Modul 2. Statistik Deskriptif

MODUL PERKULIAHAN
STATISTIK
Statistik Deskriptrif, pengumpulan,

pengolahan dan penyajian data
Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh
02
TEKNIK Teknik Mesin W132100023 Ir. Renova Umarsyah, MT.
Abstract Kompetensi
Statistik Deskriptif, Pengumpulan Mahasiswa mampu memahamii
dan pengolanan dan penyajian pengertian statistik dan teknik-teknik
data diagram yang enggambarkan penyajian data
atau berkaitan dengan suatu
masalah tertentu untuk di
selesaikan.
2. Statistik Deskriptif
STATISTIK DESKRIPTIF
A. Pendahuluan
Kata statistik berasal dari bahasa Latin, yaitu status yang artinya negara atau
menyatakan hal-hal yang berhubungan dengan ketatanegaraan. Pengertian statistik ini
kemudian berkembang sesuai dengan perkembangan zaman, seperti berikut ini.
1. Statistik adalah sekumpulan angka untuk menerangkan sesuatu, baik angka yang
masih acak maupun angka yang sudah tersusun dalam suatu tabel
2. Statistik adalah sekumpulan cara dan aturan tentang pengumpulan, pengolahan,
analisis, serta penafsiran data yang terdiri dari angka-angka.
3. Statistik adalah sekumpulan angka yang menjelaskan sifat-sifat dari data atau hasil
pengamatan/penelitian.
Untuk lebih jelasnya dapat disimpulkan bahwa statistik adalah ilmu yang mempelajari
tentang seluk beluk data yaitu tentang pengumpulan, pengolahan, penafsiran dan
penarikan kesimpulandari data yang berbentuk angka-angka.
Ada tiga hal pokok yang terkandung dalam statisktik, yaitu :
1. Data;
2. perlakuan dari data, berupa pengumpulan, pengolahan/analisis, penafsiran dan
penarikan kesimpulan;
3. angka-angka.
Statistik yang berhubungan dengan pengumpulan data, penyajian data (pembuatan tabel-
tabel dan grafik-grafik) dan melakukan perhitungan-perhitungan statistik, termasuk kedalam
tugas “statistik deskriptif”
Statistik yang berhubungan dengan penarikan kesimpulan secara umum dengan fakta yang
terbatas, disebut “statistik inferens atau statistik induktif”. Bermula dari data yang
terbatas atau sampel. Jadi tanpa data/fakta tidak bisa ditarik kesimpulan.
2020 Statistik Pusat Bahan Ajar dan eLearning

2 Renova Umarsyah http://www.mercubuana.ac.id
Beberapa pengertian.
 Sampel : merupakan serangkaian observasi yang dilakukan terhadap sebagian dari

obyek, dengan tujuan untuk memperoleh ganbaran mengenai obyek itu sendiri.
 Populasi : keseluruhan obyek yang tidak seluruhnya diobservasi, tetapi merupakan
obyek penyelidikan.
 Data : sesuatu yang diketahui. Jadi data memberikan gambaran tentang sesuatu
keadaan atau persoalan.
 Parameter : semua karakteristik yang dimiliki oleh populasi.(diukur dari seluruh
anggota populasi). Sedangkan karakteristik yang dimiliki oleh sampel disebut
variabel.
B. Pengertian
Iqbal Hasan (2004:185) menjelaskan :
Analisis deskriptif adalah merupakan bentuk analisis data penelitian untuk menguji
generalisasi hasil penelitian berdasarkan satu sample. Analisa deskriptif ini dilakukan
dengan pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis
penelitian dapat digeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti
hasil penelitian dapat digeneralisasikan. Analisis deskriptif ini menggunakan satu
variabel atau lebih tapi bersifat mandiri, oleh karena itu analisis ini tidak berbentuk
perbandingan atau hubungan.
Iqbal Hasan (2001:7) menjelaskan :
Statistik deskriptif atau statistik deduktif adalah bagian dari statistik mempelajari cara
pengumpulan data dan penyajian data sehingga muda dipahami. Statistik deskriptif
hanya berhubungan dengan hal menguraikan atau memberikan keterangan-
keterangan mengenai suatu data atau keadaan atau fenomena. Dengan kata statistik
deskriptif berfungsi menerangkan keadaan, gejala, atau persoalan.
Penarikan kesimpulan pada statistik deskriptif (jika ada) hanya ditujukan pada
kumpulan data yang ada. Didasarkan pada ruang lingkup bahasannya statistik
deskriptif mencakup :
1. Distribusi frekuensi beserta bagian-bagiannya seperti :

a. Grafik distribusi (histogram, poligon frekuensi, dan ogif);
b. Ukuran nilai pusat (rata-rata, median, modus, kuartil dan sebagainya);

c. Ukuran dispersi (jangkauan, simpangan rata-rata, variasi, simpangan
baku, dan sebagianya);
d. Kemencengan dan keruncingan kurva
2. Angka indeks
3. Times series/deret waktu atau berkala
4. Korelasi dan regresi sederhana
Bambang Suryoatmono (2004:18) menyatakan : 2004
Statistika Deskriptif adalah statistika yang menggunakan data pada suatu kelompok
untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja
 Ukuran Lokasi: mode, mean, median, dll

 Ukuran Variabilitas: varians, deviasi standar, range, dll
 Ukuran Bentuk: skewness, kurtosis, plot boks

Pangestu Subagyo (2003:1) menyatakan :
Yang dimaksud sebagai statistika deskriptif adalah bagian statistika mengenai

pengumpulan data, penyajian, penentuan nilai-nilai statistika, pembuatan diagram
atau gambar mengenai sesuatu hal, disini data yang disajikan dalam bentuk yang
lebih mudah dipahami atau dibaca.
Sudjana (1996:7) menjelaskan :
Fase statistika dimana hanya berusaha melukiskan atau mengalisa kelompok yang
diberikan tanpa membuat atau menarik kesimpulan tentang populasi atau kelompok
yang lebih besar dinamakan statistika deskriptif.
C. Populasi dan Sampel

Di dalam statistika selalu berhubungan dengan data. Data adalah fakta-fakta yang dapat
dipercaya kebenarannya. Pengumpulan fakta-fakta yang merupakan data ini bisa
seluruhnya atau sebagian saja. Keseluruhan dari semua fakta yang diteliti itu disebut
sebagai populasi, sedang kalau dari semua fakta yang dianggap mewakili seluruhnya
disebut sebagai sampel.
Sampel yang diambil harus harus bisa mewakili keseluruhan populasi yang diteliti, oleh
karena itu pemilihan sampel harus diusahakan sedemikian rupa sehingga sampel itu
bisa menunjukkan gambaran keadaan keseluruhan populasi, jumlah sampel jangan
terlalu sedikit dan menentukannya secara random atau sembarang.

D. Data Statistik
Data statistik dapat dikumpulkan dengan menggunakan prosedur yang sistematis.
Pengumpulan data dapat dibedakan berdasarkan karakteristiknya, yaitu :
1. Berdasarkan jenis cara pengumpulannya, dibedakan menjadi :

a. Pengamatan (observasi), yaitu cara pengumpulan data dengan terjun dan
melihat langsung ke lapangan terhadap objek yang diteliti (populasi).
Pengamatan ini disebut juga penelitian lapangan.
b. Penelusuran literatur, yaitu cara pengumpulan data dengan menggunakan
sebagian atau seluruh data yang telah ada. Cara ini disebut juga pengamatan
tidak langsung.
c. Penggunaan kuesioner (angket), yaitu cara pengumpulan data dengan
menggunakan daftar pertanyaan/angket atau daftar isian terhadap objek yang
diteliti (populasi)
d. Wawancara (interviú), yaitu cara pengumpulan data dengan langsung
mengadakan tanya-jawab kepada objek yang diteliti atau kepada perantara yang
mengetahui persoalan dari objek yang diteliti.
2. Berdasarkan banyaknya data yang diambil, dibedakan menjadi :
a. Sensus, yaitu cara pengumpulan data dengan mengambil elemen atau anggota
populasi secara keseluruhan untuk diselidiki. Data yang diperoleh dari hasil
sensus disebut parameter atau data yang sebenarnya (true value).
b. Sampling, yaitu cara pengumpulan data dengan mengambil sebagian dari
elemen atau anggota populasi untuk diselidiki. Data yang diperoleh dari sampling
disebut statistic atau data perkiraan (estimate value).
Data yang telah dikumpulkan (data mentah) kemudian diolah. Pengolahan data adalah
suatu proses untukmemperoleh data ringkasan dari data mentah dengan menggunakan
cara atau rumus tertentu. Data ringkasan yang diperoleh dapat berupa jumlah (total),
rata-rata (average), persentase (percentage) dan sebagainya.
Agar data yang telah diolah gampang dibaca dan dimengerti oleh orang lain, perlu
disajikan dalam bentuk tertentu. Fungsi penyajian data antara lain :
1. Menunjukkan perkembangan suatu keadaan

2. Mengadakan perbandingan pada suatu waktu

Penyajian data dapat dilakukan dalam bentuk :
1. Tabel data, yaitu penyajian data dalam bentuk kumpulan angka yang disusun
menurut kategori tertentu dalam suatu daftar. Dalam tabel, data disusun secara
alfabetis, geografis, menurut besarnya angka, historis atau menurut kelas-kelas yang
lazim. Berdasarkan pengaturan datanya, tabel dibedakan atas beberapa jenis, yaitu :
a. Tabel frekuensi, yaitu tabel yang menunjukkan atau memuat banyaknya kejadian
atau frekuensi suatu kejadian.
b. Tabel klasifikasi, yaitu tabel yang menunjukkan atau memuat pengelompokan
data. Jenis ini dapat dibagi lagi menjadi dua, yaitu tabel klasifikasi tunggal dan
tabel klasifikasi ganda.
c. Tabel kontingensi, yaitu tabel yang menunjukkan atau memuat data sesuai
dengan rinciannya. Apabila bagian baris tabel berisikan m baris dan bagian
kolom tabel berisikan n baris maka didapatkan tabel kontingensi berukuran m x n.
d. Tabel korelasi, yaitu tabel yang menunjukkan atau memuat adanya korelasi
(hubungan) antara data yang disajikan.
2. Grafik data atau diagram data, yaitu penyajian data dalam bentuk gambar-gambar.
Grafik data sebenarnya merupakan penyajian data secara visual dari tabel. Grafik
data dibedakan atas beberapa jenis, yaitu :
a. Piktogram, yaitu grafik data yang menggunakan gambar atau lambang dari data
itu sendiri dengan skala tertentu.
b. Grafik batang atau balok, yaitu grafik data berbentuk persegi panjang yang
lebarnya sama dan dilengkapi dengan skala atau ukuran sesuai dengan data
yang bersangkutan. Grafik batang dapat berupa grafik tunggal, berganda atau
komponen berganda.
c. Grafik garis, yaitu grafik data berupa garis, diperoleh dari beberapa ruas garis
yang menghubungkan titik-titik pada bilangan. Digunakan dua garis yang saling
berpotongan dan saling tegak lurus (sistem salib sumbu). Pada garis horizontal
(sumbu X) ditempatkan bilangan yang sifatnya tetap (seperti tahun dan ukuran-
ukuran). Pada garis tegak(sumbu Y) ditempatkan bilangan yang sifatnya
berubah-ubah (seperti harga, biaya dan jumlah).
d. Grafik lingkaran, yaitu grafik data berupa lingkaran yang telah dibagi menjadi
juring-juring sesuai dengan data tersebut. Bagian dari keseluruhan data
dinyatakan dalam persen. Ada dua cara untuk membuat grafik lingkaran, yaitu :
1) Membagi keliling lingkaran menurut data-data yang ada
2) Membagi lingkaran menurut dara yang ada dengan menggunakan busur
derajat

e. Kartogram atau peta statistik, yaitu grafik data berupa peta yang menunjukkan
kepadatan penduduk, curah hujan, hasil pertanian, hasil pertambangan, dan
sebagainya.
E. Diagram Alur Statistik Deskriptif
START
Pengumpulan data
kuantitatif
Pengolahan, Penyederhanaan,
dan penataan data kualitatif
Statistik Deskriptif
Penyajian data yang telah

disederhanakan
Ya Penggunaan data sampel guna

Data Sampel ? menakasir parameter atau menguji
asumsi parameter populasi
Bukan Statistik Inferensi
Penggunaan data sensus (populasi) untuk Penarikan kesimpulan tentang

analisis karakteristik (parameter) populasi karakteristik populasi (parameter)
yang tengah diselidiki yang tengah diselidiki
STOP

F. Teknik Analisis Deskriptif
Analisis deskriptif adalah bentuk analisis data penelitian untuk menguji generalisasi hasil
penelitian yang didasarkan atas satu sampel. Analisis deskriptif ini dilakukan melalui
pengujian hipotesis deskriptif. Hasil analisisnya adalah apakah hipotesis penelitian dapat
digeneralisasikan atau tidak. Jika hipotesis nol (H0) diterima, berarti hasil penelitian
dapat digeneralisasikan. Analisis deskriptif ini menggunakan satu variabel atau lebih tapi
bersifat mandiri, karena itu analisis ini tidak berbentuk perbandingan atau hubungan.
Jenis teknik statistik yang digunakan untuk menguji hipotesis deskriptif harus sesuai
dengan jenis data atau variabel berdasarkan skala pengukurannya, yaitu nominal,
ordinal , atau interval/rasio.
Untuk menguji data nominal, digunakan dua cara yaitu :
1. Uji binomial.
Distribusi binomial adalah suatu distribusi yang terdiri dari dua kelas (dua peristiwa
yang biasanya saling berkomplemen). Jadi jika dalam suatu populasi dengan jumlah
n terdapat 1 kelas yang berkategori x maka kelas yang lain adalah yang berkategori
n – x. Probabilitas untuk memperoleh nilai x dirumuskan :
n
P( x )    P x Q n  x
 x
Keterangan :
P : Proporsi kasus yang diharapkan dalam salah satu kategori dan kategori
lainnya adalah Q dimana Q = 1 – P
n : Jumlah anggota populasi
n
  : kombinasi x dalam n
 x
n!
=
x!(n  x)!
n! : n faktorial yang nilainya = n(n-1)(n-2)…

Uji ini digunakan untuk menguji hipotesis bila dalam populasi terdiri atas dua
kelompok kelas, datanya berbentuk nominal dan jumlah sampelnya kecil (kurang dari
30).
Dalam prakteknya, tes binomial dapat dilakukan dengan cara yang lebih sederhana,
dimana untuk membuktikan H0 dilakukan dengan cara membandingkan nilai P dalam
tabel (yang berdasarkan nilai n dan nilai yang terkecil dalam tabel tersebut) dengan
taraf nyata tertentu. Prosedur uji statistiknya adalah sebagai berikut :
a. Menentukan formulasi hipotesis

H0 : Tidak ada perbedaan antara data populasi dengan data sampel
H1 : Ada perbedaan antara data populasi dengan data sampel
b. Menentukan taraf nyata (α) dan nilai P tabel

 Taraf nyata yang digunakan biasanya 5% (0,05) atau 1% (0,01)
 Nilai P didasarkan pada n dan nilai (frekuensi) terkecil dalam tabel
c. Menentukan kriteria pengujian

H0 diterima (H1 ditolak) apabila P ≥ α
H0 ditolak (H1 diterima) apabila P ≤ α
d. Menentukan nilai uji statistik

Uji statitiknya adalah membandingkan nilai P dengan nilai α
e. Membuat kesimpulan
Menyimpulkan H0 diterima atau tidak
2. Uji kai kuadrat satu sampel

Uji kai kuadrat ini digunakan apabila populasinya terdiri atas duakelas atau lebih dan
sampelnya besar.
( f0  fh )2
2  
fh
Keterangan :
χ2 : kai kuadrat
f0 : frekuensi yang diobservasi

fh : frekuensi yang diharapkan
Prosedur uji statistiknya adalah sebagai berikut :
a. Menentukan formulasi hipotesis

H0 : kategori pertama sama dengan kategori kedua
H1 : kategori pertama tidak sama dengan kategori kedua
b. Menentukan taraf nyata (α) dan  2 (kai kuadrat) tabel
 Taraf nyata yang digunakan biasanya 5% (0,05) atau1% (0,01)

 Nilai  2 memiliki derajat bebas (db) = n – 1
 2 ( db)  ....
c. Menentukan kriteria pengujian

H0 diterima (H1 ditolak) apabila  0    ( db)
2 2
H0 ditolak (H1 diterima) apabila  0    ( db)

2 2
d. Menentukan nilai uji statistik (nilai  02 )
( f0  fh )2
2  
fh
Kategori
I a b
II b n
Jumlah a+b m+n
e. Membuat kesimpulan
Menyimpulkan H0 diterima atau ditolak
Untuk menguji data ordinal, digunakan uji Run. Uji run yang digunakan dalam menguji
hipotesis deskriptif adalah untuk urutan suatu kejadian. Pengujian dilakukan dengan
cara mengukur kerandoman populasi yang berdasarkan data hasil pengamatan melalui
data sampel. Pengamatan terhadap data dilakukan dengan mengukur banyaknya run
dalam suatu kejadian.

Prosedur uji statistiknya adalah sebagai berikut :
1. Menentukan formulasi hipotesis

H0 : proses pengambilan sampel merupakan proses random
H1 : proses pengambilan sampel bukan merupakan proses random
2. Menentukan taraf nyata (α) dan nilai r tabel

 Taraf nyata yang digunakan biasanya 5% (0,05) atau 1% (0,01)
 Nilai r tabel terdiri atas r batas bawah dan r batas atas untuk n1 dan n2 tertentu
3. Menentukan kriteria pengujian

H0 diterima (H1 ditolak) apabila r hitung terletak antara r tabel batas bawah dan r
tabel batas atas.
H0 ditolak (H1 diterima) apabila r hitung lebih kecil dari r tabel batas bawah atau lebih
besar dari r tabel batas atas.
Untuk n1 dan n2 tertentu
4. Menentukan nilai uji statistik(nilai r)

Uji statistik ditentukan dengan tahap-tahap sebagai berikut :
1) Data sampel tidak berubah urutannya

2) Menentukan nilai median data
3) Memberi ”-” untuk data di bawah (lebih kecil) dari nilai median dan tanda “+”
untuk data di atas (lebih besar dari nilai median
4) Banyaknya tanda ”-” diberi notasi n1 dan banyaknya tanda ”+” diberi notasi n2
5) Menentukan jumlah run merupakan nilai r hitung
Catatan :
Jika datanya sudah diketahui tanda ”-” dan tanda ”+” maka nilai r langsung bisa
dihitung (langsung masuk ke no. 5)
5. Membuat kesimpulan

Untuk data interval/rasio, uji statistiknya menggunakan uji Z untuk sampel besar n > 30)
dan uji t untuk sampel kecil (n ≤ 30).
 Uji Z dirumuskan
X  0
Z0  n
s
n
 Uji t dirumuskan
X  0
t0  n
s
n
Keterangan :
Z0 : Nilai Z hitung
t0 : Nilai t hitung
X : Rata-rata x
 0 : Nilai yang dihipotesiskan
s : Simpangan baku
n : Jumlah anggota sampel
Prosedur uji statistik untuk uji Z dan uji t pada prinsipnya sama, yang berbeda hanya
rumus uji statistiknya. Prosedur uji statistiknya hanya diberikan untuk uji t, yaitu sebagai
berikut :
1. Menentukan formulasi hipotesis

a) H0 : μ = μo
H1 : μ > μo
b) H0 : μ = μo
H1 : μ < μo
c) H0 : μ = μo
H1 : μ ≠ μo

2. Menentukan taraf nyata (α) dari t tabel
 Taraf nyata yang digunakan biasanya 5% (0,05) atau 1% (0,01) untuk uji satu
arah dan 2,5% (0,025) atau 0,5 (0,005) untuk uji dua arah
 Nilai t tabel memiliki derajat bebas (db) = n – 1
t ;n1  ... atau t / 2;n1  ...
3. Menentukan kriteria pengujian

a) Untuk H0 : μ = μ0 dan H1 : μ > μ0
H0 diterima (H1 ditolak) apabila t0 ≤ tα
H0 ditolak (H1 diterima) apabila t0 > tα
b) Untuk H0 : μ = μ0 dan H1 : μ < μ0

H0 diterima (H1 ditolak) apabila t0 ≥ -tα
H0 ditolak (H1 diterima) apabila t0 < -tα
c) Untuk H0 : μ = μ0 dan H1 : μ ≠ μ0
H0 diterima (H1 ditolak) apabila -tα/2 ≤ t0 ≤ tα/2
H0 ditolak (H1 diterima) apabila t0 > tα/2 atau t0 < -t α/2
4. Menentukan nilai uji statistik (nilai t0)
X  0
t0  n
s
n
5. Membuat kesimpulan
2.1. PERHITUNGAN TENDENSI SENTRAL

2.1. Pendahuluan
Untuk memperoleh kesimpulan-kesimpulan yang lebih akurat dari data yang

dipelajari dan untuk dapat membandingkan dua urutan, mutlak diperlukan data dalam
bentuk angka-angka. Angka-angka ini harus memiliki harga terendah yang dapat dideretkan
atau pun harga tertinggi. Sedangkan suatu harga tertentu diantara dua batas di mana

hampir semua harga-harga itu berada disebut perhitungan tendensi sentral. Beberapa hal
penting untuk perhitungan tendensi sentral adalah :
[a] Perhitungan rata-rata atau harga menengah
[b] Median
[c] Modus
2.2. Notasi
Sebelum ditinjau perihal perhitungan rata-rata atau harga menengah marilah ditinjau
terlebih dahulu notasi atau lambang cara penulisan untuk penjumlahan
n
Lambang x
i 1
i digunakan untuk menjumlahkan semua x dari i 1 s/d i = n.
n
Jadi x
i 1
i menjadi x
i 1
i , atau x i Untuk memudahkan dapat dituliskan lambang ini sebagai berikut.
x
i 1
i  x1  x2  x3  ............  xn
n
Contoh 1. x y
i 1
i i  x1 y1  x2 y2  x3 y3  ............  xn yn
n n
Contoh 2.  axi  ax1  ax2  ax3  ............  axn  a xi Lebih singkatnya
i 1 i 1
n
dapat ditulis sebagai berikut.  ax
i 1
i  a( x1  x2  x3  ............  xn )  a xi
Contoh 3. Jika a, b dan c adalah konstanta maka,
 i 1
(axi  byi  czi   ax  by   cz
 i 1
(axi  byi  cz i  a  x  b y  c z

2.3. H a r g a M e n e n g ah P e r h i t u n g a n
Sudah biasa jika dibicarakan perihal nilai rata-rata yang dimaksudkan adalah hasil perhitungan
harga rata-rata atau harga menengah. Harga tersebut diperoleh dari menjumlahkan semua
upah dari variabel dan kemudian membaginya dengan jumlah tukang. Di dalam
Perhitungan menengah, harga rata-rata dari sekelompok bilangan x, +x2 +……… +x,
x "x bar"
dengan lambang adalah yang dibaca sebagai .
x  x2  ........  xn x x i
x 1  
i 1
n n N
Contoh 4. Jika seorang penjual koran masing -masing berpendapatan 8000, 9000,
10 000, 11000, dan 12 000 rupiah sehari, maka rata-rata seorang berpendapatan
8000  9000  10000  11000  12000

= 10000 rupiah
5
Secara sederhana adalah dengan menjumlahkan harga variabel yang

berbeda kemudian dibagi dengan jumlah orangnya.
Jika harga variabel diberikan di dalam bentuk tabel frekuensi, setiap harga dikalikan
dengan frekuensi yang bersangkutan dan kemudian dijumlahkan. Jumlah tersebut dibagi
dengan total frekuensi, sehingga dihasilkan harga menengah perhitungan atau (HP).
Perhitungan menengah ini biasanya juga disebut arithmatic mean yang disingkat AM, yang
dapat dinyatakan sebagai,
f1 x1  f 2 x2  ......  f n xn f x 1 1
PM   i 1
f1  f 2  ........  f n n
f
i 1
1
Harga menengah perhitungan ini juga diberi lambang atau notasi sebagai .
Dengan demikian kita dapat menuliskan hubungan tersebut dengan lebih singkat yaitu :
 fx atau x   fx di mana N  f
x 
f N
1 k
x  f r xr dimana k = jumlah frekuensi
N r 1

Di dalam masalah pembagian grup tabel frekuensi yaitu jika harga diberikan dalam bentuk
interval kelas, x merupakan harga menengah dari kelas dan f merupakan frekuensi yang
bersangkutan.
Contoh 5. Hitunglah upah rata-rata pekerja dari data berikut ini.
Upah harian (x Rp. 1000,-) Jumlah Pekerja
8 9
10 12
11 7
12 8
15 1
Penyelesaian
Jika upah harian diberi notasi x dan jumlah yang bersangkutan dengan upah tersebut
dengan f maka kita peroleh,
x f fx
8 9 72
10 12 120
11 7 77
12 8 96
15 1 15
N =  f = 37  fx = 380
 Besar Upah Rata-Rata =

 fx  380  Rp. 10270,27
 f 37

Contoh 6. Hitunglah Harga Menengah Perhitungan dari data distribusi frekuensi berikut ini,
Interval Kelas Frekuensi
0–4 6
4–8 11
8 – 12 20
12 – 16 7
16 – 20 4
Penyelesaian. Jika x adalah harga menengah, maka :
x f fx
2 6 12
6 11 66
10 20 200
14 7 98
18 4 72
Total 48 448
HP 
 fx  448  9,3333 harga pendekatan
 f 48
Jawab : 15,31
2.4. Median
Median merupakan nilai dari cacah atau item yang paling tengah atau perhitungan
menengah dari dua cacah paling tengah di mana cacah diberikan dalam urutan kuantitas
atau magnitude.

Contoh 7 : Median dari sekumpulan data 4, 6,10, 12, 18 adalah 10. Sedangkan untuk
sekumpulan data 4, 6, 10, 12, 18, 22 memiliki median
10  12
 11
2
Dapat dilihat bahwa 50% dari cacah memiliki nilai lebih kecil atau sama dengan median,
sedangkan 50% lainnya memiliki nilai lebih besar atau sama dengan median. Untuk
kumpulan data individual digunakan rumus median sebagai berikut :
n 1
Median = Nilai cacah
2
Di mana x1 , x2 , x3 ............., xn merupakan nilai dari variabel yang memenuhi, nilai dari
n 1
x1 , x2 , x3 ............., xn seharusnya telah disusun sesuai dengan urutan kuantitas. Jika
2
n
dinyatakan dalam desimal maka median sebagai harga menengah hitungan dengan nilai
2
n 
dan  1 cacah.
2 
Untuk distribusi frekuensi di mana f berbeda dengan harga x variabel yang diberikan maka
n 1
Median = Nilai dari cacah
2
Di sini diperoleh kelas di mana menyatakan ke N/2 cacah. Kelas ini disebut sebagai kelas
median. Untuk menentukan nilai median dari kelas median digunakan rumus sebagai
berikut :
 N /2 X 
Median = L   h
 f 
Di mana,
L = Batas bawah dari kelas median
C = Frekuensi kumulatif kelas yang memberikan kelas median
f = Frekuensi dari kelas median
h = Batas interval kelas median

Untuk menghitung median harus diperhatikan
1. Nilai dari variabel dalam urutan kuantitas. Pada masalah variabel nilai kelas, kelas
harus merupakan urutan yang nilainya dalam harga kuantitas yang menanjak.
2. Dalam bentuk terbatas maka batas aktual atau kelas
median yang diambil untuk perhitungan L dan h.
3. Kelas tidak boleh memiliki interval yang sama.
4. Pada kelas dengan ujung terbuka (open end class), dianjurkan untuk menghitung rata-
ratanya dengan menggunakan median.
Contoh 8. Hitunglah median dari sederetan data berikut ini.
3, 7, 9, 4, 2, 8, 10.
Penyelesaian.
Nilai kuantitas variabel bila disusun dalam urutan menanjak adalah sebagai
berikut.
x = 2, 3, 4, 7, 8, 9, 10. Di sini n = 7
N 1
 Median = Nilai dari cacah
2
Median = Nilai dari cacah ke 4 = 7
Contoh 9. Hitunglah median dari data frekuensi distribusi berikut ini.
x 0 1 2 3 4 5 6
f 5 9 10 12 6 4 2
Penyelesaian
x f cf
0 5 5
1 9 14
2 10 24
3 12 36
4 6 42
5 4 46
6 2 N=48
N = 48

N 1
Jadi Median = Nilai dari cacah = Nilai kuantitas dari cacah ke 24,5
2
23
=  2,5
2
2.5. Modus
Modus dari sekumpulan data statistik adalah nilai kuantitas yang terbentuk dari
frekuensi yang terbesar yang mana merupakan nilai yang paling banyak terjadi. Dapat
saja kumpulan data tersebut tidak memiliki modus, tetapi jika terdapat modus dapat
saja modus tersebut tidak unik.
Salah satu cara menghitung modus adalah dengan cara menginspeksi. Biasanya
f rek uensi pada distr ibusi f r ekue nsi terdistribusi dalam nilai kuantitas
sehubungan dengan itu modus dapat ditentukan dengan cara menginspeksi kumpulan
data tersebut.
x 4 5 6 7 8 9 10 11 12
y 1 2 1 5 12 4 2 2 1
Dengan cara menginspeksi data tersebut di atas langsung dapat ditentukan

bahwa modus adalah = 8.
Cara menghitung modus untuk suatu grup data adalah dengan

menggunakan rumus sebagai berikut.
 1 
Modus = L    h
 1   2 
Di mana = L = Batas terbawah dari kelas modal
 1 = Perbedaan frekuensi antara kelas modal dengan kelas premodal
 2 = Perbedaan frekuensi antara kelas modal dengan kelas postmodal
H = Interval kelas modal

Di dalam menghitung modus beberapa hal utama yang harus
dipertimbangkan adalah,
1. Nilai kuantitas (atau nilai kuantitas kelas) dari variabel harus dalam urutan yang
menanjak.
2. Jika kelas dalam bentuk inklusif, maka batas aktual kelas modal diambil atau
digunakan untuk menghitung L dan h.
3. Kelas-kelas harus memiliki interval yang sama.
Harus diperhatikan bahwa disaat menganalisis tabel analisis, dapat ditemukan dua
atau lebih nilai kuantitas yang sama (dari nilai kuantitas kelas) dari variabel yang
memiliki angka yang sama. Di dalam hal ini, jika terhadap kasus tersebut dilakukan
perhitungan dengan cara grouping akan mengalami kegagalan. Distribusi di atas
disebut sebagai distribusi multi-modal.
MODUS EMPIRIS
Pada masalah multi-modal untuk menghitung modus digunakan hubungan

sebagai berikut.
Modus = 3 Median - 2 Perhitungan Menengah
Modus disebut modus empiris oleh karena tidak dihasilkan dari perhitungan aljabar.
Walaupun demikian umumnya di dalam penelitian perhitungan distribusi nilai
kuantitas modus mendekati .harga 3 median dikurangi 2 perhitungan menengah (PM).
Atas alasan inilah rumus perhitungan modus di atas disebut sebagai modus empiris.
Contoh 10. Hitunglah modus dari distribusi berikut ini.
Keuntungan (x 1000 rp) 28 29 30 31 32 33
Jumlah Item 4 7 10 6 2 1
Penyelesaian.
Untuk menghitung modus dari distribusi di atas maka perlu disusun suatu tabel sebagai
berikut.

Keuntungan (x1000 rp) Jumlah Item
28 4
29 7
30 10
31 6
32 2
33 1
Dengan cara inspeksi dapat ditentukan bahwa modus adalah Rp 30.000, oleh
karena frekuensi dari 30.000 merupakan frekuensi yang tertinggi dibandingkan
dengan frekuensi yang lain dari x. Terlebih lagi frekuensi tetangganya merupakan
suatu dominasi.
Contoh 11. Hitunglah nilai modus dari distribusi frekuensi berikut ini.
x 4 5 6 7 8 9 10 11 12
f 15 18 12 30 27 40 20 20 12
Penyelesaian.
Pada distribusi yang diketahui di atas tak dapat ditentukan nilai dari modus, dengan
hanya melakukan inspeksi atau pemeriksaan. Dalam hal ini akan diaplikasikan cara
dengan melakukan grup. Nilai variabel telah dalam bentuk urutan dari kuantitas.
Untuk itumarilah disusun tabel grup sebagai berikut.
Tabel Grup
I II III IV V VI
x f
4 15 15+18
5 18 = 33 18+12 15+18+
6 12 12+30 = 30 12=45 18+12+30
7 30 =42 30+27 = 60

8 27 27+40 = 57 30+27+40 12+30
9 40 = 67 40+20 =97 27+40+20 +27 = 69
10 20 20+20 = 60 = 87 40+20
11 20 = 40 20+12 20+20+12 +20 = 80
12 12 = 32 =52
Tabel Analisis
Kolom 9 8 10 7 11
I 1
II 1 1
III 1 1
IV 1 1 1
V 1 1 1
VI 1 1 1
Total 6 3 3 1 1
Jadi Modus = 9.
Contoh 12. Hitunglah modus untuk distribusi berikut ini.
M ai Jumlah Nilai Jumlah Mahasiswa

0-2 Mahasiswa
8 25-30 45
2-4 12 30-40 60
4-10 20 40-50 20
10-15 10 50-60 13
15-20 16 60-80 15
20-25 25 80-100 4
Penyelesaian
Di dalam distribusi frekuensi, kelas-kelas tidaklah sama dengan intervalnya.

Sebelum menghitung kelas modus, dibuat terlebih dahulu kelas yang sama.

Nilai Jumlah Mahasiswa
0-20 8+12+20+10+16 = 66
20-40 25+45+60=130
40-60 20+13=33
60-80 15
80-100 4
Dengan menggunakan cara inspeksi, modus kelas adalah 20-40. Diketahui bahwa,
 1 
Modus = L    h
 1   2 
Di sini L = 20,  1 = 130 - 66 = 64, A, =130 - 33 = 97, h = 20
 64 
Jadi Modus = 20 +   20
 64  97 
= 20 +7,9503 = 27,9503

2.6. SOAL - SOAL
1. Hitunglah harga menengah dari 15, 14, 17, 32, 27, 23, 2, 4, 13 dan 16.
2. Suhu suatu termostat terbaca pada setiap interval dua menit untuk perioda 20
menit memberikan hasil sebagai berikut.
wakt 0 1 2 3 4 5 6 7 8 9 10
u
Suhu 3,10 3,15 3,15 3,16 3,15 3,16 3,15 3,15 3,16 3,16 3,15
1 8 9 0 2 2 2 8 2 2 5
Hitunglah suhu nilai rata-rata atau 104 menengah dan standar deviasi.
3. Hitunglah perhitungan menengah, harga rata-rata, deviasi pukul rata dan deviasi
standar dari berat mahasiswa di bawah ini,
Berat (kg) Jumlah Mahasiswa
60-62 5
63-65 18
66-68 42
69-71 27
72-74 8
4. Hitunglah Perhitungan Menengah dari tabel frekuensi mahasiswa putri berikut ini.
 Tinggi badan (cm) 148 152 157 163 168 173
 Jumlah mahasiswa 12 14 20 13 8 5

Daftar Pustaka
Daf tar Pustaka
1. Prof. Dr. Agus Irianto, , “Statistik : Konsep Dasar dan Aplikasinya”,

Jakarta, Kencana, 2006
2. Dr. Ir. Harinaldi, M.Eng, “Prinsip -Prinsip Statistik untuk Teknik dan
Sains”,Jakarta, Erlangga, 2005.
3. Prof. Dr. Sudjana, MA.,MSc., ”Metoda Statistika”, Bandung, T arsito,
2007.
4. ANTON L WARTAWAN,” STATISTIK TEKNIk,” PENERBIT UNIVERSITAS
TRISAKTI,
5. Hasan, Iqbal, 2004. Analisa Data Penelitian dengan Statistik. Jakarta : PT Bumi
Aksara
6. Hasan, Iqbal, 2001. Pokok-Pokok Materi Statistik 1 (Statistik Deskriptif). Jakarta : PT
Bumi Aksara
7. Subagyo, Pangestu, 2003. Statistik Deskriptif. Yogyakarta : BPFE-Yogyakarta
8. Sudjana, 1996. Metode Statistika. Bandung : Penerbit Tarsito Bandung
9. Suryoatmono, Bambang, 2007. Kursus Statistika Dasar. (online) :
http://home.unpar.ac.id/~suryoatm/Kursus%20Statistika%20Dasar.PDF
Sumber Internet : http://www.slideshare.net/wif iq/stat -pro-modul1


Modul 2. Statistik Deskriptif

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 2. Statistik Deskriptif

Diunggah oleh

Hak Cipta:

Format Tersedia

MODUL PERKULIAHAN

Statistik Deskriptrif, pengumpulan,

Fakultas Program Studi Tatap Muka Kode MK Disusun Oleh

Ada tiga hal pokok yang terkandung dalam statisktik, yaitu :

2020 Statistik Pusat Bahan Ajar dan eLearning

 Sampel : merupakan serangkaian observasi yang dilakukan terhadap sebagian dari

Iqbal Hasan (2001:7) menjelaskan :

1. Distribusi frekuensi beserta bagian-bagiannya seperti :

2020 Statistik Pusat Bahan Ajar dan eLearning

Bambang Suryoatmono (2004:18) menyatakan : 2004

 Ukuran Lokasi: mode, mean, median, dll

Yang dimaksud sebagai statistika deskriptif adalah bagian statistika mengenai

Sudjana (1996:7) menjelaskan :

C. Populasi dan Sampel

2020 Statistik Pusat Bahan Ajar dan eLearning

1. Berdasarkan jenis cara pengumpulannya, dibedakan menjadi :

1. Menunjukkan perkembangan suatu keadaan

2020 Statistik Pusat Bahan Ajar dan eLearning

2020 Statistik Pusat Bahan Ajar dan eLearning

E. Diagram Alur Statistik Deskriptif

Penyajian data yang telah

Ya Penggunaan data sampel guna

Bukan Statistik Inferensi

Penggunaan data sensus (populasi) untuk Penarikan kesimpulan tentang

2020 Statistik Pusat Bahan Ajar dan eLearning

Untuk menguji data nominal, digunakan dua cara yaitu :

n : Jumlah anggota populasi

n! : n faktorial yang nilainya = n(n-1)(n-2)…

2020 Statistik Pusat Bahan Ajar dan eLearning

a. Menentukan formulasi hipotesis

H1 : Ada perbedaan antara data populasi dengan data sampel

b. Menentukan taraf nyata (α) dan nilai P tabel

c. Menentukan kriteria pengujian

H0 ditolak (H1 diterima) apabila P ≤ α

d. Menentukan nilai uji statistik

2. Uji kai kuadrat satu sampel

f0 : frekuensi yang diobservasi

2020 Statistik Pusat Bahan Ajar dan eLearning

Prosedur uji statistiknya adalah sebagai berikut :

a. Menentukan formulasi hipotesis

H1 : kategori pertama tidak sama dengan kategori kedua

b. Menentukan taraf nyata (α) dan  2 (kai kuadrat) tabel

 Taraf nyata yang digunakan biasanya 5% (0,05) atau1% (0,01)

c. Menentukan kriteria pengujian

H0 ditolak (H1 diterima) apabila  0    ( db)

d. Menentukan nilai uji statistik (nilai  02 )

Jumlah a+b m+n

2020 Statistik Pusat Bahan Ajar dan eLearning

1. Menentukan formulasi hipotesis

H1 : proses pengambilan sampel bukan merupakan proses random

2. Menentukan taraf nyata (α) dan nilai r tabel

3. Menentukan kriteria pengujian

Untuk n1 dan n2 tertentu

4. Menentukan nilai uji statistik(nilai r)

1) Data sampel tidak berubah urutannya

2020 Statistik Pusat Bahan Ajar dan eLearning

 0 : Nilai yang dihipotesiskan

n : Jumlah anggota sampel

1. Menentukan formulasi hipotesis

2020 Statistik Pusat Bahan Ajar dan eLearning

3. Menentukan kriteria pengujian

H0 ditolak (H1 diterima) apabila t0 > tα

b) Untuk H0 : μ = μ0 dan H1 : μ < μ0

H0 ditolak (H1 diterima) apabila t0 < -tα