MAKALAH

STATISTIKA
“STATISTIK DESKRIPTIF”

OLEH

Kelompok 1 :
1. Atikah Zulfianti Putri (16063039)
2. Fadillah Jamil (16063043)
3. Gustina Bupatri (16063029)

PRODI PENDIDIKAN TEKNIK ELEKTRO

JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS NEGERI PADANG
2019

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.

Statistika deskriptif berkenaan dengan bagaimana data yang dapat

digambarkan/dideskripsikan baik secara numerik (missal menghitung rata-
rata dan deviasi standar) atau secara grafis (dalam bentuk tabel atau grafik)
untuk mendapatkan gambaran sekilas mengenai data tersebut sehingga lebih
mudah dibaca dan di pahami.

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

2. Ukuran Tendensi Sentral

a. Mean
Arti dari mean tidak lain adalah “angka rata-rata”. Istilah Mean
akan tetap dipakai disini oleh karena sudah lazim digunakan dalam
statistik. 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.
 Perhitungan Mean Data Yang Tidak Dikelompokkan
(Ungrouped Data)
Penggunaan data tidak dikelompokkan maupun data yang
dikelompokkan data yang dikelompokkan umumnya berkaitan
dengan jumlah data yang digunakan. Jika jumlah data yang
digunakan relatif sedikit, rata-rata data yang tidak
dikelompokkan (ungrouped data) menjadi pilihan untuk
digunakan. Sebaliknya, jika jumlah data yang digunakan relatif

9
 banyak maka penggunaan data kelompok (grouped data) banyak
dipilih.
 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 Simbol ∑ adalah huruf Yunani yang disebut
“Sigma” dan mempunyai arti jumlah.
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;

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

Median memiliki kelebihan dan kekurangan antara lain:

o Kelebihan:
1. Cocok untuk data heterogen
2. Median digunakan bila terdapat data yang ekstrim
dalam sekelompok data
o 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. 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

a. Pengertian Pengukuran Penyimpangan

Pengukuran penyimpangan adalah suatu ukuran yang
menunjukkan tinggi  rendahnya perbedaan data yang diperoleh dari
rata-ratanya. Ukuran penyimpangan digunakan untuk mengetahui luas
penyimpangan data atau homogenitas data. Dua variabel data yang
memiliki mean sama belum tentu memiliki kualitas yang sama,
tergantung dari besar atau kecil ukuran penyebaran datanya. Ada
bebarapa macam ukuran penyebaran data, namun yang umum
digunakan adalah standar deviasi.

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 : 

Berikut ini nilai ujian semester dari 3 mahasiswa

A = 60 55 70 65 50 80 40
B = 50 55 60 65 70 65 55
C = 60 60 60 60 60 60 60

Dari data diatas dapat diketahui bahwa

A = memiliki Xmax=80, Xmin= 40 , R = 40 , meanya 60
B = memiliki Xmax=70, Xmin= 50 , R = 20 , meanya 60
C = memiliki Xmax=60, Xmin= 60 , R = 0 , meanya 60

Dari contoh di atas dapat disimpulkan bahwa:

a. Semakin kecil rangenya maka semakin homogen distribusinya
b. Semakin besar rangenya maka semakin heterogen distribusinya
c. Semakin kecil rangenya, maka meannya merupakan wakil yang
representatif
d. Semakin besar rangenya maka meannya semakin kurang
representatif

2. Simpangan Rata-rata (mean deviation)

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.

 Data tunggal dengan seluruh skornya berfrekuensi satu

dimana xi merupakan nilai data

 Data tunggal sebagian atau seluluh skornya berfrekuensi lebih

dari satu

dimana xi merupakan nilai data

 Data kelompok ( dalam distribusi frekuensi)

dimana xi merupakan tanda kelas dari interval ke-

i dan fi merupakan frekuensi interval ke-i

20
 Contoh :

Dari tabel diperoleh 

3. Simpangan Baku (standard deviation)

Standar deviasi merupakan ukuran penyebaran yang paling banyak
digunakan. Semua gugus data dipertimbangkan sehingga lebih
stabil dibandingkan dengan ukuran lainnya. Namun, apabila dalam
gugus data tersebut terdapat nilai ekstrem, standar deviasi menjadi
tidak sensitif lagi, sama halnya seperti mean.
Standar Deviasi memiliki beberapa karakteristik khusus lainnya.
SD tidak berubah apabila setiap unsur pada gugus datanya di
tambahkan atau dikurangkan dengan nilai konstan tertentu. SD
berubah apabila setiap unsur pada gugus datanya dikali/dibagi
dengan nilai konstan tertentu. Bila dikalikan dengan nilai konstan,
standar deviasi yang dihasilkan akan setara dengan hasilkali dari
nilai standar deviasi aktual dengan konstan.
Rumus Simpangan Baku untuk Data Tunggal
 untuk data sample menggunakan rumus

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

Rumus Simpangan Baku Untuk Data Kelompok

 untuk sample menggunakan rumus

 untuk populasi menggunakan rumus

Contoh :
Diketahui data tinggi badan 50 siswa samapta kelas c adalah
sebagai berikut

hitunglah berapa simpangan bakunya

1. Kita cari dulu rata-rata data kelompok tersebut

23
 2. Setelah ketemu rata-rata dari data kelompok tersebut kita bikin
tabel untuk

memasukkannya ke rumus simpangan baku

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.

Rumus varian atau ragam data tunggal untuk populasi

24
 Rumus varian atau ragam data tunggal untuk sampel

Rumus varian atau ragam data kelompok untuk populasi

Rumus varian atau ragam data kelompok 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.

Besarnya koefisien variasi akan berpengaruh terhadap kualitas

sebaran data. Jadi jika koefisien variasi semakin kecil maka
datanya semakin homogen dan jika koefisien korelasi semakin
besar maka datanya semakin heteroge

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

Suatu peubah acak kontinu X yang distribusinya berbentuk lonceng seperti

pada gambar 2.1 disebut peubah acak normal. Persamaan matematika
distribusi peluang peubah normal kontinu bergantung pada dua parameter
dan yaitu rataan dan simpangan bakunya. Jadi fungsi padat X akan
dinyatakan dengan n (x, , ) .

Fungsi densitas distribusi normal diperoleh dengan persamaan sebagai

berikut

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

Beberapa sifat dari kurva fungsi kepadatan peluang (densitas)

distribusi normal umum:
1. Kurvanya berbentuk lonceng dan simetrik di x = µ.
2. Rataan, median, modus dari distribusi berimpitan.
3. Fungsi kepadatan peluang mencapai nilai maksimum di x = µ sebesar

.
4. Kurvanya berasimtot sumbu datar x.
5. Kurvanya mempunyai titik infleksi (x, f(x), dengan x = µ ± σ,

2. Mean , Variansi dan Fungsi Pembangkit Momen

Mean, variansi dari fungsi pembangkit momen dari distribusi normal
umum adalah:

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.

a. Pedoman Mencari Luas Di Bawah Kurva Normal

1. Hitung z hingga dua decimal
2. Gambarkan kurvanya
3. Letakkan harga z pada sumbu datar. Lalu tarik garis vertikal
hingga memotong kurva
4. Luas yang tertera dalam daftar adalah luas daerah antara garis
dengan garis tegak titik nol
5. Dalam daftar normal standar, cari tempat harga z pada kolom
paling kiri hanya hingga satu desimal dan decimal keduanya
dicari pada baris paling atas
6. Bilangan yang didapat merupakan luas yang dicari dan harus
ditulis dalam 4 desimal.
Contoh
Dari penelitian terhadap 150 orang laki-laki yang berumur 40–60
tahun didapatkan rata-rata kadar kolesterol (μ) mereka 215 mg %
dan simpangan baku σ = 45 mg %. Hitunglah peluang kita
mendapatkan seorang yang kadar kolesterolnya:
a. ¿ 200 mg %
b. ¿ 250 mg %
c. antara 200 – 275 mg %
Jawab :
Ilustrasi dari soal tersebut di atas ditunjukkan dalam Gambar

33
berikut :

Untuk menghitung nilai probabiltas dari pertanyaan di atas, kita

gunakan rumus fungsi probabilitas distribusi normal. Karena nilai
probabilitas yang dibutuhkan adalah pada rentang nilai x tertentu,
maka kita harus menggunakan integral untuk menghitungnya

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

c. P(200< X <275) = 200

Untuk mengatasi permasalahan di atas, terdapat cara lain untuk
menghitung nilai peluang distribusi normal. Untuk menentukan
nilai peluang pada soal di atas, kita pelajari dulu cara menghitung
nilai Z dan membaca tabel luas kurva normal. Nilai Z didapat
dengan rumus berikut:

x−μ
Z= σ

Sedangkan tabel luas kurva normal adalah tabel yang memuat

luas kurva normal dari titik minus tak hingga sampai titik x. Tabel

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

Penyelesaian dari contoh di atas menggunakan tabel kurva normal

sehingga, Dari penelitian terhadap 150 orang laki-laki yang
berumur 40–60 tahun didapatkan rata-rata kadar kolesterol (μ)
mereka 215 mg % dan simpangan baku σ = 45 mg %. Hitunglah
peluang kita mendapatkan seorang yang kadar kolesterolnya:

a. < 250 mg %
b. < 200 mg %
c. antara 200 –275 mg %
Jawab :

μ = 215

σ = 45

Untuk memudahkan pengerjaan, kita kerjaan contoh soal 1.b

terlebih dahulu.

b. P(X < 200)

2 oo−μ
Z=
σ

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 )

a. P(X < 250)

250−215
Z=
45

Z = 0, 78

Berdasarkan tabel kurva normal, untuk nilai Z = 0.78, luasnya

adalah 0.7794. Sehingga peluang untuk menemukan laki-laki
dengan kadar gula kurang dari 250 mg % , P (x < 250) adalah
0.7794. Peluang untuk menemukan laki-laki dengan kadar gula
lebih dari 250 mg % , atau P (x > 250) dapat dilakukan dengan
cara berikut :

P ( x > 250) = 1 −¿ P ( X < 250 )

=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.

Statistika dipelajari di berbagai bidang ilmu karena statistika adalah

sekumpulan alat analisis data yang dapat membantu pengambilan keputusan
berdasarkan hasil kesimpulan pada analisis data dari data yang dikumpulkan.

Statistika dapat juga diartikan sebagai metode/asas-asas guna

mengerjakan/ memanipulasi data kuantitatif agar angka berbicara. Pendekatan
dengan statistic sering digunakan metode statistik yaitu metode guna
mengumpulkan, mengolah, menyajikan, menganalisis dan
menginterpretasikan data statistik. Statistika dapat pula diartikan pengetahuan
yang berhubugan dengan pengumpulan data,pengolahan data, penganalisisan
dan penarikan kesimpulan berdasarkan data dan analisis. Jadi statistik adalah
produk dari kerja statistika.

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.

Berdasarkan pembahasan yang telah penyusun uraikan diatas, maka

dapat disimpulkan bahwa distribusi peluang kontinu yang terpenting dalam
seluruh bidang statistika adalah distribusi normal. Distribusi normal
merupakan suatu alat statistik yang sangat penting untuk menaksir dan
meramalkan peristiwa-peristiwa yang lebih luas.

37
 DAFTAR PUSTAKA
Suharyadi, & Purwanto. (2009). In Statistika untuk Ekonomi dan Keuangan
Modern. Jakarta: Salemba Empat.

Sudjana. (1991). In Statistika. Bandung: Tarsito

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