaian
dengan nilai X = Y = 1,5 sehingga diperoleh titik (1,5; 2,23). Sedangkan
Y₂ = 2,45 berada di antara nilai data 3,4 tahun 2006 dengan X = 5 dan
nilai data 3,2 tahun 2007 dengan X = 6; dengan demikian rata rata Y₂ =
2,45 bertepatan atau bersesuaian dengan X = Y = 5,5 sehingga diperoleh
titik kedua, yaitu (5,5; 2,45).
Dengan dua titik (1,5; 2,23) dan (5,5; 2,45) sekarang kita akan tentukan
cara berikut yaitu:
Titik (1,5; 2,23) X1 = 1,5 Y1 = 2,23

→ 2,23 = a + 1,5b …….(1)
Titik (5,5; 2,45) X2 = 5,5 Y2 = 2,45

→ 2,45 = a + 5,5b …….(2)
Maka diperoleh:
a +1,5b = 2,23
a +5,5b = 2, 45 −
−4b =−0,22
−22
b = −4
= 0,055
= 0,05
Masukkan nilai b = 0,05 pada persamaan (1):
a +1,5b = 2,23
a +1,5(0,05) = 2,23
a = 2,23−0,075
= 2,155

8.2.2 Metode Rata-rata Bergerak (Moving Average)

Jika setelah rata-rata dihitung, diikuti gerakan satu periode ke
belakang maka disebut dengan rata-rata bergerak. Metode rata-rata
bergerak disebut
juga rata-rata bergerak terpusat, karena rata-rata bergerak diletakkan

pada pusat dari periode yang digunakan.
Pada metode rata-rata bergerak diadakan penggantian nilai data
suatu tahun dengan nilai rata-rata, dihitung dengan nilai data tahun yang
mendahuluinya dan nilai data tahun berikutnya. Langkah-langkahnya
ialah sebagai berikut:
1. Menghitung rata-rata dari sejumlah data paling awal
2. Melupakan nilai data yang pertama
3. Mengulangi tahap (a) dan (b) sampai data yang terakhir
Kalau kita mempunyai data sebanyak n yaitu Y1, Y2, Y3,…,Yn,

maka rata-rata bergerak (moving average) n waktu (tahun, bulan,
minggu, hari) merupakan urutan rata-rata hitung sebagai berikut:
Y1 +Y2 +…+Yn
, Y1 +Y2 +…+Yn+1 Y3 +Y4 ++Yn+1
n ,
n n
Dan seterusnya, setiap rata-rata hitung di atas disebut total gerak

(moving total), yang berguna untuk mengurangi variasi dari data asli.
di dalam data berkala, rata-rata bergerak sering dipergunakan untuk
memuluskan fluktuasi yang terjadi dalam data tersebut.proses pemulusan
ini disebut pemulusan data berkala.
Bagian pembilang masing-masing disebut total bergerak menurut
total n yang bergantung pada periode waktu data berkala. Data berkala
merupakan data tahunan, maka urutan n adalah dalam tahunan, bila data
berkala merupakan data bulanan, maka urutan n adalah bulanan, dan
seterusnya. Dengan demikian kita dapat mengenal rata-rata bergerak satu
tahun, rata-rata bergerak 5 tahun rata-rata bergerak 10 tahun, rata-rata
bergerak 3 bulan, dan seterusnya.
Apabila rata-rata bergerak dibuat dari data tahunan atau bulanan
sebanyak n waktu, maka rata-rata bergerak disebut rata-rata bergerak
tahunan atau bulanan dengan order n (moving average of order n).
Dalam menggunakan metode rata-rata bergerak untuk mencari nilai

trend, perlu diperhatikan beberapa hal yaitu:
1. Jika dalam membuat prakiraan digunakan rata-rata bergerak,
misalnya 3 tahun, prakiraan tahun ke-4 dapat dilakukan jika sudah
tersedia data sampai dengan 3 tahun sebelumnya. Demikian juga,
membuat prakiraan dengan rata-rata bergerak 5 tahun, harus
tersedia data dari 5 tahun sebelumnya, dan seterusnya.
2. Semakin banyak tahun bersangkutan diambil, semakin kurang
fluktuasi rata-ratanya dan semakin kelihatan halus (smooth)
grafiknya.
3. Jika diperkirakan tidak banyak terjadi perubahan data di masa
datang maka dalam membuat prakiraan sebaiknya diambil waktu
yang panjang, demikian pula sebaliknya.
Metode rata-rata bergerak (moving average) dapat dibedakan

menjadi 2 yaitu:
1. Rata-Rata Bergerak Sederhana yaitu sering digunakan untuk
meratakan deret berkala yang bergelombang adalah metode rata-rata
bergerak. Metode ini beda berdasarkan jumlah tahun yang dipakai
untuk mencari rata-rata.
2. Rata-Rata Bergerak Tertimbang yaitu umumnya timbangan yang
digunakan bagi rata-rata bergerak adalah koefisien Binomial. Rata-
rata bergerak per 3 tahun harus diberi koefisien 1, 2, 1, sebagai
timbangan.
Berikut ini prosedur-prosedur cara menghitung metode moving

average:
a. Prosedur menghitung rata-rata bergerak sederhana per 3 tahun
sebagai berikut: (1) Jumlahkan data selama 3 tahun berturut-turut.
Hasilnya diletakkan di tengah-tengah tahun tersebut. (2) Bagilah
dengan banyaknya tahun tersebut untuk mencari nilai rata-rata
hitungnya. (3) Jumlahkan data berikutnya selama 3 tahun
berturut-turut dengan
meninggalkan tahun yang pertama. Hasilnya diletakkan di tengah-

tengah tahun tersebut dan bagilah dengan banyaknya tahun tersebut
dan seterusnya sampai selesai.
b. Rata-rata Bergerak Tertimbang. Umumnya timbangan yang
digunakan bagi rata-rata bergerak ialah koefisien binomial. Rata-rata
bergerak per 3 tahun harus diberi koefisien 1, 2, 1 sebagai
timbangannya prosedur menghitung rata-rata bergerak tertimbang
per 3 tahun sebagai berikut: (1) Jumlahkan data tersebut selama 3
tahun berturut-turut secara tertimbang. (2) Bagilah hasil
penjumlahan tersebut dengan faktor pembagi 1+2+1 = 4. Hasilnya
diletakkan di tengah-tengah tahun tersebut dan seterusnya sampai
selesai.
Contoh 8.9
Gunakan data berkala berikut:
3, 6, 1, 6, 4, 7, 3, 3, 1
Tentukanlah rata-rata bergerak menurut urutan 3!
Penyelesaian:
3 + 6 +1 10
Y = = = 3,33
1
3 3
6 + 1 + 6 13
Y= = = 4,33
2
3 3
1 + 6 + 4 11
Y = = = 3,66
3
3 3
6 + 4 + 7 17
Y= = = 5,66
4
3 3
4 + 7 + 3 14
Y = = = 4,66
5
3 3
7 + 3 + 3 13
Y = = = 4,33
6
3 3
3 + 3 +1 7
Y= = = 2,33
7
3 3
Data berkala asli:

3, 6, 1, 6, 4, 7, 3, 3, 1
Rata-rata bergerak:
3,33, 4,33, 3,66, 5,66, 4,66, 4,33, 2,33
Contoh 8.10
Gunakan data berkala ini: 3, 6, 1, 6, 4, 7, 3, 3, 1 bila tiap nilai menurut
urutan 3 masing-masing diberi bobot 1, 4, dan 1, maka tentukanlah rata-
rata bergerak secara tertimbang menurut urutan 3!
Penyelesaian:
1(3)+ 4(6)+1(1) 3 +24 +1 28
Y1 = = = = 4,66
1+ 4 +1 6 6
1(6)+ 4(1)+1(6) 6 + 4 + 6 16
Y2 = = = = 2,66
1+ 4 +1 6 6
1(4)+ 4(6)+1(4) 4 +24 + 4 32
Y3 = = = = 5,33
1+ 4 +1 6 6
1(6)+ 4(4)+1(7) 6 +16 + 7 29
Y4 = = = = 4,83
1+ 4 +1 6 6
1(4)+ 4(7)+1(3) 4 +28 + 3 35
Y5 = = = = 5,83
1+ 4 +1 6 6
1(7)+ 4(3)+1(3) 7 +12 + 3 22
Y6 = = = = 3,66
1+ 4 +1 6 6
1(3)+ 4(3)+1(1) 3 +12 +1 16
Y7 = = = = 2,66
1+ 4 +1 6 6
Dengan demikian diperoleh:

Data berkala asli:
3, 6, 1, 6, 4, 7, 3,
Rata-rata bergerak:
4,66, 2,66, 5,33, 4,83, 5,83, 3,66, 2,66
Contoh 8.11
Dengan menggunakan data berkala di bawah ini, tentukanlah:
a. Rata-rata bergerak 2 tahun
b. Rata-rata bergerak 3 tahun
Tabel 8.17
Besar Pinjaman Suatu Negara (Milliaran Rupiah)
Tahun Besar Pinjaman (Y)

2000 2,5
2001 3,8
2002 3,5
2003 2,3
2004 1,5
2005 4,5
2006 4,2
2007 1,7
2008 1,8
a. Rata-rata bergerak 2 tahun:
2,5 +3,8 6,3

Y1 = = = 3,15
2 2
3,8 +3,5 7,3
Y2 = = = 3,65
2 2
3,5 + 2,3 5,8
Y3 = = = 2,9
2 2
2,3 +1,5 3,8
Y4 = 2
=
2
=1,9
1,5 + 4,5 6
Y5 = = =3
2 2
4,5 + 4,2 8,7
Y6 = = = 4,35
2 2
4,2 +1,7 5, 4
Y7 = = = 2,95
2 2
1,7 +1,8 3,5
Y8 = = =1,75
2 2
b. Rata-rata bergerak 3 tahun:
2,5 +3,8 +3,5 9,8

Y1 = = = 3,26
3 3
3,8 +3,5 + 2,3 9,6
Y2 = = = 3,2
3 3
3,5 + 2,3 +1,5 7,3
Y3 = = = 2, 43
3 3
2,3 +1,5 + 4,5 8,3
Y4 = = = 2,76
3 3
1,5 + 4,5 + 4,2 8,3
Y5 = = = 2,76
3 3
4,5 + 4,2 +1,7 10, 4
Y6 = = = 3, 46
3 3
4,2 +1,7 +1,8 7,7
Y7 = = = 2,56
3 3
Letak rata-rata bergerak 2 tahun dan rata-rata bergerak 3 tahun

disajikan pada 2 tabel berikut:
Tabel 8.18
Letak Rata-Rata Bergerak 2 Tahun
Total Bergerak 2 Rata-Rata Bergerak 2

Tahun Data Asli tahun tahun
2000 2,5
2001 3,8 6,3 3,15
2002 3,5 7,3 3,65
2003 2,3 5,8 2,9
2004 1,5 3,8 1,9
2005 4,5 6 3
2006 4,2 8,7 4,35
2007 1,7 5,9 2,95
2008 1,8 3,5 1,75
Tabel 8.19
Letak Rata-Rata Bergerak 3 Tahun
Data
Tahun Total bergerak Rata-rata Bergerak 3
Asli 3 tahun tahun
2000 2.5
2001 3,8 9,8 3,26
2002 3,5 9,6 3,2
2003 2,3 7,3 2,43
2004 1,5 8,3 2,76
2005 4,5 10,2 3,4
2006 4,2 10,4 3,46
2007 1,7 7,7 2,56
2008 1,8
Contoh 8.12
Diketahui data berkala sebagai
berikut: 4, 5, 3, 2, 1, 7, 6, 4
Tentukanlah rata-rata bergerak urutan 4!
Penyelesaian:
4 + 5 + 3 + 2 14
Y1 = = = 3,5
4 4
5 + 3 + 2 +1 11
Y2 = = = 2,75
4 4
3 + 2 + 1 + 7 13
Y3 = = = 3,25
4 4
2 + 1 + 7 + 6 16
Y4 = = =4
4 4
1 + 7 + 6 + 4 18
Y5 = = = 4,5
4 4
Data bergerak asli:
4, 5, 3, 2, 1, 7, 6, 4
Rata-rata bergerak:
3,5, 2,75, 3,25, 4, 4,5
Contoh 8.13
Diketahui data berkala berikut ini: 4, 5, 3, 2, 1, 7, 6, 4. Bila nilai menurut
urutan 4 masing-masing diberi bobot 2, 3, 3 dan 2 maka tentukanlah rata-
rata bergerak secara tertimbang menurut urutan 4!
Penyelesaian:
2(4)+3(5)+3(3)+2[2] 36
Y1 = = = 3,6
2 +3 +3 +2 10
2(5)+3(3)+3(2)+2[1] 27
Y2 = = = 2,7
2 +3 +3 +2 10
2(3)+3(2)+3(1)+2[7] 29
Y3 = = = 2,9
2 +3 +3 +2 10
2(2)+3(1)+3(7)+2[6] 40
Y4 = = =4
2 +3 +3 +2 10
2(1)+3(7)+3(6)+2[4] 49
Y5 = = = 4,9
2 +3 +3 +2 10

Data berkala asli:
4, 5, 3, 2, 1, 7, 6, 4
Rata-rata bergerak:
3,6, 2,7, 2,9, 4, 4,9
Contoh 8.14
Diketahui data berkala berikut:
2, 6, 2, 3, 4, 5, 4, 4, 1
Tentukanlah rata-rata bergerak menurut urutan 4!

Penyelesaian:
2 + 6 + 2 10
Y1 = = = 2,5
4 4
6 + 2 + 3 11
Y = = = 2,75
2
4 4
2 +3 + 4 9
Y= = = 2,25
3
4 4
3 + 4 + 5 12
Y= = = 3,25
4
4 4
4 + 5 + 4 13
Y = = = 3,25
5
4 4
5 + 4 + 4 13
Y = = = 3,25
6
4 4
4 + 4 +1 9
Y= = = 2,25
7
4 4
Data berkala asli:

2, 6, 2, 3, 4, 5, 4, 4, 1
Rata-rata bergerak:
2,5, 2,75, 2,25, 3, 3,25, 3,25, 2,25
Contoh 8.15
Diketahui data berkala berikut ini:
2, 6, 2, 3, 4, 5, 4, 4, 1
Bila tiap nilai menurut urutan 2 masing-masing diberi bobot 2, 1, dan 2,
maka tentukanlah rata-rata bergerak secara tertimbang menurut urutan
4!
Penyelesaian:
2(2)+1(6)+2(2) 4 + 6 + 4 14
Y1 = = = = 2,8
2 +1+2 5 5
2(6)+1(2)+2(3) 12 + 2 + 6 20
Y2 = = = =4
2 +1+2 5 5
2(2)+1(3)+2(4) 4 + 3 + 8 15
Y3 = = = =3
2 +1+2 5 5
2(3)+1(4)+2(5) 6 + 4 +10 20
Y4 = = = =4
2 +1+2 5 5
2(4)+1(5)+2(4) 8 + 5 + 8 21
Y5 = = = = 4,2
2 +1+2 5 5
2(5)+1(4)+2(4) 10 + 4 + 8 22
Y6 = = = = 4, 4
2 +1+2 5 5
2(4)+1(4)+2(1) 8 + 4 + 2 14
Y7 = = = = 2,8
2 +1+2 5 5

Data berkala asli:
2, 6, 2, 3, 4, 5, 4, 4, 1
Rata-rata bergerak:
2, 8, 4, 3, 4, 4,2, 4,4, 2,8
8.2.3 Metode Kuadrat Minimum (Least Square)

Telah dijelaskan sebelumnya dalam bab regresi dan korelasi bahwa
antara nilai-nilai data berkala y₁, y₂, y₃,. ,yn dengan nilai-nilai trend Y 1
, Y 2 , Y 3 ,. Y n , yang diperoleh dari persamaan trend linear Y i = a + bX

mempunyai selisih sebesar ei = Yi – Y i , sehingga jumlah seluruh selisih
dari semua titik adalah Σei. Oleh karena nilai ei bisa bertanda positif atau
bertanda negatif, maka agar menjadi nilai bertanda positif, dapat diambil
kuadrat dari semua ei, yaitu ei2 sehingga diperoleh jumlah kuadrat selisih,
yaitu Σei2 = Σ (Yi – Y i)2. Dengan meminimumkan bentuk kuadrat ini,

maka akan diperoleh persamaan trend linear Y = a + bX yang
mempunyai kesalahan atau selisih (paling kecil).
Persamaan trend dengan menggunakan metode kuadrat terkecil
dalam persamaan trend linear Y = a + bX ditentukan sebagai berikut:
a=
∑Y
n
b=
∑ XY
2
X
Keterangan:
Y = nilai data berkala
n = jumlah periode waktu
X = tahun kode
Dengan syarat ΣX = 0, di mana X adalah variable waktu dari data
berkala dan Y adalah nilai – nilai data berkala. Oleh karena itu
pendekatan yang dipakai bersifat matematis, maka persamaan trend yang
diperoleh dengan metode kuadrat terkecil ini dipandang sebagai suatu
persamaan trend yang paling baik dibandingkan dengan metode bebas,
metode setengah rata-rata dan metode rata-rata bergerak, sehingga
banyak dipakai dalam analisis data berkala.
Secara teknis persyaratan ΣX = 0, ditentukan berdasarkan
banyaknya nilai data berkala. Bila banyaknya nilai data berkala n ganjil,
maka nilai
– nilai X adalah...., -3, -2, -1, 0, 1, 2, 3,. sedangkan bila banyaknya nilai
berkala n genap, maka nilai – nilai X adalah...., -5, -3, -1, 1, 3, 5,....
Contoh 8.16
Tentukanlah persamaan trend linier dari data di bawah ini dengan
menggunakan metode kuadrat minimum (least square)!
Tabel 8.20
Besar Penjualan Motor
(Jutaan Rupiah)
Tahun Penjualan
2001 170
2002 190
2003 225
2004 250
2005 325
Penyelesaian:
berikut:
Tabel 8.21
Perhitungan Least Square
Tahun Penjualan (Y) X XY X²

2001 170 -2 -340 4
2002 190 -1 -190 1
2003 225 0 0 0
2004 250 1 250 1
2005 325 2 650 4
Jumlah 1160 370 10

2
∑Y =1160∑ XY = 370∑ X =10
a =
∑Y
n
1160
= 5
= 232
Maka, nilai b
yaitu:
b =
∑ XY
2
∑X
370
= 10
= 37
Jadi, persamaan trend dengan menggunakan metode kuadrat minimum

(least square) yaitu Y = 232 + 37X.
Contoh 8.17
Tentukanlah persamaan trend linier dari data di bawah ini dengan
menggunakan metode kuadrat minimum (least square)!
Tabel 8.22
Besar Pembelian Baju (Dalam Jutaan Rupiah)
Tahun Pembelian (Y)

2000 200
2001 235
2002 155
2003 175
2004 210
2005 220
Jumlah 1195
Penyelesaian:
berikut:
Tabel 8.23
Tahun Pembelian (Y) X XY X²

2000 200 -5 -1000 25
2001 235 -3 -705 9
2002 155 -1 -155 1
2003 175 1 175 1
2004 210 3 630 9
2005 220 5 1100 25
Jumlah 1195 45 70
∑Y = 1195 ∑XY = 45 ∑X² = 70
Maka, nilai a
yaitu: a =
∑Y
n
1195
= 6
=199,17
b=
∑ XY
2
∑X
45
= 70
= 0, 64
Jadi, persamaan trend dengan menggunakan metode kuadrat

minimum (least square) yaitu Y = 199,17 + 0,64X
8.3 Rangkuman
Data yang dikumpulkan dari waktu ke waktu untuk
menggambarkan suatu perkembangan atau kecenderungan
keadaan/peristiwa (perkembangan produksi, harga, hasil penjualan,
jumlah penduduk, jumlah kecelakaan, jumlah kejahatan, dan sebagainya)
disebut data berkala.
Gerakan atau variasi dari data berkala terdiri dari empat komponen
yaitu sebagai berkut:
1. Gerakan Trend Jangka Panjang Atau Trend Sekuler (Long Term
Movement Or Secular Trend), yaitu suatu gerakan yang
menunjukan arah perkembangan atau kecenderungan secara umum,
arahnya bisa menaik atau menurun.
2. Gerakan/Variasi Sikli atau Siklus (Cyclical Movement or Variations),
yaitu gerakan atau variasi jangka panjang di sekitar garis trend
(berlaku untuk data tahunan).
3. Gerakan/Variasi Musiman (Seasonal Movement or Variations), yaitu
gerakan yang mempunyai pola tetap atau berulang-ulang secara teratur
selama kurang lebih setahun.
4. Gerakan/VariasiRandom/Residu (Irregular or Random Variations),
yaitu gerakan/variasi yang disebabkan oleh faktor kebetulan
(chance factor). Gerakan yang berbeda tapi dalam waktu yang
singkat, tidak diikuti dengan pola yang teratur dan tidak dapat
diperkirakan.
Cara menentukan persamaan trend yaitu diantaranya dengan

menggunkan metode setengah rata-rata (semi average), metode rata-rata
bergerak (moving average) dan metode kuadrat minimum (least square).
8.4 Latihan Soal

8.4.1 Tentukanlah persamaan trend Y= a + bX dari data di bawah ini
dengan menggunakan metode:
a. setengah rata-rata (semi average)

b. rata-rata bergerak urutan 3 (moving average)
c. kuadrat minimum (least square)
Tabel 8.24
Besar Pinjaman Perusahaan (Jutaan Rupiah)
X Tahun Besar Pinjaman (Y)

0 2002 1,8
1 2003 2,0
2 2004 2,1
3 2005 2.3
4 2006 2,6
5 2007 2,8
6 2008 3,0
7 2009 3,4
8 2010 3,6

8.5.1 Penyelesaian:
a. Metode Setengah Rata-Rata (Semi Average)
Tabel 8.25
X Tahun Besar Pinjaman (Y)

0 2002 1,8
1 2003 2,0
2 2004 2,1
3 2005 2.3
4 2006 2,6
5 2007 2,8
6 2008 3,0
7 2009 3,4
8 2010 3,6
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
1 1,8 + 2,0 +2,1+2,3

Y = 4 = 2,05
2 2,8 +3,0 +3, 4 +3,6
Y = 4 = 3, 2
Coba perhatikan bahwa nilai rata-rata Y₁ = 2,05 berada di

antara nilai data 2,0 pada tahun 2003 dengan X = 1 dan
nilai 2,1 tahun 2004 dengan X = 2. Dengan demikian rata-
rata Y₁ = 2,05 bertepatan atau bersesuaian dengan nilai X
= Y = 1,5 sehingga diperoleh titik (1,5; 2,05). Sedangkan
Y₂ = 3,2 berada di antara nilai data 3,0 tahun 2008 dengan
X = 6 dan nilai data 3,4 tahun 2009 dengan X = 7; dengan
demikian rata rata Y₂ = 2,45 bertepatan atau bersesuaian
dengan X = Y = 6,5 sehingga diperoleh titik kedua, yaitu
(6,5; 3,2).
Dengan dua titik (1,5; 2,05) dan (6,5; 3,2) sekarang kita
akan tentukan nilai a dan b dari persamaan trend Y = a +
bx, dengan menggunakan cara berikut ini yaitu:
Titik (1,5; 2,05) X1 = 1,5 Y1 = 2,05

→ 2,05 = a + 1,5b...................(1)
Titik (6,5; 3,2) X2 = 6,5 Y2 = 3,2

→ 3,2 = a + 6,5b.....................(2)
Maka diperoleh:
a +1, 5b = 2, 05
a +6, 5b = 3, 2 −
−5b =−1,15
−1,15
b = −5
b = 0, 23
Masukan nilai b = 0,23 pada persamaan (1) yaitu:

a +1, 5b = 2, 05
a +1, 5(0, 23) = 2, 05
a = 2, 05−0, 345
=1, 705
Jadi, persamaan trend dengan menggunakan metode

setengah rata-rata yaitu Y = 1,705+ 0,23X
b. Metode Rata-rata Bergerak
1,8 + 2,0 +2,1 5,9

Y1 = 3
=
3
=1,97
2,0 +2,1+2,3 6, 4
Y2 = = = 2,13
3 3
2,1+2,3 + 2,6 7
Y3 = = = 2,33
3 3
2,3 + 2,6 + 2,8 7,7
Y4 = = = 2,57
3 3
2,6 + 2,8 +3,0 8, 4
Y5 = = = 2,8
3 3
2,8 +3,0 +3, 4 9,2
Y6 = = = 3,07
3 3
3,0 +3, 4 +3,6 10
Y7 = = = 3,33
3 3
Data berkala asli:

1,8, 2,0, 2,1, 2,3, 2,6, 2,8, 3,0, 3,4, 3,6
Rata-rata bergerak:
1,97, 2,13, 2,33, 2,57, 2,8, 3,07, 3,33
c. Metode Kuadrat Minimum (Least Square)
Tabel 8.26
Besar
Tahun X XY X²
Pinjaman (Y)
2002 1,8 -4 -7,2 16
2003 2,0 -3 -6,0 9
2004 2,1 -2 -4,2 4
2005 2,3 -1 -2,3 1
2006 2,6 0 0 0
2007 2,8 1 2,8 1
2008 3,0 2 6,0 4
2009 3,4 3 10,2 9
2010 3,6 4 14,4 16
Jumlah 23,6 13,7 60
d. Dari tabel perhitungan di atas diperoleh:
∑Y = 23,6 ∑XY = 13,7 ∑X² = 60
a =
∑Y
n
23, 6
= 9
= 2, 62
∑ XY
b = 2
∑X
13, 7
= 60
= 0, 23
Jadi, persamaan trend dengan menggunakan metode kuadrat

minimum (least square) yaitu Y = 2,62 + 0,23X.
DAFTAR PUSTAKA
Boediono, Wayan Koster, Teori dan Aplikasi Statistika dan Probabilitas. PT.
Remaja Rosdakarya. Bandung. 2008.
Dajan, Anto. Pengantar Metode Statistik. Jilid 1. LP3ES Jakarta. 1991
Hinkle Dennise, et.al.Apllied Statistikcs for the Behavioral Sciences
Houghton Mifflin Company. New Jersey, London, 1979.
Lewis E.E. Introduction to Relaibility Engineering, Second Edition, John
Wiley & Sons, Inc. New York, 1994.
Susila, I Nyoman. Statistika, Edisi Kedua, Penerbit Erlangga, Jakarta,
1994.
Soemartojo H, Statistik untuk Manajemen dan Ekonomi, Edisi Keempat,
Jilid I, Penerbit Erlangga, Jakarta,1982.
Soentoro, A. Idris. Cara Mudah Belajar Metodologi Penelitian Bisnis, CV
Taramedia, Jakarta.2002
Sri Mulyono, Statistika untuk Ekonomi, Lembaga Penerbit Fakultas
Ekonomi UI, Jakarta, 1991.
Supranto, Statistika Teori dan Aplikasi, Jilid I, Penerbit Erlangga, Jakarta,
1992.
Sujadi PA, Seri Matematika Pendahuluan Teori Kemungkinan dan Statistika,
Penerbit ITB, Bandung, 1983.
Sudjana, Metoda Statistika. Edisi Ke-6. Tarsito. Bandung. 1996.
385
Walpole Ronald E., Introduction Statistics, 3rd Edition, Terjemahan

Bambang Soemantri, Penerbit ITB, Bandung, 1986.
Walpole Ronald E., Probability and Statistics for Engineer and
Scientiest, Second Edition, Terjemahan R.K. Sembiring, Penerbit
ITB, Bandung, 1986.

Statistika Itu Mudah

Diunggah oleh

Informasi Dokumen

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

Statistika Itu Mudah

Diunggah oleh

Hak Cipta:

Format Tersedia

STATISTIKA DESKRIPTIF ITU MUDAH

(Contoh Soal dan Pembahasan)

Oleh: Dwiza Riana

Hak Cipta © 2012 pada penulis,

STATISTIKA DESKRIPTIF ITU MUDAH

1. xxxxxxx 2. xxxxxxx 2. xxxxxxx

Assalamu’alaikum Wr. Wb.

di lingkungan kelembagaan, baik yang terkait dengan akademik maupun

Prof. Dr. H.M. Ahman

eraya memanjatkan puji dan syukur ke hadirat Allah SWT, semoga

mengapa buku Statistika Deskriptif Itu Mudah, Contoh Soal dan

Bandung, Maret 2012

Kata Pengantar ..................................................................................... v

BAB 1 DISTRIBUSI FREKUENSI .................................................... 1

BAB 2 UKURAN PEMUSATAN DATA TIDAK BERKELOMPOK 85

BAB 3 UKURAN PEMUSATAN DATA BERKELOMPOK..............141

BAB 4 UKURAN PENYEBARAN DATA...........................................183

4.8 Nilai Baku (Z) ................................................................ 218

BAB 5 UKURAN PENYEBARAN DATA

BAB 6 ANGKA INDEKS...................................................................... 261

BAB 7 REGRESI DAN KORELASI.....................................................297

7.7 Kesalahan Baku dari Penaksiran Y = a + bx..............319

BAB 8 ANALISIS DATA BERKALA..................................................341

Daftar Pustaka....................................................................................... 385

Tabel 1.10 Distribusi Frekuensi Kumulatif Kurang daripada Data

Tabel 1.24 Distribusi Frekuensi Lebih Daripada Data

Tabel 1.43 Penggunaan Barang Produksi di PT. Abadi selama

Tabel 4.30 Perhitungan Variansi dan Standar Deviasi............................. 228

Tabel 6.16 Penjualan Barang-Barang Elektronik

Tabel 7.14 Perhitungan ................................................................................ 316

Tabel 8.14 Perhitungan Semi Average ...................................................... 361

Gambar 1.9 Ogif Distribusi Frekuensi Kurang Dari dan

Gambar 1.26 Ogif Distribusi Frekuensi Kumulatif Kurang Daripada

alam kehidupan sehari-hari secara terus-menerus kita terhubung

dapat dengan mudah memperoleh gambaran dan kesimpulan mengenai

1.2 Mengenal Istilah-istilah dalam Distribusi Frekuensi

States Class Limit adalah batas-batas kelas yang tertulis dalam

3. Tepi Kelas (Class Bounderies) adalah batas kelas yang sebenarnya

1.3 Tahap-tahap Penyusunan Distribusi Frekuensi

2. Hitung banyaknya kelas yang diinginkan, dapat digunakan rumus

Penggunaan rumus Strugges ini untuk memandu kita menentukan

sedikit informasi data juga tidak maksimal. Sedangkan jika terlalu

3. Dapatkan nilai Interval Kelas dengan menggunakan rumus:

4. Buat batas-batas kelas untuk membentuk kelas-kelas dalam

5. Dapatkan titik tengah kelas dengan menggunakan rumus

TTK = ½ (bak +bbk)

6. Setelah kerangka kelas tersusun, masukkanlah data ke dalam kelas-

7. Lengkapi distribusi frekuensi dengan cara mengisi kolom frekuensi

1.4 Pembuatan Distribusi Frekuensi dari Sekelompok Data

4. Nilai ELPT dari 50 mahasiswa jurusan Sistem Informasi

Ciri kelompok data di atas adalah semua kelompok data terdiri

Dari 100 ukuran tinggi badan mahasiswa di atas susunlah ke dalam

Selanjutnya lakukan tahapan pembuatan distribusi frekuensi dengan

2. Prediksi jumlah banyaknya kelas

Tak = bak + 0,5

Sehingga panjang interval kelas yaitu “151,5 – 154,5”

5. Didapatkan nilai Titik Tengah Kelas (TTK) pertama

adalah: TTK = ½ (152+154)

Dengan cara yang sama dapat diperoleh titik tengah kelas

Kelas Turus Frekuensi

7. Langkah terakhir susunlah semua data dalam tabel distribusi

Kelas Tepi Kelas Titik Tengah Frekuensi

Buatlah daftar distribusi frekuensinya!

Selanjutnya dihitung data-data berikut: