Makalah Kelompok Statistik 1
Makalah Kelompok Statistik 1
STATISTIKA
“STATISTIK DESKRIPTIF”
OLEH
Kelompok 1 :
1. Atikah Zulfianti Putri (16063039)
2. Fadillah Jamil (16063043)
3. Gustina Bupatri (16063029)
i
KATA PENGANTAR
Puji Syukur kami ucapkan ke-hadiran Allah SWT, Tuhan yang memiliki
ilmu pengetahuan, karena atas berkat rahmat dan karunia-Nyalah, makalah ini
dapat kami selesaikan yang berjudul “Statistik Deskriptif”. Dengan membuat
tugas ini kami harapkan kita semua mampu untuk lebih dalam mengetahui tentang
Statistik Deskriptif. Kami sadar, sebagai seorang pelajar yang masih dalam proses
pembelajaran, penulisan makalah ini masih banyak kekurangannya. Oleh karena
itu, kami sangat mengharapkan adanya kritik dan saran yang bersifat positif,
untuk penulisan makalah yang lebih baik lagi di masa yang akan datang.
Harapan kami, semoga makalah yang sederhana ini, dapat memberi
manfaat bagi kita.
Penyusun
Kelompok 1
ii
DAFTAR ISI
KATA PENGANTAR........................................................................................................ii
DAFTAR ISI.....................................................................................................................iii
BAB I.................................................................................................................................4
PENDAHULUAN.............................................................................................................4
A. Latar Belakang.......................................................................................................4
B. Rumusan Masalah..................................................................................................5
C. Tujuan Penulisan....................................................................................................5
BAB II...............................................................................................................................6
PEMBAHASAN................................................................................................................6
A. Statistik Deskriptif.................................................................................................6
B. Tendensi Sentral..................................................................................................8
C. Pengukuran Penyimpangan..................................................................................18
D. Distribusi Normal..............................................................................................26
BAB III............................................................................................................................36
PENUTUP.......................................................................................................................36
A. Kesimpulan..........................................................................................................36
B. Saran....................................................................................................................36
DAFTAR PUSTAKA......................................................................................................38
iii
BAB I
PENDAHULUAN
A. Latar Belakang
Statistika deskriptif merupakan metode yang berkaitan dengan penyajian
data sehingga memberikan informasi yang berguna. Upaya penyajian ini
dimaksudkan untuk mengungkapkan informasi penting yang terdapat dalam
data ke dalam berntuk yang lebih ringkas dan sederhana yang pada akhirnya
mengarah pada keperluan adanya penjelasan dan penafsiran (Aunudin, 1989).
Secara etimologis kata statistik berasal dari kata status (bahasa latin)
yang mempunyai persamaan arti dengan kata state (bahasa inggris) atau kata
stat (bahasa belanda), dan yang dalam bahasa Indonesia diterjemahkan
menjadi Negara. Pada mulanya, kata statistic diartikan sebagai kumpulan
bahan keterangan (data),baik yang dalam bentuk wujud angka (data
kuantitatif) maupun yang tidak berwujud angka (data kualitatif), yang
mempunyai arti penting dan kegunaan yang besar bagi suatu negara.
Namun ,pada perkembangan selanjutnya,arti kata statistik hanya di batasi
pada kumpulan bahan keterangan yang berwujud angka (data kuantitatif) dan
yang tidak berwujud angka (data kualitatif).
Pada hakekatnya statistik adalah suatu kerangka teori-teori dan metode-
metode yang telah dikembangkan untuk melakukan pengumpulan,analisis,
dan pelukisan data sampel guna memperoleh kesimpulan-kesimpulan yang
bermanfaat.
Adapun statistika adalah ilmu tentang cara-cara mengumpulkan,
menggolongkan, menganalisis, dan mencari keterangan yang berhubungan
dengan pengumpulan data yang penyelidikan dan kesimpulannya
beredasarkan bukti-bukti yang berupa angka-angka.
Secara umum kedudukan statistika memiliki beberapa manfaat,antara
lain :
1 Menyajikan data secara ringkas dan jelas, sehingga lebih mudah
dimengerti oleh para pengguna.
4
2 Menunjukkan trend atau tendensi perkembangan suatu masalah.
3 Melakukan penarikan kesimpulan secara ilmiah.
B. Rumusan Masalah
1 Apa pengertian statistika ?
2 Apa manfaat dan fungsi statistika ?
3 Apakah pengertian dari tendensi sentral?
4 Apakah pengertian dari mean, median dan modus?
5 Bagaimana penghitungan dan penerapan rumus dari tendensi sentral?
C. Tujuan Penulisan
1 Mengetahui dan memahami pengertian statistika.
2 Mengetahui dan memahami manfaat dan fungsi statistika.
3 Mengetahui dan memahami pengertian dan fungsi tendeni sentral
4 Mengetahui dan memahami pengukuran penyimpangan
5 Mengertahui dan memahami distribusi normal
5
BAB II
PEMBAHASAN
A. Statistik Deskriptif
a. Pengertian Statitistik
1. Pengertian Statistik Secara Umum
Statistik berasal dari bahasa Latin, yaitu status yang berarti negara
dan digunakan untuk urusan negara. Mulanya statistik hanya
digunakan untuk menggambarkan keadaan dan menyelesaikan
masalah yang berhubungan dengan kenegaraan saja seperti:
perhitungan banyaknya penduduk, pembayaran pajak, gaji pegawai,
dan lain sebagainya.
2. Pengertian Statistik Deskriptif Secara Umum
Statistika deskriptif adalah statistik yang bekenaan tentang
bagaimana cara mendeskripsikan, menggambarkan, menjabarkan, atau
menguraikan data sehingga mudah dipahami. Ada beberapa cara yang
dapat digunakan dalam mendeskripsikan, menggambarkan,
menjabarkan, atau menguraikan data antara lain:
a. Menentukan ukuran dari data nilai modus, rata-rata dan nilai
tengah (median)
b. Menentukan ukuran variabilitas data seperti: variasi (varian),
tingkat penyimpangan (devasi standar), jarak (range)
c. Menentukan ukuran bentuk data: skewness, kurtoris, plot boks.
Statistika deskriptif adalah metode statistika yang digunakan
untuk menggambarkan atau mendeskripsikan data yang telah
dikumpulkan menjadi sebuah informasi.
(Suharyadi Purwanto,s.k, Statistika untuk Ekonomi dan Keuangan
Modern (Jakarta: Salemba Empat, 2001), hlm. 15)
3. Pengertian Statistik Deskriptif Menurut Para Ahli
a. Sudjana (1996:7) menjelaskan: Fase statistika dimana hanya
berusaha melukiskan atau menganalisa kelompok yang diberikan
6
tanpa membuat atau menarik kesimpulan tentang populasi atau
kelompok yang lebih besar dinamakan statistika deskriptif.
b. Iqbal Hasan (2001:7) menjelaskan: Statistik deskriptif atau
statistik deduktif adalah bagian dari statistik mempelajari cara
pengumpulan data dan penyajian data sehingga mudah dipahami.
c. Bambang Suryoatmono (2004:18) menyatakan Statistika
Deskriptif adalah statistika yang menggunakan data pada suatu
kelompok untuk menjelaskan atau menarik kesimpulan mengenai
kelompok itu saja.
b. Manfaat dan Fungsi Statitiska
a. Komunikasi
Satatistik dapat digunakan sebagai alat untuk melakukan
komunikasi atau alat penghubung dari beberapa pihak. Dari data
statistik yang dihasilkan beberapa pihak tersebut dapat mengambil
sebuah keputusan.
b. Deskripsi
Statistik dapat digunakan sebagai alat untuk menyajikan,
menggambarkan atau mengilustrasiakan data dalam bentuk tabel,
ganbar dan diagram, sehungga orang mudah memahaminya.
Contohnya hasil produksi dalam satu periode, laporan keuangan,
laporan tingkat kecelakaan lalu lintas dijalan tol dan lain sebagainya.
c. Regresi
Statistika dapat digunakan sebagai alat untuk meramalkan atau
memprediksi pengaruh dari data (variabel bebas) terhadap data yang
lain (variabel tidak bebas). Misalnya: tinggkat pengangguran
berpengaruh terhadap tingkat kejahatan di Jakarta. Tingkat
pengangguran (variabel bebas), sedangkan tingkat kejahatan (variabel
tidak bebas) dengan demikian besar kecilnya tingkat kejahatan dapat
diprediksi dari tingkat pengangguran.
d. Korelasi
7
Statistik dapat digunakan sebagai alat untuk menentukan sebrapa
kuat hubungan antara dua data dalam suatupenelitian. Misalnya biaya
promosi berhubungan dengan tingkat penjualan.
e. Komparas
Statistik dapat digunakan sebagai alat untuk membandingkan data
dua kelompok atau lebih. (Ir. Syofian Siregar, Statistika Deskriptif
untuk Penelitian, (Jakarta: PT RajaGrafindo, 2014), hlm.4)
B. Tendensi Sentral
1. Pengertian Tedensi Sentral
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 merupakan suatu
ukuran yang digunakan untuk mengetahui kumpulan data mengenai
sampel atau populasi yang disajikan dalam tabel atau diagram, yang
dapat mewakili sampel atau populasi. Bila ukuran tersebut diambil dari
sampel disebut statistik dan jika ukuran itu diambil dari populasi disebut
parameter. Tendensi sentral digunakan untuk menggambarkan sifat
sekumpulan data dari suatu pengamatan. Sentral Tendensial juga bisa
disebut nilai yang representatif dalam suatu kelompok observasi atau
studi. 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, modus, kuartil, desi
dan presentil.
8
Gambar 1
9
banyak maka penggunaan data kelompok (grouped data) banyak
dipilih.
Mean Data Tunggal
Dirumuskan dengan
= 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;
10
Atau
Σ( f i. x i)
Mean=
Σf i
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 ;
11
{(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} = 28
60
o Kelebihan mean:
1. Nilai rata-rata punyai sifat objektif
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
6. Nilai rata-rata digunakan untuk perhitungan lebih
lanjut
o Kelemahan mean:
1. Nilai rata-rata mudah dipengaruhi oleh nilai ekstrem,
baik kecil maupun besar
2. Pada distribusi yang condong, nilai rata-rata kurang
mewakili
b. Median
Median (nilai tengah), adalah suatu nilai yang membatasi 50%
dari frekuensi distribusi sebelah atas dan 50% frekuensi distribusi
sebelah bawah atau 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.
Perhitungan Median Data Yang Tidak Dikelompokkan
(Ungrouped Data)
Langkah-langkahnya antara lain:
12
o Urutkan data dari terkecil ke terbesar atau dari terbesar
ke terkecil. Dalam pembahasan ini, urutan data selalu
dimulai dari terkecil ke terbesar.
(n+1)
o Tentukan letak median dengan formulasi
2
o Untuk kasus jumlah data ganjil, nilai tengah dari
observasi yang sudah di urutkan merupakan nilai median
sementara untuk kasus jumlah data genap, nilai median
merupakan rata-rata dari dua data yang berada pada letak
median untuk data yang sudah diurutkan.
Median data tunggal
Jika banyak data ganjil maka median setelah data disusun
menurut nilainya merupakan data paling tengah.
Keterangan :
n= Jumlah data
Contoh:
Diketahui data :2, 3, 3, 4, 4, 5, 5, 6, 6, 7. Hitung median data
tersebut!
(n+ 1)
Posisi Median=
2
(10+1)
¿
2
¿ 5,5
Data ke-5,5 berada diantara angka 4 dan 5 maka ….
Median = 4+5
2
= 4,5
Median Data Kelompok
Keterangan :
13
Lm= true lower limit atau batas bawah sesungguhnya dari kelas
dengan frekuensi paling tinggi (tepi bawah kelas median)
n= Jumlah Frekuensi
∑f= Frekuensi kumulatif diatas kelas median
fm= Frekuensi kelas median (frekuensi tertinggi dari kelas
interval)
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
14
= 25,5 + (60/2 – 24) . 5
9
= 25,5 + (30 – 24) . 5
9
= 25,5 + 0,67 . 5
= 25,5 +3,35
= 28,85
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. 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.
Perhitungan Modus Data Yang Tidak Dikelompokkan (Ungrouped
Data)
15
Langkah-langkahnya sebagai berikut:
o Urutkan data dari terkecil ke terbesar atau dari terbesar ke
terkecil
o Cari modus dengan cara mencari nilai observasi yang paling
banyak muncul. Bisa terjadi dalam satu kumpulan data tidak
terdapat modus atau bahkan memiliki modus lebih dari satu.
Untuk kasus dimana ada 2 modus dikenal dengan sebutan
bimodus atau untuk yang lebih dari 3 modus dikenal dengan
multimodus.
Modus Data Tunggal
Dalam data tunggal, modus dapat dibatasi sebagai nilai variabel
yang mempunyai frekuensi tertinggi dalam distribusi. 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 denganrumus:
d1
Modus=Lmo + .c
(d 1+ d 2)
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
16
Contoh menghitung Modus data kelompok:
Nilai Fmo 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:
Diketahui: 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
Ditanyakan: nilai Modus
Jawab:
Mo = Lmo + d1 .c
17
d1 + d2
= 25,5 + 2 . 5
2+ 3
= 25,5 + 0,4 . 5
= 25,5 + 2
= 27,5
C. Pengukuran Penyimpangan
18
b. Macam – macam Ukuran Penyimpangan Data
1. Jangkauan (range)
Range adalah salah satu ukuran statistik yang menunjukan jarak
penyebaran data antara nilai terendah (Xmin) dengan nilai tertinggi
(Xmax). Ukuran ini sudah digunakan pada pembahasan daftar
distribusi frekuensi. Adapun rumusnya adalah
Contoh :
19
Simpangan rata-rata merupakan penyimpangan nilai-nilai individu
dari nilai rata-ratanya. Rata-rata bisa berupa mean atau median.
Untuk data mentah simpangan rata-rata dari median cukup kecil
sehingga simpangan ini dianggap paling sesuai untuk data mentah.
Namun pada umumnya, simpangan rata-rata yang dihitung dari
mean yang sering digunakan untuk nilai simpangan rata-rata.
20
Contoh :
21
untuk data populasi menggunkan rumus
Contoh :
Selama 10 kali ulangan semester ini sobat mendapat nilai 91, 79,
86, 80, 75, 100, 87, 93, 90,dan 88. Berapa simpangan baku dari
nilai ulangan sobat?
Jawab
Soal di atas menanyakan simpangan baku dari data populasi jadi
menggunakan rumus simpangan baku untuk populasi.
Kita cari dulu rata-ratanya
rata-rata = (91+79+86+80+75+100+87+93+90+88)/10 = 869/10 =
85,9
22
Kita masukkan ke rumus
Contoh :
Diketahui data tinggi badan 50 siswa samapta kelas c adalah
sebagai berikut
23
2. Setelah ketemu rata-rata dari data kelompok tersebut kita bikin
tabel untuk
4. Varians (variance)
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.
Selanjutnya kita akan menggunakan simbol s2 untuk varians
karena umumnya kita hampir selalu berkutat dengan sampel dan
jarang sekali berkecimpung dengan populasi.
24
Rumus varian atau ragam data tunggal untuk sampel
Keterangan:
σ2 = varians atau ragam untuk populasi
S2 = varians atau ragam untuk sampel
fi = Frekuensi
xi = Titik tengah
x¯ = Rata-rata (mean) sampel dan μ = rata-rata populasi
n = Jumlah data
5. Koefisien variasi (Coefficient of variation)
Koefisien variasi merupakan suatu ukuran variansi yang dapat
digunakan untuk membandingkan suatu distribusi data yang
25
mempunyai satuan yang berbeda. Kalau kita membandingkan
berbagai variansi atau dua variabel yang mempunyai satuan yang
berbeda maka tidak dapat dilakukan dengan menghitung ukuran
penyebaran yang sifatnya absolut.
Koefisien variasi adalah suatu perbandingan antara simpangan
baku dengan nilai rata-rata dan dinyatakan dengan persentase.
D. Distribusi Normal
1. Pengertian Distribusi Normal
Distribusi normal merupakan suatu alat statistik yang sangat penting
untuk menaksir dan meramalkan peristiwa-peristiwa yang lebih luas.
Grafiknya disebut kurva normal, terbentuk lonceng seperti pada gambar
2.1. yang menggambarkan dengan cukup baik banyak gejala yang muncul
di alam, industri, dan penelitian. Pengukuran fisik di bidang seperti
percobaan meteorologi, penelitian curah hujan, dan pengukuran suku
cadang yang diproduksi sering dengan baik dapat diterangkan
menggunakan distribusi normal.
Di samping itu, galat dalam pengukuran ilmiah dapat dihampiri
dengan sangat baik oleh distribusi normal. Pada tahun 1733, Abraham de
Moivre menemukan persamaan matematika kurva normal. Ini merupakan
26
dasar bagi banyak teori statistika induktif. Distribusi normal sering pula
disebut distribusi Gauss untuk menghormati Karl Friedrich Gauss (1777-
1855) yang juga menemukan persamaannya waktu meneliti galat dalam
pengukuran yang berulang- ulang mengenai bahan yang sama.
Gambar 2.1
Keterangan:
π = 3,1416
e = 2,7183
µ = rata-rata
σ = simpangan baku
27
Begitu μ dan σ diketahui maka seluruh kurva normal diketahui.
Sebagai contoh, bila μ = 50 dan σ = 5 , maka ordinat n(x; 50, 5) dapat
dengan mudah dihitung untuk berbagai nilai x dan kurvanya dapat
digambarkan. Pada ambar 2.2 telah dilukiskan dua kurva normal yang
mempunyai simpangan baku yang sama tapi rataanya berbeda. Kedua
kurva bentuknya persis sama tapi titik tengahnya terletak di tempat yang
berbeda di sepanjang sumbu datar.
Gambar
Pada gambar di atas terlukis dua kurva normal denga rataan yang
sama tapi simpangan bakunya berlainan. Terlihat kedua kurva mempunyai
titik tengah yang sama pada sumbu datar, tapi kurva dengan simpangan
baku yang lebih besar tampak lebih rendah dan lebih melebar. Perhatikan
bahwa luas di bawah kurva peluang harus sama dengan 1 sehingga baik
kumpulan data makin berbeda maka makin rendah dan melebar pula
kurvanya.
Gambar
Gambar di atas memperlihatkan lukisan dua kurva normal yang baik
rataan maupun simpangan bakunya berlainan. Jelas keduanya mempunyai
28
letak titik tengah yang berlainan pada sumbu datar dan bentuknya
mencerminkan dua nilai σ yang berlainan.
Gambar
.
4. Kurvanya berasimtot sumbu datar x.
5. Kurvanya mempunyai titik infleksi (x, f(x), dengan x = µ ± σ,
Mean
Variansi
Pembangkit momen
29
Sehingga
30
3. Cara Membaca Tabel Distribusi Normal
Berikut adalah tabel distribusi normal standar, untuk P (X < x), atau
dapat diilustrasikan dengan luas kurva normal standar dari X = minus
takhingga sampai dengan X = x.
31
32
Pada tabel, carilah angka 1,2 pada kolom paling kiri. Selanjutnya,
carilah angka 0,05 pada baris paling atas. Sel para pertemuan kolom dan
baris tersebut adalah 0,8944.
Dengan demikian, P (X<1,25) adalah 0,8944.
33
berikut :
200 ( x− μ)2
−
1
∫
−∞ σ √ 2 π
e 2 σ2
dx
a. P (< 200 mg)=
( x −μ) 2
∞ −
∫ σ √12 π e 2σ 2
dx
b. P (> 250 mg) = 250
275 ( x −μ) 2
−
1
∫ σ √2 π
e
dx 2σ 2
x−μ
Z= σ
34
luas kurva normal ini sangat bermanfaat untuk menghitung soal-
soal seperti contoh soal 1b. Hanya saja, tabel kurva normal ini
disusun berdasarkan nilai Z. Sehingga kita harus menghitung nilai
Z terlebih dahulu. Ilustrasi dari fungsi tabel kurva normal
ditunjukkan dalam
a. < 250 mg %
b. < 200 mg %
c. antara 200 –275 mg %
Jawab :
μ = 215
σ = 45
2 oo−215
Z=
45
Z =−0 , 67
35
Berdasarkan tabel kurva normal, untuk nilai Z = -0,67, luasnya
adalah 0.2514. Sehingga peluang untuk menemukan laki-laki
dengan kadar gula kurang dari 200 mg % adalah 0.2514
Jadi untuk menghitung soal 1a, kita cari dulu peluang menemukan
laki-laki dengan kadar gula kurang dari 250 mg atau P (X <250 )
Z = 0, 78
=1 – 0,7794
= 0,2206
BAB III
PENUTUP
A. Kesimpulan
Dalam menganalisis informasi berdasrkan jenis informasi yang diperoleh
ada 2 cara yaitu penelitian kuantitatif dan kualitatif. Penelitian kuantitatif
adalah penelitian yang berbasis pada kerja hitung menghitung angka.
36
Penelitian kualitatif adalah penelitian yang berbasis pada kerja
pengelompokan symbol-simbol selain angka.
Nilai sentral atau tendensi sentral adalah nilai dalam rangkaian data yang
mewakili rangkaian data tersebut. Disebut juga sebagai ukuran letak/lokasi
karena menunjukkan letak dari pusat atau sekumpulan data. Terdapat tiga
ukuran tendensi sentral yang sering digunakan, yaitu mean (rata-rata
hitung/rata-rata aritmetika), median, dan modus.
B. Saran
Pada perhitungan dengan menggunakan cara manual tentunya juga
diperlukan ketelitian dan kecermatan agar tidak terjadi kesalahan, untuk
memperkecil kesalahan kita bisa menggunakan cara statistik atau statistika
untuk menganalisis suatu masalah dalam kehidupan sehari-hari maupun
dalam suatu pembelajaran mahasiswa.
37
DAFTAR PUSTAKA
Suharyadi, & Purwanto. (2009). In Statistika untuk Ekonomi dan Keuangan
Modern. Jakarta: Salemba Empat.
Dari Internet:
Harum, Anita Sugiarti. 2013. Distribusi Normal (Kurva Normal). Diunduh
dari: https://anitaharum.wordpress.com/2013/11/12/distribusi-normal-kurva-
normal/. Pada hari Minggu pukul 15:00 WIB.
38
Labels, Rory.2016. MGF Distribusi Normal. Diunduh dari:
http://www.rumusstatistik.com/2016/04/mgf-distribusi-normal.html, diakses
pada tanggal 9 Februari 2019 pukul 15.20 WIB.
39