Edisi Pertama
Cetakan Pertama, 2012
JELAJAH NUSA
Jl. DR. Setiabudi No. 71C Pamulang
Timur Tangerang Selatan
Tekp./Fax : 021-7412412
E-mail : jelajahnusa@rocketmail.com
Riana, Dwiza
ISBN:
Wassalam.
Bandung, Maret 2012
Rektor,
vii
viii Statistika Deskriptif Itu Mudah
Penulis
DAFTAR ISI
ix
x Statistika Deskriptif Itu Mudah
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 3.7 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 146
Tabel 3.8 Perhitungan Median.................................................................. 147
Tabel 3.9 Modal PT. Maju ......................................................................... 148
Tabel 3.10 Perhitungan Modus................................................................... 149
Tabel 3.11 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 150
Tabel 3.12 Perhitungan Modus................................................................... 150
Tabel 3.13 Modal PT. Maju ......................................................................... 152
Tabel 3.14 Perhitungan Kuartil................................................................... 152
Tabel 3.15 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 154
Tabel 3.16 Perhitungan Kuartil................................................................... 154
Tabel 3.17 Modal PT. Maju ......................................................................... 157
Tabel 3.18 Perhitungan Desil ...................................................................... 157
Tabel 3.19 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 161
Tabel 3.20 Perhitungan Desil ...................................................................... 161
Tabel 3.21 Modal PT. Maju ......................................................................... 165
Tabel 3.22 Perhitungan Persentil................................................................ 166
Tabel 3.23 Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri.. 169
Tabel 3.24 Perhitungan Persentil................................................................ 170
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
Universitas BSI Bandung .......................................................... 175
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 3.32 Perhitungan Kuartil................................................................... 177
Tabel 3.33 Perhitungan Desil ...................................................................... 179
Tabel 3.34 Perhitungan Persentil................................................................ 180
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 4.8 Modal Perusahaan Cahaya ....................................................... 198
Tabel 4.9 Distribusi Lengkap Untuk Perhitungan Variansi .................. 198
Tabel 4.10 Perhitungan Variansi dan Standar Deviasi............................. 201
Tabel 4.11 Daftar Perhitungan Variansi dan Standar Deviasi ................ 202
Tabel 4.12 Modal Perusahaan Cahaya ....................................................... 203
Tabel 4.13 Perhitungan Variansi dan Standar Deviasi............................. 203
Tabel 4.14 Hasil Ujian Statistik Industri Jurusan Teknik Industri
Universitas BSI Bandung .......................................................... 204
Tabel 4.15 Perhitungan Variansi................................................................. 205
Tabel 4.16 Modal Perusahaan Cahaya ....................................................... 207
Tabel 4.17 Perhitungan Variansi dan Standar Deviasi............................. 207
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
Universitas BSI Bandung .......................................................... 217
Tabel 4.23 Modal Perusahaan PT. Putrii ................................................... 221
Tabel 4.24 Nilai Ujian Bahasa Inggris kelas Manajemen
Universitas BSI Bandung .......................................................... 222
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
Universitas BSI Bandung .......................................................... 223
Tabel 4.27 Perhitungan Simpangan Rata-Rata ......................................... 224
Tabel 4.28 Distribusi Lengkap Untuk Perhitungan Variansi .................. 225
Tabel 4.29 Distribusi lengkap Perhitungan Variansi dan
Standar Deviasi .......................................................................... 226
Daftar Tabel dan Gambar xix
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
Universitas BSI Bandung .......................................................... 29
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
Universitas BSI Bandung .......................................................... 33
Gambar 1.8 Ogif Distribusi Frekuensi Lebih Daripada Data
Tinggi Badan 50 Siswa SMP .................................................... 34
Daftar Tabel dan Gambar xxiii
1
2 Statistika Deskriptif Itu Mudah
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.
I = R/K
Dimana:
I = interval kelas
R = range atau
jangkauan K =
banyaknya kelas
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.
Dimana:
TTK = titik tengah kelas
Bak = batas atas kelas
Bbk = batas bawah kelas
Bab 1 Distribusi Frekuensi 5
Gambar 1.1
Contoh Tabel Distribusi Frekuensi
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
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:
Bab 1 Distribusi Frekuensi 7
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
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.
8 Statistika Deskriptif Itu Mudah
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
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:
Bab 1 Distribusi Frekuensi 9
Tabel 1.1
Turus dan Frekuensi Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
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
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
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;
Tabel 1.3
Turus dan Frekuensi dari data Nilai Ujian Analisa Perancangan Sistem 50
Mahasiswa Universitas BSI Bandung
Tabel 1.4
Distribusi Frekuensi Nilai Ujian Analisa Perancangan Sistem 50
Mahasiswa Universitas BSI Bandung
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:
Bab 1 Distribusi Frekuensi 13
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
Penyelesaian:
Jajaran data yang diurutkan dari yang paling kecil sampai paling besar untuk
data nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
Universitas BSI Bandung adalah sebagai berikut:
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
14 Statistika Deskriptif Itu Mudah
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
Bab 1 Distribusi Frekuensi 15
Tabel 1.5
Turus dan Frekuensi Nilai OCR Murni Ujian Statistika 100 mahasiswa
jurusan Akuntansi Universitas BSI Bandung
Tabel 1.6
Distribusi frekuensi dari nilai nilai OCR murni ujian Statistika 100 mahasiswa
jurusan Akuntansi Universitas BSI Bandung
Titik
Kelas Tepi Kelas Tengah Frekuensi
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
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:
Bab 1 Distribusi Frekuensi 17
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
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
18 Statistika Deskriptif Itu Mudah
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.
Tabel 1.7
Turus dan Frekuensi Nilai ELPT 50 Mahasiswa Jurusan Sistem Informasi
Universitas BSI Bandung
Tabel 1.8
Distribusi Frekuensi Nilai ELPT 50 Mahasiswa Jurusan Sistem Informasi
Universitas BSI Bandung
Titik
Kelas Tepi Kelas Tengah Frekuensi
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
Contoh 1.5
Perhatikan data tinggi badan 100 mahasiswa STMIK Nusa Mandiri
berikut ini:
Tabel 1.9
Distribusi Frekuensi Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
Titik
Kelas Tepi Kelas 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
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
Data nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
Universitas BSI Bandung adalah sebagai berikut:
Tabel 1.11
Distribusi frekuensi dari Nilai OCR murni Ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung
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
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
Mahasiswa Universitas BSI Bandung
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
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
Mahasiswa Universitas BSI Bandung
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Kurang dari Kumulatif
≤ 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
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. 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.
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:
Bab 1 Distribusi Frekuensi 27
Tabel 1.19
Distribusi Frekuensi nilai Ujian Akhir Semester mata kuliah Dasar Manajemen dan
Bisnis 80 Mahasiswa
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
Contoh 1.11
Data nilai OCR murni ujian Statistika 100 mahasiswa jurusan Akuntansi
Universitas BSI Bandung adalah sebagai berikut:
Tabel 1.20
Distribusi frekuensi dari nilai nilai OCR murni ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung
Titik
Kelas Tepi Kelas Tengah Frekuensi
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
Bab 1 Distribusi Frekuensi 29
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:
30 Statistika Deskriptif Itu Mudah
Tabel 1.21
Distribusi Frekuensi Kumulatif Kurang Daripada nilai Ujian Akhir Semester Dasar
Manajemen dan Bisnis 80 Mahasiswa
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Kurang dari Kumulatif
≤ 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
Manajemen dan Bisnis 80 Mahasiswa
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:
Bab 1 Distribusi Frekuensi 31
Tabel 1.22
Distribusi Frekuensi Kumulatif Lebih Daripada nilai Ujian Akhir Semester Dasar
Manajemen dan Bisnis 80 Mahasiswa
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Lebih dari Kumulatif
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
Manajemen dan Bisnis 80 Mahasiswa
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:
32 Statistika Deskriptif Itu Mudah
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
Akuntansi Universitas BSI Bandung
Frekuensi
Persen
Kelas Batas Kelas Kumulatif
Kurang dari 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
Bab 1 Distribusi Frekuensi 33
Penyelesaian:
Gambar 1.7
Ogif Distribusi Frekuensi dari nilai OCR murni ujian Statistika 100 mahasiswa jurusan
Akuntansi Universitas BSI Bandung
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
34 Statistika Deskriptif Itu Mudah
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
Bab 1 Distribusi Frekuensi 35
Rumus:
∑n i=1
Xi dibaca sigma Xi, i dari 1 sampai n
n n n n
n n
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
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
36 Statistika Deskriptif Itu Mudah
Penyelesaian:
5
∑ Xi = 3 +5 +7 +9 +11 = 35
i=1
∑Zi = 2 + 4 +6 +8 +10 = 30
i=1
n 5 5 5
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
n 5 5 5
Hitunglah
n
∑2Xi +6Yi!
i=1
Penyelesaian:
n 2 3
= 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
Penyelesaian:
3
∑Ci = 7 +8 +9 = 24
i=1
∑Di = 2 +6 +8 =16
i=1
n 3 3 3
= 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
n 4 4 4
=14 +30 + 46
= 90
Bab 1 Distribusi Frekuensi 39
Contoh 1.21
Diketahui:
F1 = 25 F2 = 35 F3 = 40
L1 = 5 L2 = 7 L3 = 9
M1 = 10 M2 = 13 M3 = 15
Hitunglah n
Penyelesaian:
3
∑Li = 5 +7 +9 = 21
i=1
n 3 3 3
=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
Penyelesaian:
∑Si = 0 +1+2 +3 = 6
i=1
∑Ti = 2 +3 + 4 +5 =14
i=1
4 4 4 4
= 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
Bab 1 Distribusi Frekuensi 41
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
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
Bab 1 Distribusi Frekuensi 43
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
44 Statistika Deskriptif Itu Mudah
Penyelesaian:
n
∑ k = nk = 4.5 = 20
i=1
Contoh 1.32
Diketahui:
X1 = 5 X2 = 7 X3 = 4 X4 = 6 X5 = 3
Penyelesaian:
5 5
Contoh 1.33
Diketahui:
X1 = 7 X2 = 8 X3 = 9 X4 = 10 X5 = 11
Penyelesaian:
5 5
Contoh 1.34
Diketahui:
X1 = 2 X2 = 4 X3 =6 X4 = 8
Penyelesaian:
4 4
Penyelesaian:
5 5 5
Penyelesaian:
5 5 5
Contoh 1.37
Diketahui:
R1 = 3 R2 = 4 R3 = 5
S1 = 10 S2 =25 S3 = 35
a=4 b=2
Penyelesaian:
3 3 3
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
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
Bab 1 Distribusi Frekuensi 49
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
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
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:
Bab 1 Distribusi Frekuensi 51
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
Tabel 1.29
Penggunaan Barang Produksi di PT. Abadi Selama Tahun 2005 – 2009
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
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
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
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
Statistika Deskriptif Itu Mudah
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
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:
Bab 1 Distribusi Frekuensi 57
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:
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%
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
Penyelesaian:
Untuk mengetahui berapa derajat dalam setiap pos maka lakukanlah hal
seperti di bawah ini:
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%
60 Statistika Deskriptif Itu Mudah
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)
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
Statistika Deskriptif Itu Mudah
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)
Penyelesaian:
Gambar 1.24
Grafik Gambar Dari Data Jumlah Produksi Pabrik Obeng Tahun 2005 –
2008 (dalam ratusan)
2005
2006
2007
2008
Bab 1 Distribusi Frekuensi 63
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
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
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
Tabel 1.38
Distribusi Frekuensi Data Tinggi Badan 100 Mahasiswa STMIK Nusa Mandiri
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
Kelas Tepi Kelas Tengah Frekuensi
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
Tabel 1.40
Distribusi Frekuensi dari Nilai ELPT Jurusan Sistem Informasi 50 Mahasiswa
Universitas BSI Bandung
Titik
Kelas Tepi Kelas Tengah Frekuensi
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
1.10.5 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
Kurang dari 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
Bab 1 Distribusi Frekuensi 67
1.10.6 Buatlah ogif dari data nilai OCR murni ujian Statistika 100
mahasiswa jurusan Akuntansi Universitas BSI Bandung
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
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
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
68 Statistika Deskriptif Itu Mudah
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
Hitung
∑k
i=1
1.10.13 Diketahui:
X1 = 4 X2 =3 X3 = 2 X4 = 1
4
Hitung
∑(5Xi −6)
i=1
2
Bab 1 Distribusi Frekuensi 69
1.10.14 Diketahui:
X1 = 10 X2 = 11 X3 = 12
Y1 = 35 Y2 = 40 Y3 = 45
a=3 b=1
n
Tabel 1.43
Penggunaan Barang Produksi di PT. Abadi selama Tahun 2005 – 2009
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
70 Statistika Deskriptif Itu Mudah
Tabel 1.45
Banyaknya Permintaan Konsumen Produk Komputer Tahun 2000 – 2005
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
Tabel 1.47
Data Perolehan Suara Pemilihan Ketua BEM di Universitas BSI Bandung
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
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
72 Statistika Deskriptif Itu Mudah
Tabel 1.49
Turus dan Frekuensi Data Tinggi Badan 50 Siswa SMP
Tabel 1.50
Distribusi Frekuensi Data Tinggi Badan 50 Siswa SMP
Titik
Kelas Tepi Kelas Tengah Frekuensi
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
1.11.2 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 1.51
Distribusi Frekuensi Kumulatif Lebih Daripada Data Tinggi Badan 100
Mahasiswa STMIK Nusa Mandiri
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Lebih dari Kumulatif
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
Bab 1 Distribusi Frekuensi 75
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:
76 Statistika Deskriptif Itu Mudah
Tabel 1.53
Distribusi Frekuensi Kumulatif Kurang Dari Nilai OCR murni Ujian Statistika
100 mahasiswa jurusan Akuntansi Universitas BSI Bandung
Frekuensi
Kelas Batas Kelas Kumulatif Persen
Kurang dari 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
Tabel 1.54
Distribusi Frekuensi Relatif Dari Nilai OCR murni Ujian Statistika 100
mahasiswa jurusan Akuntansi Universitas BSI Bandung
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
1.11.3 Penyelesaian:
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
1.11.4 Penyelesaian:
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
1.11.5 Penyelesaian:
Gambar 1.27
Ogif Distribusi Frekuensi Kumulatif Lebih Daripada nilai OCR Murni Ujian
Statistika 100 Mahasiswa Jurusan Akuntansi
Universitas BSI Bandung
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
1.11.7 Penyelesaian:
n 3
1.11.8 Penyelesaian:
n 5
1.11.9 Penyelesaian:
6
∑Ii = 0 +3 + 4 +5 +6 +7 = 25
i=1
n 6 6 6
= 68 +25 + 49
=142
1.11.10 Penyelesaian:
5
∑Yi =10 +9 +8 +7 +6 = 40
i=1
5
n 5 5 5
∑ k.Xi = k ∑ Xi = k ( X
i=1
1 + X2 + X3 + X 4 )
i=1
=10(2 + 4 +6 +8)
=10(20)
= 200
1.11.12 Penyelesaian:
n
∑ k = nk =10.5 = 50
i=1
80 Statistika Deskriptif Itu Mudah
1.11.13 Penyelesaian:
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
1.11.14 Penyelesaian:
3 3 3
1.11.15 Penyelesaian:
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
1.11.16 Penyelesaian:
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
1.11.17 Penyelesaian:
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
1.11.18 Penyelesaian:
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
1.11.19 Penyelesaian:
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°
Gambar 1.32
Grafik Lingkaran Dari Data Perolehan Suara Pemilihan Ketua BEM di
Universitas BSI Bandung
Perolehan Suara
Yunandi Arif
28%32% Nurdian
40%
b.
Gambar 1.33
Grafik Lingkaran Dari Data Perolehan Suara Pemilihan Ketua BEM di
Universitas BSI Bandung
Perolehan Suara
Nurdian Yunandi 32%
N2u8r%dian 28%Yunandi 32%
AArirfif %
4400%%
84 Statistika Deskriptif Itu Mudah
1.11.20 Penyelesaian:
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).
2.1.1 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
86 Statistika Deskriptif Itu Mudah
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
Penyelesaian:
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
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
88 Statistika Deskriptif Itu Mudah
Contoh 2.3
Perhatikan tabel di bawah ini!
Hitunglah rata-rata nilai Matematika dan rata-rata nilai Biologi!
Tabel 2.3
Perbandingan Nilai Matematika dan Biologi Kelas 3
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
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)
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 91
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
Contoh 2.6
Perhatikan tabel di bawah ini!
Hitunglah rata-rata hitung kedua toko di atas!
92 Statistika Deskriptif Itu Mudah
Tabel 2.4
Hasil Penjualan buku Perpajakan di Dua Toko
Penyelesaian:
6+5+7+4+2+5+3
XE = 7
= 4,57
2 + 4 + 3 + 9 +5 + 2 + 3
XA = 7
=4
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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 93
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
94 Statistika Deskriptif Itu Mudah
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
∑(Bi − X) = 0
i=1
Dimana:
1
X=
nX∑nBi atau =
Bukti:
∑(Bi − X)∑Bi − ∑ X
= ∑ Bi −nX
= ∑ Bi − ∑ Bi
=0
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 95
Contoh 2.9
Diketahui:
B1 = 5 B2 = 4 B3 = 6 B4 = 7 B5 = 3
∑ (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
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)
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
Penyelesaian:
X Homogen = 75 + 75 + 75 + 75 + 75
5
= 75
80 + 70 + 70 + 80 + 75
X Relatif Homogen = 5
= 75
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 97
125 + 40 + 25 + 35 + 150
X Heterogen = 5
= 75
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
98 Statistika Deskriptif Itu Mudah
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.
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 99
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
Terkecil Terbesar
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.
100 Statistika Deskriptif Itu Mudah
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
Median
Contoh 2.15
Himpunan bilangan genap yaitu sebagai
berikut: 8, 4, 10, 2, 6, 12, 16, 20, 14, 22,
18
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
2, 4, 6, 8, 10, 12, 14, 16, 18, 20, 22
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 101
Nilai k yaitu:
n =11 → 11 = 2k
+1 2k =11−1
10
k= 2
=5
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.
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
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
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
Median
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 103
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.
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
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.
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
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.
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 105
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
Penyelesaian:
a) Modusnya adalah 8 karena nilai 8 yang paling sering muncul
b) Karena semua nilai mempunyai frekuensi yang sama, maka data di
atas tidak mempunyai modus.
c) Modusnya adalah 8 dan 6 karena nilai yang sering munculnya
mempunyai frekuensi yang sama, maka mempunyai 2 modus.
106 Statistika Deskriptif Itu Mudah
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
Penyelesaian:
a) Modusnya adalah 2 dan 4 karena nilai yang sering munculnya
mempunyai frekuensi yang sama, maka mempunyai 2 modus.
b) Karena semua nilai mempunyai frekuensi yang sama, maka data di
atas tidak mempunyai modus.
c) Modusnya adalah 10 karena nilai 10 yang paling sering muncul.
X Med Mod
Contoh 2.23
Suatu kelompok data diketahui mempunyai distribusi tidak simetri dengan
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
108 Statistika Deskriptif Itu Mudah
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
2.5.1 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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 109
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).
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
2(13 +1)
Q = nilai yang ke
2
4
= nilai ke-7
110 Statistika Deskriptif Itu Mudah
Jadi:
Q2 = nilai ke-7
= 60
Q3 = nilai ke-7
= nilai ke-10
= antara nilai ke-10 dan nilai ke-11
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
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65
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
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
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
112 Statistika Deskriptif Itu Mudah
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
Q3 = nilai ke-19 + (nilai ke-20−nilai ke-19)
2
1
=170 + (171−170)
2
=170,5
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 113
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
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).
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
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
= antara nilai ke-5 dan nilai ke-6
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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 115
9(13 +1)
D = nilai ke
9
10
6
= nilai ke-12
10
3
= nilai ke-12
5
= antara nilai ke-12 dan nilai ke-13
Jadi:
3
D9 = nilai ke-12 + (nilai ke-13−nilai ke-12)
5
3
= 95 + (100−95)
5
= 98
Contoh 2.29
Berat badan 15 mahasiswa jurusan Teknik Informatika Universitas BSI
Bandung yaitu sebagai berikut:
55, 45, 65, 53, 60, 45, 65, 47, 53, 63, 55, 46, 57, 44, 50
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65
116 Statistika Deskriptif Itu Mudah
3(15 +1)
D = nilai ke
3
10
8
= nilai ke-4
10
4
= nilai ke-4
5
= antara nilai ke-4 dan nilai ke-5
Jadi:
4
D3 = nilai ke-4 + (nilai ke-5−nilai ke-4)
5
4
= 46 + (47 − 46)
5
= 46,8
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 117
6
D6 = nilai ke-9
10
3
= nilai ke-9
5
= antara nilai ke-9 dan nilai ke-10
Jadi:
3
D6 = nilai ke-9 + (nilai ke-10−nilai ke-9)
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
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
118 Statistika Deskriptif Itu Mudah
7(25 +1)
D = nilai ke
7
10
2
= nilai ke-18
10
1
= nilai ke-18
5
= antara nilai ke-18 dan nilai ke-19
Jadi:
1
D7 = nilai ke-18 + (nilai ke-19−nilai ke-18)
5
1
=170 + (170−170)
5
=170
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 119
D8 = nilai ke-20
= antara nilai ke-20 dan nilai ke-21
Jadi:
4
D8 = nilai ke-20 + (nilai ke-21−nilai ke-20)
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
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).
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
120 Statistika Deskriptif Itu Mudah
20(13 +1)
P = nilai ke
20 100
80
= nilai ke-2
100
4
= nilai ke-2
5
= antara nilai ke-2 dan nilai ke-3
Jadi:
4
P20 = nilai ke-2+ (nilai ke-3 dan nilai ke-2)
5
4
= 35 + (40−35)
5
= 39
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 121
30
P45 = nilai ke-6
100
3
= nilai ke-6
10
= antara nilai ke-6 dan nilai ke-7
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
= antara nilai ke-9 dan nilai ke-10
Jadi:
13
P68 = nilai ke-9+ (nilai ke-10 − nilai ke-9)
25
13
= 75 + (80−75)
25
= 77,6
Contoh 2.32
Berat badan 15 mahasiswa jurusan Manajemen Pemasaran Universitas BSI
Bandung yaitu sebagai berikut:
55, 45, 65, 53, 60, 45, 65, 47, 53, 63, 55, 46, 57, 44, 50
122 Statistika Deskriptif Itu Mudah
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
44, 45, 45, 46, 47, 50, 53, 53, 55, 55, 57, 60, 63, 65,
65
P 50(15 +1)
50 = nilai ke
100
= nilai ke-8
Jadi:
P50 = nilai ke-8
= 53
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 123
92
P62 = nilai ke-9
100
23
= nilai ke-9
25
= antara nilai ke-9 dan nilai ke-10
Jadi:
23
P62 = nilai ke-9+ (nilai ke-10 − nilai ke-9)
25
23
= 55 + (55−55)
25
= 55
44
P84 = nilai ke-13
100
11
= nilai ke-13
25
= antara nilai ke-13 dan nilai ke-14
Jadi:
23
P84 = nilai ke-13+ (nilai ke-14 − nilai ke-13)
25
23
= 63 + (65−63)
25
= 64,84
Contoh 2.33
Tinggi badan 25 mahasiswa jurusan Manajemen Perbankan 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
124 Statistika Deskriptif Itu Mudah
Penyelesaian:
Setelah data diurutkan maka hasilnya tampak seperti ini:
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
35(25 +1)
P = nilai ke
35 100
10
= nilai ke-9
100
1
= nilai ke-9
10
= antara nilai ke-9 dan nilai ke-10
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 125
Jadi:
1
P35 = nilai ke-9+
(nilai ke-10 dan nilai ke-9)
10
1
=164 + (164 −164)
5
=164
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
Hitunglah rata-rata ukur dari data di bawah ini:
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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 127
Contoh 2.36
Hitunglah rata-rata ukur dari data di bawah ini:
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
Hitunglah rata-rata ukur dari data di bawah ini:
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
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
Hitunglah rata-rata harmonis dari data di bawah ini!
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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 129
Contoh 2.40
Hitunglah rata-rata harmonis dari data di bawah ini!
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
Hitunglah rata-rata harmonis dari data di bawah ini!
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
130 Statistika Deskriptif Itu Mudah
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
bagian yang sama banyak.
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.
(6×65)+(10×75)+(5×80)+(2×60)+(4×95)
X = 27
390 +750 + 400 +120 +380
= 27
2040
= 27
= 75,5
2.10.2 Penyelesaian:
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
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 133
2.10.3 Penyelesaian:
Modusnya adalah 165 karena tinggi badan 165 yang paling banyak
muncul.
2.10.4 Penyelesaian:
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
134 Statistika Deskriptif Itu Mudah
Jadi:
Q3 = nilai ke-6
= 25
2.10.5 Penyelesaian:
Data yang telah diurutkan adalah sebagai berikut:
30, 30, 35, 37, 38, 42, 43, 43, 45, 45, 46, 47, 48, 50, 55, 60
6(16 +1)
D6 = nilai ke
10
2
= nilai ke-10
10
1
= nilai ke-10
5
= antara nilai ke-10 dan nilai ke-11
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 135
Jadi:
1
D6 = nilai ke-10 + (nilai ke-11−nilai ke-10)
5
1
= 45 + (46− 45)
5
= 45,2
7(16+1)
D = nilai ke
7
10
9
= nilai ke-11
10
= antara nilai ke-11 dan nilai ke-12
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
= antara nilai ke-15 dan nilai ke-16
Jadi:
3
D9 = nilai ke-15+ (nilai ke-16−nilai ke-15)
10
3
= 55 + (60−55)
10
= 56,5
136 Statistika Deskriptif Itu Mudah
2.10.6 Penyelesaian:
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
P i(n +1)
10 = nilai ke
4
10(20 +1)
= nilai ke
100
10
= nilai ke-2
100
1
= nilai ke-2
10
= antara nilai ke-2 dan nilai ke-3
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
= antara nilai ke-4 dan nilai ke-5
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 137
Jadi:
1
P20 = nilai ke-4 + (nilai ke-5−nilai ke-4)
5
1
= 72 + (73−72)
5
= 72,2
40
P40 = nilai ke-8
100
2
= nilai ke-8
5
= antara nilai ke-8 dan nilai ke-9
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
= antara nilai ke-12 dan nilai ke-13
Jadi:
3
P60 = nilai ke-12 + (nilai ke-13−nilai ke-12)
5
3
= 82 + (83−82)
5
= 82,6
138
Statistika Deskriptif Itu Mudah
80(20
P = nilai ke
80 +1)
100
80
= nilai ke-16
100
4
= nilai ke-16
5
= antara nilai ke-16 dan nilai ke-17
Jadi:
4
P80 = nilai ke-16+ (nilai ke-17 −nilai ke-16)
5
4
= 87 + (88−87)
5
= 87,8
2.10.7 Penyelesaian:
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
2.10.8 Penyelesaian:
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
2.10.9 Penyelesaian:
RH = n
1
∑ x
4
=1 1 1 1
4 + 6 + 8 +24
4
=
14
24
= 6,85
Bab 2 Ukuran Pemusatan Data Tidak Berkelompok 139
2.10.10 Penyelesaian:
RH = n
1
∑ x
= 3
7
1 3
12 + 3 + 4
3
=
20
12
=1,8
140 Statistika Deskriptif Itu Mudah
Bab 3 UKURAn PEMUSATAn DATA
BERKELOMPOK
141
142 Statistika Deskriptif Itu Mudah
∑ 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
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
dikelompokkan maka dibuat tabel sebagai berikut:
144 Statistika Deskriptif Itu Mudah
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
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
Bab 3 Ukuran Pemusatan Data Berkelompok 145
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
dikelompokkan maka dibuat tabel sebagai berikut:
Tabel 3.6
Perhitungan Median
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
Statistika Deskriptif Itu Mudah
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
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 median pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Bab 3 Ukuran Pemusatan Data Berkelompok 147
Tabel 3.8
Perhitungan Median
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.
148 Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 149
Penyelesaian:
Untuk memudahkan perhitungan rata-rata hitung pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Tabel 3.10
Perhitungan Modus
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!
150 Statistika Deskriptif Itu Mudah
Tabel 3.11
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 modus pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Tabel 3.12
Perhitungan Modus
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:
Bab 3 Ukuran Pemusatan Data Berkelompok 151
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
∑F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kelas Qi
f = Frekuensi kelas Qi
152 Statistika Deskriptif Itu Mudah
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
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!
154 Statistika Deskriptif Itu Mudah
Tabel 3.15
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 kuartil pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Tabel 3.16
Perhitungan Kuartil
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
Statistika Deskriptif Itu Mudah
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
∑F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
tanda kelas Di
f = Frekuensi kelas Di
Bab 3 Ukuran Pemusatan Data Berkelompok 157
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
maka dibuat tabel sebagai berikut:
Tabel 3.18
Perhitungan Desil
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
Bab 3 Ukuran Pemusatan Data Berkelompok 159
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
Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 161
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
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 desil data yang sudah dikelompokkan
maka dibuat tabel sebagai berikut:
Tabel 3.20
Perhitungan Desil
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
Bab 3 Ukuran Pemusatan Data Berkelompok 163
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
Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 165
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
∑F = Jumlah semua frekuensi dengan tanda kelas lebih kecil dari
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
166 Statistika Deskriptif Itu Mudah
Penyelesaian:
Untuk memudahkan perhitungan persentil pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
Tabel 3.22
Perhitungan Persentil
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
Bab 3 Ukuran Pemusatan Data Berkelompok 167
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
Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 169
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
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 persentil pada data yang sudah
dikelompokkan maka dibuat tabel sebagai berikut:
170 Statistika Deskriptif Itu Mudah
Tabel 3.24
Perhitungan Persentil
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
Bab 3 Ukuran Pemusatan Data Berkelompok 171
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
Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 173
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
bagian yang sama banyak.
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.
Tabel 3.25
Nilai Ujian Komputer Animasi 50 Mahasiswa Jurusan Public Relation
Universitas BSI Bandung
Nilai Frekuensi
60 – 62 5
63 – 65 11
66 – 68 14
69 – 71 8
72 – 74 12
Jumlah 50
174 Statistika Deskriptif Itu Mudah
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
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
Universitas BSI Bandung
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
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
Tabel 3.30
Nilai Ujian Komputer Animasi 50 Mahasiswa Jurusan Public Relation
Universitas BSI Bandung
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
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
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
Statistika Deskriptif Itu Mudah
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
Bab 3 Ukuran Pemusatan Data Berkelompok 179
3.9.4 Penyelesaian:
Untuk memudahkan perhitungan desil pada data yang sudah
dikelompokkan maka dibuat tabel perhitungan sebagai berikut:
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
Statistika Deskriptif Itu Mudah
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
Perhitungan Persentil
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
Bab 3 Ukuran Pemusatan Data Berkelompok 181
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
182 Statistika Deskriptif Itu Mudah
Bab 4 UKURAn PEnYEBARAn DATA
183
184 Statistika Deskriptif Itu Mudah
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
Contoh 4.2
Perhatikan tabel berikut ini!
Tabel 4.1
Berat Badan 54 Mahasiswa Jurusan Manajemen Informatika Universitas BSI Bandung
Penyelesaian:
R = Nilai Tengah Kelas Maksimum – Nilai Tengah Kelas
Minimum
= 72 – 52
= 20 kg
∑ 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
Bab 4 Ukuran Penyebaran Data 187
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
∑ fx−x
SR =
∑f
Keterangan:
SR = Simpangan Rata-rata
X = nilai data
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:
Bab 4 Ukuran Penyebaran Data 189
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
∑ 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!
190 Statistika Deskriptif Itu Mudah
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
Diketahui:
∑ fx−x
SR =
∑f
412, 7
= 40
=10, 3175
Contoh 4.6
Tentukanlah variansi dari kelompok data: 20, 30, 50, 70, 80!
Penyelesaian:
20 + 30 + 50 + 70 + 80
X= 5
= 50
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
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
S2 = ∑
f (X −
x )2 n −1
Keterangan:
S2 = Variansi
X = nilai data
X = nilai rata-rata hitung
Bab 4 Ukuran Penyebaran Data 195
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
Diketahui:
n atau ∑f=40 ∑ f ( Xi − X )2 = 8,
098
5621
X = 40
=140, 525
2 8098
S = 39
= 207, 64
S=
∑( X − X ) 2
n−1
Keterangan :
S = Standar Deviasi (Simpangan Baku)
X = nilai data
X = nilai rata-rata hitung
n = banyaknya data
Bab 4 Ukuran Penyebaran Data 197
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
S=
∑ f (X − X) 2
n −1
Keterangan:
S = Standar Deviasi (Simpangan
Baku) X = nilai data
X = nilai rata-rata hitung
f = frekuensi kelas (data
berkelompok) n = banyaknya data
198 Statistika Deskriptif Itu Mudah
Contoh 4.11
Tentukanlah standar deviasi dari data modal perusahaan Cahaya pada
tabel berikut ini!
Tabel 4.8
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 standar deviasi maka dibuat tabel
frekuensi sebagai berikut:
Tabel 4.9
Distribusi Lengkap Untuk Perhitungan Variansi
Diketahui:
∑ f = 40,
2
f(Xi−X) = 8098
5621
= 40
= 140,525
2
S = 8098
39
= 207,64
n ∑ X 2 − ( ∑ X )2
2
S =
n(n −1)
Keterangan :
S2 = Variansi
X = nilai data
n = banyaknya data
200 Statistika Deskriptif Itu Mudah
Keterangan :
S = Standar Deviasi (Simpangan Baku)
X = nilai data
n = banyaknya data
dimana n∑
=f
n∑ fX2 −(∑ fX )2 n(n −1)
S=
Keterangan :
S = Standar Deviasi (Simpangan Baku)
X = nilai data
n = banyaknya data
Contoh 4.12
Tentukanlah variansi dan standar deviasi dari kelompok data
20, 30, 50, 70, 80!
Bab 4 Ukuran Penyebaran Data 201
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!
202 Statistika Deskriptif Itu Mudah
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
Maka:
n∑ fX 2 − (∑ fX )2
a) Variansi (S2 )
= n(n −1)
16(1229)−(123)2
= 16(15)
4535
= 240
= 18, 9
Tabel 4.12
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:
Gunakan tabel berikut untuk memudahkan perhitungan variansi dan
standar deviasi!
Tabel 4.13
Perhitungan Variansi dan Standar Deviasi
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
∑ f = 40
∑ fX = 5.621
∑ fX =797.989
2
204 Statistika Deskriptif Itu Mudah
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
Bab 4 Ukuran Penyebaran Data 205
Penyelesaian:
Gunakan tabel di bawah ini untuk memudahkan perhitungan variansi dan
standar deviasi!
Tabel 4.15
Perhitungan Variansi
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
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!
Bab 4 Ukuran Penyebaran Data 207
Tabel 4.16
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 dan standar deviasi buatlah tabel
seperti di bawah ini:
Tabel 4.17
Perhitungan Variansi dan Standar Deviasi
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
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
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.
Contoh 4.17
Tentukan jangkauan kuartil dari data di bawah ini!
Tabel 4.18
Berat Badan 20 Mahasiswa jurusan Desain Komunikasi Visual
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
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
210 Statistika Deskriptif Itu Mudah
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
Bab 4 Ukuran Penyebaran Data 211
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
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
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.
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
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.
Bab 4 Ukuran Penyebaran Data 213
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
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).
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%
216 Statistika Deskriptif Itu Mudah
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%
Bab 4 Ukuran Penyebaran Data 217
Keterangan :
KVQ = Koefisien Variasi Kuartil
Q1 = Kuartil kesatu atau kuartil
bawah Q3 = Kuartil ketiga atau
kuartil atas
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
218 Statistika Deskriptif Itu Mudah
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
Q = 53, 5 + .3
3
4
= 54, 25
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
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
220 Statistika Deskriptif Itu Mudah
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
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
Bab 4 Ukuran Penyebaran Data 221
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
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
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
merata?
4.11.2 Penyelesaian:
R = Nilai Maksimum – Nilai Minimum
= 94,5 – 34,5
= 60
4.11.3 Penyelesaian:
Untuk memudahkan perhitungan simpangan rata-rata maka
buatlah tabel seperti di bawah ini:
Tabel 4.27
Perhitungan Simpangan Rata-Rata
Diketahui:
n atau ∑ f =
∑ f .Xi = 3900, ∑ f . Xi − X = 356
50,
3900
X= = 78
50
Bab 4 Ukuran Penyebaran Data 225
∑ f X−X
SR =
∑f
356
= 50
= 7,12
4.11.4 Penyelesaian:
Untuk memudahkan perhitungan variansi maka buatlah tabel
seperti di bawah ini:
Tabel 4.28
Distribusi Lengkap Untuk Perhitungan Variansi
Diketahui:
n= 100, ∑ f (Xi − X) = 26411
6825
X = 100
= 68, 25
2
∑ f ( X − X )2
S =
n−1
26411
= 100−1
= 266, 78
226 Statistika Deskriptif Itu Mudah
4.11.5 Penyelesaian:
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
4.11.6 Penyelesaian:
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
Bab 4 Ukuran Penyebaran Data 227
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
4.11.7 Penyelesaian:
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
4.11.8 Penyelesaian:
Kelompok mahasiswa:
Data yang telah diurutkan: 40, 50, 55, 55, 60, 60, 65, 65, 70, 80.
228 Statistika Deskriptif Itu Mudah
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
Bab 4 Ukuran Penyebaran Data 229
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
X X2
40 1600
45 2025
45 2025
50 2500
50 2500
55 3025
55 3025
60 3600
60 3600
65 4225
525 28125
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
230 Statistika Deskriptif Itu Mudah
4.11.9 Penyelesaian:
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
4.11.10 Penyelesaian:
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)
231
232 Statistika Deskriptif Itu Mudah
Gambar 5.1
Distribusi Simetri
Mod = Med = X̅
Gambar 5.2
Distribusi Miring ke Kanan
f
Ekor ke Kanan
x
Mod Med X̅
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 233
Gambar 5.3
Distribusi Miring ke Kiri
f
Ekor ke kiri
X̅ Med Mod
3(X − Med)
α= S
Keterangan:
α = derajat kemiringan Pearson
X = rata-rata hitung
Mod = modus
S = standar deviasi
Med = median
234 Statistika Deskriptif Itu Mudah
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
X X2
4 16
5 25
5 25
6 36
6 36
7 49
7 49
7 49
9 81
10 100
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 235
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
(X − Mod)
α = S
6,6
= 1,83
= -0,21
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
236 Statistika Deskriptif Itu Mudah
4 +5 +5 +5 +6 +6 +7 +8 +8 +9
X= 10
63
X = 10
= 6, 3
1
Med= (6 +6)
2
=6
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
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 237
3(X −Med)
α = S
3(6,3−6)
= 1,6
= 3(0,18)
= 0,54
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
238 Statistika Deskriptif Itu Mudah
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
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 239
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
240 Statistika Deskriptif Itu Mudah
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
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
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 241
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
10(1,6)3
28,981
= 40,96
= 0, 71
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
2 8098
S = 29
= 207,64
S = 207,64
=14, 4
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
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
Penyelesaian:
Untuk memudahkan perhitungan variansi, standar deviasi dan derajat
kemiringan pada data yang sudah dikelompokkan maka dibuat tabel
perhitungan sebagai berikut:
Tabel 5.9
Perhitungan Derajat Kemiringan
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
246 Statistika Deskriptif Itu Mudah
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
116 + 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
Statistika Deskriptif Itu Mudah
316 + 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
Contoh 5.8
Diketahui kelompok data sebagai
berikut: 6, 9, 4, 3, 7, 8, 3, 5, 4, 3, 9,
7.
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
Q3 = nilai ke-9 + (nilai ke-10−nilai ke-9)
4
3
=7+ (8−7)
4
= 7 + 0,75
=7,75
Gambar 5.4
Leptokurtis
f Puncak runcing
X
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 251
b. Mesokurtis
Gambar 5.5
Mesokurtis
f Puncak normal
c. Platikurtis
Gambar 5.6
Platikurtis
f Puncak tumpul
1
α =
4
nS
4 ∑ ( X − X )4
Keterangan:
a4 = derajat keruncingan
X = nilai data
X = nilai rata-rata hitung
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
Keterangan:
a4 = derajat keruncingan
Xi = nilai titik tengah kelas ke-
i f = frekuensi data kelas ke-i
X = nilai rata-rata hitung
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:
254 Statistika Deskriptif Itu Mudah
Tabel 5.10
Data Nilai Ujian B.Inggris 50 Mahasiswa Jurusan Pariwisata Universitas BSI Bandung
Penyelesaian:
Untuk memudahkan perhitungan derajat keruncingan pada data yang
sudah dikelompokkan maka dibuat tabel perhitungan seperti di bawah
ini:
Tabel 5.11
Perhitungan
∑ f = 50
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 255
∑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
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,
256 Statistika Deskriptif Itu Mudah
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
Bab 5 Ukuran Penyebaran Data (Kemiringan dan Keruncingan) 257
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 ( 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
258 Statistika Deskriptif Itu Mudah
c. S = 379,94 =19, 49
n
(
1 −∑ F
4
)
d. Q1 = Lq1 + .C
f
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
( 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.
260 Statistika Deskriptif Itu Mudah
1
i. α = ∑ f ( Xi − X )4
4
4 1
= .33624592, 9
80(19, 49)
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
262 Statistika Deskriptif Itu Mudah
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%
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
Tentukan indeks relatif harga pada tahun 2004 dan 2007 dengan
memakai tahun dasar 2002!
Penyelesaian:
Indeks relatif harga beras Padang:
Bab 6 Angka Indeks 265
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%
Contoh 6.3
PT Kasih membeli lima jenis kebutuhan pokok pada tahun 2000 dan
2005, ditampilkan dalam tabel berikut ini:
Bab 6 Angka Indeks 267
Tabel 6.2
Kebutuhan-Kebutuhan Pokok Tahun 2000 dan 2005
Penyelesaian:
∑Pn = 7500 + 6000 + 8000 + 8000 + 10000 = 39500
∑P0 = 5000 + 3000 + 4500 + 4000 + 5000 = 21500
adalah: I =
∑ Pn ×100%
HA
∑ o
39500
=P ×100%
21500
=183, 72%
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:
268 Statistika Deskriptif Itu Mudah
Tabel 6.3
Jenis-Jenis Bahan Bangunan Tahun 2003 dan 2008
Penyelesaian:
∑Pn = 17500+18000+24000+8000 = 67500
∑Po = 7500+11000+15500+5000 = 39000
adalah: I =
∑ Pn ×100%
HA o
=
∑
67500
P
×100%
39000
=173,08%
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%
270 Statistika Deskriptif Itu Mudah
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:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Bab 6 Angka Indeks 271
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%
Keterangan: =
∑ P Q ×100%
n o
IHL
∑PQo o
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:
274 Statistika Deskriptif Itu Mudah
Tabel 6.8
Harga dan Kuantitas yang dibeli PT.Citra
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel sebagai berikut ini:
Tabel 6.9
Perhitungan
∑P Q n o
= 160,0
∑P Q o o = 128,5
∑P Q n n = 238, 25
Bab 6 Angka Indeks 275
I
HL =
∑P Q n o
×100%
∑P Q o o
160
= ×100%
87,5
=182,86%
I
HP =
∑P Q n n
×100%
∑P Q o o
238,25
= 128,50×100%
=185, 41%
Contoh 6.8
Berikut ini PT. Ayu menyajikan tabel harga (dalam puluhan ribuan
rupiah) dan jenis perlengkapan yang dibutuhkan oleh perusahaan:
276 Statistika Deskriptif Itu Mudah
Tabel 6.10
Kebutuhan Perlengkapan Perusahaan PT. Ayu Tahun 2000 dan 2005
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 6.11
Perhitungan
∑P Q o o
= 17,75
∑P Q n o
= 35,5
∑P Q o o
= 36,5
∑P Q n n
= 69,75
Bab 6 Angka Indeks 277
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%
Contoh 6.9
Tentukanlah angka indeks menurut Drobisch dari data di bawah ini!
Tabel 6.12
Harga dan Kuantitas yang dibeli PT.Citra
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
280 Statistika Deskriptif Itu Mudah
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
Contoh 6.10
Tentukan angka indeks Drobisch dari data di bawah ini!
Tabel 6.14
Kebutuhan Perlengkapan Perusahaan Tahun 2000 dan 2005
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
Bab 6 Angka Indeks 281
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut ini:
Jenis Perlengkapan
Tabel 6.15
Perhitungan
I IHL + IHP
HD
=
2
200% +191,09%
= 2
=195,545%
I HF = ( I HL )( I HP )
282 Statistika Deskriptif Itu Mudah
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%
Keterangan :
IHW = Indeks Harga Walsh
Pn = harga pada waktu berjalan
Po = harga pada waktu dasar
Qn = kuantitas pada waktu berjalan
Qo = kuantitas pada waktu dasar
Contoh 6.13
Hitunglah angka indeks harga Walsh dan Marshall – Edgeworth dari data
di bawah ini!
284 Statistika Deskriptif Itu Mudah
Tabel 6.16
Penjualan Barang-Barang Elektronik
Tahun 2005 dan 2007 (dalam jutaan)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 6.17
Perhitungan Dengan Cara Walsh
∑P n (QoQn ) =1087,66
∑P (QoQn )
o = 601,31
Bab 6 Angka Indeks 285
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
Maka,
I
(Qo + Qn )
×100%
= P
∑ n
HME
∑P o
(Q +Q )
o n
398,3
= ×100%
216
=184,39%
286 Statistika Deskriptif Itu Mudah
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
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
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
Bab 6 Angka Indeks 287
∑ 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
Maka,
I =
∑ Pn (Qo + Qn ) ×100%
HME ∑ P (Q +Q )
o o n
105,25
= 54,25 ×100%
=194,12%
288 Statistika Deskriptif Itu Mudah
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).
∑P Qn
n
Bab 6 Angka Indeks 289
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
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
290 Statistika Deskriptif Itu Mudah
Dari tabeldiPatas
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%
Keterangan: 1
Contoh 6.16
Data harga perdagangan besar suatu komoditi dari indikator ekonomi,
Biro Pusat Statistik, tahun 1990 sampai 1995 adalah sebagai berikut:
Bab 6 Angka Indeks 291
Tabel 6.24
Harga Perdagangan Tahun 1990 – 1995
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.
292 Statistika Deskriptif Itu Mudah
Harga
Jenis Kebutuhan Pokok
2002 2007
Buku 10000 14000
Bolpoin 25000 40000
Map 10000 13500
Tipe-X 4000 7500
Tinta Print 20000 35000
Tentukanlah:
a. Indeks Laspeyres dan Paasche
b. Indeks Drobisch dan Fisher
6.9.2 Penyelesaian:
∑Pn = 14000+40000+13500+7500+35000 = 110000
∑P0 = 10000+25000+10000+4000+20000 = 69000
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
perhitungan sebagai berikut:
Tabel 6.28
Jenis Kebutuhan-Kebutuhan Medis Tahun 2005 dan 2009
Jadi, indeks
Prata-rata
relatif harga dari PT Indra adalah
n
∑
Po
IRH = ×100%
n
=151,75%
607%
= 4
=151,75%
Bab 6 Angka Indeks 295
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 n o = 148,5
∑P Q o n
= 161,2
∑P Q n n
= 254,3
=
∑ PnQo ×100%
I
HL
∑ P o Qo
148,5
= ×100%
96,6
=153,72%
296 Statistika Deskriptif Itu Mudah
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%
297
298 Statistika Deskriptif Itu Mudah
Kegunaan Korelasi
Mengukur derajat keeratan hubungan.
Bukan untuk pendugaan dan peramalan.
Tak perlu memilih variabel bebas dan terikatnya.
Tidak bisa disajikan dalam bentuk gambar.
regresi
Bab 7 Regresi dan Korelasi 299
a=
∑Y ∑ X2 − ∑ X∑ XY
n ∑ X − ( ∑ X )2
2
Keterangan :
a = intersep (pintasan) bilamana X = 0
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
Y = variabel tak bebas
∑Y ∑ X
a= −b
n
n
Keterangan :
a = intersep (pintasan) bilamana X = 0
b = koefisien arah atau slope dari garis regresi
X = variabel bebas
Y = variabel tak
bebas n = banyaknya
data
Contoh 7.1
Data pada suatu pabrik kertas menunjukkan bahwa kebanyakannya
kertas rusak ada hubungannya dengan kecepatan beroperasi mesin cetak.
Bab 7 Regresi dan Korelasi 301
Tabel 7.1
Data Kecepatan Mesin Per Menit Dan Jumlah Kerusakan Kertas (Lembaran)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
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
Statistika Deskriptif Itu Mudah
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
Maka, nilai a
yaitu:
∑Y ∑ X
a= −b
n
n
72, 7 113, 2
= −(0, 5995)
n 8
= 9, 0875−6, 483
= 0, 6045
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
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
304 Statistika Deskriptif Itu Mudah
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
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
Maka, nilai a
yaitu:
∑Y ∑ X
a= −b
n
n
51,1 56, 4
= −1,10
10 10
= 5,11−6, 204
= -1, 094
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
Tentukan persamaan regresi linear dengan menggunakan metode kuadrat
terkecil!
306 Statistika Deskriptif Itu Mudah
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 7.6
Perhitungan
∑ = 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
Bab 7 Regresi dan Korelasi 307
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
Contoh 7.4
Hubungan antara pendapatan perminggu (X) dengan konsumsi (belanja =
Y) perminggu dalam $.
Tabel 7.7
Data Pendapatan Dengan Konsumsi Per Minggu Dalam $
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
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
Bab 7 Regresi dan Korelasi 309
n∑ XY − ∑ X ∑Y
b=
n∑ X2 −(∑ X )2
14(6496)−(294)(266)
= 14(7084)−(294)2
= 0, 958
n∑ XY −∑ X∑Y
r=
{n∑ X2 −(∑ X ) }{n∑ Y 2 −(∑Y ) }
2 2
310 Statistika Deskriptif Itu Mudah
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.
Contoh 7.5
Data pada suatu pabrik kertas menunjukkan bahwa kebanyakannya
kertas rusak ada hubungannya dengan kecepatan beroperasi mesin cetak.
Bab 7 Regresi dan Korelasi 311
Tabel 7.9
Data Kecepatan Mesin Per Menit Dan Jumlah Kerusakan Kertas (Lembaran)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
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
312 Statistika Deskriptif Itu Mudah
∑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:
Contoh 7.6
Data pada tabel berikut menyajikan besarnya pendapatan dan
pengeluaran suatu negara (dalam jutaan dolar) dari tahun 2000 sampai
dengan tahun 2009.
Tabel 7.11
Data Besarnya Pendapatan Dan Pengeluaran Negara
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
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
314 Statistika Deskriptif Itu Mudah
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
∑ Y = 270, 23
2
n∑ XY −∑ X ∑ Y
r2 =
{n∑ X2 −(∑ X ) }{n∑ Y 2 −(∑ Y ) }
2 2
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:
Contoh 7.7
Darihasilpencatatanantarabiayaiklandanvolumepenjualansebuahperusahaan
jasa eceran produk komputer diperoleh informasi sebagai berikut:
Tabel 7.13
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
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
316 Statistika Deskriptif Itu Mudah
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
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
Bab 7 Regresi dan Korelasi 317
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.
Maka, koefisien determinasinya yaitu:
Contoh 7.8
Hubungan antara pendapatan perminggu (X) dengan konsumsi (belanja =
Y) perminggu dalam $.
Tabel 7.15
Data Pendapatan Dengan Konsumsi Per Minggu Dalam $
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
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
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
Bab 7 Regresi dan Korelasi 319
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.
Maka, koefisien determinasinya yaitu:
r2 = (1,0)2 = 1 = 100%
2 ∑ (Y −Y )2
∑n e =
n
Keterangan:
Σe2 = total kuadrat eror
Y = variabel tak bebas
Ŷ = nilai-nilai taksiran untuk variabel tak bebas
n = banyaknya data
Sy . x =
∑ (Y − y ) 2
n
Keterangan:
Sy.x = penaksiran kesalahan
baku Y = variabel tak bebas
Ŷ = nilai-nilai taksiran untuk variabel tak bebas
n = banyaknya data
Contoh 7.9
Data pada suatu pabrik kertas menunjukkan bahwa kebanyakannya
kertas rusak ada hubungannya dengan kecepatan beroperasi mesin cetak.
Bab 7 Regresi dan Korelasi 321
Tabel 7.17
Data Kecepatan Mesin Per Menit dan Jumlah Kerusakan Kertas (Lembaran)
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
322 Statistika Deskriptif Itu Mudah
Syx =
∑ (Y −Y ) 2
n
9, 5666
= 8
= 1, 09
Bab 7 Regresi dan Korelasi 323
Contoh 7.10
Data pada tabel berikut menyajikan besarnya pendapatan dan
pengeluaran suatu negara (dalam jutaan dolar) dari tahun 2000 sampai
dengan tahun 2009.
Tabel 7.19
Data Besarnya Pendapatan Dan Pengeluaran Negara
Penyelesaian:
Dengan menggunakan persamaan regresi tersebut adalah Y = –1,094 +
1,10X maka penaksiran kesalahan baku yaitu:
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
Bab 7 Regresi dan Korelasi 325
∑ (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
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
Y = 9,1426 + 0, 6429X !
326 Statistika Deskriptif Itu Mudah
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
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
Bab 7 Regresi dan Korelasi 327
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
Data Pendapatan Dengan Konsumsi Per Minggu Dalam $
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
Bab 7 Regresi dan Korelasi 329
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
330 Statistika Deskriptif Itu Mudah
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.
Tabel 7.25
Tinggi Badan Ayah dan Tinggi Badan Putra dengan
Sampel 12 Orang Ayah dan Putra
Tentukan:
a. Persamaan regresi linear dengan memakai metode kuadrat
terkecil.
b. Koefisien korelasi
c. Koefisien determinasi
d. Penaksiran kesalahan baku
Tentukan:
a. Persamaan regresi linear dengan memakai metode kuadrat
terkecil.
b. Koefisien korelasi
c. Koefisien determinasi
d. Penaksiran kesalahan baku
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
Bab 7 Regresi dan Korelasi 333
∑Y =54258
2
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
334 Statistika Deskriptif Itu Mudah
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%
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
Syx =
∑ (Y −Y ) 2
n
42, 72
= 12
= 1, 89
7.10.2 Penyelesaian:
a. Untuk memudahkan perhitungan maka dibuat tabel
perhitungan sebagai berikut:
Bab 7 Regresi dan Korelasi 337
Tabel 7.29
Perhitungan Metode Kuadrat Terkecil
∑ XY = 3831
∑Y = 60, 5
∑Y = 397, 75
2
n∑ XY − ∑ X ∑ Y
b= n
∑ X 2 − ( ∑ X )2
10(3831)−(600)(60, 3)
= 10(54000)−(600)2
= 0, 012
338 Statistika Deskriptif Itu Mudah
2130
= 41481, 4
= 0, 05
0,25%
Bab 7 Regresi dan Korelasi 339
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
Syx =
∑ (Y −Y ) 2
n
5, 621
= 10
= 0, 74
Bab 8 AnALISIS DATA BERKALA
341
342 Statistika Deskriptif Itu Mudah
Gambar 8.1
Grafik Trend Jangka Panjang
Y =f(X) Y = f(X)
X(Waktu) X (Waktu)
Bab 8 Analisis Data Berkala 343
Gambar 8.2
Tahap-tahap Siklis
resesi
kemakmuran
Pemulihan
Depresi
Gambar 8.3
Variasi Musiman
Y=f(X) 1990
1991
1992
1993
Waktu
Gambar 8.4
Gerakan Tidak Teratur
Y = f(X)
Bab 8 Analisis Data Berkala 345
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)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Bab 8 Analisis Data Berkala 347
Tabel 8.2
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
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:
Maka diperoleh:
a +2b =1,86
a +8b = 4, 46 −
−6b =−2,6
−2,6
b = −6
= 0, 43
Contoh 8.2
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Bab 8 Analisis Data Berkala 349
Tabel 8.3
Besar Keuntungan Penjualan Laptop (Puluhan Juta Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.4
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Kelompok 2
Maka diperoleh:
a +b = 3,63
a + 4b = 4,56 −
−3b =−0,93
−0,93
b = −3
= 0,31
Contoh 8.3
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.5
Biaya Produksi Sparepart Mobil (Milliaran Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.6
Perhitungan Semi Average
Maka diperoleh:
a +2b =1,58
a +8b = 2,86 −
−6b =−1,28
−1,28
b = −6
= 0,21
Bab 8 Analisis Data Berkala 353
Contoh 8.4
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.7
Besar Pengeluaran PT. Indo (Miliaran Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
354 Statistika Deskriptif Itu Mudah
Tabel 8.8
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Kelompok 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
Contoh 8.5
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.9
Besar Penjualan Cabai
(Jutaan Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.10
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
Dengan dua titik (1; 2,3) dan (5; 3,63) sekarang kita akan tentukan
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)
Maka diperoleh:
a +b = 2,3
a +5b = 3,63 −
−4b =−1,33
−1,33
b = −4
= 0,3325
= 0,33
Contoh 8.6
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
358 Statistika Deskriptif Itu Mudah
Tabel 8.11
Keuntungan Penjualan Smartphone Di Gerai Smart
(Milliaran Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.12
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Kelompok 2
Bab 8 Analisis Data Berkala 359
Maka diperoleh:
a +2b = 2,16
a +7b = 2,78 −
−5b =−0,62
−0,62
b = −5
b = 0,124
b = 0,12
360 Statistika Deskriptif Itu Mudah
a +2b = 2,16
a +2(0,12) = 2,16
a = 2,16−0,24
=1,92
Contoh 8.7
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.13
Frekuensi Penggunaan Layanan Email Perusahaan
(Jutaan Rupiah)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Bab 8 Analisis Data Berkala 361
Tabel 8.14
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
Maka diperoleh:
a +1b = 23,26
a +5b = 32,33 −
−4b =−9,07
−9,07
b = −4
b = 2,2675
= 2,27
a +1(2,27) = 23,26
a +2,27 = 23,26
a = 23,26−2,27
a = 20,99
Contoh 8.8
Tentukanlah persamaan trend Y = a + bX dari data di bawah ini dengan
menggunakan metode setengah rata-rata (semi average)!
Tabel 8.15
Keuntungan Penjualan
CCTV (Dalam Jutaan)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.16
Perhitungan Semi Average
Keterangan:
: Kelompok 1
: Kelompok 2
Dengan dua titik (1,5; 2,23) dan (5,5; 2,45) sekarang kita akan tentukan
nilai a dan b dari persamaan trend Y = a + bX, dengan menggunakan
cara berikut yaitu:
Maka diperoleh:
a +1,5b = 2,23
a +5,5b = 2, 45 −
−4b =−0,22
−22
b = −4
= 0,055
= 0,05
a +1,5b = 2,23
a +1,5(0,05) = 2,23
a = 2,23−0,075
= 2,155
Y1 +Y2 +…+Yn
, Y1 +Y2 +…+Yn+1 Y3 +Y4 ++Yn+1
n ,
n n
Contoh 8.9
Gunakan data berkala berikut:
3, 6, 1, 6, 4, 7, 3, 3, 1
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
368 Statistika Deskriptif Itu Mudah
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
Rata-rata bergerak:
4,66, 2,66, 5,33, 4,83, 5,83, 3,66, 2,66
Bab 8 Analisis Data Berkala 369
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)
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
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
372 Statistika Deskriptif Itu Mudah
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
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
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
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!
374 Statistika Deskriptif Itu Mudah
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
Rata-rata bergerak:
2, 8, 4, 3, 4, 4,2, 4,4, 2,8
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)!
376 Statistika Deskriptif Itu Mudah
Tabel 8.20
Besar Penjualan Motor
(Jutaan Rupiah)
Tahun Penjualan
2001 170
2002 190
2003 225
2004 250
2005 325
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
Tabel 8.21
Perhitungan Least Square
a =
∑Y
n
1160
= 5
= 232
Bab 8 Analisis Data Berkala 377
Maka, nilai b
yaitu:
b =
∑ XY
2
∑X
370
= 10
= 37
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)
Penyelesaian:
Untuk memudahkan perhitungan maka dibuat tabel perhitungan sebagai
berikut:
378 Statistika Deskriptif Itu Mudah
Tabel 8.23
Perhitungan Least Square
Maka, nilai a
yaitu: a =
∑Y
n
1195
= 6
=199,17
b=
∑ XY
2
∑X
45
= 70
= 0, 64
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.
Keterangan:
: Kelompok 1
: Dihilangkan
: Kelompok 2
Bab 8 Analisis Data Berkala 381
Maka diperoleh:
a +1, 5b = 2, 05
a +6, 5b = 3, 2 −
−5b =−1,15
−1,15
b = −5
b = 0, 23
382 Statistika Deskriptif Itu Mudah
Rata-rata bergerak:
1,97, 2,13, 2,33, 2,57, 2,8, 3,07, 3,33
c. Metode Kuadrat Minimum (Least Square)
Untuk memudahkan perhitungan maka dibuat tabel
perhitungan sebagai berikut:
Bab 8 Analisis Data Berkala 383
Tabel 8.26
Perhitungan Least Square
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
a =
∑Y
n
23, 6
= 9
= 2, 62
∑ XY
b = 2
∑X
13, 7
= 60
= 0, 23
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
386 Statistika Deskriptif Itu Mudah