Banyak software (teknologi komputasi ) yang bisa digunakan untuk membuat tabel distribusi
frekuensi secara otomatis. Meskipun demikian, di sini tetap akan diuraikan mengenai
prosedur dasar dalam membuat tabel distribusi frekuensi.
Contoh:
Kita gunakan prosedur di atas untuk menyusun tabel distribusi frekuensi nilai ujian
mahasiswa (Tabel 1).
35 38 43 48 49 51 56 59 60 60
61 63 63 63 65 66 67 67 68 70
70 70 70 71 71 71 72 72 72 73
73 74 74 74 74 75 75 76 76 77
78 79 79 80 80 80 80 81 81 81
82 82 83 83 83 84 85 86 86 87
88 88 88 88 89 90 90 90 91 91
91 92 92 93 93 93 95 97 98 99
2. Range:
3. Banyak Kelas:
sekitar 6 atau 7.
= 7.28 ≈ 7
4. Panjang Kelas:
= 64/7
= 9.14 ≈ 10
Misalkan: apabila nilai batas bawah yang kita pilih adalah 26,
nilai batas bawah kelas 20 atau 25, jelas nilai terkecil, 35,
batas bawah 30 atau 31. Ok, saya tertarik dengan angka 31,
Banyak kelas :7
Panjang kelas : 10
Form TDF:
------------------------------------------------------------
------------------------------------------------------------
1 31 -
2 41 -
3 51 -
: : -
6 81 -
7 91 -
------------------------------------------------------------
Jumlah
------------------------------------------------------------
Variasi penting dari distribusi frekuensi dasar adalah dengan menggunakan nilai frekuensi
relatifnya, yang disusun dengan membagi frekuensi setiap kelas dengan total dari semua
frekuensi (banyaknya data). Sebuah distribusi frekuensi relatif mencakup batas-batas kelas
yang sama seperti TDF, tetapi frekuensi yang digunakan bukan frekuensi aktual melainkan
frekuensi relatif. Frekuensi relatif kadang-kadang dinyatakan sebagai persen.
Frekuensi relatif =
fi = 2; n = 80
Variasi lain dari distribusi frekuensi standar adalah frekuensi kumulatif. Frekuensi kumulatif
untuk suatu kelas adalah nilai frekuensi untuk kelas tersebut ditambah dengan jumlah
frekuensi semua kelas sebelumnya.
Perhatikan bahwa kolom frekuensi selain label headernya diganti dengan frekuensi kumulatif
kurang dari, batas-batas kelas diganti dengan “kurang dari” ekspresi yang menggambarkan
kisaran nilai-nilai baru.
Histogram
Histogram adalah merupakan bagian dari grafik batang di mana skala horisontal mewakili
nilai-nilai data kelas dan skala vertikal mewakili nilai frekuensinya. Tinggi batang sesuai
dengan nilai frekuensinya, dan batang satu dengan lainnya saling berdempetan, tidak ada
jarak/ gap diantara batang. Kita dapat membuat histogram setelah tabel distribusi frekuensi
data pengamatan dibuat.
Poligon Frekuensi
Poligon Frekuensi menggunakan segmen garis yang terhubung ke titik yang terletak tepat di
atas nilai-nilai titik tengah kelas. Ketinggian dari titik-titik sesuai dengan frekuensi kelas, dan
segmen garis diperluas ke kanan dan kiri sehingga grafik dimulai dan berakhir pada sumbu
horisontal.
Ogive
Ogive adalah grafik garis yang menggambarkan frekuensi kumulatif, seperti daftar distribusi
frekuensi kumulatif. Perhatikan bahwa batas-batas kelas dihubungkan oleh segmen garis
yang dimulai dari batas bawah kelas pertama dan berakhir pada batas atas dari kelas terakhir.
Ogive berguna untuk menentukan jumlah nilai di bawah nilai tertentu. Sebagai contoh, pada
gambar berikut menunjukkan bahwa 68 mahasiswa mendapatkan nilai kurang dari 90.5.
Pengertian Populasi
Populasi adalah serumpun atau sekelompok objek yang menjadi sasaran / objek penelitian.
Populasi dapat berupa manusia, hewan, tumbuh tumbuhan, udara, gejala, nilai, peristiwa,
sikap hidup dan lain sebagainya sehingga dapat menjadi sumber data penelitian.
Populasi berdasarkan turunan populasi terbatas dengan ruang lingkup yang lebih
dipersempit:
1. Populasi teoritis : populasi yang diturunkan dari populasi terbatas. Contoh : Program
Sarjana Ekonomi memberikan beasiswa kepada 300 mahasiswa berprestasi tahun
2015.Untuk mengetahui siapa saja yang layak mendapat beasiswa maka dapat melihat
kriteria pemberian beasiswa tahun 2014.
2. Populasi tersedia : populasi turunan dari populasi teoritis yang akan diteliti dengan
mempertimbangkan jumlah, waktu dan tenaga yang tersedia dengan memperhatikan
karakteristik yang ditentukan.
1. Populasi bersifat homogen :populasi yang unsur unsur pembentukan dari sumber
datanya memiliki sifat sifat yang sama. Semakin spesifik sata yang disebutkan maka
akan menjadi semakin homogeny. Contoh : 5 kg terigu + 20 telur + 2 kg mentega
diaduk dan dicetak menjadi 2500 irisan kue. Irisan kue yang satu dengan yang lainnya
mempunyai sifat yang sama. Jika kue tersebut ingin diteliti maka cukup diambil
beberapa irisan saja karena sama antara irisan satu dengan yang lainnya.
2. Populasi bersifat heterogen : populasi yang unsur unsur pempentukan dari sumber
datanya sifat yang bervariasi (berbeda beda) sehingga perlu ditetapkan lagi batasan
batasannya baik kuantitatif atau kualitatifnya. Semakin sedikit ciri ciri populasi yang
diidentifikasi maka akan semakin heterogen. Contoh : Penelitian tentang persepsi
masyarakat tentang pengobatan alternative. Dalam penelitian ini tidak diketahui
pengobatan alternative yang seperti apa yang akan dipersepsikan, jadi tidak
ditentukan karakteristik pengobatan alternativenya karena bersifat universal
(keseluruhan).