STATISTIKA INFERENSI

I R . E LV I A N TO D W I H A RTO N O , M M , M . K O M , M T, I P M
STATISTIKA
RENCANA PEMBELAJARAN
Tujuan
Agar Mahasiswa dapat memahami tentang Statistika Deskriptif dan
menerapkannya dalam data sekunder dengan menggunakan SPSS.
 SUMBER REFERENSI
1. Boediono, Dr, Wayan Kaester, dr, Ir. MM. 2001. Teori dan Aplikasi Statistika dan
Probabilitas, Penerbit Pt. Remaja Rosdakarya. Bandung.
2. Kuswadi dan Erna Mutiara. 2004. Statistik Berbasis Komputer untuk Orang-orang
Non Statistik. Elex Media Komputindo. Jakarta.
3. Supranto,J. M.A. 2000. Statistik : Teori dan Aplikasi, Edisi Keenam, Jilid 1,
Erlangga, Jakarta.
4. Santoso, Singgih 2001. Aplikasi Excel dalam Statistik Bisnis. Elex Media
Komputindo. Jakarta.
5. Santoso, Singgih. 2006. Seri Solusi Bisnis Berbasis TI : Menggunakan SPSS dan
Excel untuk mengukur Sikap dan Kepuasan Konsumen. Penerbit PT. Elex Media
Komputindo. Jakarta.
PENDAHULUAN
Pengertian Statistika
Statistika adalah Suatu ilmu yang mempelajari cara pengumpulan,
pengolahan, penyajian dan analisis data serta cara pengambilan
kesimpulan secara umum berdasarkan hasil penelitian yang tidak
menyeluruh.
Dalam arti sempit Statistik adalah data ringkasan berbentuk angka
(kuantitatif).
METODE STATISTIKA
Sebagai suatu bidang studi, statistik memiliki dua bagian utama,
yaitu :
1. Statistika Deskriptif adalah ilmu statistika yang mempelajari tentang
pengumpulan, pengolahan, dan penyajian data.
2. Statistika Inferensi (Statistika Induktif) adalah ilmu statistika yang mempelajari
tentang cara pengambilan kesimpulan secara menyeluruh (populasi) berdasarkan
data sebagian (sampel) dari populasi tersebut.
STATISTIKA INFERENSIA
Statistika inferensial merupakan suatu metode yang dapat dipakai untuk bisa
menganalisis kelompok kecil dari data induknya maupun sample yang diambil dari
populasi. Hingga dalam peramalan serta juga bisa penarikan kesimpulan pada
kelompok data induknya atau populasi.
Statistika inferensial ini merupakan suatu rangkuman dari semua metode atau cara
yang berkaitan dengan analisis sebagian data. Yang mana selanjutnya akan sampai
pada peramalan ataupun penarikan kesimpulan tentang keseluruhan data induk dari
populasi tersebut.
Generalisasi yang mempunyai ikatan dengan statistika inferensial memiliki sifat yang
tidak pasti.
Hal tersebut disebabkan berdasar pada informasi parsial yang diperolehnya dari
sebagian data sehingga yang didapatkan merupakan peramalan saja.
FUNGSI STATISTIKA INFERENSIA
Statistika inferensial atau juga disebut sebagai statistika induktif merupakan statistik
yang mempunyai tujuan dalam menaksir secara umum sebuah populasi dengan
memakai hasil sampel.
Termasuk di dalamnya memuat teori penaksiran serta juga pengujian teori. Statistika
inferensial biasa dimanfaatkan dalam melakukan beberapa hal seperti di bawah ini:
1. Melaksanakan generalisasi dari sampel ke populasi.
2. Melaksanakan uji hipotesis.
RUANG LINGKUP BAHASAN STATISTIKA
INFERENSIAL
Apabila berdasarkan dengan ruang lingkup bahasannya, statistika inferensial dapat meliputi:
1. Probabilitas atau teori kemungkinan
2. Dristribusi teoritis
3. Analisis kovarians
4. Sampling dan sampling distribusi
5. Pendugaan populasi atau teori populasi
6. Analisis varians
7. Uji Hipotesis
8. Analisis korelasi serta uji signifikasi
9. Analisis regresi untuk peramalan
PERBEDAAN STATISTIK DESKRIPTIF DAN
STATISTIK INFERENSIA
Statistika inferensial dan jugs statistika deskriptif tentulah keduanya mempunyai
perbedaan, berikut akan kami berikan perbedaan di antara keduanya, antara lain:
1. Statistika deskriptif hanya terbatas dalam penyajian data pada bentuk tabel,
diagram, ataupun grafik serta besaran lainnya.
2. Sementara statistika inferensial tidak hanya mencakup statistic deskriptif saja,
tetapi juga dapat dipakai dalam melakukan estimasi serta penarikan kesimpulan
kepada populasi dari sampelnya.
Untuk dapat sampai dalam penarikan kesimpulan statistika inferensial harus
melewati beberapa tahap uji hipotesis serta juga uji statistik.
Kegunaan Statistika dalam bidang ekonomi yaitu, yaitu :
• Bidang produksi
• Bidang Akuntansi
• Bidang pemasaran
Pengetahuan tentang statistik membantu untuk :
1. Menjelaskan hubungan antar variable
2. Membuat keputusan lebih baik
3. Mengatasi perubahan-perubahan
4. Membuat rencana dan ramalan
5. dan masih banyak manfaat yang lainnya
Tahap-tahap dalam statistik adalah :
1. Mengidentifikasikan persoalan
2. Pengumpulan fakta-fakta yang ada
3. Mengumpulkan data asli yang baru
4. Klasifikasi data
5. Penyajian data
6. Analisa data
Populasi, Sampel dan Data
Populasi adalah seluruh elemen yang akan diteliti
Sampel adalah elemen yang merupakan bagian dari populasi
Data adalah fakta-fakta yang dapat dipercaya kebenarannya
Jenis-jenis pengambilan sampel yaitu :
1. Random sederhana (Simple Random Sampling)
Adalah pengambilan sampel secara acak sehingga setiap anggota populasi
mempunya kesempatan yang sama untuk menjadi sampel, misalnya dengan cara
undian
2. Random berstrata (Stratified Random Sampling)
Adalah pengambilan sampel yang populasinya dibagi-bagi menjadi beberapa
bagian/stratum. Anggota-anggota dari stratum dipilih secara random, kemudian
dijumlahkan, jumlah ini membentuk anggota sampel
3. Sistematis (Systematic Sampling)
Adalah pengambilan sampel berdasarkan urutan tertentudari populasi yang
telah disusun secara teratur dan diberi nomer urut

4. Luas/Sampel Kelompok (Cluster sampling)

Adalah pengambilan sampel tidak langsung memilih anggota populasi untuk
dijadikan sampel tetapi memilih kelompok terlebih dahulu. Yang termasuk
sebagai sampel adalah anggota yang berada dalam kelompok terpilih
tersebut.
Jika kelompok-kelompok tersebut merupakan pembagian daerah-daerah
geografis, maka cluster sampling ini disebut juga area sampling
Pembagian data dapat dibedakan menurut :
1. Sifatnya
a. Data kualitatif ialah data yang disajikan bukan dalam bentuk angka, misalnya
agama, jenis kelamin, daerah, suku bangsa, pangkat pegawai, jabatan pegawai
dan sebagainya
b. Data kuantitatif ialah data yang disajikan dalam bentuk angka
Data ini terbagi menjadi :
1. Data kontinu adalah data yang satuannya bisa dalam pecahan
2. Data diskret adalah data yang satuannya selalu bulat dalam bilangan asli,
tidak berbentuk pecahan
Pembagian data dapat dibedakan menurut :
2. Waktu
a. Data silang (Cross Section) ialah data yang dikumpulkan pada suatu waktu
tertentu yang bisa menggambarkan keadaan/kegiatan pada waktu tersebut,
misalnya jumlah warga kota surabaya menurut asal dan agama pada tahun
1999
b. Data Berkala (Time Series) ialah data yang dikumpulkan dari waktu ke waktu,
misalnya data angka kematian dan kelahiran dari tahun ke tahun di Indonesia
yang cenderung membesar dan mengecil
Pembagian data dapat dibedakan menurut :
3. Cara memperolehnya
a. Data primer ialah data yang didapatkan langsung dari responden misalnya
data pegawai negeri sipil di BAKN, data registrasi mahasiswa di suatu universitas
dan sebagainya
b. Data Sekunder ialah data yang diambil dari data primer yang telah diolah,
untuk tujuan lain, misalnya data perkawinan antara umur 10 s/d 20 tahun di
Indonesia yang diambil dari departemen Agama untuk tujuan analisa pola
perkawinan setiap suku bangsa di Indonesia
Pembagian data dapat dibedakan menurut :
4. Sumbernya
a. Data Internal ialah data yang menggambarkan dari keadaan di dalam suatu
organisasi, misalnya dari suatu universitas ialah data dosen, jumlah mahasiswa,
data kelulusan dan sebagainya
b. Data Eksternal ialah data yang dibutuhkan dari luar untuk kebutuhan suatu
organisasi tersebut
Syarat Data yang baik adalah :
1. Benar/Obyektif
2. Mewakili/Wajar (representative)
3. Dipercaya, artinya kesalahan bakunya kecil
4. Tepat waktu (up to date)
5. Relevan (data yang dikumpulkan ada hubungannya dengan
permasalahannya)
Proses Pengukuran dan Jenis-jenis Skala Pengukuran
Variabel (peubah) adalah karakteristik-karakteristik yang terdapat pada elemen-
elemen dari populasi tersebut
Contoh : Pada masyarakat, elemennya adalah manusia, karakteristiknya misalnya
penghasilan, umur, pendidikan, jenis kelamin dan status perkawinan yang merupakan
variabel-variabel dalam penelitian

Variabel terbagi atas :

1. Variabel kualitatif (kategori)
Contoh: Tingkat Pendidikan ,Jenis kelamin dsb
2. Variabel kuantitatif (Numerik)
Contoh: Penghasilan, umur, jumlah keluarga, dsb
Untuk analisa data penelitian, diperlukan macam-macam ukuran
skala yaitu :
1. Skala Nominal (Skala Klasifikasi)
Adalah skala yang paling sederhana dimana angka yang diberikan kepada obyek
sebagai label saja dan tidak menunjukkan tingkatan apa-apa
Contoh: jenis kelamin, no urut absen dll
2. Skala Ordinal
Adalah skala yang diberikan kepada obyek sebagai label dan menunjukkan
tingkatan
Contoh: Penilaian dengan abjad A, B, C, D, E
Untuk analisa data penelitian, diperlukan macam-macam ukuran
skala yaitu :
3. Skala Interval
Adalah suatu pemberian angka kepada set dari obyek yang mempunyai sifat-sifat
ukuran ordinal dan ditambah 1 sifat lain yaitu jarak yang sama
Contoh: pembentukan kelas pada distribusi frekuensi
4. Skala Rasio
Adalah suatu pemberian angka pada set obyek yang mempunyai sifat-sifat ukuran
ordinal, mempunyai jarak yang sama dan ditambah 1 sifat yaitu nilai absolut dari
obyek yang diukur
Contoh: data berat badan, tinggi badan, dll
PENYAJIAN DATA
Penyajian data merupakan cara yang digunakan untuk meringkas menata, mengatur
atau mengorganisir data sehingga data mudah untuk dimengerti oleh pihak-pihak
yang berkepentingan dengan data tersebut
Secara umum ada dua cara untuk menyajikan data yaitu dengan tabel dan grafik.
Kedua cara ini saling berkaitan, karena pada dasarnya sebelum dibuat grafik
terlebih dahulu harus dibuat tabelnya. Dari dua cara ini penyajian data dengan
grafik merupakan penyajian data yang lebih komunikatif karena dalam waktu yang
singkat seseorang akan dapat dengan mudah memperoleh gambaran dan kesimpulan
suatu keadaan
Penyajian Data Dengan Tabel
Tabel merupakan kumpulan angka-angka yang tersusun berdasarkan kategori-
kategori atau karakteristik-karakteristik tertentu sehingga memudahkan untuk
dianalisis. Data yang disajikan dalam tabel bisa berupa data cross section atau data
time series. Secara umum penyusunan tabel memerlukan identitas judul tabel, judul
baris, judul kolom, badan tabel catatan dan sumber data. Penyajian data dengan
tabel bisa berbentuk tabel satu arah, dua arah dan tiga arah
 Tabel Satu Arah
Tabel satu arah adalah tabel yang hanya terdiri dari satu karakteristik atau kategori.
Misalnya :
1. Jumlah penjualan menurut jenis barang
2. Jumlah penganguran menurut daerah
3. Jumlah modal asing menurut sektor ekonomi
 Contoh 1
Tabel 1.
Jumlah Penjualan Lima Jenis Barang Elektronik
Pada Supermarket Tahun 2002

Jenis Barang Jumlah

TV 185
Radio Compo 500
Kulkas 175
Mesin Cuci 230
Dispenser 254
Jumlah 1344

Contoh 2
Tabel 2.
Jumlah Pengangguran pada
Lima Kota Besar Di Propinsi Jawa Timur Tahun 2002

Kota Jumlah
Jember 1570
Madiun 5000
Surabaya 4500
Kediri 2300
Malang 2540
Jumlah 15910
 Tabel Dua Arah
Tabel dua arah adalah tabel yang terdiri dari dua karakteristik atau dua kategori
misalnya :
1. Jumlah penjualan menurut jenis barang dan daerah penjualan
2. Jumlah penanaman modal asing menurut sektor ekonomi dan lokasi investasi
3. Jumlah Impor menurut Jenis barang dan negara
 Contoh : 3
Tabel 3.
Penjualan Lima Jenis Barang Elektronik
di Supermarket Pada 3 Kota Besar Tahun 2002

Jenis Barang Bekasi Bogor Jakarta

TV 131 154 185
Radio Compo 243 132 500
Kulkas 231 222 175
Mesin Cuci 432 225 230
Dispenser 123 124 254
Jumlah 1160 857 1344
 Tabel Tiga Arah
Tabel tiga arah adalah tabel yang menunjukan tiga karakteristik atau kategori data
misalnya :
1. Jumlah Investasi menurut jenis usaha, negara asal dan lokasi investasi
2. Jumlah Produksi menurut, Jam kerja (sift), jenis mesin dan kualitas barang
 Contoh: 4
Tabel 4.
Investasi Menurut Jenis Usaha, Negara Asal
dan Lokasi Investasi Pada Tahun 2003

Jenis Amerika Inggris Jerman

Investasi Desa Kota Desa Kota Desa Kota
Jasa 3 4 5 3 2 4
Perbankan 8 4 5 6 5 1
Industri 7 6 3 5 4 4
Listrik 5 5 4 4 3 3
Migas 4 4 7 2 2 2
Jumlah 27 23 24 20 16 14
LATIHAN SOAL
Tentukan jenis tampilan tabel yang bagaimana yang anda gunakan
untuk kasus-kasus berikut :
1. Jumlah penjualan yang diperinci berdasarkan :
a) Berdasarkan Jenis barang agar supaya bisa diketahui jenis barang mana yang
menunjukan tren naik, dan mana yang menurun
b) Berdasarkan daerah penjualan, agar bisa diketahui daerah mana yang
memberikan hasil penjualan yang tinggi/terbesar
2. Jumlah pengangguran diperinci berdasarkan :
a) Berdasarkan keahlian dan Pendidikan
b) Berdasarkan umur, keahlian dan daerah asal
LATIHAN SOAL
Tentukan jenis tampilan tabel yang bagaimana yang anda gunakan
untuk kasus-kasus berikut :
3. Jumlah Kredit perbankan yang diperinci berdasarkan :
a) Berdasarkan jenis kredit
b) Berdasarkan Jenis kredit dan bank yang memberikannya
Penyajian Data Dengan Grafik
Selain menyajikan data dengan menggunakan tabel, kita dapat juga menyajikan
data dengan menggunakan gambar-gambar atau grafik. Banyak sekali jenis
tampilan data dalam bentuk grafik tetapi pada bagian ini hanya ditampilkan grafik-
grafik yang umum di jumpai seperti : Grafik garis (Line Chart), Grafik balok/batang
(Bar Chart), Grafik Lingkaran (Pie Chart), dan Pictogram
 Grafik Garis
Grafik garis secara umum dibagi menjadi dua bagian yaitu single line chart yang
terdiri dari satu garis saja dan multiple line chart yang terdiri dari beberapa garis.
Garfik garis baik yang tunggal maupun yang terdiri dari beberapa garis sangat
berguna untuk menggambarkan perkembangan suatu kegiatan. Umumnya grafik ini
digunakan untuk data yang berbentuk time series yang sekaligus bisa dilihat trend-
nya
Contoh Grafik Garis yang tunggal :
Grafik 1.
Perkembangan Harga Saham Indosat
Selama Sembilan Haris Perdagangan tahun 1998

10000
HARGA SAHAM
8000
6000
4000
2000
0
1 2 3 4 5 6 7 8 9
HARI PERDAGANGAN
 Grafik 2.
Perkembangan Price Earning Ratio (PER)
Saham Telekomunikasi
Tahun 2000

3
PER

ISAT
2
TLKM
1

0
1 2 3 4 5 6 7 8 9
BULAN
 Grafik Batang/Balok
Grafik batang/balok (Bar Chart) secara umum dibagi menjadi dua bagian yaitu
single Bar chart yang terdiri dari satu batang saja dan multiple bar chart yang terdiri
dari beberapa batang. Garfik batang baik yang tunggal maupun yang terdiri dari
beberapa batang sangat berguna untuk menggambarkan perbandingan suatu
kegiatan. Grafik ini digunakan untuk data yang berbentuk cross section dan time
series
 Contoh Grafik Multiple Bar Chart

GRAFIK PENJUALAN SPARE PART

KENDARAAN BERMOTOR

80
JAKARTA
60 SURABAYA
SUKABUMI
40 SOLO
CIREBON
BANDUNG
20 SEMARANG
BOGOR
0
2002 2003
 Grafik Lingkaran
Grafik Lingkaran (Pie Chart) secara umum dibagi menjadi dua bagian yaitu single
Pie chart yang terdiri dari satu lingkaran saja dan multiple pie chart yang terdiri dari
beberapa lingkaran. Garfik ingkaran baik yang tunggal maupun yang terdiri dari
beberapa lingkaran sangat berguna untuk menggambarkan perbandingan suatu
kegiatan berdasrkan nilai-nilai karakteristik satu dengan yang lain dan dengan
keseluruhan (biasanya dalam persentase). Grafik ini digunakan untuk data yang
berbentuk cross section
 Contoh Grafik Lingkaran yang Tunggal

GRAFIK PENJUALAN SPARE PART

KENDARAAN BERMOTOR
JAKARTA
SURABAYA
10% 10% SUKABUMI
15% 12%
SOLO
CIREBON
15% 13% BANDUNG
12% 13% SEMARANG
BOGOR
 Pictogram
Pictogram adalah grafik berupa gambar di dalam bidang koordinat XY dinyatakan
gambar-gambar dengan suatu ciri-ciri khusus untuk suatu karakteristik. Misalnya untuk
menyatakan jumlah mobil pada tahun-tahun tertentu, dapat digambarkan berupa
gambar mobil (secara sederhana). Tiap gambar mewakili suatu jumlah tertentu
 Contoh Pictogram
Penjualan Kendaraan Motor Jenis Sport di Jawa Timur Tahun 2001

7000 
6000  
5000  
4000    
3000     
2000     
1000     
Malang Sby Jember Gresik Kediri
NOTASI SIGMA & DASAR-DASAR
STATISTIKA
Simbol Sigma
n
Rumus :  X i dibaca sigma Xi , i dari 1 s/d n
i=1
Aturan Penjumlahan :
n n n n
a.  ( X i + Yi + Zi ) =  Xi +  Yi +  Zi
i=1 i=1 i=1 i=1
 n n
b.  kXi = k  Xi , k = bilangan konstan
i=1 i=1

n
c.  k = k + k + … + k = nk
i=1
 n n
d.  (Xi – k)2 =  (X i2 – 2kXi + k2).
i=1 i =1

n n n
e.  (Yi – a – bXi ) =  Yi – na – b  Xi
i=1 i =1 i =1
Pengertian Distribusi Frekuensi
Distribusi frekuensi adalah yang merupakan penyusunan data ke dalam
kelas-kelas tertentu dimana setiap individu/item hanya termasuk kedalam
salah satu kelas tertentu saja. (Pengelompokkan data berdasarkan
kemiripan ciri)
Tujuannya : untuk mengatur data mentah (belum dikelompokkan) ke dalam
bentuk yang rapi tanpa mengurangi inti informasi yang ada
Distribusi frekuensi memiliki dua bagian utama, yaitu :

1. Distribusi Frekuensi Numerikal adalah Pengelompokkan data berdasarkan angka-

angka tertentu, biasanya disajikan dengan grafik histogram
2. Distribusi Frekuensi Katagorikal adalah Pengelompokkan data berdasarkan
kategori-kategori tertentu, biasanya disajikan dengan grafik batang, lingkaran
dan gambar
Istilah-istilah Dalam Distribusi Frekuensi
1. Class (Kelas) adalah penggolongan data yang dibatasi dengan nilai terendah
dan nilai tertinggi yang masing-masing dinamakan batas kelas
Batas Kelas (Class Limit) adalah nilai batas dari pada tiap kelas dalam sebuah
distribusi, terbagi menjadi States class limit dan Class Bounderies (Tepi kelas)
a. Stated Class Limit adalah batas-batas kelas yang tertulis dalam distribusi
frekuensi, terdiri dari Lower Class Limit (Batas bawah kelas) dan Upper Class
Limit (Batas atas kelas)
b. Class Bounderies (Tepi kelas) adalah batas kelas yang sebenarnya, terdiri dari
Lower class boundary (batas bawah kelas yang sebenarnya) dan upper class
boundary (batas atas kelas yang sebenarnya)
Istilah-istilah Dalam Distribusi Frekuensi
2. Class Interval/Panjang Kelas/Lebar kelas merupakan lebar dari sebuah kelas
dan dihitung dari perbedaan antara kedua tepi kelasnya
3. Mid point / Class Mark / Titik tengah merupakan rata-rata hitung dari kedua
batas kelasnya atau tepi kelasnya
Tahap-tahap penyusunan distribusi frekuensi :
1. Mamba array data atau data terurut (bila diperlukan)
2. Menentukan range (jangkauan) : selisih antara nilai yang terbesar dengan nilai
yang terkecil, R = Xmax – Xmin
3. Menentukan banyaknya kelas dengan mempergunakan rumus Sturges. K = 1 +
3,3 log N dimana K = banyaknya kelas dan N = jumlah data yang diobservasi
4. Menentukan interval kelas : I = R/K
Tahap-tahap penyusunan distribusi frekuensi :
5. Menentukan batas-batas kelas:
tbk = bbk – 0,5 (skala terkecil)
tak = bak + 0,5 (skala terkecil)
Panjang interval kelas = tak – tbk
Keterangan:
tbk = tepi bawah kelas
bbk = batas bawah kelas
tak = tepi atas kelas
bak = batas atas kelas
Tahap-tahap penyusunan distribusi frekuensi :
6. Menentukan titik tengahnya = ½ ( Batas atas kelas + batas bawah kelas)
7. Memasukkan data ke dalam kelas-kelas yang sesuai dengan memakai sistem
Tally atau Turus
8. Menyajikan distribusi frekuensi : isi kolom frekuensi sesuai dengan kolom Tally /
Turus
 LATIHAN SOAL 1
Diketahui data mentah (belum dikelompokkan) nilai ujian statistika 50 mahasiswa
Untag, sebagai berikut:
Buatlah Distribusi frekuensi pada data tersebut?

55 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
Jenis Distribusi Frekuensi :
1. Distribusi Frekuensi Kumulatif
Adalah suatu daftar yang memuat frekuensi-frekuensi kumulatif, jika ingin mengetahui
banyaknya observasi yang ada di atas atau di bawah suatu nilai tertentu

2. Distribusi Frekuensi Relatif

Adalah perbandingan daripada frekuensi masing-masing kelas dan jumlah frekuensi
seluruhnya dan dinyatakan dalam persen
Jenis Distribusi Frekuensi :
 Distribusi Frekuensi kumulatif kurang dari (dari atas)
Adalah suatu total frekuensi dari semua nilai-nilai yang lebih kecil dari tepi bawah
kelas pada masing-masing interval kelasnya

 Distribusi Frekuensi kumulatif lebih dari (dari bawah)

Adalah suatu total frekuensi dari semua nilai-nilai yang lebih besar dari tepi bawah
kelas pada masing-masing interval kelasnya

 Distribusi Frekuensi kumulatif relatif

Adalah suatu total frekuensi dengan menggunakan persentasi
Ukuran Gejala Pusat Data belum dikelompokkan
1. Rata-rata hitung adalah nilai yang mewakili sekelompok data
x =  = 1/N  xi = 1/N { x1 + x2 + … + xn }

2. Rata-rata Ukur/Geometri dari sejumlah N nilai data adalah akar pangkat N dari
hasil kali masing-masing nilai dari kelompok tersebut
G = N X1. X2 . … XN atau log G = ( log Xi) / N

3. Rata-rata Harmonis dari seperangkat data X1, X2, …, XN adalah kebalikan rata-
rata hitung dari kebalikan nilai-nilai data
RH = N
 (1 / Xi )
4. Rata-rata tertimbang, jika nilai data Xi mempunyai timbangan Wi adalah
x =  Xi . W i
 Wi

5. Median
Adalah suatu ukuran pemusatan yang menempati posisi tengah jika data
diurutkan menurut besarnya
Posisi tengah dari seperangkat data sebanyak N yang telah terurut terletak
pada posisi yang ke (N + 1)/2.
Jika N ganjil : N = 2k + 1 maka Med = X k+1
Jika N genap : N = 2k maka Med = ½ (X k + X k+1 )
6. Modus
Adalah nilai yang paling sering muncul dari serangkaian data atau yang
mempunyai frekuensi paling tinggi.
7. Kuartil
Adalah Fraktil yang membagi seperangkat data menjadi empat bagian yang
sama.
Kuartil : Qi = nilai yang ke i(n+1) / 4 , i = 1, 2, 3
8. Desil
Adalah Fraktil yang membagi seperangkat data menjadi sepuluh bagian yang
sama.
Desil : Di = nilai yang ke i(n+1) / 10 , i = 1, 2, …, 9
9. Persentil
Adalah Fraktil yang membagi seperangkat data menjadi seratus bagian yang
sama.
Persentil : Pi = nilai yang ke i(n+1) / 100 , i = 1, 2, …, 99
 UKURAN GELAJA PUSAT DATA YANG
DIKELOMPOKKAN & UKURAN DISPERSI
Data yang sudah dikelompokkan
1. Rata-rata hitung :
x =  f i mi = (f1m1 + f2m2 + … + fkmk)
 fi f1 + f2 + … + fk
f = frekuensi
m = titik tengah
2. Median : Med  Lm + (N/2 - f) . c
fm
Keterangan :
Med = Median data kelompok.
Lm = Tepi bawah kelas median.
N = Jumlah frekuensi.
f = Frekuensi kumulatif di atas kelas median.
fm = Frekuensi kelas median.
c = Interval kelas median.
3. Modus :
Mod = Lmo + __d1___ . c
d1 +d2
Keterangan :
Mod = Modus data kelompok.
Lmo = Tepi bawah kelas modus.
d1 = Selisih antara frekuensi kelas modus dengan frekuensi kelas sebelum modus.
d2 = Selisih antara frekuensi kelas modus dengan frekuensi kelas sesudah modus.
c = Interval kelas modus.
4. Fraktil :
Adalah nilai-nilai data yang membagi seperangkat data yang telah terurut
menjadi beberapa bagian yang sama

5. Kuartil : Qi  LQ + ( iN/4 - f ) . c
fq

6. Desil : Di  LD + ( iN/10 - f ) . c
fD

7. Persentil : Pi  LP + ( iN/100 - f) . c

fP
Keterangan :
Qi = Kuartil ke-i.
Di = Desil ke-i.
Pi = Persentil ke-i.
L = Tepi bawah kelas kuartil, desil, persentil
N = Jumlah frekuensi.
f = Frekuensi kumulatif “dari atas” pada kelas sebelum kelas Qi/ Di / Pi
f = Frekuensi kelas kuartil, desil, persentil
c = Interval kelas kuartil, desil, persentil
 LATIHAN SOAL 2
Diketahui Tabel Frekuensi Berat Badan (Kg) sebagai berikut:

Tentukan :
a. Rata-rata Hitung
b. Median
c. Modus
d. Kuartil ke-2
e. Desil ke-3
 JAWABAN

Rata-rata Hitung:
x =  fi.mi = {f1.m1+f2.m2+f3.m3+ f3.m3+f4.m4+f5.m5+f6.m6+f7.m7+f8.m8+f9.m9+f10.m10}
fi f1+f2+f3+f4+f5+f6+f7+f8+f9+f10
= {(2.17)+(10.22)+(19.27)+(27.32)+(16.37)+(10.42)+(6.47)+(5.52)+(3.57)+(2.62)}
JAWABAN
= {(2.17)+(10.22)+(19.27)+(27.32)+(16.37)+(10.42)+(6.47)+(5.52)+(3.57)+(2.62)}
(2+10+19+27+16+10+6+5+3+2)

= 34+220+513+864+592+420+282+260+171+124
100
= 3480
100

= 34,8
JAWABAN
Berat Badan m f f∑
(kg)
15 – 19 17 2 2
Median = ½ * N
20 – 24 22 10 12 = 100 = 50
25 – 29 27 19 31 2
30 – 34 32 27 58
Med = Lmo + (N/2 - f∑) . C
35 – 39 37 16 74

40 – 44 42 10 84
fm
45 – 49 47 6 90 = 29,5 + (100/2 – 31) . 5
50 – 54 52 5 95 27
55 – 59 57 3 98
= 4,6
60 – 64 62 2 100
JAWABAN
Berat Badan m f f∑
(kg)
15 – 19 17 2 2
Modus Lmo = 29,5
20 – 24 22 10 12 d1 = 27 – 19 = 8
25 – 29 27 19 31
d2 = 27 – 16 = 11
30 – 34 32 27 58
Mod = Lmo + ( d1 ).C
35 – 39 37 16 74

40 – 44 42 10 84
d1 + d2
45 – 49 47 6 90
= 29,5 + ( 8 ).5
50 – 54 52 5 95
19
55 – 59 57 3 98
= 31,6
60 – 64 62 2 100
JAWABAN
Berat Badan m f f∑
(kg)
15 – 19 17 2 2
Kuartil Lq2 = 2 . N = 2 . 100 = 50
4 4
20 – 24 22 10 12

25 – 29 27 19 31

30 – 34 32 27 58
Q2 = Lq + {(i.N / 4) - ∑f} . C
35 – 39 37 16 74

40 – 44 42 10 84
fq
45 – 49 47 6 90
= 29,5 +{((2.100)/4) – 31} . 5
50 – 54 52 5 95
27
55 – 59 57 3 98
= 33
60 – 64 62 2 100
JAWABAN
Berat Badan m f f∑
(kg)
15 – 19 17 2 2
Desil LD3 = 3 . N = 3 . 100 = 30
10 10
20 – 24 22 10 12

25 – 29 27 19 31

30 – 34 32 27 58
D3 = LD + {(i.N / 10) - ∑f} . C
35 – 39 37 16 74

40 – 44 42 10 84
fD
45 – 49 47 6 90
= 24,5 +{((3.100)/10) – 12} . 5
50 – 54 52 5 95
19
55 – 59 57 3 98
= 29,2
60 – 64 62 2 100
Ukuran Dispersi
Merupakan ukuran penyebaran suatu kelompok data terhadap pusat data
a. Jangkauan (Range)
Range = Nilai Maksimal – Nilai Minimal

b. Simpangan Rata-rata (Mean Deviation)

Merupakan jumlah nilai mutlak dari selisih semua nilai dengan nilai rata-rata
dibagi banyaknya data
1. Data tidak berkelompok :
1
SR   X  X
n
2. Data berkelompok :
1
SR  Σf X  X
n
Keterangan :
SR = Simpangan rata-rata
X = Nilai data
X = Nilai rata-rata hitung
f = Frekuensi kelas (data berkelompok)
n = Banyaknya data
c. Variansi (Variance)
Merupakan rata-rata kuadrat selisih atau kuadrat simpangan dari semua nilai
data terhadap rata-rata hitung.
Variansi untuk sampel dilambangkan dengan S2 Variansi untuk populasi
dilambangkan dengan 2
1. Data tidak berkelompok :

S 
2 1
n -1
Σ XX  
2
2. Data berkelompok :

S  21
n -1
Σf X  X  2

Keterangan :
S2 = Variansi
X = Nilai data
X = Nilai rata-rata hitung
f = Frekuensi kelas (data berkelompok)
n = Banyaknya data
d. Simpangan Baku (Standard Deviation)
Merupakan akar pangkat dua dari variasi
Simpangan baku (S) =  S2

e. Jangkauan Kuartil
Disebut juga simpangan kuartil atau rentang semi antar kuartil atau deviasi
kuartil.
Persamaannya : 1
JK  (Q3  Q1 )
Dengan 2

Q1 = kuartil pertama
Q3 = kuartil ketiga
f. Jangkauan Persentil

JP10-90  P90  P10

Dengan
P10 = persentil kesepuluh
P90 = persentil kesembilanpuluh
 KEMIRINGAN, KERUNCINGAN
DISTRIBUSI DATA & ANGKA INDEKS
Kemiringan Distribusi Data
Merupakan derajat atau ukuran dari ketidak simetrisan (Asimetri) suatu
distribusi data.
Kemiringan distribusi data terdapat 3 jenis, yaitu :
a. Simetris
Menunjukkan letak nilai rata-rata hitung, median dan modus berhimpit
(berkisar disatu titik)
b. Miring ke kanan
Mempunyai nilai modus paling kecil dan rata-rata hitung paling besar
c. Miring ke kiri
Mempunya nilai modus paling besar dan rata-rata hitung paling kecil
GRAFIK DISTRIBUSI FREKUENSI

f Simetri f Miring ke kanan f Miring ke kiri

Mod = Med X Mod Med X Med Mod X

Rumus untuk menghitung derajat kemiringan distribusi data (3 )
a. Rumus Persoan
1 3
α  (X  mod) atau α  (X  med)
S S

b. Rumus Momen
1. Data tidak berkelompok :
1
α3  Σ ( X i  X ) 3

nS3
2. Data berkelompok : 1
α3  Σf i (m i  X ) 3

Keterangan : nS3
3 = Derajat Kemiringan Jika 3 = 0 distribusi data simetris
Xi = Nilai data ke - i 3 < 0 distribusi data miring ke kiri
X = Nilai rata-rata hitung 3 > 0 distribusi data miring ke kanan

fi = Frekuensi kelas ke - i
mi = Nilai titik tengah ke - i
S = Simpangan baku
n = Banyaknya data