REVISI TUGAS STATISTIKA DASAR

Makalah Statistika Dasar Tendensi Sentral dan DISPERSI

Disusun untuk memenuhi tugas mata kuliah Statistika Dasar
Dosen Pengampu : Bu Nonoh

Oleh :

Amy Mukaromatun Luthfiana (K2312005)

Anafi Nur’aini (K2312006)

Mustofa Nafis (K2312047)

Pendidikan Fisika 2012 A/Semester 3

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

PROGRAM STUDI PENDIDIKAN FISIKA JURUSAN PMIPA
UNIVERSITAS SEBELAS MARET SURAKARTA
2013
 KATA PENGANTAR

Puji Syukur kehadirat Tuhan YME atas limpahan rahmat-Nya sehingga penulis bisa
menyelesaikan makalah mengenai Tendensi Sentral/Ukuran Pemusatan ini tepat pada
waktunya.
Statistik merupakan ilmu pengetahuan yang berhubungan dengan cara-cara
pengumpulan data, penyajian, pengolahan, analisa data serta penarikan kesimpulan. Statistika
dalam pengertian ilmu dibedakan manjadi statistika deskripstif dan inferensial dimana
statistika deskripstif bertujuan untuk mengemukakan penyajian data dalam bentuk tabel
maupun diagram, penentuan rata-rata (mean), modus, median, rentang serta simapangan
baku. Sedangkan statitika inferensial bertujuan menarik kesimpulan dari sebuah dugaan yang
diperoleh dari statistika deskriptif.Ukuran-ukuran statistik sendiri merupakan wakil dari
kumpulan data yang berupa ukuran tendensi sentral, ukuran lokasi, dan ukuran
dispersi/keberagaman.
Berdasarkan tujuan ditulisnya makalah ini maka dalam makalah ini akan digambarkan
dengan lebih jelas mengenai ukuran-ukuran statistik berupa pengertian beserta contoh dan
penyesaiannya.
Tak ada gading yang tak retak, begitu pula dengan makalah ini. Penulis menyadari
bahwa makalah ini masih jauh dari sempurna dan masih banyak kekurangan. Sehingga kritik
dan saran yang membangun sangat penulis harapkan. Namun, penulis juga berharap makalah
ini dapat bermanfaatbagi pembaca terutama dalam memahami ukuran-ukuran statistik.

Penulis
BAB I

PENDAHULUAN
1.1.Latar Belakang

Pada dasarnya statistika ialah sebuah konsep dalam bereksperimen, menganalisa data
yang bertujuan untuk mengefisiensikan waktu, tenaga dan biaya dengan memperoleh hasil
yang optimal. Berdasarkan definisinya Statistika merupakan ilmu yang mempelajari
bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan
mempresentasikan data. Sedangkan statistik adalah data, informasi, atau hasil penerapan
algoritma statistika pada suatu data. Data sendiri merupakan kumpulan fakta atau angka.

Disadari atau tidak, statistika telah banyak digunakan dalam kehidupan sehari-hari.
Bahkan pemerintah menggunakan statistika untuk menilai hasil pembangunan masa lalu dan
juga untuk membuat rencana masa datang. Begitu pula Pimpinan mengambil manfaat dari
kegunaan statistika untuk melakukan tindakan - tindakan yang perlu dalam menjalankan
tugasnya, diantaranya: perlukah mengangkat pegawai baru, sudah waktunyakah untuk
membeli mesin baru, bermanfaatkah kalau pegawai di tatar, bagaimanakah kemajuan usaha
tahun tahun yang lalu, berapa banyak barang harus dihasilkan setiap tahunnya, perlukah
sistem baru dianut dan sistem lama ditinggalkan, dan masih banyak lagi untuk disebutkan.
Dunia penelitian atau riset, dimanapun dilakukan bukan saja telah mendapat manfaat yang
baik dari statistika tetapi sering harus menggunakannya. Untuk mengetahui apakah cara yang
baru ditemukan lebih baik daripada cara lama, melalui riset yang dilakukan dilaboratorium,
atau penelitian yang dilakukan di lapangan, perlu diadakan penilaian dengan statistika.
Apakah model untuk sesuatu hal dapat kita anut atau tidak, perlu diteliti dengan
menggunakan teori statistika. Statistika juga telah cukup mampu untuk menentukan apakah
faktor yang satu dipengaruhi atau mempengaruhi faktor lainnya. Kalau ada hubungan antara
factor - faktor, berapa kuat adanya hubungan tersebut? Bisakah kita meninggalkan faktor
yang satu dan hanya memperhatikan faktor lainnya untuk keperluan studi lebih lanjut.

Uraian singkat tadi, hendaknya cukup dapat memberikan gambaran bahwa statistika
sebenarnya diperlukan, minimal penggunaan metodanya. Sesungguhnya statistika sangat
diperlukan bukan saja hanya dalam penelitian atau riset, tetapi juga perlu dalam bidang
pengetahuan lainnya seperti : teknik, industri, ekonomi, astronomi, biologi, kedokteran,
asuransi, pertanian, perniagaan, bisnis, sosiologi, antropologi, pemerintahan, pendidikan,
psikologi, meteorologi, geologi, farmasi, ekologi, pengetahuan alam, pengetahuan sosial, dan
lain sebagainya.

Penguasaan statistika dan kemampuan menggunakannya merupakan suatu hal yang

sangat penting dan sangat bermanfaat bagi sebuah organisasi perusahaan khususnya dalam
bidang ekonomi dan bisnis. Karena dengan itu, sebuah organisasi perusahaan bisa
mendapatkan informasi yang sangat berguna bagi kemajuan perusahaannya. Informasi
tersebut bisa didapatkan dari hasil pengolahan data yang telah disimpulkan kemudian data
tersebut bisa kita analisa untuk dijadikan bahan perkiraan dalam mengambil keputusan di
masa yang akan datang. Semakin berkembang pesatnya teknologi di zaman sekarang ini,
setiap perusahaan menginginkan agar bisa menggunakan teknologi tersebut dalam membuat
sebuah perencanaan yang matang untuk masa depan perusahaannya dari informasi yang telah
ada pada perusahaannya. Informasi tersebut terdiri dari data variabel dan juga data numerik
yang telah dikumpulkan, dibagi-bagi, kemudian diolah menjadi data ringkasan yang
berbentuk variabel maupun angka-angka. Dalam pengolahan data tersebut, setiap perusahaan
bisa menggunakan teknologi komputer dari aplikasi yang telah dibuat oleh Perusahaan
Microsoft seperti Microsoft Office Excel dan ada juga aplikasi komputer yang membantu
untuk pengolahan data seperti aplikasi SPSS. Oleh karena itu, kami mencoba untuk membuat
kerangka tulisan ini yang membahas mengenai bagaimana cara penggunaan aplikasi tersebut
dalam pengolahan data yang diinginkan dengan pengetahuan yang kami dapatkan dari kuliah
Statistika Deskriptif dan juga dari berbagai sumber yang kami peroleh baik dari media
internet maupun buku-buku yang membahas tentang penggunaan aplikasi tersebut.

I.2 Tujuan

Adapun maksud dari penulisan makalah ini adalah sebagai berikut :

1. Untuk mengetahui cara menghitung Ukuran Pemusatan dan Penyebaran Data.

2. Untuk Memberikan suatu informasi dalam pengolahan data.

 BAB II
PEMBAHASAN

II.1 Pegertian Tendensi Sentral/Ukuran Pemusatan

Setiap pengukuran aritmatika yang ditujukan untuk menggambarkan suatu

nilai yang mewakili nilai pusat atau nilai sentral dari suatu gugus data (himpunan
pengamatan) dikenal sebagai ukuran tendensi sentral

Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang
mewakili rangkaian data tersebut. Tendensi sentral digunakan untuk menggambarkan
sifat sekumpulan data dari suatu pengamatan. Syarat-syaratnya adalah sebagai berikut
:

1. Harus dapat mewakili rangkaian data

2. Perhitungannya harus didasarkan pada Seluruh data
3. Perhitungannya harus objektif
4. Perhitungannya harus mudah
5. Dalam suatu rangkaian hanya ada 1 nilai sentral
Terdapat tiga ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-
rata hitung/rata-rata aritmetika), median, dan modus.

II.1.1 Pengertian Mean, Median dan Modus

a. Mean

Mean berarti “angka rata-rata”. Dari segi aritmetik Mean adalah “jumlah nilai-
nilai dibagi dengan jumlah individu”. Istilah mean saja merupakan metode yang

.
paling banyak digunakan untuk menggambarkan ukuran tendensi sentral Mean (rata-
rata) merupakan jumlah seluruh nilai data dibagi dengan seluruh kejadian atau nilai
rata-rata dari beberapa buah data.
Untuk keperluan ini, dalam perhitungan ukuran-ukuran statistik akan
digunakan simbol-simbol. Nilai-nilai data kuantitatif akan dinyatakan dengan x1, x2,
…, xn, apabila dalam kumpulan data itu terdapat n buah nilai. Simbol n juga
digunakan untuk menyatakan ukuran sampel, yakni banyaknya objek atau data yang
diteliti dalam sampel.
Rata-rata untuk data kuantitatif yang terdapat dalam sebuah sampel dihitung
dengan jalan membagi jumlah nilai data oleh banyaknya data.
Mean Data Tunggal

Dirumuskan dengan

atau lebih sederhananya ditulis;

Keterangan :

X1 : data ke 1

X2 : data ke 2

Xn : data ke n

n : jumlah data

Contoh:
Menghitung rata- rata data tunggal :
Diketahui data : 3, 4, 5, 2, 6, 7, 4, 6, 3, 5. hitung nilai rata – ratanya!
Jawab :

= 3 + 4 + 5 + 2 + 6 + 7 + 4 + 6 + 3+ 5
9
= 45
9
= 5
Mean Data Kelompok
Untuk data berkelompok rumus rata-ratanya adalah jumlah hasil kali antara
frekuensi dengan nilai data dibagi jumlah frekuensi; dimana menyatakan frekuensi
untuk nilai yang bersesuaian.

Dirumuskan dengan;
Atau:

Keterangan :

X1 : data ke 1

X2 : data ke 2

Xn : data ke n

f1 : frekuensi data ke 1

f2 : frekuensi data ke 2

fn : frekuensi data ke n

n : jumlah data

xi: nilai tengah

Contoh menghitung rata - rata data kelompok :

Nilai f x
1 -5 3 3
6 -10 7 8
11 – 15 4 13
16 – 20 3 18
21 – 25 7 23
26 – 30 9 28
31 – 35 6 33
36 – 40 7 38
41 – 45 8 43
46 - 50 6 48
60
Jawab :
= {(3.3)+(7.8)+(4.13)+(3.18)+(7.23)+(9.28)+(6.33)+(7.38)+(8.43)+(6.48)}
60
={9+56+52+54+161+252+198+266+344+288}
60
= 1680
60
 = 28

Kelebihan nilai rata-rata :

1. Nilai rata-rata punyai sifat objektif, artinya untuk berbagai perhitungan oleh
individu yang berlainan akan dihasilkan nilai yang sama.
2. Nilai rata-rata mudah dimengerti.
3. Nilai rata-rata mudah dihitung
4. Perhitungan rata-rata didasarkan pada data keseluruhan sehingga nilai rata-rata
dapat mewakili suatu rangakaian data.
5. Nilai rata-rata mempunyai stabilitas sampel, artinya perhitungan nilai rata-rata
berdasarkan berbagai macam sampel, Hasilnya satu dengan yang lain tidak akan
berbeda.
6. Nilai rata-rata digunakan untuk perhitungan lebih lanjut, artinya dari berbagai nilai
rata-rata dapat dihitung nilai rata-rata keseluruhannya.

Kelemahan nilai rata-rata :

1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem, baik kecil maupun besar.
Artinya apabila pada suatu rangakaian data terdapat nilai ekstrem, maka nilai

ekstrem inilah yang sangat menentukan terhadap nilai rata-rata .

2. Pada distribusi yang condong, nilai rata-rata kurang mewakili. Contoh,
penghasilan 5 orang mantan kasek sbb : 30 40 35 35 150. Gaji rata-rata menjadi
290/5 = 58 ribu. Nilai ini tidak dapat mewakili karena ada gaji yang dibawahnya

b. Median

Median (nilai tengah), merupakan nilai tengah dari rangkaian data yang telah
tersusun secara teratur. Atau sebagai ukuran letak, karena median membagi distribusi
menjadi 2 bagian yang sama. Median menentukan letak data setelah data itu disusun
menurut urutan nilainya. Kalau nilai median sama dengan Me, maka 50% dari data
harga-harga yang paling tinggi sama dengan Me dan sedangkan 50% lagi harga-harga
paling rendah sama dengan Me.

Median Data Tunggal

 Jika banyak data ganjil maka median setelah data disusun menurut nilainya
merupakan data paling tengah.

Keterangan :
N = Jumlah data

Contoh:
Menghitung median data tunggal :
Diketahui data :2, 3, 3, 4, 4, 5, 5, 6, 6, 7. hitung median data tersebut!

Data ke-5,5 berada diantara angka 4 dan 5 maka ….

Median =4+ 5
2
= 4,5
Median Data Kelompok

Keterangan :

Lm = tepi bawah kelas median

N = Jumlah Frekuensi
∑f = Frekuensi kumulatif diatas kelas median
fm = Frekuensi kelas median
c = interval kelas median

Contoh:
Menghitung Median data kelompok :
 Nilai fm F
1 -5 3 3
6 -10 7 10
11 – 15 4 14
16 – 20 3 17
21 – 25 7 24
26 – 30 9 33
31 – 35 6 39
36 – 40 7 46
41 – 45 8 54
46 - 50 6 60
60
Jawab :
Kelas median =1/2.n
= ½.60
= 30
Berada pada kelas 26-30
Lm = 26 - 0,5 = 25,5
N = 60 ∑f = 24
C =5 fm = 9
Median = Lm + ( N/2 - ∑f ) . C
fm
= 25,5 + (60/2 – 24) . 5
9
=25,5 + (30 – 24) . 5
9
= 25,5 + 0,67 . 5
=25,5 +3,35
=28,85

Kelebihan :
1. Tidak peka atau tidak terpengaruh pada nilai ekstrim.
2. Cocok untuk data heterogen.
3. Median digunakan bila terdapat data yang ekstrim dalam sekelompok
data Kekurangan :
1. Tidak mempertimbangkan semua nilai.
 2. Kurang dapat menggambarkan mean populasi.

c. Modus

Modus, merupakan nilai data yang memiliki frekuensi terbesar atau dengan
kata lain, nilai data yang paling sering terjadi.. Ukuran ini juga dalam keadaan tidak
disadari sering dipakai untuk menentukan rata-rata data kualitatif.Misalnya banyak
kematian di Indonesia disebakan oleh penyakit malaria, pada umumnya kecelakaan
lalulintas karena kecerobohan pengemudi, maka tidak lain masing-masing merupakan
modus penyebab kematian dan kecelakaan lalu lintas.. modus memiliki kelebihan
dibandingkan dua ukuran pemusatan sebelumnya mean dan modus yaitu bisa
digunakan untuk semua jenis data. Cara menentukan modus amat sangat mudah hanya
dengan mengamati data yang paling sering muncul. Dalam satu rangkaian data,
kadang dijumpai adanya 1 modus, 2 modus atau tidak ada modus.
Modus Data Tunggal
Cara menentukan modus data tunggal yakni dengan mengamati data yang paling
sering muncul.
Contoh modus data tunggal :
Berapakah modus dari data berikut : 1,2,2,4 ,4 ,4,5 ,6 ,7,8 ,9 .
Jawab:
Modus = 4 , karena angka 4 muncul paling banyak yaitu 3 kali.
Modus Data Kelompok
Untuk data kualitatif yang telah disusun dalam tabel distribusi frekuensi (data
berkelompok), modusnya dapat ditentukan dengan rumus:

dengan:
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

Contoh menghitung Modus data kelompok :

 Nilai fm F

1 -5 3 3
6 -10 7 10
11 – 15 4 14
16 – 20 3 17
21 – 25 7 24
26 – 30 9 33
31 – 35 6 39
36 – 40 7 46
41 – 45 8 54
46 - 50 6 60
60

Jawab :
Kelas modus 26 – 30
(karena memiliki frekuensi terbanyak = 9)
Lmo = 26 – 0,5 = 25,5
d1 =9–7=2
d2 =9–6=3
c =5

Mod = Lmo + d1 .c
d1 + d2
=25,5 + 2 .5
2+ 3
= 25,5 + 0,4 . 5
= 25,5 + 2
= 27,5

Modus dibandingkan ukuran lainnya, tidak tunggal adanya.Yang berarti

sekumpulan data biasanya mempunyai lebih dari sebuah modus.

Kelebihan :
1. Tidak peka atau tidak terpengaruh pada nilai ekstrim.
2. Cocok untuk data homogen maupun heterogen.

Kekurangan :
 1. Kurang menggambarkan mean populasi.
2. Modus bisa lebih dari satu, atau tidak ada satu pun.
3. Digunakan modus, bila peneliti ingin cepat memberikan penjelasan terhadap
sekelompok data, dengan hanya mempunyai data yang popular pada kelompok
tersebut namun teknik perhitungan ukuran ini kurang memiliki ketelitian.

II.2. Ukuran Dispersi/Ukuran Penyebaran

Dispersi / Ukuran penyebaran Data adalah suatu ukuran baik parameter atau
statistika untuk mengetahui seberapa besar penyimpangan data. Melalui ukuran
penyebaran dapat diketahui seberapa jauh data-data menyebar dari titik
pemusatannya/ suatu kelompok data terhadap pusat data.Ukuran ini kadang – kadang
dinamakan pula ukuran variasi yang mnggambarkan berpencarnya data kuantitatif.
Beberapa ukuran dispersi yang terkenal dan akan diuraikan disini ialah : Rentang,
Rentang natar kuartil, simpangan kuartil/deviasi kuartil, rata-rata simpangan/rata-rata
deviasi, simpangan baku atau standar deviasi, variansi dan koefisien variansi,
jangkauan kuartil, dan jangkauan persentil.

a) Rentang/Range (Jangkauan Data)

Rentang (Range) dinotasikan sebagai R, menyatakan ukuran yang

menunjukkan selisih nilai antara maksimum dan minimum atau selisih bilangan
terbesar dengan bilangan terkecil.
Rentang merupakan ukuran penyebaran yang sangat kasar, sebab hanya
bersangkutan dengan bilangan terbesar dan terkecil.Semakin kecil nilai R maka
kualitas data akan semakin baik, sebaliknya semakin besar nilai R, maka kualitasnya
semakin tidak baik.
Rentang cukup baik digunakan untuk mengukur penyebaran data yang simetrik dan
nilai datanya menyebar merata. Ukuran ini menjadi tidak relevan jika nilai data
maksimum dan minimumnya merupakan nilai ekstrim.
Rentang = Xmax – Xmin,
Xmax adalah data terbesar dan Xmin adalah data terkecil.

b) Kuartil
 Kuartil

Jika sekumpulan data dibagi menjadi empat bagian yang sama banyak,
sesudah disusun menurut urutan nilainya, maka bilangan pembaginya disebut kuartil.
Ada tiga buah kuartil, yakni kuatil pertama, kuartil kedua, dan kuartil ketiga yang
masing-masing disingkat dengan Q1, Q2, dan Q3. Pemberian nama ini dimulai dari
nilai kuartil paling kecil. Untuk menentukan nilai kuartilnya adalah:
o Susun data menurut urutan nilainya.
o Tentukan letak kuatil.
o Tentukan nilai kuatil.
Letak kuartil ke i, diberi lambing Ki, ditentukan oleh rumus:

Q1 = Kuartil bawah =

Q2 = Median = Kuartil Tengah =

Q3 = Kuartil atas =

 Rentang antar Kuartil

Rentang antar kuartil dapat dirumuskan:
Rak = Q3 – Q1

Kuartil Data Tunggal

Contoh Kuartil data tunggal :

Sampel dengan data 3,4,4,5,5,6,6,6,6,7,7,8,9.

Q1 =1(13+1)
4
= 1.14
4
= 14 : 4
= 3,5
Data ke-3.5 berada antara angka 4 dan 5 sehingga

4+5 = 4.5
2
Q2 = 2(13+1)
4
= 2(14)
4
=7

Data ke-7 adalah 6

Q3 = 3(13+1)
4

=3(14)
4

= 10.5

Data ke-10.5 berada diantara angka 7 dan 7 jadi :

7+7 = 7
2
Kuartil Data Berkelompok
Qi = Tb + p { ( i/4.n )-F }
f
Keterangan:
i/4.n = letak Qi
Tb = Tepi bawah interval kelas Qi ( Tb = batas bawah - 0,5)
p = Panjang kelas interval
n = Banyak data
F = Frekuensi kumulatif sebelum kelas Qi
f = Frekuensi pada kelas Qi

Contoh:
Kuartil Data berkelompok
Hitunglah kuartil Dari data pada tabel dibawah ini !

Tabel Nilai Praktikum Komputer

Mahasiswa
Teknik Komputer
Nilai f F
51 – 55 4 4
56 – 60 20 24
61 – 65 24 48<Q1>
66 – 70 56 104
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Letak Q1 = ¼. n

= ¼.160

= 40

Data ke-40 berada pada kelas 61-65

(Tb = 61 – 0,5 = 60,5)

Jadi :

Q1 = Tb + p { (1/4.n –F)}
f
= 60,5+ 5 { (1/4.160 – 24 )}

24

= 60,5 + 5 {0,67}

= 60,5 + 3,35 = 63,85

Nilai f F
 51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104<Q2>
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Letak Q2 = 2 /4. n
= 2/4 .160
= 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi :
Q2 = Tb + p { (2/4.n –F)}
f
= 65,5+ 5 { (2/4.160 – 48 )}
56
= 65,5 + 5 {0,57}
= 65,5 + 2,85 = 68,35

Nilai f F

51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104
71 – 75 19 123<Q3>
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160
 Letak Q3 = 3/4 . n
= 3/4160
= 120
Data ke-120 berada pada kelas 71-75
(Tb = 71 – 0,5 = 70,5)
Jadi :
Q3 = Tb + p { (3/4.n –F)}
f
= 70,5+ 5 { (3/4.160 – 104 )}
19
= 70,5 + 5 {0,84}
= 70,5 + 4,2 = 74,7

c) Desil

Jika sekumpulan data dibagi menjadi 10 bagian yang sama, maka didapat
sembilan pembagi dan tiap pembagi dinamakan desil. Karenanya ada sembilan buah
desil, ialah desil pertama, desil kedua, …, desil kesembilan, yang disingkat D1, D2,
…, D9. Desil-desil ini dapat ditentukan dengan jalan:
o Susun data menurut urutan nilainya.
o Tentukan letak desil.
o Tentukan nilai desil.
Letak desil ke i, diberi lambing Di
Desil Data Tunggal

Contoh Desil data tunggal:

Tentukan D1, D3 dan D7 dari data : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14)!

Jawab :

Di = i ( n + 1 )

10
D1 = 1(14+1)

10

= 15

10

= 1,5

Data ke 1,5 berada diantara angka 3 dan 4 jadi :

3+4 = 3,5
2
D3 = 3(14+1)
10
= 45
10
= 4,5

Data ke 4,5 berada diantara angka 5 dan 5 jadi :

5+5 = 5
2

D7 = 7(14+1)
10
= 105
10
= 10,5

Desil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi, desil ke i
Di (i = 1, 2, …, 9) dihitung dengan rumus:
dengan
i = 1, 2, …, 9.
Tb = batas bawah kelas Di , ialah kelas interval dimana Di akan terletak.
p = panjang kelas Di.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Di.
f = frekuensi kelas Di.
Contoh Desil pada data berkelompok :

Hitunglah D5 dan D9 dari data pada tabel berikut ini :

Tabel Nilai Praktikum Komputer

Mahasiswa
Teknik Komputer
Nilai f F

51 – 55 4 4
56 – 60 20 24
61 – 65 24 48
66 – 70 56 104<D5>
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Jawab :
Di = Tb + p { ( i/10.n )-F }
f
Letak D5 = 5/10 . n
= 5/10.160
= 80
Data ke-80 berada pada kelas 66-70
(Tb = 66 – 0,5 = 65,5)
Jadi :
D5 = Tb + p { (5/10.n –F)}
f
= 65,5+ 5 { (5/10.160 – 48 )}
56
= 65,5 + 5 {0,57}
= 65,5 + 2,85 = 68,35
d) Persentil

Sekumpulan data yang dibagi menjadi 100 bagian yang sama, akan menghasilkan 99
pembagi berturut-turut yang dinamakan persentil pertama, persentil kedua, …,
persentil ke-99. Simbol yang digunakan berturut-turut P1, P2, …, P99. Persentil ini
dapat ditentukan dengan jalan:

o Susun data menurut urutan nilainya.

o Tentukan letak desil

o Tentukan nilai desil.

Letak desil ke i, diberi lambing P

Persentil Data Tunggal

Rumus Persensil ke-i =

Contoh Persentil Data Tunggal :

Diketahui data sebagai berikut : 3, 4, 4, 5, 5, 6, 6, 6, 6, 7, 8, 8, 8, 9(n=14).

hitung P90!

Jawab :

Pi = i ( n + 1 )
100
P90 = 90 (14+1)
100
= 1350
100
= 13,5

Data ke 13,5 berada diantara angka 8dan 9 jadi :

8+9 = 8,5
2
Persentil Data Kelompok

Untuk data berkelompok yang telah disusun dalam tabel distribusi frekuensi, persentil
ke i Pi (i = 1, 2, …, 99) dihitung dengan rumus:
dengan
i = 1, 2, …, 99.
Tb = batas bawah kelas Pi , ialah kelas interval dimana Pi akan terletak.
p = panjang kelas Pi.
F = jumlah frekuenasi dengan tanda kelas lebih kecil dari tanda kelas Pi.
f = frekuensi kelas Pi.

Contoh Persentil Pada Data Berkelompok :

Hitung P10 dari data di bawah ini !

Tabel Nilai Praktikum Komputer Mahasiswa

Teknik Komputer
Nilai f F
51 – 55 4 4
56 – 60 20 24<P10>
61 – 65 24 48
66 – 70 56 104
71 – 75 19 123
76 – 80 16 139
81 – 85 10 149
86 – 90 7 156
91 – 95 3 159
96 – 100 1 160
160

Jawab :

Pi = Tb + p { ( i/100.n )-F }

Letak P10 = 10/100 . n

= 10/100.160
= 16
Data ke-16 berada pada kelas 56-60
 (Tb = 56 – 0,5 = 55,5)
Jadi :
P10 = Tb + p { (10/100.n –F)}
f
= 55,5+ 5 { (10/100.160 – 4 )}
20
= 55,5 + 5 {0,6}
= 55,5 + 3 = 58,5

e) Simpangan Kuartil/Deviasi Kuartil

Simpangan kuartil dihitung dengan cara menghapus nilai-nilai yang terletak di bawah
kuartil pertama dan nilai-nilai di atas kuartil ketiga, sehingga nilai-nilai ekstrem, baik
yang berada di bawah ataupun di atas distribusi data, dihilangkan.
D = (K3-K1)/2
Simpangan kuartil lebih stabil dibandingkan dengan Range karena tidak dipengaruhi
oleh nilai ekstrem. Nilai-nilai ekstrim sudah dihapus. Meskipun demikian, sama
seperti Range, simpangan kuartil juga tetap tidak memperhatikan dan
memperhitungkan penyimpangan semua gugus datanya. Simpangan kuartil hanya
memperhitungkan nilai pada kuartil pertama dan kuartil ketiga saja.

f) Jumlah dan Interval Kelompok

 Menentukan banyaknya kelompok

m  1 3,3log
n
m: banyaknya kelompok/kelas
 Menentukan Interval Kelompok

iR/

R = Xmaks – Xmin

i: interval kelompok/kelas
g) Varians
Varians adalah salah satu ukuran dispersi atau ukuran variasi. Varians dapat
menggambarkan bagaimana berpencarnya suatu data kuantitatif. Varians diberi
simbol σ2 (baca: sigma kuadrat) untuk populasi dan untuk s2 sampel.
Rumus kerja untuk varians adalah sebagai berikut:

Dimana:
σ2 = rata-rata populasi
N = total jumlah populasi
Adapun varians untuk sample dapat dicari dengan rumus yang sama namun
mengurangkan N dengan 1 sebagai berikut:

Dimana :
s = rata-rata sampel
n = jumlah sampel yang digunakan

h) Standar Deviasi/Simpangan Baku

Standar deviasi disebut juga simpangan baku. Seperti halnya varians, standar deviasi
juga merupakan suatu ukuran dispersi atau variasi. Standar deviasi merupakan ukuran
dispersi yang paling banyak dipakai. Hal ini mungkin karena standar deviasi
mempunyai satuan ukuran yang sama dengan satuan ukuran data asalnya. Misalnya,
bila satuan data asalnya adalah cm, maka satuan standar deviasinya juga
cm. Sebaliknya, varians memiliki satuan kuadrat dari data asalnya (misalnya
cm2). Simbol standar deviasi untuk populasi adalah σ (baca: sigma) dan untuk sampel
adalah s.
Rumus untuk menghitung standar deviasi adalah sebagai berikut:
 Atau

i) Koefisien Variasi
Koefisien Variasi merupakan ukuran yang bebas satuan dan selalu dinyatakan dalam
bentuk persentase. Nilai KK yang kecil menunjukkan bahwa data tidak terlalu
beragam dan di katakan lebih konsisten. KK tidak dapat diandalkan apabila nilai rata-
rata hampir sama dengan 0 (nol). KK juga tidak stabil apabila skala pengukuran data
yang digunakan bukan skala rasio.

Persamaannya: KV  (SD / X )x100 %

SD: Standard Deviasi

 Pengolahan Data
ANALISA DESKRIPTIF

DATA I
Nilai Ujian Struktur Atom Kelas XI IPA SMA N 1 Boyolali tahun 2012

No 32 94 65 78
Urut Nilai 33 69 66 94
1 82 34 81 67 88
2 90 35 77 68 58
3 94 36 76 69 78
4 98 37 81 70 64
5 84 38 85 71 80
6 94 39 79 72 90
7 88 40 69 73 76
8 78 41 82 74 78
9 84 42 83 75 80
10 95 43 81 76 80
11 92 44 81 77 94
12 88 45 76 78 78
13 65 46 83 79 62
14 86 47 89 80 78
15 66 48 76 81 82
16 92 49 75 82 88
17 68 50 69 83 90
18 92 51 85 84 76
19 78 52 81 85 78
20 94 53 81 86 80
21 80 54 76 87 86
22 76 55 83 88 82
23 80 56 83 89 76
24 92 57 77 90 78
25 60 58 69 91 90
26 86 59 79 92 96
27 67 60 79 93 72
28 70 61 76 94 92
29 94 62 71 95 68
30 78 63 85
31 90 64 65
 Jangkauan (R)

R = 98-58 = 40

 Banyaknya Kelas (k)

k = 1 + 3,3 log 95

= 1 + 3,3 log 95

= 7.526 ≈ 7

 Panjang Interval Kelas (i)

= 5,71 ≈ 6

 Batas Kelas Pertama

Batasnya 58 (data terkecil)

Interval Kelas xi fi xi.fi

58 - 63 60,5 3 181,5

64 – 70 67 12 804

71 - 76 73,5 12 882

77 - 82 79,5 31 2464,5

83 - 88 85,5 16 1368

89 - 94 91,5 18 1647

95 - 100 97,5 3 292,5

Jumlah 95 7639,5


= 80,42

⁄


= 82,59

Hubungan Mean, Mode, Median

83
82.5
82
81.5
81
80.5
80
79.5 Series1
79
78.5
78

meanmodemedian
 Interval Kelas x f ̅ ( ̅ )2 f( ̅)
2

58 - 63 60,5 3 -19,92 396,8064 1190,419

64 – 70 67 12 -13,42 180,0964 2161,157

71 - 76 73,5 12 -6,92 47,8864 574,6368

77 - 82 79,5 31 -0,92 0,8464 26,2384

83 - 88 85,5 16 5,08 25,8064 412,9024

89 - 94 91,5 18 11,08 122,7664 2209,795

95 - 100 97,5 3 17,08 291,7264 875,1792

Jumlah 95 7450,328

̅
 Varians =

s2 = 78,424

 Simpangan Baku (Standar Deviasi)

√ √

Scatter plot nilai struktur atom kelas XI SMA N

1 Boyolali tahun 2012
120
100
80
60
nilai

40
20
0

0 20 40 60 80 100
no urut
Data yang dihapus: 98, 96, 95,68,67, 66,65,64,62, 60, 58

Persentase data yang dibuang:

No 39 79 79 62
Urut Nilai 40 69 80 78
1 82 41 82 81 82
2 90 42 83 82 88
3 94 43 81 83 90
4 98 44 81 84 76
5 84 45 76 85 78
6 94 46 83 86 80
7 88 47 89 87 86
8 78 48 76 88 82
9 84 49 75 89 76
10 95 50 69 90 78
11 92 51 85 91 90
12 88 52 81 92 96
13 65 53 81 93 72
14 86 54 76 94 92
15 66 55 83 95 68
16 92 56 83
17 68 57 77
18 92 58 69
19 78 59 79
20 94 60 79
21 80 61 76
22 76 62 71
23 80 63 85
24 92 64 65
25 60 65 78
26 86 66 94
27 67 67 88
28 70 68 58
29 94 69 78
30 78 70 64
31 90 71 80
32 94 72 90
33 69 73 76
34 81 74 78
35 77 75 80
36 76 76 80
37 81 77 94
38 85 78 78
 Jangkauan (R)

R = 94 – 69 = 25

 Banyaknya Kelas (k)

k = 1 + 3,3 log n

= 1 + 3,3 log 82

= 7,31 ≈ 7

 Panjang Interval Kelas (i)

= 3,6 ≈ 4

 Batas Kelas Pertama

Batasnya 69 (data terkecil)

Interval
Xi fi xi.fi
Kelas
69 - 72 70,5 7 493,5

73 - 76 74,5 10 745

77 - 80 78,5 21 1648,5

81 - 84 82,5 16 1320

85 - 88 86,5 10 865

89 - 92 90,5 11 995,5

93 - 96 94,5 7 661,5

Jumlah 82 6729


= 82,06

⁄


= 88,25

Hubungan Mean, Median

, Mode
90
88
86
84
82
80
78
76
74

mean median modus

 Interval Kelas x f ̅ ( ̅ )2 f( ̅)
2

69 - 72 70,5 7 -11,56 133,6336 935,4352

73 - 76 74,5 10 -7,56 57,1536 571,536

77 - 80 78,5 21 -3,56 12,6736 266,1456

81 - 84 82,5 16 0,44 0,1936 3,0976

85 - 88 86,5 10 4,44 19,7136 197,136

89 - 92 90,5 11 8,44 71,2336 783,5696

93 - 96 94,5 7 12,44 154,7536 1083,275

3840,195
Jumlah 82

̅
 Varians =

s2 = 46,83

 Simpangan Baku (Standar Deviasi)

√ √

DATA 2
Nilai Ujian Termokimia Kelas XI IPA SMA N 1 Boyolali tahun 2012
No Urut 24 100 50 78
Nilai
1 90 25 83 51 100

2 78 52 90
26 100
53 70
3 80 27 65
54 53
4 94 28 95
55 83
5 98 29 93 56 85
6 98 30 85 57 85
7 88 31 80 58 70

8 90 59 88
32 93
60 83
9 90 33 90
61 88
10 98 34 95 62 93
11 78 35 83 63 75
12 88 36 75 64 98

13 75 37 80 65 85

38 98 66 93
14 85
39 78 67 88
15 60
40 95 68 78
16 93
41 80 69 93
17 90 42 83 70 95
18 78 43 95 71 75

19 90 44 95 72 80
45 90 73 78
20 93
46 65
21 90 74 85
47 80
22 88 75 95
48 93
23 95 49 90 76 95
 77 95 84 90

78 90 85 90

79 93 86 100 91 95

80 85 87 90 92 95

81 88 88 90 93 83

82 93 89 98 94 88

83 95 90 95 95 90

 Jangkauan (R)

R = 100-53 = 47

 Banyaknya Kelas (k)

k = 1 + 3,3 log 95

= 1 + 3,3 log 95

= 7.526 ≈ 7

 Panjang Interval Kelas (i)

= 6.245 ≈ 6

 Batas Kelas Pertama

Batasnya 53 (data terkecil)

 Interval Kelas xi fi xi.fi

53 - 60 56.5 2 113

61 – 68 64.5 2 129

69- 76 72.5 6 435

77 - 84 80.5 19 1529.5

85 - 92 88.5 31 2743.5

93 - 100 96.5 35 3377.5

Jumlah 95 7639,5

= 80.42

⁄


= 90.94
 Hubungan Mean, Mode,
Median
120

100

80

60

40

20
mean modus median
0

Interval Kelas x f ̅ ( ̅ )2 f( ̅)
2

53 - 60 56.5 2 -23.92 572.166 1144.33

61 – 68 64.5 2 -15.92 253.446 506.893

69- 76 72.5 6 -7.92 62.7264 376.358

77 - 84 80.5 19 0.08 0.0064 0.1216

85 - 92 88.5 31 8.08 65.2864 2023.88

93 - 100 96.5 35 16.08 258.566 9049.82

53 - 60 56.5 2 -23.92 572.166 1144.33

Jumlah 95 7639,8

̅
 Varians =

s2 = 80.42

 Simpangan Baku (Standar Deviasi)

√ √
 Scatter plot nilai struktur atom kelas XI SMA
N 1 Boyolali tahun 2012
120

100

80
nilai

60

40

20

0
0 10 20 30 40 50 60 70 80 90 100
nomer urut

Data yang dihapus: 53, 60,65,65,70,70,100, 100, 100,100

Persentase data yang dibuang:

No Nilai 11 78 22 88
Urut
1 90 12 88 23 95

2 78 13 75 24 100

3 80 14 85 25 83

4 94 15 60 26 100

5 98 16 93 27 65

6 98 17 90 28 95

7 88 18 78 29 93

8 90 19 90 30 85

9 90 20 93 31 80

10 98 21 90 32 93
33 90 63 75
34 95 64 98

35 83 65 85
66 93
36 75
67 88
37 80
68 78
38 98
69 93
39 78
70 95
40 95
71 75
41 80
42 83 72 80

43 95 73 78
44 95 74 85
45 90
75 95
46 65
76 95
47 80
77 95
48 93
49 90 78 90

50 78 79 93
51 100 80 85
52 90
81 88
53 70
82 93
54 53
55 83 83 95

56 85 84 90
90 95
57 85 85 90
91 95
58 70
86 100
59 88 92 95
87 90
60 83 93 83
88 90
61 88 94 88
62 93 89 98
95 90
 Jangkauan (R)

R = 98 – 75 = 23

 Banyaknya Kelas (k)

k = 1 + 3,3 log n

= 1 + 3,3 log 85

= 7,37 ≈ 7

 Panjang Interval Kelas (i)

= 3,29 ≈ 3

 Batas Kelas Pertama

Batasnya 75 (data terkecil)

Interval Kelas Xi fi xi.fi

75 - 78 76.5 11 841.5
79 - 82 80.5 6 483
83 - 86 84.5 13 1098.5
87 - 90 88.5 24 2124
91 - 94 92.5 11 1017.5
95 - 98 96.5 20 1930
Jumlah 85 7494.5


= 88.17

⁄


= 90.77

Hubungan Mean, Mode,

Median
91
90.5
90
89.5
89
88.5
88
87.5
87
86.5

mean median modus

 Interval Kelas x f ̅ ( ̅ )2 f( ̅)
2

75 - 78 76.5 11 -11.67 136.2026 1498.23

79 - 82 80.5 6 -7.67 58.8379 353.028

83 - 86 84.5 13 -3.67 13.4732 175.152

87 - 90 88.5 24 0.33 0.1085 2.60429

91 - 94 92.5 11 4.33 18.7438 206.182

95 - 98 96.5 20 8.33 69.3791 1387.58

75 - 78 76.5 11 -11.67 136.2026 1498.23

3622.78
Jumlah 85
 Varians

s2 = 42,62

 Simpangan Baku (Standar Deviasi)

√ √
DATA 3
Nilai Ujian Reaksi Kimia Kelas XI IPA SMA N 1 Boyolali Tahun 2012
No Nilai 32 92 64 68
1 92 33 44 65 80
2 66 34 76 66 92
3 80 35 68 67 44
4 92 36 56 68 88
5 92 37 84 69 84
6 84 38 80 70 68
7 80 39 76 71 38
8 92 40 80 72 48
9 92 41 68 73 80
10 80 42 84 74 88
11 76 43 92 75 84
12 84 44 84 76 88
13 92 45 84 77 68
14 72 46 48 78 80
15 72 47 72 79 84
16 88 48 64 80 92
17 84 49 72 81 84
18 80 50 44 82 84
19 88 51 64 83 88
20 84 52 64 84 88
21 80 53 64 85 64
22 72 54 76 86 88
23 92 55 72 87 88
24 82 56 88 88 56
25 52 57 88 89 84
26 88 58 48 90 88
27 72 59 80 91 92
28 84 60 64 92 84
29 76 61 84 93 72
30 84 62 84 94 88
31 92 63 76 95 80
 Jangkauan (R)

R = 92-38 = 54

 Banyaknya Kelas (k)

k = 1 + 3,3 log 95

= 1 + 3,3 log 95

= 7.526 ≈ 8

 Panjang Interval Kelas (i)

= 6.75 ≈ 7

 Batas Kelas Pertama

Batasnya 38 (data terkecil)

Interval Kelas xi fi xi.fi

38-44 41 4 164
45-51 48 3 144
52-58 55 3 165
59-65 62 6 372
66-72 69 14 966
73-79 76 6 456
80-86 83 32 2656
87-92 90 27 2430
jumah 95 7353


= 77.40

⁄


= 82.01

Hubungan Mean, Mode,

Median
86
84
82
80
78
76
74
72

mean modus median

Interval
x f ̅ ( ̅ )2 f( ̅)
Kelas 2

38-44 41 4 1324.96 5299.84

45-51 48 3 864.36 2593.08
52-58 55 3 501.76 1505.28
59-65 62 6 237.16 1422.96
66-72 69 14 70.56 987.84
73-79 76 6 1.96 11.76
80-86 83 32 31.36 1003.52
87-92 90 27 158.76 4286.52
jumah 95 17110.8

̅
 Varians =

s2 = 180.11

 Simpangan Baku (Standar Deviasi)

√ √

Scatter Plot
100
90
80
70
60
Nilai

50
40
30 Nilai
20
10
0

020406080100
No Urut
 Data yang dihapus: 38,44,44,44,48,48,48,52,56,56

Persentase data yang dibuang:

Data Setelah Dibuang

No Nilai 34 76 68 88
1 92 35 68 69 84
2 66 36 56 70 68
3 80 37 84 71 38
4 92 38 80 72 48
5 92 39 76 73 80
6 84 40 80 74 88
7 80 41 68 75 84
8 92 42 84 76 88
9 92 43 92 77 68
10 80 44 84 78 80
11 76 45 84 79 84
12 84 46 48 80 92
13 92 47 72 81 84
14 72 48 64 82 84
15 72 49 72 83 88
16 88 50 44 84 88
17 84 51 64 85 64
18 80 52 64 86 88
19 88 53 64 87 88
20 84 54 76 88 56
21 80 55 72 89 84
22 72 56 88 90 88
23 92 57 88 91 92
24 82 58 48 92 84
25 52 59 80 93 72
26 88 60 64 94 88
27 72 61 84 95 80
28 84 62 84
29 76 63 76
30 84 64 68
31 92 65 80
32 92 66 92
33 44 67 44
 Jangkauan (R)

R = 92 – 64 = 28

 Banyaknya Kelas (k)

k = 1 + 3,3 log 85

= 1 + 3,3 log 85

= 7,4 ≈ 8

 Panjang Interval Kelas (i)

= 3,5 ≈ 4

 Batas Kelas Pertama

Batasnya 64 (data terkecil)

Interval
xi fi xi.fi
Kelas
64-67 65.5 7 458.5
68-71 69.5 5 347.5
72-75 73.5 8 588
76-79 77.5 6 465
80-83 81.5 13 1059.5
84-87 85.5 19 1624.5
88-91 89.5 14 1253
92-95 93.5 13 1215.5
jumah 85 7011.5


= 82.49

⁄


= 84,24

Hubungan Mean, Mode,

Median
86

85

84

83

82

81
mean modus median
80
Interval
x f ̅ ( ̅ )2 f( ̅ )2
Kelas
64-67 65.5 7 -16.99 288.6601 2020.621
68-71 69.5 5 -12.99 168.7401 843.7005
72-75 73.5 8 -8.99 80.8201 646.5608
76-79 77.5 6 -4.99 24.9001 149.4006
80-83 81.5 13 -0.99 0.9801 12.7413
84-87 85.5 19 3.01 9.0601 172.1419
88-91 89.5 14 7.01 49.1401 687.9614
92-95 93.5 13 11.01 121.2201 1575.861
jumah 85 6108.989

̅
 Varians =

s2 = 71,87

 Simpangan Baku (Standar Deviasi)

√ √
 BAB III
PENUTUP

III.1 Kesimpulan

Demikianlah penulisan makalah ini yang telah kami buat. Dari hasil pembahasan
yang telah kami bahas pada makalah ini maka dapat kita ambil kesimpulan dan
rekomendasi.

Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang mewakili
rangkaian data tersebut. Meliputi rata-rata hitung, median dan modus.

Dispersi data adalah ukuran penyebaran suatu kelompok data terhadap pusat data.
Memiliki Jenis ukuran :

Dispersi Mutlak : Jangkauan (range), Simpangan rata-rata (mean deviation), Variansi

(variance), Standar deviasi (standard deviation), Simpangan kuartil (quartile deviation)

Dispersi Relatif : Koefisien variasi (coeficient of variation).

Pentingnya kita mempelajari dispersi data didasarkan pada pertimbangan. Pertama, pusat
data seperti rata-rata hitung, median dan modus hanya memberi informasi yang sangat
terbatas, sehingga tanpa disandingkan dengan dispersi data kurang bermanfaat dalam
analisis data. Kedua, dispersi data sangat penting untuk membandingkan penyebaran dua
distribusi atau lebih.
III.11 Saran
Dalam kehidupan sehari – hari bahwa penggunaan aplikasi microsoft Excel dan juga
Aplikasi pengolahan data lainnya dapat memberikan manfaat yang besar bagi suatu
organisasi perusahaan maupun pendidikan yaitu waktu dapat menjadi lebih efisien ketika
melakukan pengolahan data mentah menjadi data berkelompok yang nantinya menjadi
informasi bagi organisasi tersebut dalam menentukan keputusan yang lebih baik di masa
yang akan datang. Sebaliknya, jika sebuah organisasi perusahaan maupun pendidikan
masih menerapkan penghitungan manual dalam pengolahan data statistik, maka waktu
yang ada menjadi kurang efisien dan pengerjaan dalam mengolah data menjadi kurang
efektif.

Dan juga bila dibandingkan hasil dari pengolahan data secara manual dengan hasil
pengolahan data secara otomatis yaitu dengan aplikasi microsoft excel dan Aplikasi
pengolahan data lainnya, akan memperoleh hasil yang berbeda dari keduanya. Tingkat
keakuratan pengolahan data secara otomatis lebih mendekati kebenaran daripada
pengolahan data secara manual.
 Daftar Pustaka

Agus, Irianto. 2004. Statistik Konsep Dasar Dan Aplikasinya. Jakarta : Prenada Media.

Budi Santosa, Purbayu dan ashari. 2006. Analisis Statistik dengan menggunakan Ms. Excel &
SPSS. Yogyakarta : ANDI.

Kuswadi dan Erna Mutiara. 2004. Statistik berbasis komputer untuk orng-orang Non-
Statistik. Jakarta: PT. Elex media komputindo.

Santoso, Singgih. 2001. Aplikasi Excel dalam Statistik Bisnis. Jakarta: PT. Elex media
komputindo.

Wirodikromo, Sartono. 2006. Matematika IPA kelas XI. Jakarta : Erlangga.

Sudjana. 2001. Metoda Statistika Deskriptif. Bandung : Tarsito.

http://oelatbarca.blogspot.com/2011/11/tendensi-sentral.html (Diakses pada 6 Oktober

2013) http://blog.ub.ac.id/rakamahendras/2012/03/14/mean-median-modus-dan-standar-

deviasi/

(Diakses pada 6 Oktober 2013)